GPU(图形处理单元)和CPU(中央处理单元)是计算机中两种不同类型的处理器，它们在设计和功能上有很大的区别。
CPU是计算机的大脑，专门用于执行各种通用任务，如操作系统管理、数据处理、多任务处理等。它的架构设计旨在适应多种任务，具有较少的核心，但每个核心非常强大且灵活。
GPU最初是为图形渲染和图像处理而设计的，因此其架构包含大量的小核心，适合并行处理。这些核心可以同时处理多个相似的任务，使其在某些计算任务中表现得比CPU更高效.
所以，CPU核心数少、GPU核心数多:CPU适合做各种复杂任务，GPU适合做重复性的计算任务
GPU拥有大量的核心，可以同时处理多个任务。这使得GPU在同时进行大量相似计算时非常出色。
举个例子，CPU更像是一个诸葛亮，能文能武，什么都能做。GPU就像是一群臭皮匠，虽然没那么聪明，但是优势在于人多，能干很多重复性的劳动。比如重复性的数学计算。
而我们熟知的，挖矿和大模型训练，都符合GPU适合的那种重复性计算工作。
挖矿:加密货币挖矿通常涉及大量的计算密集型任务，这些任务可以通过并行处理来加速。GPU由于其并行处理能力，能够在挖矿过程中执行多个计算任务，从而提高挖矿效率。
大模型训练:训练深度学习模型涉及大量的矩阵运算和神经网络计算，这些计算可以有效地并行化。由于GPU在并行计算方面的出色表现，它们在加速深度学习训练过程中发挥了关键作用。大模型的训练可以分解成许多小任务，这些任务可以在GPU的多个核心上同时进行，从而显著加快训练速度。
