本文转载自，其他媒体转载须经超能网同意。
pc在刚诞生的时候，其实是没有gpu的，所有的图形计算都由cpu来计算。后来人们意识到cpu做图形计算太慢了，于是他们设计了专门的图形加速卡用来帮忙处理图形计算，再后来，nvidia提出了gpu的概念，将gpu提升到了一个单独的计算单元的地位。
由于两者面向的计算不同，cpu面对的是人们各种各样的需求，比如你打开一个网页的时候，cpu要负责网络交互，要解析html文件和js脚本，要构建dom树，要加载各种各样的资源，而最后才轮到gpu的事情：渲染画面并输出。
再举个例子，玩游戏的时候，cpu负责完成游戏程序的逻辑、从硬盘里面加载游戏数据，然后才开始把图形相关的东西挑出来交给gpu做，而游戏中的各种运算还是离不开cpu的帮助，比如常见的npc，他们怎么运动，还是需要cpu来运算。
从上述两个例子中就可以看出，cpu负责的是各种各样的计算，为了应对这么多种类的计算，它的通用性要求非常高，而这就必定会造成设计上的复杂，比如要支持if-else这类条件语句就要针对性加入一些控制单元。而gpu从诞生开始，面对的就是单一种类的计算，早期的gpu为了更好的应对单一的图形计算任务，采用的是流水管线形式的设计，通过在芯片规模上的大量堆叠，就可以获得在图形处理速度上的提升，从而提供更好的画质，简单粗暴。
所以问题的答案很明显了，在计算上，cpu的通用性更强，什么活都能接，但是速度都不咋地；gpu只能接图形计算这类活，速度非常快，或者也可以接特别写给它来计算的任务，这也就是gpgpu（在图形计算单元上进行的通用计算）的由来。
如对本文有疑问， 点击进行留言回复！！
2年升级一次 Intel：10nm、7nm及5nm工艺开发不会削减投资
AMD推土机FX-8350超频至8.1GHz！却打不过3.6GHz锐龙
我要评论
网友评论