GPU 这么厉害，我们为什么还要用 CPU？

最近，Twitter 上出现了一段 2009 年的老视频。它让观众可以直观地了解 CPU 和 GPU 之间的区别。

原标题：GPU 这么厉害，我们为什么还要用 CPU？
文章来源：AI前线
内容字数：5574字

CPU与GPU：一场关于速度与效率的辩论

本文探讨了CPU和GPU在性能上的差异及其各自的适用场景，并解释了为什么现代芯片通常同时包含两者。

1. 速度的错觉：彩弹绘画实验

   文章开头以一个病毒视频为例，直观地展现了GPU在图像渲染速度上的优势。视频中，GPU瞬间绘制出蒙娜丽莎，而CPU绘制简单的笑脸却耗时30秒。但这只是表面现象，并未体现两者在架构和应用上的根本区别。

2. TFLOPS：性能的量化指标

   文章引入TFLOPS（每秒万亿次浮点运算）这一指标来量化CPU和GPU的计算能力。数据显示，GPU的计算速度远超CPU，但文章指出，现代芯片通常同时包含CPU和GPU，这并非多余。

3. 顺序程序与并行程序：两种不同的计算模式

   文章区分了顺序程序（指令必须按顺序执行）和并行程序（指令可以同时执行）。斐波那契数列计算是顺序程序的例子，而对一组数字进行乘法运算则是并行程序的例子。这两种程序类型对处理器的需求截然不同。

4. 错误的二分法：程序的混合特性

   文章指出，将程序简单地划分为顺序程序和并行程序是一种错误的二分法。大多数实际应用都包含顺序和并行代码的混合。文章通过一个包含斐波那契数列计算和乘法运算的例子说明了这一点，并引入了“可并行化比例”的概念。

5. 架构差异决定应用场景：CPU与GPU的最佳匹配

   文章解释了CPU和GPU在架构上的差异：CPU拥有少量大型核心，擅长处理顺序程序和复杂逻辑；GPU拥有大量小型核心，擅长处理并行程序。文章以视频游戏图形渲染为例，说明了GPU在并行计算中的优势。

6. CPU的独特优势：处理随机和复杂决策

   文章强调了CPU在处理随机和复杂决策方面的优势，将其比作餐厅厨房里的主厨，而GPU则像流水线厨师，擅长重复性任务。CPU能够处理操作系统中各种不可预测的，保证系统稳定运行。

7. 现代芯片的融合：CPU和GPU的协同工作

   文章总结道，现代芯片如苹果M3，将CPU的灵活性与GPU的计算能力相结合，实现了更优的性能。文章认为，更准确的对比应该展现CPU在管理资源和调度GPU方面的作用。

总而言之，文章阐述了CPU和GPU在架构、性能和应用场景上的差异，并强调了它们在现代计算系统中的互补性。两者并非相互替代，而是协同工作，以满足不同类型的计算需求。

联系作者

文章来源：AI前线
作者微信：
作者简介：面向AI爱好者、开发者和科学家，提供大模型最新资讯、AI技术分享干货、一线业界实践案例，助你全面拥抱AIGC。