TL; DR cevabı: GPU'lar CPU'lardan çok daha fazla işlemci çekirdeğine sahiptir, ancak her GPU çekirdeği bir CPU çekirdeğinden çok daha yavaş çalıştığından ve modern işletim sistemleri için gereken özelliklere sahip olmadığından, işlemlerin çoğunu her gün gerçekleştirmek için uygun değillerdir. bilgi işlem. Video işleme ve fizik simülasyonları gibi hesaplama-yoğun işlemler için çok uygundurlar.
GPGPU hala nispeten yeni bir kavramdır. GPU'lar başlangıçta yalnızca grafik oluşturmak için kullanıldı; Teknoloji geliştikçe, GPU'larda CPU'lara kıyasla çok sayıda çekirdek, GPU'lar için hesaplama yetenekleri geliştirilerek, bu veriler ne olursa olsun, birçok paralel veri akışını aynı anda işleyebilmeleri için kullanıldı. GPU'lar yüzlerce hatta binlerce akış işlemcisine sahip olabilirken, her biri bir CPU çekirdeğinden daha yavaş çalışır ve daha az özelliğe sahiptir ( Tamamlanıyor olsalar ve bir CPU'nun çalıştırabileceği herhangi bir programı çalıştırmak için programlanabilirler). GPU'larda eksik olan özellikler, modern bir işletim sistemini uygulamak için gereken kesintileri ve sanal belleği içerir.
Başka bir deyişle, CPU ve GPU'lar, farklı görevlere daha uygun olmalarını sağlayan önemli ölçüde farklı mimarilere sahiptir. Bir GPU, çok sayıda veri akışında büyük miktarlarda veri işleyebilir, bunlar üzerinde nispeten basit işlemler gerçekleştirebilir, ancak tek veya birkaç veri akışı üzerinde ağır veya karmaşık işlemler için uygun değildir. Bir CPU, çekirdek bazında (saniye başına komutlar açısından) çok daha hızlıdır ve tek veya birkaç veri akışı üzerinde karmaşık işlemleri daha kolay gerçekleştirebilir, ancak birçok akışı aynı anda verimli bir şekilde işleyemez.
Sonuç olarak, GPU'lar, kelime işlemciler gibi birçok yaygın tüketici uygulaması da dahil olmak üzere, önemli ölçüde fayda sağlamayan veya paralelleştirilemeyen görevleri yerine getirmek için uygun değildir. Ayrıca, GPU'lar temelde farklı bir mimari kullanır; Birinin çalışması için özel olarak bir GPU için bir program programlaması gerekir ve GPU'ları programlamak için önemli ölçüde farklı teknikler gerekir. Bu farklı teknikler arasında yeni programlama dilleri, mevcut dillerdeki değişiklikler ve birçok akış işlemcisi tarafından gerçekleştirilecek paralel bir işlem olarak bir hesaplamanın ifade edilmesine daha uygun olan yeni programlama paradigmaları bulunur. GPU'ları programlamak için gerekli teknikler hakkında daha fazla bilgi için, akış işleme ve paralel hesaplama hakkındaki Wikipedia makalelerine bakın .
Modern GPU'lar, vektör işlemlerini ve kayan nokta aritmetik işlemlerini yapabilir, en son kartları çift duyarlıklı kayan nokta sayılarını değiştirebilir. CUDA ve OpenCL gibi çerçeveler, programların GPU'lara yazılmasını sağlar ve GPU'ların doğası, onları bir dizi özel GPU bilgi işlem kartının küçük bir kişi için uygun bir yedek olabilir. kümeyi NVIDIA Tesla Personal Supercomputers'taki gibi hesaplayın . Folding @ home ile deneyimli modern GPU'lara sahip tüketiciler, bunları GPU müşterilerine katkıda bulunmak için kullanabilir , bunlar protein katlama simülasyonlarını çok yüksek hızlarda yapabilir ve projeye daha fazla çalışmaya katkıda bulunabilir ( SSS bölümünü okuduğunuzdan emin olun)öncelikle, özellikle GPU'larla ilgili olanlar). GPU ayrıca, PhysX kullanarak video oyunlarında daha iyi fizik simülasyonu sağlayabilir, video kodlama ve kod çözmeyi hızlandırabilir ve diğer hesaplama yoğun görevleri gerçekleştirebilir. GPU'ların gerçekleştirmek için en uygun olduğu bu tür görevlerdir.
AMD, geleneksel x86 CPU çekirdeğini GPU'larla birleştiren Hızlandırılmış İşlem Birimi (APU) adlı bir işlemci tasarımına öncülük ediyor . Bu yaklaşım, anakart entegre grafik çözümlerinden çok daha üstün grafiksel performans sağlar (daha pahalı ayrık GPU'lar için uygun olmasa da) ve ayrı bir GPU'ya gerek olmadan iyi multimedya performansına sahip kompakt, düşük maliyetli bir sistem sağlar. En yeni Intel işlemciler de yonga üzerinde tümleşik grafikler sunarken, rekabetçi entegre GPU performansı şu anda Intel Iris Pro Graphics ile birkaç yonga ile sınırlı. Teknoloji ilerlemeye devam ettikçe, bu ayrı ayrı parçaların artan bir yakınsama derecesini göreceğiz. AMD öngörüyorCPU ve GPU’nun bir olduğu ve aynı görevde sorunsuzca çalışabileceği bir gelecek .
Bununla birlikte, PC işletim sistemleri ve uygulamaları tarafından gerçekleştirilen birçok görev CPU'lar için hala daha uygundur ve bir GPU kullanarak bir programı hızlandırmak için çok çalışmaya ihtiyaç vardır. Mevcut yazılımların çoğu x86 mimarisini kullandığından ve GPU'lar farklı programlama teknikleri gerektirdiğinden ve işletim sistemleri için gerekli birçok önemli özelliğe sahip olmadığından, günlük hesaplama için CPU'dan GPU'ya genel bir geçiş çok zordur.