SIMT 模型 + 为什么GPU适合大规模并行 + 延迟(Latency) vs 吞吐量(Throughput)设计取向一、为什么要先搞懂这个？不理解会踩什么坑1.1 用 CPU 思维写 CUDA 代码会遇到的问题CPU程序员的直觉： "核心数量多 = 好，能同时干的事多" "线程越少越好控制，线程切换有开销要尽量避免" "缓存命中率要尽量高，这是性能优化的核心" 拿这套直觉直接套在GPU上，会出现的困惑： 为什么GPU程序动不动就要启动几千几万个线程？ （CPU上几千个线程早就把系统拖死了） 为什么单个GPU线程执行得比CPU线程慢很多，但总体反而更快？ 为什么GPU的"核心"（CUDA Core）性能远不如CPU的一个核心？ 问题根源： CPU和GPU压根不是在优化同一个目标， 不先搞清楚这个目标差异，后面学的Warp、Occupancy、 内存合并访问全都会觉得"莫名其妙为什么要这样设计"1.2 一句话先立住CPU 的设计目标：让"一件事"尽快做完 → 延迟优化（Latency-oriented） GPU 的设计目标：让"一大堆同类的事"尽快做完 → 吞吐量优化（Throughput-oriented） 这不是谁比谁"强"，是针对不同问题形状的两种截然不同的工程取舍。 CPU擅长的场景GPU干不好，GPU擅长的场景CPU干不好，两者互补而非替代。二、CPU 的设计取向：把"单个任务"做到最快2.1 核心设计目标CPU 面对的典型场景