來源：內容來自「Expreview超能網」，謝謝。
PC在剛誕生的時候，其實是沒有GPU的，所有的圖形計算都由CPU來計算。後來人們意識到CPU做圖形計算太慢了，於是他們設計了專門的圖形加速卡用來幫忙處理圖形計算，再後來，NVIDIA提出了GPU的概念，將GPU提升到了一個單獨的計算單元的地位。
"來源：內容來自「Expreview超能網」，謝謝。
PC在剛誕生的時候，其實是沒有GPU的，所有的圖形計算都由CPU來計算。後來人們意識到CPU做圖形計算太慢了，於是他們設計了專門的圖形加速卡用來幫忙處理圖形計算，再後來，NVIDIA提出了GPU的概念，將GPU提升到了一個單獨的計算單元的地位。
圖片來自於NVIDIA
由於兩者面向的計算不同，CPU面對的是人們各種各樣的需求，比如你打開一個網頁的時候，CPU要負責網絡交互，要解析HTML文件和JS腳本，要構建DOM樹，要加載各種各樣的資源，而最後才輪到GPU的事情：渲染畫面並輸出。
再舉個例子，玩遊戲的時候，CPU負責完成遊戲程序的邏輯、從硬盤裡面加載遊戲數據，然後才開始把圖形相關的東西挑出來交給GPU做，而遊戲中的各種運算還是離不開CPU的幫助，比如常見的NPC，他們怎麼運動，還是需要CPU來運算。
從上述兩個例子中就可以看出，CPU負責的是各種各樣的計算，為了應對這麼多種類的計算，它的通用性要求非常高，而這就必定會造成設計上的複雜，比如要支持if-else這類條件語句就要針對性加入一些控制單元。而GPU從誕生開始，面對的就是單一種類的計算，早期的GPU為了更好的應對單一的圖形計算任務，採用的是流水管線形式的設計，通過在芯片規模上的大量堆疊，就可以獲得在圖形處理速度上的提升，從而提供更好的畫質，簡單粗暴。
所以問題的答案很明顯了，在計算上，CPU的通用性更強，什麼活都能接，但是速度都不咋地；GPU只能接圖形計算這類活，速度非常快，或者也可以接特別寫給它來計算的任務，這也就是GPGPU（在圖形計算單元上進行的通用計算）的由來。
*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。
今天是《半導體行業觀察》為您分享的第2011期內容，歡迎關注。
2019半導體行業資料合集 長期有效！
半導體行業觀察
『半導體第一垂直媒體』
實時 專業 原創 深度
華為｜晶圓｜臺積電｜三星｜IC｜AI｜封裝｜AMD
"