GPU 用途由图形处理拓展至计算。GPU 是图形处理器的简称，它是一种专门用于处理图 形、视频、游戏等高性能计算的硬件设备。GPU 相对于传统的中央处理器（CPU）而言， 其拥有更多的计算和更快的内存带宽，能够大幅度提高计算效率和图形渲染速度。 现阶段，随着例如英伟达 A100、H100 等型号产品的发布，GPU 在算力方面的优势相较 于其他硬件具有较大优势，GPU 的工作也从一开始的图形处理逐步转化为计算。 根据用途和性能表现，GPU 可以分为卡和消费级卡两类：卡通常用于工程、科 学、医学等领域的高性能计算和大规模数据处理，主要厂商包括英伟达、AMD 等；消费 级卡则主要用于目前 GPU 在硬件中拥有的算力，成为适合支撑人工智能训练和学习的硬件，我们 认为其原因主要在于： 更多处理单元：GPU 相比于 CPU 等其他硬件有更多的处理单元，因 此可以并行处理更多的数据。主要系 GPU 是为了图形渲染而设计的，而图形渲 染涉及的计算是高度并行化的。这种并行化的特性使 GPU 非常适合进行机器学习和 深度学习这样的大规模数据并行计算。 具有更高的内存带宽和更大的内存容量：在进行深度学习等计算时，需要大量的内 存和高速的内存带宽来存储和处理海量数据。GPU 相比于其他硬件（如 CPU），具 有更高的内存带宽和更大的内存容量，可以更有效地存储和处理数据，从而提高计 算速度。具有专门的计算单元：相较于其他硬件，GPU 具有例如张量矩阵乘法等计算 单元，可以更快地执行常见的机器学习和深度学习操作：如卷积和矩阵乘法。这些 计算单元与通用计算单元相比，具有更高的效率和更快的速度。普通家庭和游戏玩家，主要厂商包括英伟达、AMD、英特尔等。