首先来看 CPU 和 GPU 的百科解释：

CPU（Central ProcessingUnit，中央处理器）：功能主要是解释计算机指令以及处理计算机软件中的数据

图 1-1 CPU 示意图

GPU（Graphics ProcessingUnit，图形处理器；又称显示核心、显卡、视觉处理器、显示芯片或绘图芯片）：GPU 不同于传统的 CPU，如Intel i5 或 i7 处理器，其内核数量较少，专为通用计算而设计。相反，GPU是一种特殊类型的处理器，具有数百或数千个内核，经过优化，可并行运行大量计算。虽然 GPU 在游戏中以 3D 渲染而闻名，但它们对运行分析、深度学习和机器学习算法尤其有用。GPU 允许某些计算比传统 CPU 上运行相同的计算速度快 10 倍至 100 倍。

图 1- 2 GeForce 6600GT（NV43）GPU 图片

CPU 和 GPU 之所以大不相同，是由于其设计目标的不同，它们分别针对了两种不同的应用场景：

CPU 需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得 CPU 的内部结构异常复杂

而 GPU 面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境

于是 CPU 和 GPU 就呈现出非常不同的架构（如下图 1-3 所示，图片来源 Nvidia），其中 GPU 部分的绿色是计算单元（ALU），橙红色是存储单元（Cache），橙黄色是控制单元（Control），DRAM 代表内存：

由上图 可以看出：GPU 采用了数量众多的计算单元和超长的流水线，但只有非常简单的控制逻辑并省去了 Cache。而 CPU 不仅被 Cache 占据了大量空间，而且还有有复杂的控制逻辑和诸多优化电路，相比之下计算能力只是 CPU 很小的一部分。

由此我们引出 CPU 和 GPU 的设计目标：

1）CPU 是基于低延迟（Low Latency）的设计，内核数量较少

Powerful ALU（强大的算术运算单元）：它可以在很少的时钟周期内完成算术计算；

Large Caches（大的缓存）：将部分数据保存在缓存中，使得长延迟的内存访问转换称短延迟的缓存访问；

Sophisticated Control（复杂的逻辑控制单元）：当程序含有多个分支的时候，它通过提供分支预测的能力来降低分支延时；并且，当一些指令依赖前面的指令结果时，它通过提供尽可能快的数据转发的能力来减少数据延迟。

2）GPU 是基于大吞吐量（Big Throughput）的设计，内核数量较多

Small Caches（小的缓存）：GPU 中缓存的目的不是保存后面需要访问的数据的，这点和 CPU 不同，而是为 Thread 提供服务的。如果有很多线程需要访问同一个相同的数据，缓存会合并这些访问，然后再去访问内存。但是由于需要访问内存，自然会带来延时的问题；

Simple Control（简单的逻辑控制单元）：把多个的访问合并成少的访问；

Energy efficient ALUs（大量的算术运算单元）：如上所述，GPU 虽然有内存延时，却有非常多的 ALU 并支持非常多的 Thread，因此，可以充分利用 ALU 尽可能多地分配线程从而达到非常大的吞吐量。

总结来说，作为强大的执行引擎，CPU 将它数量相对较少的内核集中用于处理单个任务，并快速将其完成。这使它尤其适合用于处理逻辑控制、串行计算、数据库运行等类型的工作。

相比之下，GPU 由数百个内核组成，可以同时处理数千个线程，所以与 CPU 擅长、串行的运算和通用类型数据运算不同，GPU 擅长的是大规模并发计算，将复杂的问题分解成数千或数百万个独立的任务，并一次性解决它们，比如图像处理任务，包括纹理、灯光和形状渲染等子任务都必须同时完成，以保持图像在屏幕上快速呈现，除此之外，GPU 还被大量应用于深度学习、密码破解等任务中。