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。