都有这么一种说法：cpu是大学教授，做的是高数难题；gpu是一群小学生，做的是普通加减乘除，你出小学数学gpu当然算的快，你出高数gpu就懵了。
其实有必要更深入去思考一下的差异。
gpu的起源，与其说是从cpu分裂出去，不如说是从专用到通用的改变。
在计算机初始的年代，一开始gpu的概念也不存在，显示芯片主要意义在于输出视频信号。
就连2d兴起的时候，显示芯片的运算能力也没有得到重视——那时候的2d，你在java里弄个一下不也差不多？
直到3d时代来临，一个物体要在空间里经过变换，还要进行光照处理，数学运算能力的重要性才得以体现；而且一开始这些运算也是在cpu上完成的，显卡更大的意义在于光栅化，当时的opengl1.x跑在cpu上也是很正常的情况。
gpu这个词是rce256时提出的，当时内部集成了硬件固化的t&l（光影转换）单元，故名思意就是做空间变换与光照处理，至此，gpu的浮点运算能力算是有了开端。
虽然此时显卡（gpu）的地位被稳固下来，但在很长时间以来也没有人想要拿进行对比，毕竟gpu不仅仅是运算那么简单，几何体的变换裁剪，光栅化，纹理的读取，后期aa……这些功能过于专用化，cpu只能模拟，显然是吃亏的。
当时的处理方案是显卡把运算单元划分给顶点和像素两个阶段，不同显卡为两者分配的计算资源比例不同，也使其在不同游戏下表现出不同的性能。
而到现在还能看到图形api流水线里的vs、ps阶段，一直到前几年dx10开始，gpu的架构迈入通用架构，流处理器的概念被提出，gpgpu开始兴起，gpu这才终于有了和cpu比较的基础。
从此，gpu的核心数越来越多，几十几百甚至上千。
核心多的gpu就是适合做并行量大的工作，渲染一帧画面，多边形数上百万，互不影响（理想条件），最终画面达到1080p，像素数上百万，也互不影响（理想条件），这种良好的并行负载使得gpu的架构能发挥出巨大实力。
但是cpu也并非没有这种使用场景，不然也不会从单核到双核又到四核。
……
事实上两者的单精度运算能力的确差不多，但是换成几乎完全不能并行化的工作负载，例如48个在做不同工作的线程时，结果就不一样
…。。