共计 1250 个字符，预计需要花费 4 分钟才能阅读完成。
一、GPU 服务器有什么作用？
GPU 减速计算能够提供不凡的应用程序性能，能将应用程序计算密集局部的工作负载转移到 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显著放慢. 了解 GPU 和 CPU 之间区别的一种简略形式是比拟它们如何解决工作。
CPU 由专为程序串行解决而优化的几个外围组成，而 GPU 则领有一个由数以千计得更小、更高效的外围（专为同时解决多重工作而设计）组成的大规模并行计算架构。
谈及 GPU 在高性能计算方面的劣势，就会天然联想到 GPU 诞生的经典问题：“为什么须要专门呈现 GPU 来解决图形工作，CPU 为啥不能够？”
为满足各位迫切的求知心，在此论断后行：图形渲染工作具备高度的并行性，GPU 能够仅仅通过减少并行处理单元和存储器管制单元，便可获得比 CPU 更效的解决能力和存储器带宽，进步一个数量级的运算速度。
追溯到 GPU 还没有创造的年代，中央处理器 CPU 作为整个计算机系统的运算和管制的外围，是整个数据处理的最基本的部件。
二、GPU 善于大规模并发计算 GPU 工作原理：
GPU 的工作艰深的来说就是实现 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色彩并实现输入，个别分为顶点解决、光栅化计算、纹理贴图、像素解决、输入五个步骤。
GPU 采纳流式并行计算模式，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，善于逻辑管制，串行运算。
GPU 基于大吞吐量设计，领有更多的 ALU 用于数据处理，适宜对密集数据进行并行处理，善于大规模并发计算，因而 GPU 也被利用于 AI 训练等须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 个别封装在独立的显卡电路板上，应用专用的显示存储器，独立显卡性能由 GPU 性能与显存带宽独特决定。
一般来讲，独立 GPU 的性能更高，但因而零碎功耗、发热量较大。集成 GPU：集成 GPU 常和 CPU 共用一个 Die，共享零碎内存。集成 GPU 的制作由 CPU 厂家实现，因而兼容性较强，并且功耗低、发热量小。
但如果显卡运行须要占用大量内存，整个零碎运行会受限，此外零碎内存的频率通常比独立显卡的显存低很多，因而个别集成 GPU 的性能比独立 GPU 更低。
四、GPU 宽泛使用在图显和并行计算场景 GPU 领有繁多的弱小并行计算能力，所以用处往往是须要大规模并行计算的场景。
晚期 GPU 多被用于 2D 和 3D 图形的计算和解决，因为图形数据的解决往往波及到大量的大型矩阵运算，计算量大但易于并行化。近年因为大数据、人工智能倒退，GPU 也经常被用于须要大量反复计算的数据挖掘畛域，如机器学习，深度学习等。
GPU 应用场景：GPU 被宽泛地使用于 PC、服务器、挪动等畛域。其中服务器 GPU 可做业余图形处理、计算减速、深度学习等利用，以独立 GPU 为主；挪动端 GPU 次要采纳集成 GPU；PC 依据应用用处不同，既能够搭载独立 GPU，也能够应用集成 GPU。
