图形计算是GPU的拿手绝活。当我们拖动鼠标时，GPU将需要显示的图形内容计算后呈现在屏幕上；当我们打开播放器观看电影时，GPU将压缩后的视频信息解码为原始数据；当我们玩游戏时，GPU将游戏画面计算并生成出来。轻点鼠标的背后，是复杂的处理过程，包括顶点读入、顶点渲染、图元装配、光栅化、像素渲染等。[5]
图形GPU广泛应用于游戏、图像处理和加密货币等场景，关注图像学的帧数、渲染逼真度、真实场景映射度等参数指标。[6]
对图形API定义的流水线实现硬件加速的不同阶段，制表丨果壳硬科技
参考资料丨《计算机体系结构基础》[5]
通用计算是GPU并行计算优势的最佳体现。科学家和工程师发现，只要数据以图形形式存在，并将GPU基础上增加部分通用计算能力，GPU就能胜任各种高性能模计算任务，也就是行业所说的通用GPU（GPGPU，General-Purpose Graphics Processing Unit）。本质上，通用GPU还是一种GPU，不过它会针对高性能计算、AI开发及许多其他惊人的突破上定制和靠拢，因此所使用的训练集更大、训练时间更短、分类/预测/推理功率更低、占用基础设施更少。[7]
通用GPU主要应用在大规模人工智能计算、数据中心及超算等场景，以支持更大的数据量和并发吞吐量。[6]
两大功能的背后，是一部漫长的发展史。
1962年， Ivan Sutherland（伊凡·苏泽兰）的论文《SketchPad：图形化人机交流》和他录制的Sketchpad操作视频成为定义现代计算机图形学的基础[8]。之后的20年内，受精度和运行强度等限制，彼时的显卡仅仅是将CPU计算生成的图形翻译成显示信号，所以只能称作图形适配器（VGA Card）[9]。直到IBM在1984年推出了MDA和CGA两款2D显卡，才意味着行业产生雏形，虽然放到现在两款产品只能算作是丑小鸭，但却标志着GPU开始走向与CPU分庭抗礼之路。
上世纪90年代，3D图形加速兴起。历史上第一块真正意义的3D图形加速卡Voodoo问世后，S3又推出第一款同时拥有2D和3D图形处理能力的显卡S3 Virge[10]，此后行业便开始多点开花，逐渐诞生出NVIDIA的NV1、Matrox的Mlennium、Mystique、PowerVR的PCX1等优秀产品，一度显现出百家争鸣的盛况。繁华过后，便是残酷的大鱼吞小鱼式并购和行业整合，形成英伟达、AMD两家独大的格局。自此之后，GPU也开启了跨越式的迭代之路。
独立显卡发展历史，制表丨果壳硬科技
参考资料丨IEEE Computer SOCIETY[11]，英伟达官网[12]，公开资料
GPU的通用性，是在迭代中逐渐表露出来的。20世纪90年代到21世纪初，为应对更为复杂和大量的图形计算问题，GPU模式不再为固定图形流水线模式，处于图形流水线中的顶点处理器、几何处理器、像素与子素处理器的可编程性得到增强，表现出通用计算能力。随后，为解决GPU片内负载均衡问题，统一渲染处理器（Shader Processor）取代了各种可编程部件，同时流处理器（一种流计算模型上充分考虑并发和通信的计算体系）的应用奠定GPU通用计算的基础。[13]
