GPU、CPU：不止一字之差那么簡單

1. 引言

　　自1999年NVIDIA提出GPU的概念以來，GPU的高浮點運算能力引發了不少的話題，比如GPU將取代CPU。基于GPU的特殊性，研究人員正在從事相關方面的研究，以期充分地利用GPU高運算速度。

　　隨著計算機圖形處理硬件的又一次升級，即計算機圖形處理器的升級。圖形處理器的應用已成為熱門的課題。

　　2. GPU的功能

　　GPU（Graphic ProcessingUnit）即圖形處理器。1999年NVIDIA公司發布GeForce 256圖形處理芯片時，首先提出GPU的概念。一塊標準的GPU主要包括2D單元、3D單元、視頻處理單元、FSAA（Full Scene Anti—aliasing，全景抗鋸齒）單元和顯存管理單元等。

　　它設計的宗旨是實現圖形加速，現在最主要的是實現3D圖形加速，因此它的設計基本上是為3D圖形加速的相關運算來優化的，如消隱、紋理映射、圖形的坐標位置變換與光照計算等等。這幾年GPU發展迅猛，2007年NVIDIA甚至提出“重GPU核心，輕CPU頻率”的論調。這是否意味著GPU時代的到來？

　　3. GPU與CPU的比較

　　GPU以其高速的浮點運算能力迅速地吸引了人們的眼球。

　　其計算能力到底有多大？CPU的浮點運算能力一般在10 Gflops以下（每秒可進行10億次浮點運算），而GeForce6系列的浮點運算能力已經在40 Gflops左右，GeForce7950GX2更是達到了384Gflops；在向量計算方面能夠獲得比CPU高出十倍的計算效率。

　　這得益于它是對圖形處理量身定制。GPU并行計算的能力更是強大，它內部具有快速存儲系統，NVIDIA的8800有128個處理器，此外，GPU的硬件設計能夠管理數千個并行線程，這數千個線程全部由GPU創建和管理而不需要開發人員進行任何編程與管理。然而，現在GPU還是協助CPU進行圖形處理，著實浪費不少其運算能力。

　　值得注意的是，如此強大的計算能力具有針對性———圖形計算，如Z- buffering、紋理映射與光照計算等。這類計算都是針對大量的平行數據，運算的數據量大，但是運算的類型卻并不復雜，還具有類似性，計算性強但是邏輯性不強，如矩陣運算就是圖形運算的典型特征。而CPU是設計用來處理通用任務的處理、加工、運算以及系統核心控制等工作，CPU的微架構是為高效率處理數據相關性不大的計算類、復雜繁瑣的非計算類等工作而優化的。所以現在CPU和GPU還在自己的軌道上各司其職。

　　GPU特殊的硬件架構突出了對CPU的優勢：擁有高帶寬的獨立顯存；浮點運算性能高；幾何處理能力強；適合處理并行計算任務；適合進行重復計算；適合圖像或視頻處理任務；能夠大幅度降低系統成本。