GPU圖形加速處理器
GPU（Graphic Processing Unit），中文翻譯為“圖形處理器”。與CPU不同，GPU是專門為處理圖形任務而產生的芯片。從這個任務定位上面來說，不僅僅在計算機的顯卡上面，在手機、遊戲機等等各種有多媒體處理需求的地方都可以見到GPU的身影。
在GPU出現之前，CPU一直負責著計算機中主要的運算工作，包括多媒體的處理工作。CPU和GPU架構差異很大，CPU功能模塊很多，能適應複雜運算環境；GPU構成則相對簡單，目前流處理器和顯存控制器佔據了絕大部分晶體管。CPU中大部分晶體管主要用於構建控制電路和Cache，只有少部分的晶體管來完成實際的運算工作。而GPU的控制相對簡單，且對Cache的需求小，所以大部分晶體管可以組成各類專用電路、多條流水線，使得GPU的計算速度有了突破性的飛躍，擁有了更強大的處理浮點運算的能力。CPU在多媒體處理中的缺陷也顯而易見：多媒體計算通常要求較高的運算密度、多併發線程和頻繁地存儲器訪問，而由於X86平臺中CISC架構中暫存器數量有限，CPU並不適合處理這種類型的工作。對於GPU來說，它的任務是在屏幕上合成顯示數百萬個像素的圖像——也就是同時擁有幾百萬個任務需要並行處理，因此GPU被設計成可並行處理很多任務，而不是像CPU那樣完成單任務。
什麼是GPU圖形加速型雲服務器？
GPU圖形加速型雲服務器（GPU Cloud Computing）是基於GPU應用的計算服務，具有實時高速的並行計算和浮點計算能力，適應用於 3D 圖形應用程序、視頻解碼、深度學習、科學計算等應用場景。GPU圖形加速型雲服務器是裝配有GPU雲加速器的超高性能雲服務器，相比一般的ECS雲服務器，GPU雲服務器能提供的算力要超出一大截，並且GPU本身對圖像處理能力極佳，所以GPU雲服務器也在視頻、圖形相關行業有用武之地。
GPU圖形加速型雲服務器原理
GPU一推出就包含了比CPU更多的處理單元，更大的帶寬，使得其在多媒體處理過程中能夠發揮更大的效能。例如：當前最頂級的CPU只有4核或者6核，模擬出8個或者12個處理線程來進行運算，但是普通級別的GPU就包含了成百上千個處理單元，高端的甚至更多，這對於多媒體計算中大量的重複處理過程有著天生的優勢。下圖展示了CPU和GPU架構的對比。
從硬件設計上來講，CPU 由專為順序串行處理而優化的幾個核心組成。另一方面，GPU 則由數以千計的更小、更高效的核心組成，這些核心專為同時處理多任務而設計。
通過上圖我們可以較為容易地理解串行運算和並行運算之間的區別。傳統的串行編寫軟件具備以下幾個特點：要運行在一個單一的具有單一中央處理器（CPU）的計算機上；一個問題分解成一系列離散的指令；指令必須一個接著一個執行；只有一條指令可以在任何時刻執行。而並行計算則改進了很多重要細節：要使用多個處理器運行；一個問題可以分解成可同時解決的離散指令；每個部分進一步細分為一系列指示；每個部分的問題可以同時在不同處理器上執行。
舉個生活中的例子來說，你要點一份餐館的外賣，CPU型餐館用一輛大貨車送貨，每次可以拉很多外賣，但是送完一家才能到下一家送貨，每個人收到外賣的時間必然很長；而GPU型餐館用十輛小摩托車送貨，每輛車送出去的不多，但是並行處理的效率高，點餐之後收貨就會比大貨車快很多。
在1999年Nvidia還提出了GPGPU（GeneralPurpose GPU）的概念，即基於GPU的通用計算。CPU 包含幾個專為串行處理而優化的核心，而 GPU 則由數以千計更小、更節能的核心組成，這些核心專為提供強勁的並行性能而設計。程序的串行部分在 CPU 上運行，而並行部分則在 GPU上運行。如此一來，能夠最大程度地提高程序運行的效率。這就是GPU加速的基本思想。
