1、CPU和GPU的內部構成和原理
2、GPU和CPU的特點分別是什么？
3、GPU和CPU的適用場景是什么？

1、CPU和GPU的內部構成區別

如上是CPU和GPU的內部構成，可以看出是由不同的架構所組成

————————————————————

• CPU：叫做中央處理器（central processing unit）作為計算機系統的運算和控制核心，是信息處理、程序運行的最終執行單元。^[1]

可以形象的理解為有25%的ALU(運算單元)、有25%的Control(控制單元)、50%的Cache(緩存單元)

因為CPU涉及到通用計算，復雜度較高，——總結成少量的復雜計算

1. 需要少量的運算單元，強大的邏輯運算能力，可以理解為4個專家，既可以做奧數題，也可以做加減法
2. 需要足夠的控制單元實現復雜的數據控制和數據轉發
3. 需要足夠的緩存單元去存放一些已經計算完成的結果，或者是后面馬上要用到的數據

————————————————————

• GPU：叫做圖形處理器。圖形處理器（英語：Graphics Processing Unit，縮寫：GPU），又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上做圖像和圖形相關運算工作的微處理器。^[2]

可以形象的理解為90%的ALU(運算單元)，5%的Control(控制單元)、5%的Cache(緩存單元)

GPU的設計原理——總結為大量的簡單運算

1. 大量的運算單元：負責簡單粗暴的計算，不擅長奧數題，但小學題他會
2. 少量的控制單元和緩存單元：主要是負責合并和轉發數據，對這兩塊的需求較小，所以占據GPU較小的空間

————————————————————

2、GPU和CPU的特點分別是什么？

2.1、計算量比較

• CPU：計算量小，原理：只有4個運算單元
• GPU：計算量大，原理：有1000個運算單元

2.2、計算復雜度比較：

• CPU：可計算復雜的運算，比如積分微分，4個運算單元都屬于專家級別
• GPU：只可以計算簡單的1+1算術題，不能計算復雜的微分積分，1000個運算單元屬于小學生水平。

2.2、對于單個積分微分的計算速度比較

• CPU：較快。原理：單線程計算（比如機器人運動控制），單個芯片性能強勁，計算能力強，能計算出來
• GPU：較慢，甚至可能計算不了；原理：單個芯片性能弱，計算能力弱，可能算不出來，或速度很慢

2.3、對于多個1+1算術題的計算速度比較

• CPU：速度較慢。因為計算原理是：先算第1題， 再算第2題，總時間為【T1+T2+T3>>>+T1000（也就是1000個算術題消耗時間的累加]）】
• GPU：速度很快。因為計算原理是：可同時計算1000道算術題，總時間為【max（T1,T2,T3...T1000）（也就是1000個算術題消耗時間中的最大值）】

2.4、形象比喻

• GPU：計算量大，但沒什么技術含量，而且要重復很多很多次。就像你有個工作需要算幾億次一百以內加減乘除一樣，最好的辦法就是雇上幾十個小學生一起算，一人算一部分，反正這些計算也沒什么技術含量，純粹體力活而已。
• CPU：像老教授，積分微分都會算，就是工資高，一個老教授資頂二十個小學生，你要是富士康你雇哪個？GPU就是這樣，用很多簡單的計算單元去完成大量的計算任務，純粹的人海戰術。

————————————————————

3、適用場景

CPU：適合需要前后計算步驟嚴密關聯的計算場景。這些任務涉及到“流”的問題，必須先計算完第一步，再去計算第二步；比如你去相親，雙方看著順眼才能繼續發展?？偛荒苣氵@邊還沒見面呢，那邊找人把證都給領了。這種比較復雜的問題都是CPU來做的，生活中大部分用的都是CPU，例如武器裝備運動控制、個人電腦使用等

GPU：適合前后計算步驟無依賴性，相互獨立的計算場景。很多涉及到大量計算的問題基本都有這種特性，比如你說的破解密碼，挖礦和很多圖形學的計算。這些計算可以分解為多個相同的簡單小任務，每個任務就可以分給一個小學生去做。^[3]

4、視頻案例

B站和youtube網站都有的一個視頻，搬運過來，加以解釋。

視頻中分別畫了兩幅圖

圖A是一張笑臉，是由一個個彩蛋先后發射，連接在一起，給人呈現以笑臉的圖像，花費時間較長，比喻的對象是CPU的計算原理，一步步迭代計算

圖B是一張蒙娜麗莎的畫像，是由大量彩蛋同時發射，拼湊成一幅完整的畫像，花費時間是在一瞬間，比如的對象是GPU的計算原理，大量高并行計算

PS：觸類旁通?：

如果你購買電腦，你對電腦的需求是追求優秀的游戲圖像高畫質，建議就是選擇GPU(又叫圖像處理器或者顯卡)牛逼的，這樣會讓你的游戲體驗大增，因為你電腦中所有色彩像素點的渲染效果需要GPU去做大量并行計算！