为何我们仍然使用CPU而非仅依赖GPU

摘要

本文通过对比CPU与GPU的架构特点和适用场景，揭示了两者在计算机系统中的互补关系。GPU虽然在并行计算能力上远超CPU，但CPU在处理复杂逻辑、任务调度和应对不可预测事件方面具有独特优势，因此现代芯片设计将两者结合以满足不同计算需求。

内容框架与概述

文章首先通过TFLOPS指标对比了CPU与GPU的原始计算能力，指出GPU的浮点运算性能通常是CPU的30倍以上。但作者强调，这种性能差异只在特定类型的任务上才能体现。

接着，文章将程序分为顺序程序和并行程序两类。顺序程序如斐波那契数列计算，每一步都依赖前一步的结果，无法并行化；而并行程序如对数字列表进行批量运算，各计算相互独立，可分配给多个处理器同时执行。现实中大型应用通常是两者的混合。

在架构设计上，CPU采用少量大核心设计，擅长顺序执行和复杂决策，类似餐厅大厨能应对各种突发情况；GPU则拥有众多小核心，适合对大量数据执行相同的并行操作，如视频游戏中的像素渲染。

核心概念及解读

TFLOPS（每秒万亿次浮点运算）：衡量处理器计算能力的指标，Nvidia A100 GPU可达9.7 TFLOPS，而英特尔24核处理器仅0.33 TFLOPS。但这只是理论峰值，实际性能取决于程序类型。

顺序程序与并行程序：顺序程序指令必须依次执行，每步依赖前步结果；并行程序指令相互独立，可同时执行。现实应用通常是两者的混合。

大核心与小核心架构：CPU的少量大核心优化了单线程性能和任务切换能力；GPU的众多小核心优化了吞吐量，适合数据并行任务。

任务的灵活调度：CPU需要处理各种不可预测事件，如应用启动停止、网络连接中断、文件访问等，其任务切换能力确保系统响应性和资源合理分配。

协同计算模式：现代计算机中，CPU负责任务管理和资源分配，GPU负责大规模并行计算，两者协同工作以发挥各自优势。

原文信息

此文档由 AI 自动整理