AI热潮延烧，英伟达超越英特尔登数据中心芯片龙头，GPU俨然是AI芯片代名词，与CPU的差异也受到关注。分析师表示，CPU是“通才型”处理器，却难敌大量琐碎工作，GPU可以同时大量处理简易工作，更适合AI应用情境。
中央处理器（CPU）与绘图处理器（GPU）都是处理器，是关键的计算引擎，都能处理资料。不过，CPU和GPU的架构不同，且是针对不同目的打造。
CPU是由数百万个芯片管打造而成，可能具有多个处理核心，通常被称为电脑的大脑，负责执行电脑与操作系统所需的指令与程序，理论上能完成任何计算工作，是“通才型”处理器。
GPU则是由许多更小、更专业的核心组成，擅于处理较简易的特殊工作，主要应用在电脑的图像处理，是“专才型”处理器。
市调机构集邦科技分析师钟映庭说，两者用不一样的方式处理信息，CPU是序列式，GPU则是平行计算，适合不同应用情境。所谓序列式处理是指一次完成一项工作；平行式计算则是将一项工作分成许多不同步骤，分配给多个核心同步进行，以加快计算速度。
CPU时脉速度高，能处理非常复杂的计算指令，但当被交付大量琐碎工作，虽然能够处理，却会浪费太多时间。亚马逊网络服务公司举例，CPU就像一间餐厅的大厨，能够将数百个汉堡排翻面，但要耗费大量时间；如果将任务交给拥有很多手的助理，即GPU，就可以快速完成。
分析师王兆立表示，当前AI应用以深度学习为主，其中的算法会用到大量的平行计算，是GPU较适合的应用情境，因此在AI的时代，GPU的重要性会大过于CPU。
英特尔（Intel）与超微（AMD）是CPU主要供应商，英伟达是GPU龙头。随着微软等大厂争相抢进AI领域，英伟达被视为将是这波AI掏金热中卖铲子的最大受惠者。
王兆立指出，由于GPU不便宜，能效也较差，若应用场域明确，需求量大，即可开发功能较简单的特殊应用芯片（ASIC），会较省电，性能也会较好，如Google即为机器学习开发专用处理器，阿里巴巴及百度也都自行研发AI芯片。
随着AI应用日益扩大，包括智能工厂、智能车、安防等，王兆立预期，未来AI应用也将扩及电脑及智能手机等终端设备，专用AI芯片势将增多。
由于AI芯片多采用先进半导体制程技术，成本高昂，且一旦算法改变，芯片就不一定适用，具高风险。王兆立认为，这是有意自行开发芯片的厂商需要评估考量的地方。
