把電腦想像成一間廚房。有些工作需要一位什麼都會做的高手主廚，來者不拒；有些工作則需要一大群人同時做同一件簡單的事。這就是 CPU 與 GPU 的差別——兩種處理器，為完全相反的工作型態而生。
CPU（central processing unit，中央處理器）是電腦裡的全能選手。它只有少數幾顆非常強大的核心，通常在 4 到 64 顆之間，很擅長把複雜的工作一件接一件、快速地完成。跑作業系統、開啟應用程式、在程式裡做各種判斷，都是 CPU 的工作。它是通才，可以在完全不同的任務之間瞬間切換。
GPU（graphics processing unit，圖形處理器）則是相反類型的專家。它不是幾顆強核，而是塞進了數百甚至上千顆比較小、比較單純的核心。每一顆都比 CPU 的核心弱，但把它們湊在一起，就能同時對一大堆資料做同一種運算。這種本領叫做平行處理（parallel processing）。
回到廚房的比喻最好懂。CPU 就像一位專家主廚，能接下五花八門的訂單，每道菜都又快又好地一道一道做完。GPU 則像一百個只會煎漢堡排的煎台廚師（line cooks），但可以一次煎一百塊。若只是一道複雜的料理，主廚勝出；但要一次做出一萬個一模一樣的漢堡，一整組廚師輕鬆完勝。
這個畫面點出了真正的取捨。CPU 是為了低延遲（low latency）而設計，意思是把任一件任務完成的時間壓到最低。GPU 則是為了高吞吐量（high throughput）而設計，意思是能一次咬下超大量的資料，即使每一小塊處理起來稍微慢一點也沒關係。規格也看得出來：CPU 核心跑得快，時脈可以到大約 5 GHz，但數量少；GPU 核心跑得慢，大約在 1 到 2 GHz，但數量有上千顆。
所以兩者各有拿手的舞台。CPU 負責日常運算：跑作業系統、處理邏輯與判斷，以及任何必須嚴格照步驟走的工作。GPU 則是在同一種計算要對成山的資料反覆執行時發光發熱，例如畫出遊戲裡的每一個像素、剪影片、訓練 AI 模型，或跑科學模擬。
不過它們其實不是對手，而是隊友。每台電腦都需要 CPU 才能運作，GPU 則是額外的幫手，由 CPU 把大量平行的工作交給它處理。你在玩現代遊戲或跑 AI 工具時，CPU 負責掌控整體流程，把繁重的數字運算交給 GPU。兩者搭配，剛好把兩種工作都包了下來。以下是一張快速對照表：
| CPU | GPU | |
|---|---|---|
| 核心數 | 少（約 4–64 顆），強大 | 多（數百到數千顆），較單純 |
| 工作方式 | 序列——一次做一件 | 平行——同時做很多件 |
| 最佳化方向 | 低延遲（單件任務快速完成） | 高吞吐量（一次吃下大量資料） |
| 最拿手 | 作業系統、邏輯、五花八門的逐步任務 | 圖形、影片、AI、模擬 |
參考資料
- GPU vs CPU – Difference Between Processing Units (AWS)（GPU 與 CPU——處理單元的差別（AWS））
- Difference between CPU and GPU – GeeksforGeeks（CPU 與 GPU 的差別－GeeksforGeeks）
- CPU vs GPU: How They Work and When to Use Them – DataCamp（CPU 與 GPU：運作方式與使用時機－DataCamp）
延伸閱讀
- 為什麼 GPU 在訓練人工智慧上變得這麼重要？
- 什麼是 CPU 的「核心」？在它之上加上的「執行緒」又是什麼？
- 玩電玩的時候，CPU 和 GPU 是怎麼分工的？
- TPU 是什麼？它和 GPU 有什麼不同？
- 為什麼不乾脆做一顆有上千核心的 CPU，還要另外用 GPU？