今天带大家了解下芯片级基础知识，什么是CPU、GPU、GPGPU？都分别有什么差异？
1、CPU
CPU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，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。
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。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。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。
4、GPU、GPGPU差异性
GPGPU是指通用计算GPU（General-Purpose computing on Graphics Processing Units），也叫做通用GPU计算（General Purpose GPU Computing），是指利用GPU进行通用计算的技术。GPGPU可以将GPU的并行计算能力应用于科学计算、数据分析、机器学习等领域，提高计算速度和效率。
与传统GPU相比，GPGPU具有以下差异：
1.设计目标不同：传统GPU的设计目标是提供高性能的图形渲染能力，而GPGPU的设计目标是提供高性能的通用计算能力。
2.支持的计算任务不同：传统GPU主要支持图形渲染相关的计算任务，如顶点处理、像素处理、纹理处理等；而GPGPU支持更广泛的计算任务，包括浮点计算，整数计算、向量计算等。
3.计算精度不同：传统GPU通常使用单精度浮点数进行计算，而GPGPU可以支持双精度浮点数和定点数等多种类的计算精度。
4.计算模型不同：传统GPU通常使用固定的图形渲染管线来执行计算任务，而GPGPU可以使用自定义的计算模型，以适用不同的计算任务和应用场景。
5.编程模型不同：传统GPU的编程模型通常是命令式编程，需要开发者手动管理GPU内存和计算流程，而GPGPU的编程模型通常是声明式编程，通过定义一系列计算操作来描述计算流程，由编译器和运行时系统自动管理内存和计算流程。
6.程序设计不同：传统GPU的程序设计主要是图形API，如OpenGL、DirectX等；而GPGPU的程序设计主要是通过计算API，如CUDA、OpenCL等。
7.性能表现不同：GPGPU相对于传统GPU在通用计算任务上具有更高的性能表现，但在图形渲染任务上可能不如传统GPU。
8.存在形式不同：GPGPU通常是会被集成GPU当中，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。
9.内存架构不同：传统GPU通常使用分层内存架构，包括显存和系统内存，而GPGPU通常使用统一内存架构，将GPU内存和CPU内存合并成一个虚拟的内存池。
10.硬件支持不同：传统GPU通常有专门的硬件支持，如纹理单元、像素处理单元等，而GPGPU通常具有更多的通用计算单元和高速缓存，以支持更广泛的计算任务。
11.软件支持：传统GPU通常具有丰富的图形API和图形引擎支持，而GPGPU通常需要额外的软件和算法支持，以充分发挥其性能优势。
12.应用场景不同：传统GPU主要用于图形渲染和游戏开发，而GPGPU主要用于科学计算、数据分析、机器学习等领域。
总的来说，GPGPU是一种将GPU的并行计算能力应用于通用计算的技术，可以提高计算速度和效率，具有广泛的应用场景。
参考资料：
国产首款 GPGPU 云端高端训练芯片，什么是GPGPU，有哪些影响？ – 知乎 (zhihu.com)
英伟达的国产平替，“GPGPU”概念有机会吗？_腾讯新闻 (qq.com)
qq.com
GPGPU通用图形处理器技术 – 知乎 (zhihu.com)
限时特惠：本站每日持续更新海量各大内部网赚创业教程，会员可以下载全站资源点击查看详情
站长微信：11082411
