如何评估计算机的算力：从 CPU 到 GPU 的演变

计算机的算力一直是科学技术发展的重要驱动力之一。从最早的计算机到现代的超级计算机，计算机的算力不断提高，为人类社会带来了前所未有的变革。其中，CPU（中央处理器）和 GPU（图形处理器）是计算机中最为核心的两个组件，它们的算力和性能对于计算机的整体性能具有决定性的影响。

CPU和GPU

CPU 是计算机的核心组件之一，它的主要功能是执行指令、控制计算机的运行和处理数据等任务。CPU 通常由运算器、控制器、寄存器和高速缓存等组件构成。 CPU 的算力通常由其时钟频率、处理器核心数量、缓存大小等指标来衡量。

• 时钟频率：CPU 每秒钟可以执行的指令次数，通常用 GHz 表示。
• 处理器核心数量：CPU 中包含的处理器核心数，可以同时处理多个任务。
• 缓存大小：CPU 内置的高速缓存容量，可以加速数据的读取和写入。

早期计算机的 CPU 算力较低，通常只能执行简单的指令。随着从单核心 CPU 到多核心 CPU，再到现在的高性能多核心 CPU，CPU 的算力和性能已经取得了巨大的飞跃。

目前，主流的 CPU 都是多核心 CPU，多核心 CPU 可以同时执行多个任务，大幅提升了计算机的算力和性能。例如，英特尔的酷睿 i9-13900K 处理器，采用 24 核心 32 线程设计，时钟频率高达 5.8 GHz，性能非常强劲。

图形处理器（GPU）是计算机中的另一个重要组件，主要用于处理图形和视频。与中央处理器（CPU）不同，GPU的并行计算能力更强，因此在某些应用中比 CPU 更具优势。

GPU 通常位于计算机主板上独立的插槽中，并且通常由多个处理器核心和大量的显存组成。GPU 的主要功能是执行图形和视频处理任务，例如 3D 游戏、视频编解码、图形渲染等。

GPU 的算力通常由其核心数量、时钟频率、存储带宽等指标来衡量。与 CPU 不同，GPU 的核心数量通常是数百个，甚至上千个。存储带宽是 GPU 的显存和其他组件之间传输数据的速度，通常用 GB/s 表示。

CPU VS GPU

CPU 和 GPU 是计算机中的两个重要组件，它们各自具有不同的特点和优势。

下面将从架构设计、计算能力、能耗和散热、价格和可用性、应用场景等方面来探讨 CPU 和 GPU 的比较。

计算能力

构成 CPU 和 GPU 的组件是类似的：它们都包含控制单元、算术逻辑单元 (ALU)、高速缓存和 DRAM。主要区别在于 GPU 具有更小、更简单的控制单元、ALU 和缓存，而且数量很多。因此，虽然 CPU 可以处理任何任务，但 GPU 可以非常快速地完成某些特定任务。GPU 的设计目的是为了实现高效的图形和视频处理、机器学习等应用。

举个形象的例子，你可以把 CPU 理解成为一个学识渊博的教授，而 GPU 是一群小学生，算 100 个小学生吧，只会做一些简单的计算。现在两者要做一个比赛，看哪方先算完 100 道简单的加减算术题。毫无疑问，100 个小学生的速度是远远快于教授的。但如果要做一道高数题，那结果就是相反的，学识渊博的教授算完的时候，100 个小学生估计还在蒙圈中。这就是 CPU 和 GPU 在计算能力上的区别，这是由它们的架构决定的，CPU 可以执行任何程序，而 GPU转为多任务而生，并发能力强。

能耗和散热

GPU 通常比 CPU 更加耗电和发热，因为 GPU 的处理器核心数量更多，需要更多的电力和散热系统。因此，在设计计算机系统时需要考虑散热和电源供应等因素。此外，GPU 通常需要额外的散热器和风扇来保持温度和性能。

此外，GPU 通常比 CPU 更昂贵，因为 GPU 的设计和制造成本较高。此外，GPU 的供应量也比 CPU 更少。

应用场景

CPU 通常用于处理大量的数据、执行复杂的算法、处理多任务等复杂应用。CPU 还可以用于运行各种操作系统和软件程序。GPU 则主要用于图形和视频处理、机器学习等需要大量并行计算的应用。

之前 NVIDIA 在参加一档节目时，演示了 GPU 和 CPU 的区别，大家可以看下这两个动态图。

△ CPU 绘画，图片来源于互联网侵删

△ GPU 绘画，图片来源于互联网侵删

当然，上面的两张图并不是说 GPU 比 CPU 厉害，事实上，CPU 和 GPU 各自具有不同的特点和优势，选择哪种设备取决于具体的应用场景和需求。在一些需要高并行计算能力的应用中，例如上面的绘画，GPU 通常比 CPU 更具优势；而在一些单线程应用中，CPU 则具有更高的性能。因此，根据实际情况选择合适的 CPU 和 GPU，可以实现最佳的性能和效率。

近期 AIGC 的大火，也让 GPU 再次火爆了起来。GPU 作为一种高效的并行计算设备，未来还可能在更多的新兴领域得到广泛应用，例如：

• 自动驾驶：自动驾驶技术需要处理大量的视觉和传感器数据，并实时进行决策和控制。GPU 高效的计算和数据处理，为自动驾驶系统提供强大的计算能力和实时响应能力。
• 区块链技术：区块链技术需要处理大量的数据，并实现加密和解密操作。GPU 高效的数据处理和加密解密操作，为区块链技术提供高效的计算能力和安全保障。
• 虚拟现实和增强现实：VR 和 AR 需要实时渲染和处理大量的图像和视频数据。GPU 可以实现高效的图形处理和渲染操作，为虚拟现实和增强现实提供流畅的图像和视频体验。

CPU 和 GPU 的演变历程经历了从单核心到多核心、从图形处理到通用计算、从高性能计算到 AI 计算的不断发展和进化。这些技术的演进不断推动着计算机技术的进步和应用的创新。随着技术的不断发展，计算机算力将继续得到提升，为各种应用场景提供更高效、更快速的计算能力。最后，如果你对 AI 绘画感兴趣，可以根据我们之前的教程《从 0 到 1，带你玩转 AI 绘画》来搭建自己的 AI 作图环境哦，画出好看的小姐姐不要太简单哦。