量空間，還要有複雜的控制邏輯和優化電路，相比之下計算能力只是cpu很小的一部分。

    林奇當即翻開腦海深處的記憶宮殿裏批量掃描的晶片設計書籍，仔細翻開gpu部分，原先的10-20%的計算單元一下子被提升至80-90%佔比。

    原先cpu也確實有強大的alu(算術運算單元），能夠在很少的時鐘周期完成算術運算，想雙精度浮點運算的加減乘數，都只需要幾個始終周期而已，而cpu的時鐘周期，已經到了幾g赫茲的恐怖地步，也就是一秒內的運算周期，是十的九次方級別。

    理想總是很美好，這也是林奇痴迷cpu的關鍵點。

    然而，相比較起來，gpu則基於大規模吞吐量來設計，alu模塊極多而緩存極少，甚至緩存的作用只是為了管理線程而服務，如果多個線程需要一個數據，那麼緩存便會合併這些訪問，然後再去訪問儲存數據。

    世面上的cpu再多核也不會超過兩位數，每個核都有足夠大的緩存和足夠多的數字和邏輯運算單元，並輔助有很多加速分支判斷甚至更複雜的邏輯判斷的硬件。、

    而gpu的核數遠超，像是nvidia fermi便有512個核。

    每個核擁有的緩存大小相對小，數字邏輯運算單元也少而簡單。

    因此比起擅長邏輯控制串行運算，更加通用的cpu而言，gpu反而擅長大規模的並發計算。

    應用場景也更為苛刻——密碼破解、圖像處理，並行計算這些。

    所以才成為礦機之源。

    哎！

    林奇忍不住嘆息。

    他還是先入為主了！

    就如同油車和電車，曾經林奇也無比瞧不起電車，絕對它沒有油門的轟鳴，一點都沒有機械美感，可直到他正式開上這麼一回，才明白到零延時的電門響應與單踏板控制是多麼順滑的事情。

    cpu的工作是傻乎乎，是計算量大而沒有半點計算含量，就單純的重複計算。

    就好比如果有一個工作要上億次計算簡單的加減乘除一樣，而這些計算相互間獨立沒有規律，那麼一群小學生的效率，絕對比一位大教授來的迅捷。

    想到這裏，林奇也不禁大罵自己傻乎乎地拍了拍腦門！

    法術不就是這種應用場景？

    他之前到底是豬油蒙了心還是哪裏想不開。

    多快好省，人海戰術，這麼簡單的原理他都忘了？

    就好比他曾經還無比奇怪，以為密碼破解器是攻破軟件的深層邏輯，直接編譯出內在的密碼，後來才知道，所謂破解不過是用無數常用的密碼去碾壓一會。

    因此這種「ppnn13%dkstfeb.1st」（娉娉裊裊十三餘，豆蔻梢頭二月初）才能夠扛得起各種破解打擊。

    gpu這種簡單而精簡重複的架構，反而方便他開發複製。

    最初gpu的設計出現之基，便是為了視頻遊戲而生，乃至後來也都是為了視頻與遊戲市場而不斷升級。

    它們最初為了解決的問題，都是對三維遊戲裏的海量數據進行相同操作，諸如對每個頂點進行坐標變換，然後根據同樣的光照模型計算顏色。

    這不就是法術數據進行重複的計算，不斷收斂到精準？

    慢慢地，林奇整個心神都沉浸了下來，開始翻閱着gpu構架的書籍，重新梳理起自己新的處理器設計藍圖。

    夢想照進現實，僅僅一步之遙。