大家好，我是IT售前工程師Bernie.

　　近幾個月，幾乎每個行業的小夥伴都了解到了ChatGPT的可怕能力。你知道麼，ChatGPT之所以如此厲害，是因為它用到了幾萬張NVIDA Tesla A100顯卡做AI推理和圖形計算。

　　本文就簡單分享下GPU的相關内容，歡迎閱讀。

　　GPU是什麼？ GPU的英文全稱Graphics Processing Unit，圖形處理單元。

　　說直白一點：GPU是一款專門的圖形處理芯片，做圖形渲染、數值分析、金融分析、密碼破解，以及其他數學計算與幾何運算的。GPU可以在PC、工作站、遊戲主機、手機、平闆等多種智能終端設備上運行。

　　GPU和顯卡的關系，就像是CPU和主闆的關系。前者是顯卡的心髒，後者是主闆的心髒。有些小夥伴會把GPU和顯卡當成一個東西，其實還有些差别的，顯卡不僅包括GPU，還有一些顯存、VRM穩壓模塊、MRAM芯片、總線、風扇、外圍設備接口等等。

　　GPU和CPU誰最強呢？ 這個其實不好說，好點的GPU内部的晶體管數量可以超過CPU，CPU的強項是做邏輯運算，GPU的強項是做數學運算和圖形渲染。這就ChatGPT用大量高性能顯卡做AI推理的原因。

　　接下來，我們做個簡單的對比。

　　結構組成不同 CPU和GPU都是運算的處理器，在架構組成上都包括3個部分：運算單元ALU、控制單元Control和緩存單元Cache。

　　但是，三者的組成比例卻相差很大。

　　在CPU中緩存單元大概占50%，控制單元25%，運算單元25%；

　　在GPU中緩存單元大概占5%，控制單元5%，運算單元90%。

　　結構組成上的巨大差異說明：CPU的運算能力更加均衡，但是不适合做大量的運算；GPU更适合做大量運算。

　　這倒不是說GPU更牛X，實際上GPU更像是一大群工廠流水線上的工人，适合做大量的簡單運算，很複雜的搞不了。但是簡單的事情做得非常快，比CPU要快得多。

　　相比GPU，CPU更像是技術專家，可以做複雜的運算，比如邏輯運算、響應用戶請求、網絡通信等。但是因為ALU占比較少、内核少，所以适合做相對少量的複雜運算。

　　緩存不同 在CPU裡面，大概50%是緩存單元，并且是四級緩存結構；而在GPU中，緩存是一級或者二級的。

　　浮點運算方式不同 CPU性能更加注重線程的性能，在控制部分做的事情較多，這樣做就是為了确保控制指令不能中斷，在浮點計算上功耗少。

　　相較于CPU，GPU的結構更為簡單，基本上它也隻做單精度或雙精度浮點運算。GPU的運算速度更快，吞吐量也更高。

　　響應方式不同 CPU基本上是實時響應，采用多級緩存來保障多個任務的響應速度。

　　GPU往往采用的是批處理的機制，即：任務先排好隊，挨個處理。

　　GPU對于圖形處理 我們假設在實時渲染中，一幀1080*720P的圖片，那麼這張圖就有大概777600個像素點。如果按照最基本的24幀/秒的幀率計算。1秒鐘就要求計算機處理18662400個，即：1866.24萬個像素點。

　　這還是高清的情況下，如果是1090*1080、2K、4K甚至8K的視頻渲染，可想而知，這個計算量是何其巨大。尤其是在像遊戲這樣的實時渲染場景下，顯然僅僅依靠CPU渲染是會超時的。

　　實際上，在屏幕中顯示的三維物體都要經過多重的坐标變換，并且物體的表面會受到環境中各種光線的影響，呈現不同的顔色和陰影。這就包括了光線的漫射、折射、透射、散射等。

　　接下來，我們以英偉達NVIDIA RTX3090 為例，看下GPU是如何進行渲染的。

　　RTX3090的流式多處理器有10496個，每個内核都有具備整數運算和浮點運算的部分，還有用于在操作數中排隊和收集結果的部分。

　　所謂流式多處理器可以認為是一個獨立的任務處理單元，也可以認為一顆GPU包含了10496個CPU同時處理各個圖片處理任務。

　　我們就可以通過算法和程序，對1秒鐘18662400個像素點的整體任務進行切割分片，讓10496顆處理器并行計算。

　　這樣的話，每個處理器負責大概每秒處理18662400/10496，即1778個像素點的渲染任務就行了。

　　如下圖所示，在GPU中會劃分為多個流式處理區，每個處理區包含數百個内核，每個内核相當于一顆簡化版的CPU，具備整數運算和浮點運算的功能，以及排隊和結果收集功能。

　　注意，除了流處理器CUDA以外，影響GPU性能的還有

　　核心頻率：頻率越高，性能越強、功耗也越高。顯示位寬：單位是bit，位寬決定了顯卡同時可以處理的數據量，越大越好。顯存容量：顯存容量越大，代表能緩存的數據就越多。顯存頻率：單位是MHz或bps，顯存頻率越高，圖形數據傳輸速度就越快。總結 一言以蔽之，GPU不管是處理圖形渲染、數值分析，還是處理AI推理。底層邏輯都是将極為繁重的數學進行任務拆解，化繁為簡。

　　然後，利用GPU多流處理器的機制，将大量的運算拆解為一個個小的、簡單的運算，并行處理。我們也可以認為一個GPU就是一個集群，裡面每個流處理器都是一顆CPU，這樣就容易理解了。

　　以上是關于GPU概念、工作原理的簡要介紹。說是簡單，其實在圖形處理方面，還有很多深層次的處理邏輯沒有展開，比如像素位置變換、三角原理等等。感興趣的小夥伴可以深入研究下。

　　我是IT售前工程師，後續将會分享更多的有趣的互聯網所見所聞。感謝關注！下期見~

　　,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!