英伟达GTC大会推出全新GPU Blackwell，引发股市中相关板块强势，那么CPU和GPU有什么区别？

英伟达GTC大会推出了一款全新的产品或概念GPU Blackwell。通过其演讲，GPU Blackwell就是通过芯片与芯片间的连接技术，一步步构建出大型AI超算集群。

把两个4nm制程的芯片合在一起，组成B200GPU，再把两个B200 GPU与Grace CPU结合组成GB200超级芯片。两个GB200超级芯片装到主板上，就成了一个Blackwell计算节点。与相同数量的72个H100相比，GB200的大模型推理性能提升高达30倍，成本和能耗降低高达25倍。

受这个消息影响，美股大型科技股普涨，A股的CPO、光通信、英伟达等概念在大势回落过程中表现强势。那么到底什么是CPU，什么是GPU，CPU和GPU有什么区别呢？

CPU的意思就是中央处理器，是一块超大规模的集成电路。GPU的意思是图形处理器，也就是我们所说的显卡，用于图像显示。做为人工智能算力的GPU实际上已经不是普通的GPU，而是GPGPU。CPU和GPU本质上都是算力芯片。最早的GPU也是要通过CPU演化出来的。

在大型图像处理需要产生以前，CPU既要负责逻辑运算，处理各种并行、串行任务和数据，又要负责将计算的结果进行呈现，所以CPU被视为整个计算机的大脑。随着3d技术尤其是大型3d游戏的诞生，图像处理工作越来越密集、复杂，CPU已经不能满足需要，GPU就被独立了出来。

CPU更擅长复杂逻辑的运算，他的主要任务是解决计算机中最核心的工作，通俗的讲就是更适合做难题。而GPU架构简单，更适合解决大量逻辑简单但体量非常大的高密度计算，通俗讲更适合解决简单的但题量较大的题。

在架构设计上，CPU的工作基于任务指令，并根据指令最终达成某种结果，这个结果是清晰的，对准确度要求较高。而GPU的工作则是基于数据，对数据分析后达成若干种结果，这个结果是模糊的，或者对准确度要求不那么严格。

所以，我们就不难看出，AI领域的大数据运算结果本来就是一个模糊的概率问题，对精准度要求并不那么高。比如，我们用某个文生图案，或文生视频去工作时，得出的结果往往与我们所要求的结果相差巨大。对于这样的计算处理任务，显然并不需要CPU这个牛人来解决，只需要一个能够干一般活的GPU普通工作者就能完成。

但是我们发现，AI领域里普通工作者的需求非常庞大。怎么说呢？比如建一栋楼，设计者可能只需要一个人，我们把这个设计者理解为CPU，而涉及到具体建设方面，比如挖地基、做基础、钢筋工、水泥工、架子工等等普通工作却需要若干个人，我们把这些普通工作者称之为GPU。当需要建的楼越来越多，这样的GPU需要也就越来越多。

而人工智能AI的大发展，就可以比喻为需要建的楼越来越多，而且需要在不同的地方去建设，那么GPU的需要就会成几何倍数增长。大概也是基于此，英伟达GTC大会上推出了Blackwell GPU新架构。

说回国内，目前我们的芯片技术，包括CPU和GPU技术，如果在传统路线上追赶美国，短期内几乎没有可能。但是，不久前中科院物理研究所曾经提出过量子芯片和光电芯片，其运算能力要远超美国的芯片，而功耗却远低于他们，如果真能实现，那我们在芯片技术上能够实现弯道超车。

A股在大势回落的情况下，量子通信、量子技术、CPO、光通信等相关板块表现强势，或许与这儿直接相关。