GPU 为什么适合 AI？一张图拆开
GPU 经常被拿来和 CPU 比，但它们的思路完全不同。

CPU 擅长复杂逻辑和通用调度，GPU 擅长把大量相似任务同时铺开执行。它更像一片由许多计算单元组成的并行工厂，特别适合图形渲染、矩阵运算、视频处理和 AI 训练推理。

GPU 的核心是大规模并行计算单元。任务被拆成许多小块后，交给计算阵列同时处理。图形场景里，它处理顶点、纹理、像素；AI 场景里，它大量执行矩阵乘法和张量运算。

但 GPU 真正的命门不只是算力，还有显存。显存容量决定能放下多大的模型或数据，显存带宽决定数据能不能及时喂给计算单元。如果数据供不上，算力再高也会空转。

再往外看，GPU 还依赖驱动、编程框架、互连、供电、散热和服务器系统。AI 时代的 GPU 价值，不只是芯片本身，而是硬件、软件和生态一起形成的计算平台。

它的瓶颈也很清楚：高功耗、高成本、显存限制、互连效率、软件迁移成本和供应链复杂度。GPU 强在并行吞吐，但不适合所有任务。

所以 GPU 不是“万能芯片”，而是为大规模并行计算优化出来的算力机器。