Report Content

报告正文

GPU 核数吊打 CPU 几百倍，为啥还是替不掉它

这两年 AI 火了，一个词天天蹦你眼前——GPU。英伟达靠它成了全球最值钱的公司之一，搞大模型的都在抢它。于是很多人心里冒出个问题：GPU 这么猛，核心又多得吓人，那 CPU 是不是要被淘汰了？

打住。先把结论撂这儿，省得你误会：CPU 和 GPU 压根不是谁淘汰谁，是俩工种。一个是运筹帷幄的司令，一个是千军万马的施工队——谁也别想抢谁的饭碗。

CPU（中央处理器）的路子是少数几个超强核心。一颗顶级 CPU 也就几个到几十个核，但每个核都是「全才」，啥指令都能接，还配了一大堆缓存和复杂的控制电路，专门伺候那些绕来绕去的逻辑。

GPU（图形处理器）反着来：成千上万个小核心堆一块儿。单看一个核，能力弱得可怜，但架不住人多。它把复杂控制电路砍掉，腾出的地方全塞进计算单元，主打一个「人海战术」。

有个流传很广的比喻特到位：CPU 像一位学识渊博的老教授，微积分张口就来，但一次只能盯一道题；GPU 像五千个小学生，微积分不会，可几亿道「一百以内加减法」分下去，一人一道，唰一下全做完了。

关键就俩字：并行。

你想想图形渲染——屏幕上几百万个像素点，每个都得算颜色、算光照，而且算法几乎一模一样。这活儿交给老教授一个个来，天都黑了；扔给五千个小学生同时开工，眨眼就完。GPU 天生就是干这个的。

后来大家发现，AI 训练也是这个套路。神经网络的核心运算是海量的矩阵乘法，成千上万个数一起乘一起加，规则统一、彼此独立——简直是为 GPU 量身定做的温床。所以图像识别、大模型训练、科学仿真这些「大力出奇迹」的活儿，GPU 一上就是几十上百倍的提速。

因为世上的活儿，大多不是「重复一亿遍」，而是「这一步得看上一步脸色」。

比如操作系统调度、软件里那些 if-else 判断、数据库事务——上一步没算完，下一步根本没法动。这种串行的、分支密集的复杂逻辑，GPU 的小学生们直接抓瞎：你让五千人排队等前一个人的结果，那不叫并行，那叫堵车。

CPU 的强核 + 大缓存 + 强分支预测，就是专治这种「绕」。它响应快、够灵活，系统里的调度、控制、I/O 交互，全靠它一手操办。更关键的是——GPU 根本没法单干。它得靠 CPU 发号施令、喂数据、做调度，才能开工。CPU 一撂挑子，GPU 就是一堆昂贵的铁疙瘩。

所以别再问「CPU 和 GPU 谁更强」了，这问题本身就问偏了。

现代计算机里，俩人是标准的异构搭档：CPU 管「统筹」——调度任务、管理内存、处理复杂逻辑；GPU 管「苦力」——大规模并行计算一把梭。程序里串行那部分丢给 CPU，能并行的部分甩给 GPU，各干各擅长的，整机才跑得又快又稳。

一句话：GPU 再能打，也是个协处理器；CPU 看着「核少」，却是那个发号施令的。谁也取代不了谁。

搞懂这层你就会发现，所谓「算力」，从来不是单靠某一颗芯片堆出来的，而是 CPU、GPU 乃至专攻 AI 的 NPU 们分工协作的结果。而这套分工背后，藏着一个更大的问题——这些卡住 AI 咽喉的高端芯片，眼下大半还攥在别人手里。国产芯片，究竟追到哪一步了？

想把「算力」这盘大棋从头看明白？ 我们做了份《算力革命与国产芯片·全景研究》，把芯片、算力、卡脖子这些事儿一次性讲透——公众号后台回「芯片」，拿去看。