什么是 GPU？
图形处理单元（GPU）是一种可以高速进行数学计算的电子电路。图形渲染、机器学习（ML）和视频编辑等计算任务需要对大型数据集应用类似的数学运算。GPU 经过设计，可对多个数据值并行执行相同的操作。这可以提高许多计算密集型任务的处理效率。
为什么 GPU 如此重要？
GPU 非常擅长执行通用并行处理，但从历史上看，情况并非总是如此。顾名思义，GPU 最初是为一项特定任务而设计的：控制图像显示。
GPU 的起源
在 GPU 问世之前，我们采用点阵屏幕，它们于 20 世纪 40 年代和 50 年代发布。矢量和光栅显示屏随后发布，之后第一批视频游戏机和 PC 面世。当时，一种名为图形控制器的不可编程设备协调显示在屏幕上的内容。传统上，图形控制器依赖 CPU 进行处理，尽管有些控制器包括片上处理器。
大约在同一时间，三维成像项目涉及使用单个处理器在屏幕上生成单个像素。目标是在短时间内生成合并许多像素的图像。据我们所知，此项目就是 GPU 的起源。
直到 20 世纪 90 年代末，第一款 GPU 才问世。它们面向游戏和计算机辅助设计（CAD）市场。GPU 将以前基于软件的渲染引擎、转换和照明引擎与图形控制器全部集成在可编程芯片上。
GPU 技术的演变
1999 年，Nvidia 率先推出单芯片 GeForce 256 GPU。21 世纪 00 年代和 10 年代标志着一个成长时代，期间 GPU 融入了光线追踪、网格阴影和硬件曲面细分等功能。这推进了图像生成的处理，同时提升了图形性能。
2007 年，Nvidia 发布了 CUDA，这是在 GPU 上提供并行处理的软件层。大约在此期间，显而易见的是，GPU 在执行高度特定的任务方面非常高效。具体而言，它们擅长完成需要大量处理能力才能实现特定结果的任务。
当 Nvidia 发布 CUDA 时，它向更广泛的受众开放 GPU 编程。然后，开发人员可以为各种不同的计算密集型实际应用编程 GPU 技术。GPU 计算开始变得更加主流化。
GPU 是区块链和其他新兴应用的热门芯片。它们越来越多地用于人工智能和机器学习（AI/ML）。
GPU 有哪些实际应用？
GPU 可用于各种计算密集型应用程序，包括大规模金融、国防应用和研究活动。以下是当今 GPU 的一些最常见用途。
游戏
除大型企业和政府可视化应用程序之外，GPU 的首要应用领域是个人游戏。它们曾在 20 世纪 80 年代的游戏机中使用，至今仍用于 PC 和目前的游戏机中。GPU 对于复杂的图形渲染至关重要。
专业可视化
GPU 用于专业应用程序，例如 CAD 绘图、视频编辑、产品演练和交互性、医学影像和地震成像。它们还适用于其他复杂的图像和视频编辑以及可视化应用程序。基于浏览器的应用程序甚至可以通过诸如 WebGL 之类的库来利用 GPU。
机器学习
训练机器学习（ML）模型需要大量的计算能力。它们现在可以在 GPU 上运行以更快得到结果。在自己购买的硬件上训练模型可能需要很长时间，而使用云 GPU 可以快速获得结果。
区块链
加密货币建立在区块链之上。特殊类型的区块链（工作量证明）通常严重依赖 GPU 进行操作。应用专用集成电路（ASIC）是一种类似但不同的芯片，现在已成为区块链 GPU 处理的常见替代品。
权益证明区块链算法证明不再需要大量计算能力，但工作量证明仍然无处不在。
模拟
分子动力学、天气预报和天体物理学中使用的高级模拟应用程序都可以通过 GPU 来完成。GPU 还支持汽车和大型车辆设计中的许多应用，包括流体动力学。
GPU 如何运作？
现代 GPU 通常包含多个多处理器。每个多处理器都有一个共享内存块，外加多个处理器和相应的寄存器。GPU 本身具有恒定的内存，外加其所在主板上的设备内存。
每个 GPU 的工作方式略有不同，具体取决于其用途、制造商、芯片的细节以及用于协调 GPU 的软件。例如，Nvidia 的 CUDA 并行处理软件可让开发人员在考虑几乎所有通用并行处理应用程序的情况下对 GPU 进行专门编程。
GPU 可以是独立芯片，称为独立 GPU，也可以与其他计算硬件集成，称为集成 GPU（iGPU）。
独立 GPU
独立 GPU 以完全专用于手头任务的芯片形式存在。虽然该任务传统上是图形，但现在独立 GPU 可用作机器学习或复杂仿真等任务的专用处理器。
用于处理图形时，GPU 通常位于插入主板的图形卡上。在其他任务中，GPU 可能位于主板本身的另一张卡或槽上。
集成 GPU
在 21 世纪 10 年代初，我们开始看到分离 GPU 的转变。制造商在称为 iGPU 的芯片上引入 CPU 和 GPU 的组合。这些用于 PC 的首批 iGPU 是 Intel 的 Celeron、Pentium 和 Core 系列。它们在笔记本电脑和 PC 中仍然广泛使用。
另一种类型的 iGPU 是系统芯片（SoC），它包含 CPU、GPU、内存和网络等组件。这些是智能手机中常见的芯片类型。
虚拟
与其他类型的计算硬件基础设施一样，GPU 也可以虚拟化。虚拟化 GPU 是基于软件的 GPU 表示形式，它与云服务器实例上的其他虚拟 GPU 共享空间。可以使用虚拟化 GPU 来运行工作负载，而不必担心底层硬件的维护。
GPU 和 CPU 之间有什么区别？
CPU 和 GPU 之间的主要区别是它们在计算机系统中的用途。根据系统，CPU 和 GPU 发挥不同的作用。例如，它们在手持游戏设备、PC 和带有多个服务器机柜的超级计算机中具有不同的用途。
通常，CPU 可以处理完整的系统控制以及管理和通用任务。相反，GPU 处理计算密集型任务，例如视频编辑或机器学习。
更具体地说，CPU 已针对执行以下任务进行优化：
- 系统管理
- 跨不同应用程序执行多任务处理
- 输入和输出操作
- 网络功能
- 外围设备控制
- 内存和存储系统多任务处理
GPU 和图形卡之间有什么区别？
图形处理单元和图形卡这两个名称通常可以互换使用，但它们并非相同的事物。
图形卡是一种插在计算机主板上的某个位置的附加板（AIB）。图形卡不是计算机本身内置的；它们是可互换的卡。图形卡配有 GPU。
GPU 是图形卡的主要组件。GPU 与其他组件一起存在，例如用于显存的视频 RAM（VRAM）、端口（例如 HDMI 或 DisplayPort）和冷却组件。但是，GPU 也可以直接内置在主板中，或者与其他组件一起作为一体化芯片集成。
AWS 如何帮助满足您的 GPU 要求？
Amazon Web Services（AWS）提供了 Amazon Elastic Compute Cloud（Amazon EC2），它是最广泛、最深入的计算平台。
Amazon EC2 拥有 500 多个实例，并且您可以选择最新的处理器、存储、网络、操作系统和购买模式。该工具可以轻松满足您的工作负载需求。
借助 Amazon EC2，您可以轻松地在云中租用和运行 GPU。利用 GPU 的处理能力进行视频编辑、渲染图形、人工智能（AI）和其他并行处理功能。
Amazon EC2 实例几乎可以适应任何类型的工作负载：
- P2 实例适用于通用 GPU 计算应用程序。
- Amazon EC2 P5 实例有八个内置 GPU。它们是最新一代基于 GPU 的实例。这些实例在 Amazon EC2 中为深度学习和高性能计算（HPC）提供最高的性能。
- Amazon EC2 G5 实例由 AWS Graviton2 处理器提供支持，配备 NVIDIA T4G Tensor Core GPU。这些实例在 Amazon EC2 中为 Android 游戏流式传输等图形工作负载提供最佳高性价比。
立即创建账户，开始在 AWS 上使用 GPU。
