广东
最近，AI的兴起带火了原本只在游戏领域才受关注的GPU，甚至有人说，没有GPU就没有如今的人工智能，那么GPU到底特别在哪里呢？
GPU也叫图形处理器（Graphics Processing Unit），顾名思义，是一种专门用于处理图形相关运算的处理器，它可以并行处理大量计算任务，从而提高计算速度和效率。
听起来不太好理解？我们举个简单的例子。
我们通常会以CPU，也就是中央处理器的计算能力与GPU进行比较，二者的主要架构就像图中所看到的这样。
假设计算机是一座工厂，现在工厂接到了新的任务，要生产一幅画，那么一个四核的CPU就相当于四个专业画家，四个人就算密切配合，每人左右手同时开工，每次最多只能画两笔。
而GPU就不同了，它有着大量用于计算的晶体管，就好像雇佣了大批的绘画工人，每个人拿着画笔，同时在画布的各个位置上作画，大大缩短了一幅画的生产时间，而这就是并行计算。
我们的屏幕通常由几百万个像素点组成，处理这些图像就需要很高的并行度，尤其是在一些高质量的渲染、光线追踪、视频编解码等工作中，你会很明显地感受到GPU的性能带给你的效率提升。
但相对于“专业的全能选手”CPU来说，GPU能够处理的海量计算其实都是简单的计算，也许一万个绘画工人中也诞生不了一个毕加索，但他们却能通过流水线作业，提高整个绘画工厂的产能。
而这种“流水线”这也正是人工智能训练所需要的。
基于神经网络的机器学习，就需要大量计算和数据处理，这些计算并不复杂，如果交给CPU，训练一个模型可能需要几周或者几个月，而在GPU上，几天甚至几个小时就能完成训练。最重要的是，GPU可以堆叠很多个计算单元（ALU），只要我的GPU够多，训练模型就能快人一步。
OpenAI使用了1万颗GPU训练ChatGPT，让GPU从游戏界“出圈”，彻底火了一把，但实际上，正是因为GPU的发展，才让人工智能有了今天的成果。
如今除了CPU和GPU，还诞生了很多专门用于各种计算处理的TPU、DPU、NPU等，未来，不同处理单元也许会有更多组合方式，为人工智能技术的发展带来新的可能。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
