CPU vs GPU，谁才是算力之王？

GPU，学名可编程图形处理单元，俗称可编图形硬件，一般被行外称为显卡(GPU不是显卡，它是显卡中的核心处理单元)。

GPU概念产生于20世纪70、80年代交替年间，主要用于游戏和视频游戏方面，那时的全部战力仅仅能够快速合成几张图片。十年后，80、90年代交替时，出现了基于数字信号处理芯片，它的主要特点就是贵，当然性能得到了极大提高。1991、1995年对2D加速器的支持得到升级。

1998年是划时代的一年， NVIDIA(英伟达)宣布modern GPU研发成功，进入GPU可编程时代，是历史性突破。与之前的GPU不同，程序员可以将代码运行在GPU的处理单元中，而之前的GPU仅仅能处理固定功能，一旦设计完成，用户不能根据需求扩展功能，最多可以参与简单的设置(固定管线着色器)。

1998年后，modern GPU的发展又分为四个阶段：

第一代，代表者有NVIDIA的TNT2、 ATI的Grage 、3Dfx的Voodoo3。这一时期的GPU功能很有限，只能用于纹理组合的数学计算，或者像素值的计算。

第二代，1999年到2000年(都是时代之交)，这一时期的GPU具备了三维坐标转换和光照计算能力，OpenGL和DirectX7(图形接口簇)相继支持应用程序通过硬件进行坐标变换。同时对纹理的操作扩展到3维的CubeMap。代表作有NVIDDIA的GeForce256、MAX， ATI的Radeon 7500等。

第三代，2001年，支持顶点编程能力的显卡面世(暂不支持像素编程能力)。

第四代，至今，市面的显卡同时支持了顶点(vertex)和片段(fragment，也可翻译成片元)编程能力。当前课程中的重要一环就是“顶点和片段着色器”。

那么同学们想一想，为什么要发展GPU呢？CPU不是也能执行程序吗？还要显卡做什么呢？

先来看一张图：

GPU：控制器少，计算单元多。

CPU：控制器很大，计算单元则很少。这里不要纠结计算单元的面积大小，这只是示意图。

GPU采用流式并行计算模式，每一个计算单元可以单独负责一个像素点，每个像素点不依赖旁边像素点的数据，所以每个计算单元都是独立并行的，不需要控制器额外干涉。

CPU处理则与之不同，线性处理较多，这条数据的可能依赖上一条数据的结果，同时还需要控制器参与取指令，指出下一条指令在内存中的位置。所以CPU的结构不适合独立的像素运算(像素一个一个的算效率极低)。

GPU在控制方面弱于CPU，但在并发算力方面远远胜于CPU。例如黑客们破解密码时，需要大量的尝试性计算，他们首选必是GPU。

所以，但看计算能力，GPU由于高并发能力，算力远远大于CPU；但说到分布、有序、控制力上，CPU要胜过GPU。