从供应商，如中央处理单元（CPU）英特尔和在较小程度上AMD在几十年的数据中心一直是主食。雷竞技电脑网站两家公司都做了出色的工作使CPU的速度更快，含有较多的内核，这样企业就能在上面运行计算密集的过程。
然而，数字技术，如深学习，人工智能（AI），虚拟现实（VR），增强现实（AR）和物联网（IOT）的互联网正在推动计算超越CPU的能力的新模式的需要。
+同时在网络世界：有个足球雷竞技appNvidia的GPU供电的自主轿车教导自己看到和转向+
雷竞技电脑网站数据中心正在进入的时代图形处理单元（GPU）的作为的数字应用“大脑”。NVIDIA其G80处理器开创了市场在90年代末所提供协同处理能力，图形重游戏等应用。一些厂商，比如英特尔，已经集成在CPU上的图形控制器和应用程序，如Microsoft Office，纸牌和扫雷工作这些伟大的。然而，任何游戏，甚至适度图形密集型需要一个独立的GPU，提供高品质的体验。
考虑两者之间的区别的一个好方法是，集成的英特尔GPU的高端甚至比不上英伟达的低端。现在，随着用户开始采用VR来体验身临大境的游戏体验，GPU开始大展宏图，与CPU和集成GPU渐行渐远。
GPU的不只是游戏
今天，gpu不只是用于游戏。NVIDIA通用gpu是为各种数据密集型工作负载而设计的，而不仅仅是图形。当自动驾驶汽车、高性能计算(HPC)工作负载、需要实时机器学习的科学分析和搜索等工作需要大量的数据处理能力时，这些处理单元就会大出茅庐。
为什么gpu比cpu更擅长处理这些呢?cpu有2、4、8甚至16个大核，而gpu有成千上万个小处理器。的确，一个单独的CPU核心会比一个单独的基于GPU的核心更胜一筹，但我们可以把GPU看作是芯片上的“网格计算”，所有处理器都并行运行，以优化它们处理大量数据的任务。这就是为什么特斯拉的自动驾驶汽车项目由NVDIA提供动力，而不是英特尔(Intel)，甚至不是专注于自动驾驶汽车的移动眼公司(Mobileye)。
+你觉得呢？与我们分享您转移到GPU的我们的Facebook页面上您的意见+
要明白，我不是说的GPU将杀死的CPU是很重要的。因为每个不同的用途优化你的计算机需要两个。CPU是需要启动计算机，是理想的长期，单线程的，复杂的任务，如Excel和Oracle。ARM处理器是完美的，当低功耗要求的场合，比如连接恒温器和家庭自动化。然而，这样的工作量在超大规模数据中心的运行和/或需要大量的数据进行搜索，然后决定迅速作出好得多由GPU的雷竞技电脑网站服务。
下面是只是一小部分是GPU供电的顶级机以学习为基础的应用程序：
- 制造业机器人
- 医疗保健分析
- 自主车
- 搜索
- 面部识别
- 星际迷航的通用转换器，也称为实时翻译
- 语音到文本
- 气流分析
有些人可能认为你的业务并不需要这种处理能力，但是这是平出不正确。事实是机器学习即将动力几乎一切，是无处不在的。我们不会进行预订在餐厅，驱动某处或旅行没有某种形式的机器学习界面的帮助我们。现实的情况是机器可以编写软件并做出决策比人更快，更好，今天的工作量需要超人的能力。图形处理器可以在只在视频游戏技术已经支持了这么久的速度一次可能做到这一点。
在达沃斯，瑞士2016年的世界经济论坛上，Salesforce的首席执行官贝尼奥夫被引述说，“速度是企业的新货币。”如果你相信这一点，那么计算的方式完成必须改变和GPU是变革。抵抗是徒劳的。