一个博士生和1000个小学生的区别
一道微积分题你让10000个小学生用穷举法都算不出来，博士生就轻而易举
一万道两位数加减法你扔给博士生，可能算也要一段时间但是小学生一人一道同时算可能几秒钟就算出来了
一个博士生就是cpu一万个小学生就是gpu
所以图形像素就适合gpu也就是我们所说的画质，同理还有挖币人工智能，所以英伟达这几年这么牛逼。。

打个比方就是，CPU是个大数学家，可以算复杂的数学问题，但是数学家只有那么几个人，问题多了算不过来。而显卡的话就是一大群小学生，算不了复杂的数学题，但是百以内加减法来多少它给你同时算多少

借楼。cpu是一个博士，可以算很难的算数；显卡是一万个小学生，只能算加减乘除。

ai和挖矿等于要算一万条很简单的加减乘除问题，你觉得博士算得快还是一万个小学生算得快

上网搜哪有水贴有意思

我就说一点 Octane显卡渲染比VR CPU渲染快

网上看的，这俩就像做寒假作业，cpu就是学霸，一天一夜肝出来，运算能力强。显卡就是全班每人写一页，十分钟写完，最后一合全都做完了，就是同时运行普通计算的能力强。

简单说就是cpu进行的是高精度的计算，而且计算能力更强，gpu就是进行简单的计算，但是计算的量还很多。

卧槽 简单易懂啊

cpu可以理解为电磁炮，一发入魂打boss
GPU则可以理解为100管加特林，扫射喽啰

主要是cpu的需求没有大规模增长，英特尔自己份额还在被不停蚕食，而且英特尔多少年不变的10nm技术，已经被台积电甩开多少年了，还不如彻底不用全交给台积电代工呢

CPU处理复杂问题，显卡处理批量简单问题。

他俩根本不是一个赛道，cpu是计算能力超强，但是核心有限并行计算能力差，大致可以认为，比如要算1+1+1……这样十万百万千万个+1，cpu只能分成现在比如16核，分成16条路来计算，但是nv的a100，h100什么可以配套他们sdk来做这个计算可以同时分千路，计算，所以这在大量计算的时候，这种并行能力完全超越cpu的，再比如之前的挖矿，不就是要算出来那个最终的哈希么，假设用cpu，可能是算几路，nv的gpu可以同时千路在计算这个，效率差距太大了

显卡本身如果只是pc的显示计算来说，估计还不如cpu的行情，但是这几年从挖矿到ai，都是极为热门的应用，量超大，所以就这样了。

看过一个科普，CPU是几个大学教授，GPU是几万个小学生，处理微积分靠大学教授，但是让你计算几万道1+1=几的问题，GPU作用明显更大

这比喻不错 很形象

本质都是计算

博士和小学生的比喻很精确了。

还有一点，显示的本质，就是显示器里面上万个点，每个点颜色的变化，构成了图像的动作。因此显卡本质是计算，同时计算上万个点的变化。挖矿、AI，都是从上万个点的颜色变化引申到其他的运算中去。

cpu就是一拳900磅 显卡就是100拳9磅 差不多真么理解

之前看了一个视频，解释的还可以。
CPU是几个爱因斯坦，更擅长处理复杂的问题。
gpu是10000个高中生，可以处理繁多的简单问题。

不能不说话？

不能不说话？