GPU能替代cpu嗎？

GPU誕生於上世紀90年代，1999年NVIDIA推出劃時代的Geforce 256以後，平均每6個月就會出現性能翻倍的新GPU，如果GPU能替代CPU的話，英特爾早就關門了。

CPU是「中央處理器」的英文縮寫，而GPU是「圖形處理器」的意思。其實兩者最大的區別在於：CPU啥都能幹，是個多面手；而GPU主要專註於圖像的處理。

舉個例子，GPU的工作量很大並且需要不停重複，但技術含量不高，就像富士康流水線上的工人，屬於勞動密集型的人海戰術；而CPU的工作量相對較小但是比較複雜，就像是一個數學家不僅要會小學數學中的加減乘數，也要懂高等數學中的微積分、線性代數。

由於兩者的定位不同，CPU一般只是4核、8核，而GPU動不動就有幾百個上線個核心來處理大量的並發任務。

我在NVIDIA的官網上找到了一段視頻，用畫畫的例子講了CPU和GPU的區別。從圖像處理的角度，GPU要比CPU快上不少，但GPU也無法替代CPU所能做的其它事情，所以兩者是不可互相替代的。

{!-- PGC_VIDEO:{"thumb_height": 360, "thumb_url": "9d3c001157306cf08008", "vname": "", "vid": "v02019e70000bdc3jdppjc2vij5p5c2g", "thumb_width": 638, "src_thumb_uri": "9d3c001157306cf08008", "sp": "toutiao", "update_thumb_type": 1, "vposter": "http://p0.pstatp.com/origin/9d3c001157306cf08008", "video_size": {"high": {"duration": 93.36, "h": 480, "subjective_score": 0, "w": 852, "file_size": 6519511}, "ultra": {"duration": 93.36, "h": 622, "subjective_score": 0, "w": 1104, "file_size": 11795753}, "normal": {"duration": 93.36, "h": 360, "subjective_score": 0, "w": 638, "file_size": 4363176}}, "duration": 93.36, "file_sign": "45d400421c8f688418824c3bae40220a", "md5": "45d400421c8f688418824c3bae40220a", "vu": "v02019e70000bdc3jdppjc2vij5p5c2g"} --}

GPU能否代替CPU

不能，兩者的設計目標和解決問題不一樣，就像一個廚師，一個會計。你能讓廚師替代會計的工作嗎？所以了解GPU和CPU，就能得出GPU能否代替CPU的答案。

CPU全稱是中央處理器，顧名思義，需要很強的通用性來處理各種不同的數據類型，同時需要邏輯判斷會引入大量的分支跳轉和中斷的處理。這些都使得CPU的內部結構異常複雜。而GPU面對的則是類型高度統一的、相互無依賴的大規模數據和不需要被打斷的純凈的計算環境。所以兩者的架構有很大的不同，如下圖。

從圖中可以看到，CPU和GPU均有自己的存儲(橙色部分，實際的存儲體系比圖示更為複雜)，控制邏輯(黃色部分)和運算單元(綠色部分)，但區別是CPU的控制邏輯更複雜，而GPU的運算單元雖然較小但是眾多，GPU也可以提供更多的寄存器和程序猿可控的多級存儲資源。

所以CPU更適合一些控制複雜的任務，比如分配進程任務，中斷之類。而GPU適合對大量數據進行相同操作的任務。兩者有不同的應用場景，所以GPU代替不了CPU，對於一些深度學習的任務，的確是GPU比CPU更佔優勢，因為深度學習大都是對大量數據進行矩陣操作。

GPU是替代不了CPU的，同樣，CPU也替代不了GPU。如果形象點理解，GPU就像一群螞蟻，這些螞蟻都做著同樣的事，而CPU就像一頭大象，這頭大象做著各種不同的事。

從根本上說CPU和GPU它們的目的不同，且有不同側重點，也有著不同的性能特性，在某些工作中CPU執行得更快，另一工作中或許GPU能更好。當你需要對大量數據做同樣的事情時，GPU更合適，當你需要對同一數據做很多事情時，CPU正好。

然而在實際應用中，後一種情形更多，也就是CPU更為靈活能勝任更多的任務。GPU能做什麼？關於圖形方面的以及大型矩陣運算，如機器學習演算法、挖礦、某些編碼等，GPU會有所幫助。

簡單地說，CPU擅長分支預測等複雜操作，GPU擅長對大量數據進行簡單操作。一個是複雜的勞動，一個是大量的工作。

其實GPU可以看作是一種專用的CPU，專為單指令在大塊數據上工作而設計，這些數據都是進行相同的操作，要知道處理一大塊數據比處理一個一個數據更有效，執行指令開銷也會大大降低，因為要處理大塊數據，意味著需要更多的晶體管來並行工作。

CPU呢，它的目的是儘可能快地在單個數據上執行單個指令。由於它只需要使用單個數據單條指令，因此所需的晶體管數量要少得多，但它需要更大的指令集，更複雜的ALU(算術邏輯單元)，更好的分支預測，更好的虛擬化架構、更低的延遲等等。

另外，像我們的操作系統Windows，它是為x86處理器編寫的，它需要做的任務執行的進程，在CPU上肯定更為高效，你想每個線程的任務並不相同，基本上難以並行化，完全發揮不了GPU的長處。

那麼，可以預見在未來，隨著CPU進一步強化處理數據塊的能力，我們將看到CPU和GPU架構之間的融合，而且，隨著製造技術的進步和晶元的縮小，GPU也可以承擔更複雜的指令。CPU與GPU間的分工雖然還是大有不同，但彼此間的交集無疑會更多。

要弄清這個問題，首先你得明白 CPU 和 GPU 的特點。許多朋友只知道 CPU 是中央處理器，GPU 是圖形處理器，但它們的區別是什麼，各自的結構有什麼特點，針對的是什麼可能沒有搞清楚。

為了避免說教，便於其他沒有編程基礎的朋友理解，我在接下來的解答中將盡量減少專業名詞的使用，並且採用較多的比喻和對比來進行說明。

如果我們把 CPU 和 GPU 看成是兩個人，CPU 就是一個全能型人才，即「萬金油」。他什麼都會幹，隨便什麼任務交給他，他都能夠完成。所以，一個公司只要有一個 CPU，那麼，老總就可以高枕無憂了：

有問題？

CPU，你來處理一下。

但是，正因為 CPU 是一個全能型人才，他就免不了有全能型人才的缺點。俗話說得好，「全必不精，精必不全」。比如說，具體到某一個專業領域，CPU 同志雖然能夠解決，但效率可能就不那麼高了。為啥呢，他被設計為全能型，在「身體結構」上不能針對某一特殊問題搞一個最優架構——想想吧，如果針對圖形處理搞了一個專門架構，在其他問題的處理上又完全用不著，豈不是浪費？

下面再來說 GPU。GPU 就好像單位里的一個專業美工。他其他的活不會做，就只會畫圖。當然了，如果碰上畫圖這樣的活兒，交給 GPU 同志效率會高很多，CPU 要三天才完工的話，他只要一天。但是，如果除畫圖之外的活交給他，那他就傻眼了（注意，這只是一個簡化版的比喻，目前由於編程技術的進步，許多非圖形類的計算工作也能交給 GPU 完成。比如在 DirectX 遊戲開發中，可以利用計算著色器完成一些邏輯簡單但數量多、高並發的計算工作）。

在現在這個越來越圖形化的時代，在電腦的日常使用中，由於圖形處理佔據了主導地位（通常也是最為耗時的工作），為了電腦跑得更快，任務處理更為高效，即使是CPU廠商，也往往會單獨為優化圖形處理而在 CPU 中集成一個圖形處理器。注意，圖形處理通常是一種高並發的運算：想想吧，即便是在解析度為 1024 * 768 的屏幕上顯示一個靜態圖形，你也得渲染近百萬個像素點（如果是 4K 解析度，那就更多了）。要是動態的高解析度圖形呢？那每秒要處理的像素點得以億計！所以，一個單核或幾核的 CPU 這時就顯得力不從心了。為啥？它本領高，但「人」少啊！而 GPU 的出現恰恰解決了這個問題。GPU 針對高並發而設計，單個「核」的構造很簡單，但數量特別多。換句話說，就是人笨，只能做一些簡單的計算或渲染工作，但它兄弟多啊！畫幾百萬個像素點是吧，我成千上萬個兄弟一起上，那還不是小菜一碟！

所以，經過以上介紹，想必大家對於樓主的問題也基本能給出答案了。這就是，CPU 對於電腦是不可或缺的，而 GPU 則有點像是一個能效增益工具。按它們的產品定位來看，GPU 是無法取代 CPU 的。最後，順便指出一下，樓主提問中的個別用詞其實是不太準確的。比如，「gpu只需要很小的頻率就能完成很多 cpu 無法完成的事」。一般說來，CPU 的能力範圍要比 GPU 強，只是在個別專業領域做事的速度不如核多的 GPU 快。反過來，倒是 CPU 能做的事，很多 GPU 是做不了的。

不能，gpu的結構相對cpu比較簡單，說簡單點cpu要應對各種工作，需要對數據反覆計算，比較全面，而gpu的工作比較單一，只負責圖形處理，只需要按CPU的要求，計算出符合要求圖像數據給顯示器，

gpu的工作帶有專一性，cpu的工作帶有全面性

cpu要處理內存、硬碟、usb設備等等數據，再數據通過計算整理，再給回內存、硬碟、顯卡等等

gpu是從cpu得到數據，把他處理成圖形數據，再輸出給顯示設備

一個是中央處理器，一個是圖形處理器完全不是一回事，gpu是代替不了CPU的，就像硬碟代替不了CPU一樣，固態應該也是有控制晶元的！

gpu雖然也有內存控制器但是沒有前端匯流排控制顯器，也就是說CPU可以把系統內存分配給顯卡當顯存，但顯卡不能把多餘的顯存給系統當內存用！而且指令集完全不一樣，顯卡都跑不了國際象棋，你說它能當cpu用嗎？就相當於你讓一個繪畫大師去解哥德巴赫猜想一樣

在目前，不管是CPU還是GPU，誰也代替不了對方。但是在以後就不好說了。以後的方向是，晶元一體化，和多晶元融合技術。說白就是APU的高級發展版本。沒有CPU和GPU，南北橋，音效卡之分，就一個晶元。把所有工作完成。

摩爾定律已死，GPU最終會取代CPU,出之黃仁勛之口。

黃仁勛何許人也？英偉達CEO。

為何黃仁勛會說出這句話？其實黃仁勛的意思並不是GPU會取代CPU。在GPU取代CPU之前還加了一句，摩爾定律已死。

黃仁勛的真正意思是CPU的發展已經陷入瓶頸，摩爾定律已經失效，發展速度已經放緩。

反觀GPU，目前的發展大家有目共睹，1060戰970，一代更比一代強，相對於CPU性能的進步幅度更大。

黃仁勛所說GPU代替CPU，並不是說代替CPU的功能，而且代替CPU的發展。代替CPU公司的地位，扛起未來發展的大旗。而並不是GPU代替CPU的作用。

CPU和GPU，就像一群小學生和幾個教授。計算機程序運行計算涉及到很多的複雜運算，所以需要教授們來解決。而畫面渲染等，其實就是一些簡單的運算，但是這個量很大，所以只需要一群只會加減乘除的小學生就可以搞定。這只是一個比喻。CPU負責一些複雜的運算，GPU負責畫面渲染等簡單但是需求大的運算，所以CPU和GPU並不能說誰取代誰，只會協同工作

這個就像 你用8號固定扳手上螺絲更快，但是會代替活動扳手嗎？

不會。雖然某一些功能上比較常用，會有專有設備，比如圖像處理，用顯卡效率更高。

但是通用功能也不可缺少，畢竟起到協調安排作用，可能需求會弱，但是也是不可或缺。