來源：渲大師

一、GPU服務器有什么作用？

GPU 加速計算可以提供非凡的應用程序性能，能將應用程序計算密集部分的工作負載轉移到 GPU，同時仍由 CPU 運行其余程序代碼。

從用戶的角度來看，應用程序的運行速度明顯加快。

理解 GPU 和 CPU 之間區(qū)別的一種簡單方式是比較它們?nèi)绾翁幚砣蝿铡?/p>

CPU 由專為順序串行處理而優(yōu)化的幾個核心組成，而 GPU 則擁有一個由數(shù)以千計得更小、更高效的核心（專為同時處理多重任務而設計）組成的大規(guī)模并行計算架構。

談及GPU在高性能計算方面的優(yōu)勢，就會自然聯(lián)想到GPU誕生的經(jīng)典問題：“為什么需要專門出現(xiàn)GPU來處理圖形工作，CPU為啥不可以？”

為滿足各位迫切的求知心，在此結論先行：圖形渲染任務具有高度的并行性，GPU可以僅僅通過增加并行處理單元和存儲器控制單元，便可取得比CPU更高效的處理能力和存儲器帶寬，提高一個數(shù)量級的運算速度。

追溯到GPU還沒有發(fā)明的年代，中央處理器CPU作為整個計算機系統(tǒng)的運算和控制的核心，是整個數(shù)據(jù)處理的最根本的部件。

二、GPU擅長大規(guī)模并發(fā)計算

GPU工作原理：

GPU的工作通俗的來說就是完成3D圖形的生成，將圖形映射到相應的像素點上，對每個像素進行計算確定最終顏色并完成輸出，一般分為頂點處理、光柵化計算、紋理貼圖、像素處理、輸出五個步驟。

GPU采用流式并行計算模式，可對每個數(shù)據(jù)行獨立的并行計算。

GPU與CPU區(qū)別：

CPU基于低延時設計，由運算器（ALU）和控制器（CU），以及若干個寄存器和高速緩沖存儲器組成，功能模塊較多，擅長邏輯控制，串行運算。GPU基于大吞吐量設計，擁有更多的ALU用于數(shù)據(jù)處理，適合對密集數(shù)據(jù)進行并行處理，擅長大規(guī)模并發(fā)計算，因此GPU也被應用于AI訓練等需要大規(guī)模并發(fā)計算場景。

三、GPU可分獨立GPU和集成GPU

獨立GPU：獨立GPU一般封裝在獨立的顯卡電路板上，使用專用的顯示存儲器，獨立顯卡性能由GPU性能與顯存帶寬共同決定。

一般來講，獨立GPU的性能更高，但因此系統(tǒng)功耗、發(fā)熱量較大。

集成GPU：

集成GPU常和CPU共用一個Die，共享系統(tǒng)內(nèi)存。集成GPU的制作由CPU廠家完成，因此兼容性較強，并且功耗低、發(fā)熱量小。但如果顯卡運行需要占用大量內(nèi)存，整個系統(tǒng)運行會受限，此外系統(tǒng)內(nèi)存的頻率通常比獨立顯卡的顯存低很多，因此一般集成GPU的性能比獨立GPU更低。

四、GPU廣泛運用的計算場景

GPU擁有單一的強大并行計算能力，所以用途往往是需要大規(guī)模并行計算的場景。

早期GPU多被用于2D和3D圖形的計算和處理，因為圖形數(shù)據(jù)的處理往往涉及到大量的大型矩陣運算，計算量大但易于并行化。

近年由于大數(shù)據(jù)、人工智能發(fā)展，GPU也常常被用于需要大量重復計算的數(shù)據(jù)挖掘領域，如機器學習，深度學習等。

GPU使用場景：GPU被廣泛地運用于PC、服務器、移動等領域。

其中服務器GPU可做專業(yè)圖形處理、計算加速、深度學習等應用，以獨立GPU為主；移動端GPU主要采用集成GPU；PC根據(jù)使用用途不同，既可以搭載獨立GPU，也可以使用集成GPU。