OpenAI都想入局的GPU，究竟是个啥？

随着ChatGPT等大型语言模型掀起新一轮AI变革浪潮，AI芯片短缺问题日益严重。例如，ChatGPT开发商OpenAI高度依赖微软提供的超级计算机，使用了大量的英伟达GPU。近日有消息称，OpenAI正在考虑自己制造或收购AI芯片，以解决其业务所需的高性能和低成本GPU的问题。 今天，咱们来聊聊，OpenAI都想入局的GPU，究竟是个啥？

GPU是什么

“一千款手机，就有一千种游戏体验”，当我们用不同的手机玩游戏时，体验感是不同的，除了响应速度，游戏画面的精美度和立体度也是一个主要差异，造成这种差异的因素之一是手机GPU的性能不同。

GPU（Graphics Processing Unit，图形处理器），作为一个隐藏在手机和电脑中的超能英雄，不仅是一个专业的画家，能快速绘制出色彩缤纷的画面，还是一个数学家，能快速完成大量的计算任务。 专业地说，GPU是一种专门用于处理图形的处理器，它能够以非常快的速度处理大量的图形渲染计算，而且可以同时处理多个图形任务，从而大大提高计算机的计算和处理速度。

GPU最初是为图形处理而设计的，但由于其并行处理和高速计算能力，GPU开始担任更多、更重要的角色。现在GPU被广泛应用于科学计算、机器学习、大数据分析等领域。

计算机中的GPU可以分为两种，集成GPU和独立GPU。

集成GPU，体积较小，一般内置在计算机主板中，甚至可以集成到CPU中。集成GPU可以使计算机更轻巧，常见于笔记本电脑中。

独立GPU，体积较大，是一个独立的部件，在电脑主板上有专门的插口。其功能比集成GPU更强大，而且可以单独升级（更换显卡）。但是由于体积较大，会占用电脑更大的空间，且运行时消耗更多能源并产生更多热量。

有的笔记本电脑同时具有这两种GPU，一般情况下使用集成GPU节省能源减少发热，当需要更强大的图形处理性能时，切换到独立GPU执行相关的任务。

GPU和CPU有哪些区别

看到这里，你是不是想到计算机中另一个重要角色CPU（Central Processing Unit，中央处理器），那么，GPU和CPU有什么区别呢？

虽然二者都能执行计算任务，但能力各有千秋。如果说CPU是一个知识渊博的数学教授，什么题目都会解，那么GPU就是一万个小学生，人多力量大，在计算简单数学题时，速度极快。

事实上，在GPU出现之前，基本上所有的任务都是由CPU完成的。有了GPU之后，二者才进行了分工，下表列出了二者的区别。

通过以上对比，我们发现，GPU和CPU各有所长。在手机和电脑中，二者相互配合，分工合作，共同为我们服务。

GPU更适合AI

通过前面的介绍，我们了解到GPU非常适合大规模并行计算。AI（Artificial Intelligence，人工智能）的训练刚好涉及大量的数据处理，特别是在深度学习领域，网络模型通常有数百万甚至数十亿的参数，需要通过大量的数据来进行训练，以获得准确的预测，因此GPU非常适合AI算法。

并行处理能力

GPU具有大量的核心和高速内存，擅长并行计算。在AI领域，计算量非常庞大，而GPU刚好适合这种场景。好比需要计算大量的简单数学题时，一万名小学生肯定比一名教授更适合。

内存带宽更大

一些常见的GPU内存带宽约为400 GB/s，而最好的CPU内存带宽大约为50 GB/s，所以GPU可以更快地获取和访问内存中的数据。在AI领域，数据一般占用大块连续的内存空间，显然GPU更合适。

灵活性强

GPU支持使用CUDA、OpenCL等编程框架和语言，使得开发人员能够轻松利用GPU的计算能力，高度自定义GPU的计算任务，为不同类型的AI算法提供支持。

CUDA

Compute Unified Device Architecture，统一计算设备架构，一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

OpenCL

Open Computing Language，开放设计语言，是一种开放的标准，用于超级计算机、云服务器、个人计算机、移动设备和嵌入式平台中各种加速器的跨平台并行编程。

扩展性强

随着AI模型的复杂度增加和数据量的增长，我们可以通过增加更多的GPU来提高处理能力，就像是增加更多的小学生来进行计算，使得系统能够更好地应对不断增长的计算需求。

结束语

近日，中兴通讯专为大规模模型训练而设计的旗舰GPU服务器R6900 G5亮相中国移动全球合作伙伴大会，以卓越的计算性能、高速网络通信能力以及创新的能效表现为人工智能和深度学习等领域带来全新的突破。 后续文档君也会出更多相关图文，大家敬请期待哦~~