1樓：麗台科技
各有所長罷了。最主要的就是CPU執行序列邏輯運算，GPU執行的是平行計算。
CPU 設計的時候是為了滿足很強的通用性處理各種不同的資料型別，特別典型的就是浮點運算，這個需要消耗比較多的時鐘週期，不僅僅是資料運算，還有邏輯運算，基於這樣的需求，CPU 設計的內部結構非常複雜。
GPU 設計出來的目的就比較單純，面對的則是型別高度統一的、相互無依賴的大規模資料和不需要被打斷的純淨的計算環境。
而且，面向不同的領域，可以選擇不同的GPU顯示卡。比如用於遊戲方面，可以選擇GeForce RTX系列顯示卡，高效能計算和深度學習方面，可以選擇具備很多Tensor Core核心的加速計算卡，而傳統的3D設計渲染領域，可以選擇RTX系列專業卡，一方面加速渲染，另一方面，採用實時光線追蹤技術，渲染起來更為逼真。
知乎營銷平台
2樓：Travis L
首先，並沒有計算卡比cpu計算能力強這種說法，計算卡的計算物件也不是cpu常處理的東西
白話來說，cpu只有很少的核心，但是每個核心能力很強，而gpu有極多的核心幾千個很輕鬆，但是每個核心很弱，用gpu計算的問題屬於「搬磚」「挖礦」，用cpu計算那些高檔複雜的問題。乙個教授和乙個年級的中學生，當你要算乙個高等數學的問題，教授幾下解決學生看都看不懂，當你要折10000個紙鶴的時候，學生一堂課就出來了教授要幹乙個禮拜
為什麼 GPU 的通用計算能力高於 CPU？架構原因？核心數量？
很快麼？所謂通用計算，其實也和問題型別有關，尤其對於GPU來說，流式設計早就是SIMD新片了，這也是單晶元上能快速整合大量計算單元的最有效辦法，而多核CPU則早起更多應該了單晶元MIMD方式，現在才開竅。所以對於不同架構來說，適合的問題不一樣，處理起來沒有可比性 GPU的SIMD架構 包括現在動不動...
CPU和GPU的計算速度是如何計算的，一般軟體又如何占用這些計算空間，1GHz是什麼概念？
我理解的樓主問的計算空間可能是指CPU的計算能力如何分配給各程式程式在執行時形式為程序 進一步又包含若干執行緒 或者任務如果是單CPU的情況則CPU會在各執行緒 任務 中根據其優先順序快速切換輪流處理任務並讓你以為這些任務是被同時執行的 實際上每次時鐘只能執行一條指令不能真正同時處理兩個任務 多CP...
相比 GPU，為什麼消費級 CPU 的進步這麼緩慢？
琴梨梨 圖形處理可以劃分為乙個個畫素點，而需要同步完成，所以在核心數小於畫素數時堆料很有用 CPU的運算處理可以看做乙個長算式，就像這樣1 1 1 2 2，在 1沒算完前，1是不能開始算的，同樣 2沒算完前你也不可能開始算 2。計算 1的時間很短，但在處理完準備開始算 1時有一定延遲，這部分延遲甚至...