GPU與CPU的區別：CPU的核心比較少（單核、雙核、四核、八核等等），比較複雜，功能強大；GPU的核心比較多（好幾百甚至上千個），但比較簡單，功能單一，適合於進行畫素級並行圖形處理。雖然GPU最初是為圖形處理而設計的，但由於它具有並行處理特性，現在已經將其應用到眾多的需要並行處理的非圖形領域了。例如DNA 排序、物理建模、消費者行為預測、GPU雲伺服器等等。

GPU與深度學習的關係：原本深度學習與圖形無關，當然也與圖形處理器GPU無關。深度學習需要大量的訓練，訓練演算法並不複雜，但資料量大。如果用CPU進行訓練，CPU的核心少，訓練時間就長；而GPU的多核心優勢在此時就發揮出來了。因此，玩深度學習的人，在進行訓練時，就借用GPU的多核心、並行處理的優勢，將GPU用到了非圖形領域。

FPGA也有並行處理優勢，也可以設計成具有多核心特點的硬體。所以，目前深度學習就存在採用GPU和FPGA這兩大類硬體的現狀。

GPU加速就是利用顯示卡的視訊記憶體來加快複雜物體的顯示速度。前提是你物體夠複雜。。。

其實大部分情況下沒什麼用。

首先架構不一樣，執行的機制不同，但基本原理大同小異。

第二，電腦顯示卡的效能更強，雖然處理單元的密度不如手機gpu，但是體積在那裡，大片的空間可以放gpu晶片。

第三，手機的gpu有時會承擔一些ai任務，例如高通的soc一般會用cpu+gpu異構，低效率執行ai。

GPU英文全稱Graphic Processing Unit，中文翻譯為“圖形處理器”。GPU是相對於CPU的一個概念，由於在現代的計算機中（特別是家用系統，遊戲的發燒友）圖形的處理變得越來越重要，需要一個專門的圖形的核心處理器。你可以把GPU理解成是顯示卡的“CPU”，至於手機，我不太清楚現在有沒有單獨的顯示卡，貌似手機只現在有CPU吧。