直击灵魂的问题：GPU和GPGPU哪个更难？

JamesB · 发表于 2021-12-7 18:08

最近关于GPU的新闻比较多，原中兴通讯总裁赵先明领衔的红山微电子，获得真为基金的投资，芯动科技也号称发布首款国产高性能4K显卡GPU“风华一号”，被广泛关注。
GPU，中文名称就是图像处理器，用于显卡的GPU在科技行业里面是一个非常难啃的硬骨头，通过粗略统计，国内做GPU的相关企业数量高达30家之多，这30家的GPU概念企业有的是做GPU的，有的是做GPGPU的，很多人可能不是特别理解GPGPU是做什么的，和GPU有什么区别?GPU和GPGPU到底哪个更难做？哪个行业壁垒更高?其实本人也不是搞技术的，略知皮毛而已，今天就用特别简单朴素的语言把这个问题简单聊一下。

我们都知道的GPU对应的是显卡，当年很多人在中关村攒电脑的时候，有钱的同学选择英伟达的独立显卡，可以玩游戏啊，没钱的同学选择CPU集成显卡，看看电影也没有问题。GPU的主要作用就是做图形图像的渲染显示，任务是在屏幕上合成显示百万个像素的图片，这里有一个简单朴素的问题，为什么图像渲染不能用功能更加强大的CPU，还要额外加一个GPU？因为图像渲染的运算数据量非常大，要在显示器上显示上千万像素的图片，特别是如果涉及到三维图像，需要大量的并行重复运算，为什么涉及到图片处理就可以并行呢?因为每张图片都可以被分割成很多个同时处理的子区域子系统，每一个子区域都是独立运行实现的，并不会影响最终的图像处理效果，所以可以实现图像的并行运算，而且还能够提升效率，所以比较适合并行计算架构。
这一点和CPU的架构就不太适用了，所以GPU有双重的特性，第一种特性是图形图像的渲染能力，第二种特性是并行计算的能力，但图形图像的渲染能力要求很高，领域也很专业。可以想象一下，从一堆的二进制比特数据演变成显示器，最终能够显示的二维三维图像需要经过顶点处理、光栅化、纹理贴图、像素着色等一系列的渲染运算，需要非常专业的硬件和酸碱算法来配合实现，这个方面已经形成了非常稳固的专利壁垒，基本上被英伟达这样的国际巨头把持着，想要突破难度不可想象，所以如果这次芯动科技突破是真的值得记录的一件事情。而后来随着GPU功能和运算能力越来越强大，并且还可以实现编程的功能，因此就被扩展到图像处理之外的其他计算领域，比如用GPU来做人工智能训练的深入学习，比如用GPU来做比特币挖矿的矿机等等。其实都是利用的GPU可编程和并行计算能力，把一些重复的计算并行实现，提升运算效率，体现的是算力的一面，因此也就顺理成章的从GPU演进到了GPGPU时代。

GPGPU的GP，General Purpose,通过目的指的是通用算力，利用GPU可并行计算的架构以及可编辑的特性实现可编程高算力的能力，GPGPU领域出现了很多创业的独角兽，很多人耳熟能详的像壁仞、沐曦、天数智芯等等，动不动就几十亿的融资额，估值几百亿，火的不要不要的一个领域，再回到最开始的问题，GPU和GPGPU到底哪个更难做？GPU的优势在于图像图形的渲染，这一块的壁垒极高，包括专利壁垒、算法壁垒、生态壁垒，不是融几十亿就能靠钱堆起来的，而且GPU比GPGPU更强调生态，英伟达的CUDA生态已经非常稳固了，后来者再做一个对标或者兼容CUDA的生态谈何容易啊。
所以总结一下，GPU的核心价值体现在图形图像渲染，用来做算力那就浪费了渲染的功能。而GPGPU某种意义上讲属于删减版的GPU，或者优化版的GPU，重点在“GP”,把能力都集中在算力上面，之所以还叫GPU，还是因为是由GPU的架构演化而来的，但用来做显卡肯定是不恰当的，所以GPU、GPGPU各有所长，应用领域也各不相同，在这一点上两者并没有特别大的可比性。
原文：

		自动登录	找回密码
密码			立即注册

直击灵魂的问题：GPU和GPGPU哪个更难？

本帖子中包含更多资源