GPU事情事理
大略说GPU便是能够从硬件上支持T&L（Transform and Lighting，多边形转换与光源处理）的显示芯片，这是由于T&L是3D渲染中的一个主要部分，其浸染是打算多边形的3D位置和处理动态光芒效果，也可以称为“几何处理”。
一个好的T&L单元，可以供应细致的3D物体和高等的光芒殊效；只不过大多数PC中，T&L的大部分运算是交由CPU处理的(这就也便是所谓的软件T&L)，由于CPU的任务繁多，除了T&L之外，还要做内存管理、输入相应等非3D图形处理事情，因此在实际运算的时候性能会大打折扣，常常涌现显卡等待CPU数据的情形，其运算速率远跟不上本日繁芜三维游戏的哀求。
纵然CPU的事情频率超过 1GHz或更高，对它的帮助也不大，由于这是PC本身设计造成的问题，与CPU的速率无太大关系。
GPU的逻辑架构决定了它的打算能力比CPU更加刁悍。比如：现在主流的intel i7处理器的浮点打算能力是主流的英伟达GPU处理器浮点打算能力的1/12。
GPU设计者将更多的晶体管用作实行单元，而不是像CPU那样用作繁芜的掌握单元和缓存。实际上，CPU芯片空间的5%是ALU，而GPU空间的40%是ALU。
GPU有什么用途科学研究中的 GPU
GPU 打算彻底改变了科学家可以用比以前少得多的预算来做的事情。数据挖掘，打算机在大量数据中探求有趣的模式，得到原来会在噪音中丢失的洞察力。
Folding@Home等项目利用用户捐赠的家庭 GPU 处理韶光来处理癌症等严重问题。GPU 对付过去须要数年才能完成的各种科学和工程仿照以及在大型超级打算机上租用数百万美元的韶光非常有用。
人工智能中的 GPU
GPU 在某些类型的人工智能事情中也很出色。GPU 上的机器学习 (ML)比 CPU 快得多，并且最新的 GPU 模型内置了更专业的机器学习硬件。
在现实天下中如何利用 GPU 来推进 AI 运用程序的一个实际例子是自动驾驶汽车的涌现。据特斯拉称，他们的 Autopilot 软件须要 70,000 个 GPU 小时来“演习”神经网络，使其具备驾驶车辆的技能。在 CPU 上做同样的事情将过于昂贵和耗时。
加密货币挖矿中的 GPU
GPU 在破解密码难题方面也非常出色，这便是它们在加密货币挖掘中变得盛行的缘故原由。只管 GPU 挖掘加密货币的速率不如 ASIC（专用集成电路），但它们具有通用性的明显上风。ASIC 常日只能挖掘一种特定类型或一小组加密货币，而不能挖掘其他任何东西。
可以看出来GPU的浸染还是非常多的，不仅在科学研究中具有很大的用途，并且在人工智能的运用中也非常出色，因此只有拥有自己研发的高端GPU，强化自身实力才是硬道理。
