当自动驾驶、VR/AR、人工智能（AI）、数据中心、游戏等领域对算力的需求与日俱增，数据计算正成为大数据时代的核心，图形处理器（Graphic Processing Unit；GPU）作为关键的计算引擎之一，近几年地位水涨船高。从以往专为电脑、工作站、游戏机和一些移动设备进行图像和图形相关运算的处理，到广泛应用于主流云计算领域，GPU显然已是AI热潮中的“明星”。
依托强大的并行计算能力和良好的可编程性，GPU也正成为芯片界又一火热赛道。尽管GPU的系统庞大且设计复杂，技术涉及面广，全球GPU市场同样呈现寡头垄断格局，然自主化紧迫的“引力”催化着国内GPU企业如雨后春笋冒出。
GPU：图形数据处理“功臣”
GPU又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上进行图像和图形相关运算工作（包括顶点设置、光影、像素操作等）的微处理器。其中，注重算力的服务器和注重便携性的移动端分别采用独立和集成GPU，而汽车、游戏主机、PC等主要采用独立+集成的GPU接入方式。
GPU有两大功能，一是图形渲染显示，主要是借助图像处理芯片的性能将游戏、显示画面渲染输出给显示器。发挥图形渲染功能的显卡较为常见，比如英伟达（NVIDIA）的GeForce系列显卡、英特尔锐炬iRIS显卡等。无论是独立显卡还是集成显卡，都可以称为GPU显示芯片。
二是通用计算GPU（GPGPU），主要是利用图形处理器进行非图形渲染的高性能计算。计算非图形数据时需要将浮点计算用算法伪装成图形计算，从而实现处理非图形数据的目的。事实上，后摩尔时代，随着GPU的可编程性不断增强，适用于大批量处理特定类型信息，这也导致其在处理图形图像之外的功能越来越被强调。
GPU之外，中央处理器（CPU）也常常被同时提及，宛若一对“孪生兄弟”。同样是基于芯片的微处理器，也同样是为计算而生的重要引擎，CPU涉及通用计算，复杂度较高，设计原理是总结成少量的复杂计算，而GPU则是总结为大量的简单运算。
GPU的出现使计算机减少了对CPU的依赖，并解放了部分原本CPU的工作。在3D图形处理时，GPU采用的核心技术有硬件T&L（几何转换和光照处理）、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬件T&L可以说是GPU的标志。
此外，在深度学习的性能、通用性方面，GPU要更佳，并行计算能力和能效远远超过CPU。一款设备能取得怎样的显示效果，图形数据处理能力需靠GPU加持。此外，AI、神经网络算法的流行离不开GPU的功劳……（点击左下阅读原文，查看全文）
下载DIGITIMES PRO
产业资讯一手掌握
本文到此结束，希望对大家有所帮助。
