Graphics Processing Unit
定義
- 全名:Graphics Processing Unit,中文稱為圖形處理器,俗稱顯示卡的核心。
- 本質:一種專門為平行處理大量數據而設計的電子電路,最初用於加速圖形渲染,現已成為高效能運算的關鍵。
- 演變:從單純的繪圖加速器,演變為通用圖形處理器 (GPGPU),支撐當代 AI 與科學運算。
核心架構特色
- 平行運算:擁有數千至數萬個小型運算核心 (Cores),能同時處理大量重複性的簡單指令。
- 記憶體頻寬:搭配高速顯示記憶體 (VRAM,如:GDDR、HBM),提供極高的數據傳輸速度。
- 吞吐量導向:設計哲學是最大化整體數據處理量 (Throughput),而非像 CPU 專注於降低單一指令的延遲 (Latency)。
- SIMD 架構:採用單指令流多數據流 (Single Instruction, Multiple Data) 模式,效率極高。
CPU 與 GPU 比較
| 特性 |
CPU (中央處理器) |
GPU (圖形處理器) |
| 核心數量 |
少 (數個至數十個強大核心) |
多 (數千個小型核心) |
| 設計重點 |
低延遲 (Low Latency) |
高吞吐量 (High Throughput) |
| 擅長任務 |
複雜邏輯控制、序列處理、作業系統管理 |
大量並行運算、矩陣運算、圖形渲染 |
| 靈活性 |
高,可處理各種不同指令 (通用型) |
低,專精於特定類型運算 (專用型) |
| 執行效率 |
單執行緒效能極佳,反應速度快 |
多執行緒效能極強,數據處理量大 |
| 記憶體結構 |
依賴高階快取 (Cache) 減少延遲 |
依賴高頻寬 (Bandwidth) 傳輸海量數據 |
主要應用領域
- 遊戲娛樂:執行 3D 模型渲染、紋理貼圖及即時光線追蹤 (Ray Tracing) 技術。
- 人工智慧:加速深度學習模型的訓練 (Training) 與推論 (Inference),是大語言模型 (LLM) 的算力基石。
- 影音創作:大幅縮短影片剪輯、特效渲染、轉檔及 3D 設計的處理時間。
- 科學運算:應用於氣象預測、基因定序、物理模擬及分子動力學研究。
- 區塊鏈:進行雜湊運算,用於加密貨幣的挖礦 (Mining) 或驗證。
市場主要玩家
- NVIDIA (輝達):市場領導者,擁有強大的 CUDA 軟體生態系,在 AI 運算卡與高階遊戲卡佔據主導地位。
- AMD (超微):NVIDIA 的主要競爭對手,提供 Radeon 系列遊戲卡與 Instinct 系列資料中心加速卡。
- INTC (英特爾):近年重返獨立顯卡市場,推出 Arc 系列產品及 Gaudi AI 加速器。
- Apple (蘋果):在其 M 系列晶片中整合自家設計的高效能 GPU,專注於能耗比與統一記憶體架構。
留言
留言載入中…