GPU/CPU/TPU都是啥？有何区别？

市场对人工智能的热情持续高涨，特别是硬件领域。

正在向人工智能服务器供应商转型的图形处理器 （GPU）生产巨头英伟达（NVIDIA）股价周一创出历史新高，凸显出市场对人工智能硬件领域的追捧。

目前，Google、Facebook、Microsoft、百度等科技巨头纷纷涉足人工智能。Google本周就宣布，正在为人工智能研发专门的芯片TPU。浙商证券分析师杨云表示，人工智能将成为下一个大风口，首当其冲的就包括硬件。

在图像语音识别、无人驾驶等人工智能领域的运用层面，图形处理器 （GPU）正迅速扩大市场占比，而谷歌专门为人工智能研发的TPU则被视为GPU的竞争对手。

概念

人工智能的实现需要依赖三个要素：算法是核心，硬件和数据是基础。

算法主要分为为工程学法和模拟法。工程学方法是采用传统的编程技术，利用大量数据处理经验改进提升算法性能；模拟法则是模仿人类或其他生物所用的方法或者技能，提升算法性能，例如遗传算法和神经网络。

硬件方面，目前主要是使用 GPU 并行计算神经网络。

浙商证券制作了下图体现这些要素之间的关系：

从产业结构来讲，人工智能生态分为基础、技术、应用三层。

基础层包括数据资源和计算能力；技术层包括算法、模型及应用开发；应用层包括人工智能+各行业（领域），比如在互联网、金融、汽车、游戏等产业应用的语音识别、人脸识别、无人机、机器人、无人驾驶等功能。

GPU

英伟达（NVIDIA）制造的图形处理器 （GPU）专门用于在个人电脑、工作站、游戏机和一些移动设备上进行图像运算工作，是显示卡的“心脏”。

GPU与CPU的区别

本身架构方式和运算目的的不同，导致英特尔制造的CPU 和 GPU之间有所区别（图表来自浙商证券）。

GPU之所以能够迅速发展，主要原因是GPU针对密集的、高并行的计算，这正是图像渲染所需要的，因此 GPU 设计了更多的晶体管专用于数据处理，而非数据高速缓存和流控制。

与CPU相比，GPU拥有更多的处理单元。据海通证券分析师郑宏达、魏鑫介绍，

和CPU 上大部分面积都被缓存所占据有所不同，诸如GTX 200 GPU之类的核心内很大一部分面积都作为计算之用。如果用具体数据表示，大约估计在 CPU 上有 20%的晶体管是用作运算之用的，而（GTX 200）GPU 上有 80%的晶体管用作运算：