新興技術的興起以及突如其來的疫情，共同推動了GPU市場的迅猛發展。GPU能否取代CPU？其與AI應用摩擦出了怎樣的火花？

新媒體編輯/呂冰心

採訪專家：

楊旭東（北京郵電大學計算機學院副教授）

在第四次科技革命的東風之下，以雲計算、大資料、人工智慧等為首的新興技術，憑藉其優越的便利性和穩定性，開始為伺服器市場帶來新的生機活力。這其中，一種讓普通使用者既熟悉又陌生的處理器GPU，近年來開始嶄露頭角。

日前，PC巨頭英特爾釋出了首款資料中心獨立圖形顯示卡，即伺服器GPU。蘋果新款M晶片也得到了曝光，其中GPU達到了128核。在與人工智慧互相呼應以後，GPU不僅重構了現行的產業結構，也為整個市場帶來了新的有效增量，一個全新的“GPU黃金時代”似乎正在全面開啟。從“陪太子讀書”到“借力上位”，究竟什麼是GPU？GPU又為何在AI應用當中開始嶄露頭角呢？

○ ○ ○

什麼是GPU?

適合並行大資料的運算部件

提到GPU，就不能不提CPU，CPU是英文Central Processing Unit的縮寫，也叫中央處理器，它既是一臺計算機的運算核心，也是控制核心，主要功能是協調計算機系統工作。

如今我們購買的手機，常常會看到“高通驍龍”“聯發科”等字樣，購買電腦時也能看到“酷睿”“AMD”等，這些就是CPU中央處理器的品牌。

GPU則是英文Graphics Processing Unit的縮寫，也就是一種專門為PC或者嵌入式裝置進行影象運算工作的微處理器，與CPU相比，它的工作內容就專注了很多，主要執行復雜的數學和幾何計算。

舉個例子來說，電腦顯示卡的核心正是GPU處理器。顯示卡最主要的任務是圖形影象的讀取與顯示處理，這背後需要複雜的平行計算，減輕核心CPU的計算量，和電腦CPU的速度沒有太大的關係。效能越好的顯示卡，GPU越先進，這也是不少遊戲玩家對GPU有很深感情的原因。

北京郵電大學計算機學院副教授楊旭東表示，CPU和GPU有很多相同之處，比如兩者都是為了完成計算任務而設計的處理器，都遵循馮 · 諾依曼計算機體系結構。但它們的差別也很明顯，CPU的結構屬於單指令單資料處理結構，邏輯計算能力強；GPU則是單指令多資料處理結構，資料處理能力強。

簡而言之，CPU擅長統領全域性的複雜邏輯計算，而GPU擅長資料平行計算，因此特別適合處理量大且統一的資料。

對於複雜的2D渲染處理或3D影象處理，CPU就要花費很多的資源去處理，這不僅會降低其他方面的工作效率，也會影響使用體驗。於是CPU就將一些高幀率的遊戲畫面和高質量的特效交給GPU去處理。

但另一方面，GPU無法單獨工作，必須由CPU進行控制呼叫才能工作。CPU發出指令以後，GPU領取到屬於自己的任務才開始工作。

GPU最早是在個人電腦上使用，為了解決多媒體資料處理，後來在移動智慧終端上應用。今天隨著人工智慧和大資料的廣泛應用，人們又把GPU放在伺服器端，俗稱伺服器GPU。隨著通訊技術/網路技術的發展，資料處理越來越多放在伺服器計算。楊旭東表示，如今伺服器GPU既可以進行專業視覺化、計算加速、深度學習等應用，也支援雲計算、人工智慧等一系列技術的發展，有望成為GPU行業未來應用的重點。

▲CPU和GPU結構區別示意圖。GPU為了提高效率，可以大幅砍掉整數運算效能，也可以去掉大量快取

○ ○ ○

解析伺服器GPU：

資料中心的獨立顯示卡

前面說了伺服器GPU，無獨有偶的是，新冠疫情恰恰給了伺服器GPU一個全新的機遇。

今年以來，受到疫情影響，全球範圍內的線上業務量都有了較大幅度的提升，使用者數量激增。例如觀看影片的流媒體數量增長，全球流媒體播放時間第二季度同比增幅高達67%。再比如雲遊戲市場，近年來《王者榮耀》《和平精英》等遊戲火熱，這背後正是阿里、騰訊、網易等網際網路公司積極的佈局運作。

尤其是雲遊戲市場，它能像高配電腦一樣暢玩高畫質的遊戲大作，同時又不會佔用太多本地儲存空間，就連索尼公司的PS系列，未來都宣傳可以透過雲遊戲的方式，相容過去產品的內容。

但真正實現雲遊戲絕非一件容易之事，其中一個很大的技術瓶頸就是虛擬化。普通的虛擬桌面不支援 GPU 虛擬化，而遊戲恰恰非常依賴GPU渲染，若沒有 GPU 的虛擬化就沒辦法實現雲遊戲，同時也會出現網路不穩定導致延時、在高畫質螢幕上顯示效果不佳以及運營成本過高等問題。這就需要雲伺服器專用的顯示晶片“伺服器GPU”發揮作用了。

也正是基於這些需求，11月中旬，某計算機巨頭公司，正式推出其首款資料中心獨立圖形顯示卡，也就是伺服器GPU，命名為SG1。這是一款專為高密度、低時延的安卓雲遊戲和流媒體服務而設計的產品。

該公司表示，未來服務提供商可以在不改變伺服器數量的情況下，單獨擴充套件顯示卡容量，在每個系統上支援更多流量和訂閱使用者。舉例來說，一個典型雙卡系統可以支援超過100個安卓雲遊戲併發使用者（指同時執行一個操作或指令碼，對伺服器產生實際壓力的使用者），而且最高可擴充套件至160個併發使用者。

雲遊戲的發展能為玩家呈現更高畫質的內容，提高遊戲在高畫質大屏上的視覺效果，而SG1的突破帶來了更高的價效比，能透過軟硬協同最佳化解決成本問題。這對於正在尋求降本增效的雲遊戲運營商來說，毫無疑問是春風送暖般的利好。

○ ○ ○

搭上人工智慧的快車，

GPU未來取代CPU？

AI人工智慧、虛擬現實與自動駕駛等技術，近年來引起了很高的市場關注，成為當下科技領域和投資領域最為火熱的話題。特別是以深度學習為首的AI應用，因為AlphaGo在人機對戰中的大獲全勝，更是在全世界吹起一股AI風潮。

隨著科學技術的發展，GPU早已不是計算機當中最為基礎的“搬運工”，因為擅長大規模併發計算，所以GPU除了影象處理，也越來越多地參與到計算當中來，在人工智慧、金融學、密碼學、雲服務等領域開始發揮越來越重要的作用。尤其是人工智慧產業中，甚至成為行業內公認的“利器”之一。

GPU為何在AI應用當中嶄露頭角？楊旭東解釋說，除了機器學習的幫忙，深度學習的類神經演演算法也在人工智慧應用當中發揮著重要的作用。深度學習當中有一種技術叫“卷積神經網路CNN”，這種網路在數學上是許多卷積運算和矩陣運算的組合，恰恰和GPU本來能做的矩陣運算十分相似，因此深度學習就可以用GPU進行加速。

▲卷積神經網路的端到端結構示意圖

從2011年人工智慧研究人員首次使用GPU為深度學習加速之後，GPU就開始在人工智慧領域發揮巨大作用，這也讓GPU本身有了跨越式的發展。十年時間內，不僅在效能上提升了20多倍，市場規模也得到了大幅提升。有機構預測，到2027年，全球GPU市場規模有望突破2000億美元，從2020年到2027年，複合增長率有望高達33%。

因此有觀點認為，按照現在的發展速率，因為CPU處理器已經出現了效能過剩等問題，若干年以後，GPU有望取代CPU。而在2017年的某場會議當中，英偉達（NVIDIA）CEO黃仁勳也曾公開表示，摩爾定律已經失效，GPU最終會取代CPU。

摩爾定律是由英特爾創始人之一戈登?摩爾所提出，其主要內容為：積體電路（晶片）上可容納的電晶體數目，約每隔18至24個月便會增加一倍，效能也將提升一倍。

但近年來，隨著以智慧手機處理器效能的過剩以及效能提升的放緩，摩爾定律開始受到越來越多的質疑。

“GPU很難取代CPU，甚至在未來很長一段時間都無法實現。”楊旭東對這樣的觀點給予了否認。他解釋說，這是因為從設計邏輯上來看，兩者就有著根本的區別，CPU要統籌控制整個系統，各種複雜的指令都要它來執行，GPU如果也要這樣做，自身就會變得複雜起來，連本職工作也無法完成了，所以GPU是無法取代CPU的。

“目前主流CPU電晶體數量在10億左右，而頂級GPU電晶體數量已經達到了100億甚至更多，所以CPU做不了GPU的事情，GPU也完成不了CPU的工作。”但楊旭東強調，未來隨著製造技術進步和晶片的縮小，CPU和GPU架構之間將得到很好的融合。也就是說，CPU進一步強化處理資料模組的能力，GPU也可以承擔更復雜的指令，最終促進計算機效能的大幅提升。

出品：科普中央廚房

請發郵件至[email protected]