GPU 圖形處理器是什麼？為什麼全世界都在搶它

新聞常說某公司又買了幾萬張 GPU，或某國家管制 GPU 出口。一張顯示卡為什麼會變成國家戰略物資？

答案在它的結構：GPU 天生適合並行計算，而 AI 訓練剛好就是海量的並行計算。

定義

GPU（Graphics Processing Unit，圖形處理器）原本用來渲染遊戲畫面，但它擁有數千個小核心，能同時處理大量簡單的計算任務。

這個結構非常適合 AI 訓練中的矩陣運算與並行計算。所以雖然它叫顯示卡，現在全地球卻都在搶它來訓練 AI。

白話比喻

CPU 核心少，大約十個，但每一個都很強，擅長複雜的邏輯運算與串列任務。它像一組博士，適合解難題。

GPU 核心多，數千個，每一個都不算聰明，但可以同時開工。它像一整間學校的學生一起算加減乘除，適合 AI 訓練與推論。

GPU 跟 CPU 差在哪

為什麼全世界都在搶 GPU

• 大模型爆發，參數越大，需要的 GPU 越多。
• 供應稀缺，先進製程加上高頻寬記憶體，產能有限而需求暴增。
• 國家戰略物資，算力被視為國力競爭力，各國搶進，出口管制升級。
• 價格飆漲，高階 GPU 價格翻倍，一張難求。

所以才有那句總結：算力即權力。它現在的角色，比較像 AI 時代的石油。

實際用例

AI 訓練中的矩陣乘法、深度學習模型訓練、大量數據併行處理、向量運算、卷積運算，這幾類 GPU 都完美勝任。

除了訓練，線上服務的即時推論同樣吃 GPU。你在對話框看到字一個一個吐出來，背後就是 GPU 在算。科學研究、自動駕駛、3D 渲染與影像剪輯也都靠它加速。

規格上最常被提到的是顯存容量與記憶體頻寬。以 NVIDIA 的資料中心產品為例，H100 屬於 Hopper 架構，B200 屬於下一代的 Blackwell 架構，記憶體容量與頻寬都明顯提升。