CPU vs. GPU - 一个诸葛亮顶不住一万个臭皮匠

大家好，欢迎来到 Crossin 的编程教室。

最近两年 AI 彻底火出圈了。

如今大家聊起电脑，第一句问的不再是“你 CPU 几核的？”，而是“显卡是什么型号？显存多大？够跑大模型吗？”

于是很多人会有一个疑问：

“为什么电脑里非得有两个‘处理器’？不能让 CPU 一个东西全干了吗？”

今天 Crossin 就来给各位稍微唠一唠：这两个 *PU 到底有啥区别。

a455b375fa5442dbb5c434bfc29ef4cc~tplv-tb4s082cfz-aigc_resize:2400:2400.webp (2400×1029)

CPU：全能的“大总管”

CPU（Central Processing Unit），中央处理器。

在电脑里，它就是那个“总管执行官”。不管你是启动系统、打开 Chrome 刷网页、写 Python 代码，还是在后台调度内存、处理各种逻辑判断，全得靠它。

CPU 的设计思路非常明确：单兵作战能力极强。

虽然现在的 CPU 动辄 8 核、16 核，但总体来说，它更像是一个由几个“天才架构师”组成的特种小分队。

优点： 脑子快，擅长处理复杂的逻辑判断（比如 if-else 嵌套几十层）。

缺点： 人手有限。如果你给它几万个简单的体力活，它就算脑子转出火星子来，也得一个一个按顺序干。

GPU：疯狂的“切菜工”

GPU（Graphics Processing Unit），图形处理器。

它最开始被发明出来的用途，其实就是为了帮电脑“画画”。

你要知道，电脑屏幕上的画面是由几百万个像素点组成的。观看的视角、物体的位置、光影怎么变、3D 建模怎么贴图，最终都是要被计算成每一帧画面上，每个点显示什么颜色。

这种计算有一个极大的特点：逻辑简单，但量大得惊人。

工程师们很快发现：这种活儿，派“架构师”去干简直是浪费人才。于是他们搞出了 GPU，它的设计思路跟 CPU 截然相反。

如果说 CPU 是少量强力核心，那么 GPU 就是海量普通核心。

这里有个经典的类比：

CPU 像是几个经验丰富的高级大厨，负责看菜谱、定流程、处理各种突发状况；

GPU 则像是后厨里请来的 5000 个切菜工，每人只负责切一片土豆，虽然只会这一招，但架不住人多啊！哨子一响，一秒钟全城土豆都切完了。

理解了上面所说的原理，很多“玄学”问题就通了。

为什么游戏吃显卡？

因为游戏本质上就是在“实时画画”。

你玩 3A 大作时看到的每一帧画面，都是 GPU 在后台疯狂计算位移、遮挡、光影、物理碰撞的结果。而且每秒钟要“画”几十次甚至上百次（FPS）。

于是，当你的游戏运行很卡顿时（切菜工来不及切菜了），解决方法就是要么调低游戏画质关闭特效（少做点菜），要么升级更强大的 GPU（找更多更熟练的切菜工）。

为什么 AI 也离不开显卡？

这大概算是一场美丽的误会吧。

最初 AI 并没有打算抢玩家的显卡，但后来大家发现：

现代 AI（尤其是深度学习）的核心计算，是大量的矩阵乘法。通俗点说就是无数个简单的乘法和加法同时进行。

这不巧了吗？这正是 GPU 那几千个“切菜工”最擅长的活儿。

同样的 AI 任务，让 CPU 去跑，它得在那算半天；换成 GPU，一顿“乱拳打死老师傅”，速度可能直接快出几十倍甚至上百倍。

所以后来，GPU 不再局限于处理“G”（图形）的问题，所有涉及大规模并行计算的场景，都可以考虑用 GPU 来加速计算。

GPU 以后会取代 CPU 吗？

答案是：完全不能。

GPU 就像一个“超级打工仔”，干体力活猛如虎，但它处理不了复杂的逻辑。

如果你让 GPU 去运行操作系统、去判断各种复杂的软件逻辑，它那几千个“小脑袋”可能瞬间就乱成一锅粥。

所以，目前电脑里的常见状态是：

• CPU 负责“运筹帷幄”（发号施令、调度任务）；
• GPU 负责“冲锋陷阵”（海量计算、渲染画面）。

这几年 AI 的爆发，除了算法大牛们的努力，还有一个不可忽略的“硬”功臣：显卡越来越强了。

如果没有这些“切菜工”在背后默默输出，现在的 AI 训练可能还在以“年”为单位进行。

所以，下次当你看到昂贵的显卡时就知道了：它不仅能让你在《黑神话悟空》里看风景，也是前往通用人工智能（AGI）道路上的“超级搬砖工”。

那么你家的显卡，现在是在打游戏，还是在跑 AI 呢？

如果本文对你有帮助，欢迎点赞、评论、转发。你们的支持是我更新的动力~