OpenAI都想入局的GPU，究竟是個啥？
隨著ChatGPT等大型語言模型掀起新一輪AI變革浪潮，AI芯片短缺問題日益嚴重。例如，ChatGPT開發商OpenAI高度依賴微軟提供的超級計算機，使用了大量的英偉達GPU。近日有消息稱，OpenAI正在考慮自己制造或收購AI芯片，以解決其業務所需的高性能和低成本GPU的問題。
今天，咱們來聊聊，OpenAI都想入局的GPU，究竟是個啥？
GPU是什么
“一千款手機，就有一千種游戲體驗”，當我們用不同的手機玩游戲時，體驗感是不同的，除了響應速度，游戲畫面的精美度和立體度也是一個主要差異，造成這種差異的因素之一是手機GPU的性能不同。
GPU（Graphics Processing Unit，圖形處理器），作為一個隱藏在手機和電腦中的超能英雄，不僅是一個專業的畫家，能快速繪制出色彩繽紛的畫面，還是一個數學家，能快速完成大量的計算任務。
專業地說，GPU是一種專門用于處理圖形的處理器，它能夠以非常快的速度處理大量的圖形渲染計算，而且可以同時處理多個圖形任務，從而大大提高計算機的計算和處理速度。
圖片
GPU最初是為圖形處理而設計的，但由于其并行處理和高速計算能力，GPU開始擔任更多、更重要的角色。現在GPU被廣泛應用于科學計算、機器學習、大數據分析等領域。
計算機中的GPU可以分為兩種，集成GPU和獨立GPU。
- 集成GPU，體積較小，一般內置在計算機主板中，甚至可以集成到CPU中。集成GPU可以使計算機更輕巧，常見于筆記本電腦中。
- 獨立GPU，體積較大，是一個獨立的部件，在電腦主板上有專門的插口。其功能比集成GPU更強大，而且可以單獨升級（更換顯卡）。但是由于體積較大，會占用電腦更大的空間，且運行時消耗更多能源并產生更多熱量。
有的筆記本電腦同時具有這兩種GPU，一般情況下使用集成GPU節省能源減少發熱，當需要更強大的圖形處理性能時，切換到獨立GPU執行相關的任務。
GPU和CPU有哪些區別
看到這里，你是不是想到計算機中另一個重要角色CPU（Central Processing Unit，中央處理器），那么，GPU和CPU有什么區別呢？
雖然二者都能執行計算任務，但能力各有千秋。如果說CPU是一個知識淵博的數學教授，什么題目都會解，那么GPU就是一萬個小學生，人多力量大，在計算簡單數學題時，速度極快。
圖片
事實上，在GPU出現之前，基本上所有的任務都是由CPU完成的。有了GPU之后，二者才進行了分工，下表列出了二者的區別。
圖片
圖片
通過以上對比，我們發現，GPU和CPU各有所長。在手機和電腦中，二者相互配合，分工合作，共同為我們服務。
GPU更適合AI
通過前面的介紹，我們了解到GPU非常適合大規模并行計算。AI（Artificial Intelligence，人工智能）的訓練剛好涉及大量的數據處理，特別是在深度學習領域，網絡模型通常有數百萬甚至數十億的參數，需要通過大量的數據來進行訓練，以獲得準確的預測，因此GPU非常適合AI算法。
圖片
并行處理能力
GPU具有大量的核心和高速內存，擅長并行計算。在AI領域，計算量非常龐大，而GPU剛好適合這種場景。好比需要計算大量的簡單數學題時，一萬名小學生肯定比一名教授更適合。
內存帶寬更大
一些常見的GPU內存帶寬約為400 GB/s，而最好的CPU內存帶寬大約為50 GB/s，所以GPU可以更快地獲取和訪問內存中的數據。在AI領域，數據一般占用大塊連續的內存空間，顯然GPU更合適。
靈活性強
GPU支持使用CUDA、OpenCL等編程框架和語言，使得開發人員能夠輕松利用GPU的計算能力，高度自定義GPU的計算任務，為不同類型的AI算法提供支持。
CUDA
Compute Unified Device Architecture，統一計算設備架構，一種由NVIDIA推出的通用并行計算架構，該架構使GPU能夠解決復雜的計算問題。
OpenCL
Open Computing Language，開放設計語言，是一種開放的標準，用于超級計算機、云服務器、個人計算機、移動設備和嵌入式平臺中各種加速器的跨平臺并行編程。
擴展性強
隨著AI模型的復雜度增加和數據量的增長，我們可以通過增加更多的GPU來提高處理能力，就像是增加更多的小學生來進行計算，使得系統能夠更好地應對不斷增長的計算需求。
結束語
近日，中興通訊專為大規模模型訓練而設計的旗艦GPU服務器R6900 G5亮相中國移動全球合作伙伴大會，以卓越的計算性能、高速網絡通信能力以及創新的能效表現為人工智能和深度學習等領域帶來全新的突破。
