文／中央社
AI熱潮延燒，輝達超越英特爾登數據中心晶片龍頭，GPU儼然是AI晶片代名詞，與CPU的差異也受到關注。分析師表示，CPU是「通才型」處理器，卻難敵大量瑣碎工作，GPU可以同時大量處理簡易工作，更適合AI應用情境。
輝達（NVIDIA）是GPU龍頭。（資料圖／中天新聞）
中央處理器（CPU）與繪圖處理器（GPU）都是處理器，是關鍵的運算引擎，都能處理資料。不過，CPU和GPU的架構不同，且是針對不同目的打造。
CPU是由數百萬個電晶體打造而成，可能具有多個處理核心，通常被稱為電腦的大腦，負責執行電腦與作業系統所需的指令與程序，理論上能完成任何運算工作，是「通才型」處理器。
GPU則是由許多更小、更專業的核心組成，擅於處理較簡易的特殊工作，主要應用在電腦的圖像處理，是「專才型」處理器。
市調機構集邦科技分析師鐘映庭說，兩者用不一樣的方式處理訊息，CPU是序列式，GPU則是平行運算，適合不同應用情境。所謂序列式處理是指一次完成一項工作；平行式運算則是將一項工作分成許多不同步驟，分配給多個核心同步進行，以加快運算速度。
CPU時脈速度高，能處理非常複雜的運算指令，但當被交付大量瑣碎工作，雖然能夠處理，卻會浪費太多時間。亞馬遜網路服務公司舉例，CPU就像一間餐廳的大廚，能夠將數百個漢堡排翻面，但要耗費大量時間；如果將任務交給擁有很多手的助理，即GPU，就可以快速完成。
分析師王兆立表示，當前AI應用以深度學習為主，其中的演算法會用到大量的平行運算，是GPU較適合的應用情境，因此在AI的時代，GPU的重要性會大過於CPU。
英特爾（Intel）與超微（AMD）是CPU主要供應商，輝達（NVIDIA）是GPU龍頭。隨著微軟（Microsoft）等大廠爭相搶進AI領域，輝達被視為將是這波AI掏金熱中賣鏟子的最大受惠者。
王兆立指出，由於GPU不便宜，能效也較差，若應用場域明確，需求量大，即可開發功能較簡單的特殊應用晶片（ASIC），會較省電，效能也會較好，如Google即為機器學習開發專用處理器，阿里巴巴及百度也都自行研發AI晶片。
隨著AI應用日益擴大，包括智慧工廠、智慧車、安防等，王兆立預期，未來AI應用也將擴及電腦及智慧手機等終端裝置，專用AI晶片勢將增多。
由於AI晶片多採用先進半導體製程技術，成本高昂，且一旦演算法改變，晶片就不一定適用，具高風險。王兆立認為，這是有意自行開發晶片的廠商需要評估考量的地方。
無任何留言，趕緊搶頭香！