在谈GPU和GPGPU 区别之前，我们把CPU也加进来一起区分。1、CPUCPU最常见的通用处理器，可以胜任各类计算任务...
1944
来源：雪球App，作者： 私-募2019，（https://xueqiu.com/1855261132/295425920）
在谈GPU和GPGPU区别之前，我们把CPU也加进来一起区分。
1、CPUCPU最常见的通用处理器，可以胜任各类计算任务，但正是因为计算能力均衡，无法在特定领域有突出计算能力。
2、GPU当前图形处理相关计算需求不断增加，受到CPU本身在浮点计算能力上的限制，对于需要高密度计算的图像处理操作，过去传统的在CPU上实现的方法，并没有在处理性能与效率上有很大进步。因此，为了提高了显示能力和显示速度，业界专门针对图形处理相关计算需求开发了GPU（Graphics Processing Unit），即完成图像运算工作的微处理器。
- GPU用于处理什么任务
a. 计算密集型的程序
所谓计算密集型(Compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当。从寄存器读写数据几乎没有延时；读内存的延迟大概是几百个时钟周期；读硬盘的速度即便是读SSD也非常慢了。
b. 易于并行的程序
GPU其实是一种SIMD(Single Instruction Multiple Data)架构，它有成百上千个核，每一个核在同一时间最好能做同样的事情。
- GPU和CPU的区别
CPU需要很强的通用性来处理各种不同的数据类型，同时又要进行逻辑判断从而引入了大量的分支跳转和中断的处理，这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。
GPU采用了数量众多的计算单元和超长的流水线，但只有非常简单的控制逻辑并省去了Cache。而CPU不仅被Cache占据了大量空间，而且还有复杂的控制逻辑和诸多优化电路，相比之下计算能力只是CPU很小的一部分。
- 下图来自 NVidia CUDA 文档：
3、GPGPU随着人工智能技术快速发展，除了图形相关算力需求外，对CPU通用计算能力的要求也越来越高。这时，GPGPU应用而生。
GPGPU 全称 General Purpose GPU，即通用计算图形处理器 (通用GPU)。其中第一个“GP”通用目的（GeneralPurpose），而第二个“GP”则表示图形处理（GraphicProcess），这两个“GP”搭配起来即“通用图形处理”。可以通俗的将GPGPU理解为一个辅助CPU的工具，它能够帮助CPU进行非图形相关程序的运算。
GPGPU 架构设计时，去掉了GPU为了图形处理而设计的加速硬件单元，保留了GPU的SIMT架构和通用计算单元。所以当前基于GPU的图形任务无法直接运行在GPGPU上（以后也许可以），但对于科学计算，AI训练、推理任务（其实主要是矩阵运算）等通用计算类型的任务仍然保留了GPU的优势，即高效搬运，运算，重复性的有海量数据的任务。
- GPGPU 目前主要用于例如物理计算、加密解密、科学计算以及比特币等加密货币的生成。
- GPGPU 与 GPU 的区别a. 任务不同GPGPU负责的是一些非图形相关程序的运算，如加密、解密；
而GPU负责的是图形渲染、图形计算的任务；
b. 存在形式不同GPGPU通常被集成到CPU中；
而GPU则是作为一个单独的模块，也就是独立显卡核心或者主板集成显卡核心。