在選購電腦時
CPU一直是最被看重的參數之一
但有多少小夥伴只知道和店員說著CPU
卻從來不知道它的真正含義呢
我們每天使用手機軟體，以及在電腦上寫方案、敲代碼、製作PPT等所有計算機軟體的計算，都需要CPU的計算。
此外，航天飛船的製造需要CPU進行前期建模工作；發射時間、軌道、天氣預測、燃料都需要CPU的模擬計算；發射後的實時追蹤、內部調度及處理應急問題也都需要CPU精準的計算。
可以說，21世紀，CPU在生活、工作及科學等方方面面都發揮了重要作用。
今天我們來研究一下：
什麼是CPU？
CPU的原理是什麼？
CPU和GPU有何聯繫？
CPU
中央處理器，簡稱CPU，是現在電子計算機的核心元件，也是資訊時代最主要的器件之一。
CPU的功能主要是處理計算機軟體的數據，將人類的命令轉化為機器語言，並對其他計算機中的設備，如內存、顯卡、主板等「提出命令」。在整台計算系統中，它扮演「老闆」的角色。
更形象地說，CPU就是人類的大腦，一切信息都需要它的參與或思考。
CPU由三部分組成：運算器、控制器與寄存器。
運算器主要是負責執行任務，可以理解為「打工人」，它的任務是負責直接計算相關數據；
控制器類似於「領導」，任務就是針對不同的需要，給「員工」下達不同的命令；
寄存器則可以理解為控制器和運算器之間聯絡的小組，也可以理解成「秘書」，它的主要工作是協調控制器和運算器。
寄存器這個「部門」的事情非常繁瑣，控制器會讓它給運算器下達命令，運算器運算的數據太多，也會讓寄存器暫時先寄存一部分。所以，當數據過多時候，寄存器忙不過來就只能暫時招收一些「臨時工」——高速緩存。
在寄存器完成不了工作時候，就調用高速緩存來存儲數據。當然臨時工也會有等級：一級緩存、二級緩存和三級緩存。如果三緩也耗盡，那就交給CPU外的內存來緩存。
但是，如果內存也不夠了怎麼辦呢？這時候，你的電腦就開始卡頓了。
CPU運行
在一個龐大的部門中，必須要制定相關的行為規範，才讓控制器能按照規則來下達命令。這一行為規範就是指令集。
不同設備的指令集可能會不一樣。例如，我們的計算機用的就是複雜指令集x86，而手機處理器的指令集就是精簡指令集ARM。這兩種指令集最大的區別，就在於設計者考慮問題的方式。
舉個簡單的例子，比如命令一個人吃飯，我們應該怎麼發布指令呢？
• 直接對他下達「吃飯」的命令。
• 命令他「先拿勺子，再舀起一勺飯，然後張嘴，之後送到嘴裡，最後咽下去」。
從這裡可以看到，對於「命令人吃飯」這件事，可以複雜也可以簡單。而如何訓練那個人，則出現不同的理解。
有人認為，如果我首先給接受命令的人以足夠的訓練，讓他掌握各種複雜技能（即在硬體中實現對應的複雜功能），那麼以後就可以用非常簡單的命令讓他去做很複雜的事情——比如只要說一句「吃飯」，他就會吃飯，這就是「複雜指令集」的思路。
但是也有人認為這樣會讓事情變的太複雜，畢竟接受命令的人要做的事情很複雜，如果你這時候想讓他吃菜，那還得再訓練吃菜的技能。既然如此，我們為什麼不把事情分為許多非常基本的步驟呢？
這樣的話，雖然下達命令的人稍微累一點，但只需要接受命令的人懂得很少的基本技能，就可以完成同樣的工作——比如現在我要他吃菜，只需要把剛剛吃飯命令里的「舀起一勺飯」改成「舀起一勺菜」，問題就解決了，這就「精簡指令集」的邏輯。
從利用這兩種指令集的設備，我們就可以看出指令集的區別了。
• 性能：ARM強在效率，在一些任務相對固定的應用場合，其優勢就能發揮得淋漓盡致。而x86則在專業軟體或者綜合性工作方面，依然是「大哥」。
• 擴展能力：手機方面，可能直到淘汰產品，我們都不會自行加裝例如內存、存儲等擴展設備，奉行的原則是夠用就好。而計算機可以通過橋接方式擴展許多設備。
• 功耗：X86的計算機性能強，但是功耗一直居高不下，ARM方的手機則大概只有幾瓦的功耗，因此它更適於便攜化與移動化。
CPU和GPU
隨著新興技術的興起以及突如其來的疫情，共同推動了GPU市場的迅猛發展。GPU是英文Graphics Processing Unit的縮寫，是一種專門為PC或者嵌入式設備進行圖像運算工作的微處理器。北京郵電大學計算機學院副教授楊旭東表示：
CPU和GPU有很多相同之處，比如兩者都是為了完成計算任務而設計的處理器，都遵循馮 · 諾依曼計算機體系結構。但它們的差別也很明顯，CPU的結構屬於單指令單數據處理結構，邏輯計算能力強；GPU則是單指令多數據處理結構，數據處理能力強。
也就是說，CPU擅長統領全局的複雜邏輯計算，而GPU擅長數據並行計算，因此特別適合處理量大且統一的數據。
對於複雜的2D渲染處理或3D圖像處理，CPU就要花費很多的資源去處理，這不僅會降低其他方面的工作效率，也會影響使用體驗。於是CPU就將一些高幀率的遊戲畫面和高質量的特效交給GPU去處理。
但另一方面，GPU無法單獨工作，必須由CPU進行控制調用才能工作。CPU發出指令以後，GPU領取到屬於自己的任務才開始工作。
GPU最早是在個人電腦上使用，為了解決多媒體數據處理，後來在移動智能終端上應用，如今人們又把GPU放在伺服器端，俗稱伺服器GPU。隨著通信技術/網絡技術的發展，數據處理越來越多放在伺服器計算。楊旭東表示，如今伺服器GPU既可以進行專業可視化、計算加速、深度學習等應用，也支持雲計算、人工智慧等一系列技術的發展，有望成為GPU行業未來應用的重點。
來源：科普中國