CPU（中央處理單元）與GPU（圖形處理單元）協同工作，以增加應用程序中的數據吞吐量和并發計算數量。GPU最初設計用于為計算機圖形和視頻游戲機創建圖像，但自2010年初以來，GPU也可用于加速涉及海量數據的計算。

CPU永遠無法被GPU完全取代：GPU通過允許應用程序中的重復計算并行運行而主程序繼續在CPU上運行來補充CPU架構。CPU可以被認為是整個系統的任務主管，協調范圍廣泛的通用計算任務，而 GPU 執行范圍更小的更專業的任務（通常是數學）。與CPU相比，GPU 可以利用并行的強大功能在相同的時間內完成更多的工作。

CPU和GPU架構之間的主要區別在于：

1、CPU旨在快速處理各種任務（以CPU時鐘速度衡量），但在可運行的任務的并發性方面受到限制，GPU 旨在同時快速渲染高分辨率圖像和視頻。

2、由于GPU可以對多組數據進行并行運算，因此它們也常用于機器學習和科學計算等非圖形任務。GPU設計有數千個同時運行的處理器內核，可實現大規模并行處理，其中每個內核都專注于進行高效計算。

由于大規模并行性，GPU 處理數據的速度比CPU快幾個數量級，但 GPU的通用性不如CPU。CPU 具有龐大而廣泛的指令集，可以管理計算機的每個輸入和輸出，這是GPU無法做到的。在服務器環境中，可能有24到48個非常快的CPU內核。向同一臺服務器添加4到8個GPU可以提供多達40,000個額外的內核。雖然單個CPU內核比單個GPU內核更快（以CPU時鐘速度衡量）和更智能（以可用指令集衡量），但GPU內核的絕對數量和它們提供的大量并行性不僅僅是單一的-核心時鐘速度差異和有限的指令集。

3、GPU最適合重復性和高度并行的計算任務。除了視頻渲染之外，GPU 在機器學習、金融模擬和風險建模以及許多其他類型的科學計算方面也表現出色。雖然在過去幾年中，GPU 用于挖掘比特幣或以太坊等加密貨幣，但 GPU 通常不再大規模使用，取而代之的是現場可編程網格陣列 (FPGA) 等專用硬件，然后是專用集成電路 (ASIC)。

以上就是cpu與gpu的區別。