GPU（例如 NVidia）由流式多处理器组成，这些多处理器由流式处理器或 CUDA 核心阵列组成。V100 上有 5120 个 CUDA 核心。通用 CPU（例如 Intel）最多只有 48 个核心。
GPU 核心与 CPU 核心有何不同？两者的区别主要在于支持的指令集吗？CUDA 核心的频率是多少？
编辑
CPU 上的矢量寄存器操作是单指令多数据 (SIMD)，GPU 上分布在网格/线程块/线程之间的内核是单指令多线程 (SIMT)。我们可以说 GPU 只是一个 SIMT 设备吗？数据呢？并行运行的不同线程是否将相同的内核应用于不同的数据集？那么似乎 GPU 同时执行 SIMD 和 SIMT。你想发表评论吗？
答案1
CPU 是一种比 GPU 更通用的机器。我们可能会将 GPU 称为“通用”GPU，但它们的优势不同。
CPU 核心能够执行各种各样的操作，并处理（在所有意图上都可以被认为是）随机分支操作说明流。多个程序都在争夺处理器时间，并由操作系统控制。它们尽可能多地缓存和预测，同时仍试图保持处理指令流突然变化的能力。
另一方面，GPU 是设计用来处理数据流。它们的处理器设计用于处理可能大量的数据，并执行一系列小指令（着色器程序）。高清、2k 和 4k 屏幕包含大量像素，着色器必须连续运行每个像素上的程序才能实现特定效果。为此，它们的程序（与 CPU 相比）更小，每个核心的缓存也更小，但其内存带宽却快得多。
他们也许能够通过适当的编程完成同样的任务，但指示对比数据处理是 CPU 与 GPU 的区别。
因此，它们的核心设计是为了发挥这些优势。长期以来，GPU 着色器核心的运行速度约为 1-2GHz（现代英特尔图形核心列出它们的速度为 500MHz 至 1.5GHz)，而 CPU 的频率则在 1.5 至 4GHz 甚至更高。
指令处理更多地受益于单个单元的速度，因为将指令流分解为多个流可能很困难甚至不可能，因此 CPU 需要更快才能更快地处理指令。问题是，核心运行得越快，它产生的热量就越多，因此运行速度就会受到限制。（还有其他技术限制会影响时钟速度，但这是另一回事。）
另一方面，数据处理适合在不同的数据集和并行性上运行相同的任务（程序），因此，投入任务的核心越多越好。以较慢的速度运行核心会产生较少的热量。较少的热量意味着您可以投入更多核心，从而提高数据吞吐量。因此，数据任务受益于与 CPU 不同（更小、更精简）的核心类型。
最终结果是我们拥有两种不同类型的处理器。一种针对通用指令流，另一种针对批量数据处理。
答案2
如今，CPU 核心通常被称为 gpCPU 核心 -G一般页目的 CPU 核心。这指出了巨大的差异：gpCPU 核心经过优化，可以相当好地完成很多事情，而 GPU 核心则设计为非常非常好地完成一件事（基本上是浮点 SIMD）。
GPU 核心对 IO、缓存一致性及其相关功能几乎一无所知，因此其整数性能很一般。
对于 FP SIMD 工作负载，GPU 是一个出色的加速器：将 gpCPU 视为管理器，将 GPU 核心视为工作者。两者都是完成工作所必需的，并且两者都专门负责其角色。