GPU是什麼？和CPU有什麼不同、和AI又有什麼關係？一文看懂！
2023/07/13
GPU在各大媒體中越來越常被提到，它到底是什麼，跟CPU有關係嗎？（圖片來源：iStock）
CPU這個英文縮寫大家應該比較熟悉，代表中央處理器，是電腦的核心元件。不過隨著虛擬貨幣挖礦、AI人工智慧崛起，大家可能越來越常見到「GPU」這個英文縮寫了，那GPU是什麼？跟CPU有關係嗎，跟挖礦、AI又有什麼關係？本文一次說清楚。
CPU、GPU都是現代高科技重要元件，不僅大眾生活中的3C產品、企業資料中心的伺服器，甚至戰場武器砲彈中，都有他們的身影。搞懂CPU、GPU是什麼，不僅有助於平日3C商品採購，也能更加了解未來趨勢與經濟脈動。
本文目錄
什麼是CPU?
CPU（Central Processing Unit）是中央處理器的意思，為電腦的核心元件。CPU負責執行人類寫好的程式，接受指令、處理資料、寫入記憶體及輸出結果。隨著半導體技術發展，CPU已經不只用在電腦，現在所謂的「智慧裝置」可能都有CPU在裏面，包括手機、相機、電視、電視遊樂器、音響、物聯網設備等等。
CPU的效能直接影響電子產品的效能，電腦速度快不快、手機速度快不快、相機的拍照速度、電視的畫面清晰度等，都可能與CPU有關。因此很多人選購3C產品時，會看內建的是哪個品牌、什麼等級的CPU來做參考。
影響CPU效能的因素很多，包括時脈頻率（clock rate）、核心數量、執行緒（total threads）、快取記憶體（cache）、功率等。一般大都由時脈頻率來初步判斷，時脈頻率可視為CPU每秒能處理的指令數量，以赫茲（Hz）為單位。
以下為Intel Core i9-13900KS CPU的簡易規格：
- 核心數量：24
- 效能核心（Performance-core）數量：8
- 效率核心（Efficient-core）數量：16
- 效能核心基礎頻率：3.20GHz
- 效率核心基礎頻率：2.40GHz
- 最大超頻：6.00GHz
這顆CPU總共有24顆核心，其中8顆效能核心故名思義用來處理高效能運算、16顆效率核心用來處理省電運算。CPU運作時時脈頻率並不是固定的，基礎頻率代表該核心能穩定運行的頻率，最大超頻代表在特定條件下，該核心可達到的最高頻率，通常評估CPU的快慢會參考最大超頻這個數值。
目前電腦常見的CPU品牌有Intel、AMD，手機常見的品牌有高通Snapdragon、三星Exynos、聯發科Dimensity等。
電腦主機板上的CPU。（圖片來源：iStock）
什麼是GPU?
GPU（Graphic Processing Unit）稱為圖形處理器，從名稱可知它跟CPU是類似的東西，但GPU著重在圖形處理的部分。
早期電腦在圖形顯示上也是由CPU處理，但隨著圖形應用的需求增加，開始以擴充的圖形加速卡、圖像控制卡、顯示卡等來提高電腦的圖形處理能力。直到1999年NVIDIA推出「NVIDIA GeForce 256」這張顯示卡，稱其搭載NVIDIA首個GPU，首度強調以專門的元件加強圖形計算。之後其他品牌也導入類似的架構及設計，便開啟了GPU時代。
時至今日，市售顯示卡內含GPU，手機晶片組內含GPU，CPU中的整合顯示晶片也可視為GPU。比較知名的GPU品牌有NVIDIA GeForce、AMD Radeon、Intel ARC、Qualcomm Adreno、ARM Mali等。
GPU是由顯示卡發展而來。（圖片來源：NVIDIA）
GPU和CPU有何不同？
從目的來看，CPU是以通用型運算為主，希望能用來完成各種不同的工作，GPU則是為圖形處理而生。CPU適合依序處理的任務，GPU則因圖形處理需求，擅長同時執行大量任務，也稱為平行計算。GPU為了大量平行計算，擁有非常多的小型處理核心；CPU核心數相對較少，但擁有較強大的單核心性能。
NVIDIA曾經請美國知名的科普節目「流言終結者」拍了一段影片，示範CPU與GPU的差異，相當直覺的呈現出兩者特色。
影片說明：「流言終結者」示範CPU與GPU差異。
片中可看到CPU畫圖是一點一點精準的、依照順序的「點」出來；GPU畫圖卻是同時「點」出整張圖，簡潔表達GPU大量平行計算的樣貌，以及CPU的操作彈性。
以下是NVIDIA GeForce RTX 4090 GPU的簡易規格：
- 核心數量（NVIDIA CUDA Cores）：16384
- 加速時脈（Boost Clock）：2.52GHz
- 峰值半精度計算效能（Peak Half Precision Floating Point Performance）：82.58 TFLOPs
- 峰值單精度計算效能（Peak Single Precision Floating Point Performance）：82.58 TFLOPs
- 峰值雙精度計算效能（Peak Double Precision Floating Point Performance）：1290 GFLOPs
核心數量和CPU是完全不同的規模，另外，GPU較常以每秒浮點運算次數（Floating Point Operation per Second, FLOPS）來代表運算能力。上述TFLPOs代表teraFLOPS（tera是10的12次方），GFLOPs代表gigaFLOPs（giga是10的9次方）。
搭載NVIDIA GeForce RTX 4090 GPU的顯示卡。（圖片來源：微星科技）
GPU和AI有什麼關係？
GPU雖然從圖形處理的需求開始發展，但其平行運算的能力被發現相當適合用在某些場景。例如早期虛擬貨幣礦工透過CPU來挖礦，後來發現GPU平行運算挖得更快，導致市面上GPU被礦工一掃而空。
而AI領域的深度學習訓練、圖像生成、自然語言處理等，都需要大量而複雜的計算，GPU的平行運算能力及高速傳輸速度就相當適合。CPU核心較少，又是循序計算，相較就吃虧了。
此圖為NVIDIA H100 Tensor Core GPU，是資料中心使用的旗艦級GPU，專為加速大規模AI及高效能運算設計。（圖片來源：NVIDIA）
由ChatGPT開啟的AI時代讓GPU水漲船高，成為新聞上常見的關鍵字。不過現階段從大眾日常生活的角度看，CPU相對GPU的重要性還是較高，如上網、文書處理、看影片、即時通訊等，大多仰賴CPU的效能。對影像處理、顯示有特殊需求的人，如遊戲玩家、直播主、攝影玩家等，比較需要GPU的加持。
心發現延伸閱讀:
Matt
從工程師到記者，從虛擬世界到現實世界，不斷追尋著動人事物。