GPU 是什麼？GPU 概念股有哪些？黃仁勳為什麼大推 GPU？

輝達（NVIDIA, NVDA-US）創辦人兼執行長黃仁勳近日來台掀起一股 AI 旋風，日前黃仁勳受邀至台北國際電腦展（COMPUTEX 2023 ）發表演說，斷言 CPU 的時代已經結束，GPU 將取而代之 。究竟什麼是 GPU？GPU 可以應用在什麼領域？GPU 的概念股與產業現況又是如何？本篇文章帶你一探究竟！

GPU 是什麼？

GPU（Graphics Processing Unit）中文是圖形處理器，又稱為繪圖晶片、顯示晶片等，GPU 是存在於電腦或伺服器內的處理器，是一種用來執行繪圖運算的微處理器，GPU 採用的平行運算架構簡單、核心數量多，適合負責處理更專精的工作。近年來 5G 、AI、高效能運算的應用興起，伺服器的需求火燙，而伺服器中搭載的 GPU 更扮演著重要的角色。

💡延伸閱讀＞＞＞伺服器是什麼？伺服器概念股有哪些？生成式 AI 點火伺服器概念股！

GPU vs. CPU

CPU（Central Processing Unit） 中文是中央處理器，CPU 與 GPU 都是為了能讓電腦運作的硬體元件，可以將其視為運算裝置的大腦，有著相似的內部元件，包含核心、記憶體與控制單元等。CPU 負責處理電腦或作業系統中的指令與程序，可能擁有數個處理核心，CPU 會將處理核心運用在個別工作上，適合處理的工作類型相當廣泛，包括一般計算、資料庫運作等；而 GPU 擁有更小、更專業的核心，可能擁有數百或數千個處理核心，大量核心協力運作時能發揮強大的效能，並可將工作分配給更多的核心處理，在執行特定功能的運算上，GPU 的速度可能比 CPU 快 10 至 100 倍以上。

根據亞馬遜（Amazon, AMZN-US）網路服務公司的比喻，CPU 就像是一間餐館的大廚，有數百個漢堡必須被翻轉，即使大廚有辦法親自做到，但會降低整格廚房的速度，這並非利用時間的最佳方式，因此主廚使用可以平行翻轉漢堡的初級助理，GPU 就像是擁有十隻手的初級助理，可以快速翻轉漢堡。

GPU 應用領域

過去電腦、手機等裝置都是由 CPU 運作著所有功能，然而隨電競遊戲、線上影片的興起，對於影像處理能力的要求日益提高，開始出現 GPU 來負責影像顯示、 3D 彩現，讓 CPU 可以把效能發揮在其他地方，提高整體裝置的運作速度。

近年來工程師們發現 GPU 也很擅長處理圖像數據，開始被用來進行繪圖以外更多元的工作，這些 GPU 被稱為通用圖形處理器（GPGPU），搭載著大量 GPGPU 的伺服器，適合用來處理高效能運算、深度學習等高速運算需求的工作。根據繪圖晶片大廠輝達的年報顯示，GPU 的應用領域以遊戲、數據中心、車用電子為主，而 GPU 的實際應用例子如：自動駕駛系統 ADAS、智慧醫療影像設備、AR/VR 眼鏡、AI 人工智慧、加密貨幣、電競遊戲等。

💡延伸閱讀＞＞＞搞懂 ADAS 先進駕駛輔助系統與自動駕駛等級

GPU 概念股

美股 GPU 概念股為輝達、超微半導體、英特爾（Intel, INTC-US），而台股之中也有許多與 GPU 相關的概念股，近期受輝達財報亮眼，以及 AI 浪潮的推動下，GPU 概念股漲幅驚人，成為市場資金追捧的產業，以下提供熱門 GPU 概念股，供投資人參考。

以 GPU 模組指標股微星為例， 2022 年受虛擬貨幣市場崩盤影響股價修正至低點， 2022 年底受惠 ChatGPT，以及 GPU 模組產品炙手可熱，微星的股價漲幅最高超過了 66% ，相關概念股技嘉、創意、世芯-KY 等股價也有驚人的表現。以投資角度而言，若目前已經持有獲利的投資人，在 GPU 產品熱度尚未消退前，仍有獲利續抱的空間；若目前尚未進場的投資人，因 GPU 概念股股價大多已出現強烈的漲勢，應在股價回檔時再行考慮進場，或選擇技術指標尚未過熱的標的。

GPU 產業現況

根據 Global Market Insight 的數據顯示， 2022 年 GPU 市場規模為 400 億美元，預計在未來 10 會以年化成長率（CAGR）超過 25% 的速度快速成長，並在 2032 年時市場規模達到 4,000 億美元。 2022 年時，受到虛擬貨幣市場的快速萎縮，加上 PC 市場需求疲軟，GPU 銷量下滑至 20 年來的低點，價格也出現嚴重下跌，然而 2023 年起 TrenForce 預估，GPU 將持續受惠於 AI 伺服器、ChatGPT、雲端服務的快速成長，需求將持續向上成長。

💡延伸閱讀＞＞＞ChatGPT 是什麼？ChatGPT 概念股有哪些？ChatGPT 官網註冊教學！

黃仁勳為什麼大推 GPU？

近期 AI 概念題材火熱，在輝達的帶領之下，全球掀起一股 AI 浪潮，輝達執行長黃仁勳於 2023 年 5 月 29 日受邀 COMPUTEX 演說，黃仁勳指出「在相同的成本之下，CPU 每 5 年會成長 10 倍表現的定律已經走到盡頭」，代表著在先進製程晶片的縮小下，摩爾定律的發展即將走向盡頭，CPU 的發展出現瓶頸，而需要新的運算解決方案，加速運算是驅動產業成長的基石，加上深度學習的出現，造就了生成式 AI 的爆發，而發展這一切的核心就是能平行運算的 GPU。

買越多，省越多

黃仁勳認為 CPU 發展的時代已經結束，GPU 將是引領產業前進最重要的推手，GPU 表面上價格看似昂貴，但在資料中心能源供應有限的狀況下，GPU 相較於 CPU 能節省更多成本，能幫助企業長期省下更多的成本費用，黃仁勳在 COMPUTEX 的演說中表示「今天你聽不懂技術沒有關係，只要知道買越多、省越多就好」。

GPU 優缺點

在認識了許多 GPU 的相關知識後，可以發現 GPU 擁有許多可以與 CPU 相輔相成的獨特優點，然而 GPU 卻也存在著缺點或發展限制，以下列出 GPU 的優缺點。

GPU 優點

1. 高數據處理量：GPU 的平行運算架構，使其可以對大量的數據執行相同的運算操作，可以用 CPU 無法達到的速度處理大量數據。
2. 高運算效能：GPU 擁有大規模的平行架構，由更多、更小、效率更高的核心組成，能夠同時執行多項工作，有效解決了運算效能瓶頸的問題。
3. 適用於處理更專精的工作：GPU 適合被運用在執行特定的工作，例如浮點數計算、圖形處理、資料模式比對，實際的例子如深度學習、邊緣運算、高效能運算等。

GPU 缺點

1. 不適合執行通用計算工作：GPU 可以大規模的執行一項運算任務，但不時和使用在通用的計算工作。
2. 不易處理複雜任務：GPU 在執行時難以處理結構不完整的複雜任務，無法有效處理邏輯、順序或其他複雜程式。
3. 成本高昂：建構大型的 GPU 系統成本相當高，企業需投入極高的花費來購買大量的 GPU。

【延伸閱讀】

• Nvidia 輝達（NVDA）財報分析 2023 Q1
• 蘇姿豐 如何帶領 AMD 再創股價高峰？
• Nvidia 牽手聯發科強攻車聯網！入侵高通領地！