一文搞懂什么是GPU、什么是CUDA（通俗易懂版）
一文搞懂什么是GPU、什么是CUDA（通俗易懂版）
身处AI时代的我们，想必都听过"GPU"、"英伟达"。但是真正了解GPU的人，可能并不多。本文通过与chatGLM的对话，深入探讨了GPU的重要性、设计初衷及其在AI训练和推理中的应用，同时介绍了CUDA平台及其对GPU计算能力的扩展。通过深入了解GPU和CUDA，读者可以更加明晰当前AI技术发展的趋势和需求，以及如何利用这些技术推动行业的前进。
一、GPU是什么？为什么需要GPU？
众所周知，在电脑里，有个充当"脑子"的东西，叫做：CPU（中央处理单元），它能够进行各种计算任务，包括图像处理和数据分析。
那么，为什么做深度学习、搞AI模型的团队，非得用GPU呢？
答案很简单：快！具体来说，是因为GPU能够进行并行计算。
1. GPU的设计初衷——为了加速图形计算和图形渲染
背景：在20世纪90年代，计算机游戏和多媒体内容的兴起，对于能够快速生成复杂3D图形的硬件需求日益增长，而那时的CPU只能顺序执行指令。
2. 为什么图像图形计算需要并行运算？
并行计算提效的原因：一个工人一个点一个点喷涂 v.s. 一堆工人同时喷涂。
图形计算与渲染需要计算每个像素点的亮度、颜色等数值，如果一个点一个点顺序执行，那太慢，而并行运算就快很多啦。——GPU 有多个核。
下面这张图更直接：
3. 为何AI训练、AI推理等深度学习任务，也需要高性能运算？为何选GPU？
在AI推理中，有很多重复性的计算，比如大量的加减乘除运算。
在AI深度学习任务中，建模的目标就是：求解目标函数。——而目标函数求解，需要求解出每个特征对应的参数。——比如现在的AI大模型，动不动10亿级别、百亿级别参数量级。
图：目标函数示例
所以，需要提高训练和在线推理性能的东西。——那有个现成的东西：GPU。可以拿来即用。
GPU的应用场景，也由最初的"加速图形渲染"，演变到了现在的"通用计算"场景。
二、什么是CUDA？
CUDA，是在英伟达Ian Buck（CUDA项目负责人）率领下，于2006年正式推出的全球首款GPU上的通用计算解决方案。可以理解为，它是一个软件平台，里面包含各种库函数，包括：图形库、数学库、深度学习库、runtime库等；个人理解，CUDA它就是实现AI深度学习任务的一个软件平台或框架，类似的还有Pytorch、Tensorflow。
三、除了英伟达的V100、A100、H100等GPU，还有哪些厂家有哪些GPU？
1. 国外除了英伟达做AI芯片的厂商，还有：
数据来源：chatGLM-2024年7月.
2. 国内做AI算力的厂商，以华为昇腾为主力代表，其它厂家还有：
遂原科技（腾讯投资）、地平线、寒武纪、百度（昆仑芯片）、比特大陆、中科曙光、海光、壁仞科技、摩尔线程（GPU芯片"春晓"）、砺算科技（G100）、象帝先（天钧一号）、智绘微（IDM9系列）、芯动力（RPP-R8）等等；
更多国产算力芯片厂商，可详见这篇文章：GPU国产替代逆流而上 盘点九个值得关注的国产GPU产品（https://new.qq.com/rain/a/20230108A00HNE00），或者自行翻一翻历年的《算力行业研究报告》~
四、本文参考资料
1、一文读懂 GPU 的发展历程：https://juejin.cn/post/7125824952342675464
2、英伟达为什么这么红：说说GPU计算背后的故事：https://new.qq.com/rain/a/20230108A00HNE00
3、GPU国产替代逆流而上 盘点九个值得关注的国产GPU产品：https://new.qq.com/rain/a/20230108A00HNE00