是什么

GPU（Graphics Processing Unit，图形处理器）最初是为渲染 3D 游戏画面而生的芯片。与擅长复杂串行任务的 CPU 不同，GPU 由成千上万个相对简单的核心组成，专长是「同一种运算同时算很多遍」的 大规模并行计算。神经网络的训练与推理，本质上是海量的矩阵乘加运算，正好落在 GPU 的强项上——这让一类原本服务于游戏玩家的芯片，意外成为 AI 时代最紧俏的算力。

为什么重要

2012 年，多伦多大学团队用两块英伟达显卡训练出深度神经网络 AlexNet，引爆了这一轮深度学习浪潮，也验证了 GPU 是训练 AI 的最佳引擎。此后，英伟达 持续把 GPU 往 AI 方向强化（张量核心、高带宽显存、高速互连），并借 CUDA 软件生态形成深厚护城河。到大模型时代，高端 GPU 成了「硬通货」，其供给、价格与出口管制，直接牵动整个 AI 产业的算力供应。理解 GPU，是理解「AI 为什么这么烧钱、为什么算力这么关键」的起点。

在 AI 产业链中的位置

GPU 处在 AI 产业链的 芯片 层，是这一层最核心的产品形态。它向下消耗 能源 与晶圆制造产能，向上被 基础设施 层组装成算力集群、再支撑 模型 层的训练与推理。正因为几乎每一个上层应用最终都要落到 GPU 上，它也成了产业链里被追逐得最凶的一环。