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。

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,CPUGPU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。

arrow
arrow

    全站熱搜

    Win Driver Blog 發表在 痞客邦 留言(0) 人氣()