過去的一年可以稱得上是GPU之年。但事實上，除了在核心領(lǐng)域(深度學(xué)習(xí)、VR、自動駕駛)，GPU在通用計算領(lǐng)域的應(yīng)用仍然很模糊。

搞清楚GPU的作用，要先從CPU開始。大多數(shù)人對計算機CPU并不陌生。CPU的設(shè)計用途，是對多種應(yīng)用進行低延遲處理。CPU非常適合用于多功能任務(wù)，比如電子表格、文字處理、Web應(yīng)用等等。于是，傳統(tǒng)上CPU是絕大多數(shù)企業(yè)的首選計算方案。

GPU的架構(gòu)與CPU很不一樣。首先，GPU并不具備多功能性。其次，與消費級CPU個位數(shù)的核心數(shù)目不同，消費級的GPU通常有上千個核心--特別適合處理大型數(shù)據(jù)集。由于GPU在設(shè)計之初有且只有一個目的:最大化并行計算。

GPU誕生之初

在90年代，一批工程師意識到:在屏幕上進行多邊形圖像渲染，本質(zhì)上是個能并行處理的任務(wù)--每個像素點的色彩可以獨立計算，不需要考慮其它像素點。于是GPU誕生，成為比CPU更高效的渲染工具。

簡而言之，由于CPU在圖像渲染方面的能力不足，GPU被發(fā)明出來分擔(dān)這部分工作，此后就成了專門搞這方面的硬件。

有了上千個更加簡單的核心，GPU能高效地處理讓CPU十分吃力的任務(wù)。只要有合適的代碼配合，這些核心就能處理超大規(guī)模的數(shù)學(xué)運算，實現(xiàn)逼真的游戲體驗。

并行計算

并行計算是發(fā)揮GPU性能的關(guān)鍵。這意味著可以同時處理運算，而不是一步步進行。復(fù)雜問題可被分解為更簡單的問題，然后同時進行處理。并行計算適用于HPC和超算領(lǐng)域所涉及的許多問題類型，比如氣象、宇宙模型和DNA序列。

CPUvsGPU小結(jié)

GPU在以下方面有別于CPU:一枚GPU芯片有幾千個核心。通常意義的CPU最多只有22個;GPU為高度并行的運行方式而設(shè)計，CPU為一步步的連續(xù)計算而設(shè)計;GPU的內(nèi)存帶寬比CPU高得多;CPU適合于文字處理、運行交易數(shù)據(jù)庫、網(wǎng)絡(luò)應(yīng)用等場景，GPU適用于DNA排序、物理建模、消費者行為預(yù)測等任務(wù)。

經(jīng)濟成本

GPU代表著計算的將來。但它的商用價值如何呢?

GPU在經(jīng)濟成本上其實占優(yōu)勢。首先，一個完整的GPU服務(wù)器比一個完整的CPU服務(wù)器要貴很多。但兩者之間難以直接對比。一個完整的8路GPU服務(wù)器，成本可達八萬美元。但一個中等的CPU服務(wù)器配置大約只需要9000美元。當(dāng)然，RAM和SSD的使用量對價格有很大影響。

很明顯，如果你要做的只是并行計算，選擇GPU服務(wù)器要劃算多了。極端情況下，如果硬要上250臺CPU服務(wù)器，加上電費、場地費、網(wǎng)費、溫控、維護管理費，最終價格會是天文數(shù)字。因此，如果并行計算占了公司工作量的大部分，從投資回報率的角度，GPU是正確的選擇。

在云時代，GPU計算的門檻已經(jīng)無限降低，比起建立自己的GPU服務(wù)器，租用GPU云計算服務(wù)對于很多客戶來講更劃算。

更多資訊請關(guān)注人機界面頻道