我听说过这样的说法，对于许多应用来说，GPU比多核CPU更节能，特别是在图形硬件得到充分利用的情况下。我无法找到论文，文章或描述导致该声明的特定架构特征的任何内容，或者在一组基准测试中直接比较GPU与CPU的能耗的科学研究。任何人都可以提供更多关于这种说法的支持的见解，或者指出一些显示它的证据的研究吗？
如果我不得不猜测，我会说它主要源于GPU时钟频率较低。另外，本文：
http://accel.cs.vt.edu/sites/default/files/paper/huang-hppac09-gpu.pdf
表明，部分原因是GPU只能更快地完成问题，因此即使GPU的峰值功耗更高，他们在该级别上花费的时间也比CPU短得多（同样，对于正确的问题）。任何人都可以添加更多吗？
谢谢！
答案 0 :(得分：4)
TL; DR回答：gpu中的更多晶体管实际上在计算上而不是在cpu中工作。
今天cpu的大功率效率杀手是一种权衡，允许在芯片上进行一般计算。无论是RISC，x86还是其他cpu架构，都有专用于cpu通用用途的额外硬件。这些晶体管需要电力，尽管他们没有做任何实际的数学计算。
快速cpus需要高级分支预测硬件和大型高速缓存，以避免冗长的处理，以后可能会在管道中丢弃。在大多数情况下，cpus一次执行一个指令（每个cpu核心，SIMD也帮助cpus ......），并且处理条件非常好。 Gpus依赖于对许多数据（SIMD /向量运算）执行相同的操作，并且在“if”和“for”语句中的简单条件下受到很大影响。
还有很多硬件用于获取，解码和调度指令 - 这对cpus和gpus来说都是如此。这个很大的区别在于，对于一个gpu，取指令+解码+调度晶体管与计算晶体管的比率往往要高得多。
这是关于他们的gpus如何随着时间的推移发生变化的AMD演示文稿（2011），但这确实适用于大多数gpus。 PDF link.通过了解gpus如何在某些计算中如此擅长的历史，它帮助我理解了gpus的强大优势。
我刚才回答了类似的问题。 SO Link.
答案 1 :(得分：0)
通常，这些声明可通过比较GFLOP性能和估算每个浮点运算的功率来支持，如this帖子所示。但这基本上就是你在上一句中所写的内容。
您还必须考虑到CPU和GPU架构针对不同的问题。虽然CPU核心（至少在x86上）具有深度流水线，大型指令集和非常复杂的缓存策略以迎合各种各样的问题，但GPU核心相当简单，因此功耗更低。为了弥补这一点，GPU中的计算核心比CPU中的核心要多得多。但你可能已经知道了。