GPU 服务器到底有什么作用？

GPU 服务器是基于 GPU 的应用于视频编解码、深度学习、科学计算等多种场景的快速、稳定、弹性的计算服务。

一、GPU 服务器有什么作用？

GPU 加速计算可以提供非凡的应用程序性能，能将应用程序计算密集部分的工作负载转移到 GPU，同时仍由 CPU 运行其余程序代码。从用户的角度来看，应用程序的运行速度明显加快.

理解 GPU 和 CPU 之间区别的一种简单方式是比较它们如何处理任务。CPU 由专为顺序串行处理而优化的几个核心组成，而 GPU 则拥有一个由数以千计得更小、更高效的核心（专为同时处理多重任务而设计）组成的大规模并行计算架构。

谈及 GPU 在高性能计算方面的优势，就会自然联想到 GPU 诞生的经典问题：“为什么需要专门出现 GPU 来处理图形工作，CPU 为啥不可以？”

为满足各位迫切的求知心，在此结论先行：图形渲染任务具有高度的并行性，GPU 可以仅仅通过增加并行处理单元和存储器控制单元，便可取得比 CPU 更效的处理能力和存储器带宽，提高一个数量级的运算速度。

追溯到 GPU 还没有发明的年代，中央处理器 CPU 作为整个计算机系统的运算和控制的核心，是整个数据处理的最根本的部件。

二、GPU 擅长大规模并发计算

GPU 工作原理：GPU 的工作通俗的来说就是完成 3D 图形的生成，将图形映射到相应的像素点上，对每个像素进行计算确定最终颜色并完成输出，一般分为顶点处理、光栅化计算、纹理贴图、像素处理、输出五个步骤。GPU 采用流式并行计算模式，可对每个数据行独立的并行计算。

GPU 与 CPU 区别：CPU 基于低延时设计，由运算器（ALU）和控制器（CU），以及若干个寄存器和高速缓冲存储器组成，功能模块较多，擅长逻辑控制，串行运算。GPU 基于大吞吐量设计，拥有更多的 ALU 用于数据处理，适合对密集数据进行并行处理，擅长大规模并发计算，因此 GPU 也被应用于 AI 训练等需要大规模并发计算场景。

三、GPU 可分为独立 GPU 和集成 GPU

独立 GPU：独立 GPU 一般封装在独立的显卡电路板上，使用专用的显示存储器，独立显卡性能由 GPU 性能与显存带宽共同决定。一般来讲，独立 GPU 的性能更高，但因此系统功耗、发热量较大。

集成 GPU：集成 GPU 常和 CPU 共用一个 Die，共享系统内存。集成 GPU 的制作由 CPU 厂家完成，因此兼容性较强，并且功耗低、发热量小。但如果显卡运行需要占用大量内存，整个系统运行会受限，此外系统内存的频率通常比独立显卡的显存低很多，因此一般集成 GPU 的性能比独立 GPU 更低。

四、GPU 广泛运用在图显和并行计算场景

GPU 拥有单一的强大并行计算能力，所以用途往往是需要大规模并行计算的场景。早期 GPU 多被用于 2D 和 3D 图形的计算和处理，因为图形数据的处理往往涉及到大量的大型矩阵运算，计算量大但易于并行化。近年由于大数据、人工智能发展，GPU 也常常被用于需要大量重复计算的数据挖掘领域，如机器学习，深度学习等。

GPU 使用场景：GPU 被广泛地运用于 PC、服务器、移动等领域。其中服务器 GPU 可做专业图形处理、计算加速、深度学习等应用，以独立 GPU 为主；移动端 GPU 主要采用集成 GPU；PC 根据使用用途不同，既可以搭载独立 GPU，也可以使用集成 GPU。