爸妈问我GPU是不是打游戏的，我说是用来训练AI的

主要观点总结

本文介绍了GPU（图形处理单元）从游戏处理到人工智能处理平台的转变。文章详细阐述了GPU和CPU的区别以及GPU的并行计算优势，通过类比和示意图解释了GPU如何加速人工智能应用的运行。同时，文章还回顾了GPGPU的发展历程，包括CUDA编程框架的推出和深度学习技术的兴起。最后，文章提到GPU在人工智能领域的广泛应用以及我国计算机科研人员在该领域的努力。

关键观点总结

关键观点1: GPU和CPU的区别及GPU的并行计算优势

GPU由多个小核心组成，采用SIMT并行模式，适合处理需要大量并行计算的图形渲染和人工智能任务。CPU则采用多核模式，更适合通用计算。

关键观点2: GPGPU的发展历程

GPGPU的发展经历了从CUDA编程框架的推出到深度学习的兴起，再到人工智能应用的广泛应用的过程。

关键观点3: GPU在人工智能领域的广泛应用

GPU在人工智能领域的应用非常广泛，包括训练大语言模型、图像分类模型等。许多科技公司都在争夺GPU资源，以支持其人工智能应用的运行。

关键观点4: 我国计算机科研人员在GPU领域的努力

由于国外高端GPU型号对我国禁售，我国计算机科研人员正在努力开发具有独立自主知识产权的人工智能计算平台。