我試圖了解 CPU 與 GPU 的相對優勢。
引用流行的觀點，“核心越多越好”，所以按照這個邏輯，GPU 應該總是優於CPU，加密貨幣挖掘和量化金融也是如此，因為我剛剛編寫了一個快速程序，可以計算極端的隱含波動率我的 GPU 時間與 CPU 時間的一小部分。
但當我一直在調查這個主題時，我遇到類似的問答這。
如果這個問題可能太寬泛，我深表歉意，但我只接受過基本的電氣工程培訓，並且想知道是否有一個銀彈解釋來解釋為什麼對於正常任務（例如鏈接中描述的任務），CPU 比GPU更受青睞問答：“分支預測、流水線、超級縮放器等”
（作為獎勵，這句話的意思是什麼：「此外，所需的演算法不必處理分支，因為幾乎任何所需的分支都可以透過將係數設為零或一來實現。」）
答案1
GPU 的架構旨在處理向量演算法和程序，例如特別針對圖形的數學計算，它不會進行大量分支和跳轉，而是更關心通過處理器的資料流。因此，它更加精簡，而通用 CPU 具有不同的架構，可以更好地處理跳躍和分支，但會犧牲資料流。
如果您查看這兩種 CPU 類型的佈局，您會發現它們的不同之處。
（我知道這個答案有點蹩腳，但我剛醒來，距離我完成處理器設計已經很多年了。）
答案2
我認為您連結的問題中的第二個答案（不是已接受的答案，而是獲得最多選票的答案）寫得很好並且足夠詳細。
如果您願意更深入地了解其中提到的概念，我認為您最好針對每個概念提出單獨的問題（並解釋您到底不理解什麼）。原因是這些概念既是建築學的又是微建築學的，它們在任何可接受的水平上的描述都需要一個單獨的問題。
打個比方，您可以將 CPU 視為一把瑞士刀 - 它可以做很多事情，並且在任何情況下都會很有幫助。然而，如果您知道自己要為 300 人切一份沙拉，那麼任何菜刀都會勝過最先進的瑞士刀。 GPU是一把菜刀。
CPU 更適合「普通」使用者執行的各種任務。但是，如果使用者知道該任務需要大量數學計算，則應考慮 GPU。如果該任務除了數學計算之外還可以並行——該任務可以被標記為「GPU定制」。