通用、特化与通用特化硬件
过去电脑图形显示对 CPU 的负担太大。于是有人给电脑装上了 协处理器，本质上是另一个 CPU。但效果有限，所以特化度更高的 GPU 也就诞生了。
GPU 因为 CUDA 核心／流处理器数量很多，并且内存访问速度很快，所以图形效率相比 CPU 具有优势。既然 GPU 能解决图形问题，理论上其他合适的问题，也能解决。
于是 20 世纪 90 年代就有人用 GPU 来破解 RC4 加密算法，以及用来创建人工神经网络。虽然实用性暂时还不高，但之后 GPU 的算力发展很快，快过摩尔定律。于是更多人注意到了 GPU 的优势，其中 Mark Harris 提出了 GPGPU 的概念，即通用 GPU。后来英伟达的 CUDA，正式让 GPGPU 得到厂商支持。
为 AI 打造的芯片：AI 加速器（NPU、TPU）也是特化硬件，但也有一点点的可能，发生类似 GPGPU 的情况。比如未来有人注意到了 AI 加速器对特定问题优势，于是当作特定问题的加速器使用。甚至重演游戏玩家买不到 GPU；人工神经网络从业者买不到 AI 加速器的情况。
#杂谈
过去电脑图形显示对 CPU 的负担太大。于是有人给电脑装上了 协处理器，本质上是另一个 CPU。但效果有限，所以特化度更高的 GPU 也就诞生了。
GPU 因为 CUDA 核心／流处理器数量很多，并且内存访问速度很快，所以图形效率相比 CPU 具有优势。既然 GPU 能解决图形问题，理论上其他合适的问题，也能解决。
于是 20 世纪 90 年代就有人用 GPU 来破解 RC4 加密算法，以及用来创建人工神经网络。虽然实用性暂时还不高，但之后 GPU 的算力发展很快，快过摩尔定律。于是更多人注意到了 GPU 的优势，其中 Mark Harris 提出了 GPGPU 的概念，即通用 GPU。后来英伟达的 CUDA，正式让 GPGPU 得到厂商支持。
为 AI 打造的芯片：AI 加速器（NPU、TPU）也是特化硬件，但也有一点点的可能，发生类似 GPGPU 的情况。比如未来有人注意到了 AI 加速器对特定问题优势，于是当作特定问题的加速器使用。甚至重演游戏玩家买不到 GPU；人工神经网络从业者买不到 AI 加速器的情况。
#杂谈
