查看“︁图形处理器”︁的源代码

图形处理器（Graphics Processing Unit，简称 GPU），亦称显示核心、视觉处理器或显示芯片，是一种专门设计用于在个人电脑、工作站、游戏机及移动设备上加速图像运算与画面渲染的微处理器。随半导体工艺与计算架构的演进，GPU 的功能已由最初的简单二维图像输出转变为高度并行的通用计算中枢。现代 GPU 利用其海量的逻辑运算单元，在图形渲染、物理现象模拟、人工智能模型训练及高性能计算（HPC）等领域发挥核心作用，成为异构计算体系结构中的关键组成部分。

现代图形处理器的物理架构遵循大规模并行设计的哲学，其内部由数以千计的小型计算单元协同工作，以实现极高的数据吞吐量。核心单元作为架构中执行基础计算任务的主要载体，在图形处理流程中承担顶点处理、像素着色及浮点运算等职能。核心数量的规模直接划定了设备的并行处理极限。在特定微架构中，通量核心负责高阶逻辑处理与算力引导；虽然在常规渲染任务中往往处于低负载状态，但在科学计算与深度学习等非图形类任务中，通量核心会接管流水线控制逻辑，以确保在极端负载条件下计算过程的稳定性。位于渲染流水线末端的光栅单元负责将矢量计算数据转化为二维像素信息，并执行抗锯齿、混合与深度测试等最终处理，其规模与效率直接关系到高分辨率环境下的像素填充率表现。

GPU 内部的计算资源分配通过高度复杂的调度单元进行控制，核心数与调度器的配比关系反映了微架构的设计倾向。高精度架构通常采用较低的调度比值，其优势在于资源分配精度高且单核效能强，能够提供较为平稳的帧生成时间。然而，这种设计导致调度逻辑复杂化，指令延迟相对较高，在特定任务下可能出现排队等待现象。相比之下，高吞吐架构倾向于提高调度比值，通过缩短指令分发链路来提升瞬时响应速度，在处理简单且高度重复的运算时效率极高。但该设计的代价是单核等效性能较低，在处理复杂逻辑分支时可能产生性能波动，且伴随较高的能耗与瞬时发热。

为支撑大规模并行计算所需的数据吞吐，图形处理器配备了独立的高速随机存取存储器，即显存系统，用于存储纹理贴图、顶点数据、缓冲帧及运算中间值。显存系统的效能由核心频率、显存等效频率及位宽共同决定，其中位宽代表了单个时钟周期内并行传输的数据量。显存带宽作为衡量数据交换能力的关键指标，直接决定了 GPU 在执行高分辨率渲染或处理大规模数据集时的效率上限。显存带宽的理论计算方式如下：

<math>\text{显存带宽} = \frac{\text{显存等效频率} \times \text{显存位宽}}{8000}</math>

当显存带宽充足时，GPU 在进行高分辨率图像渲染和大规模矩阵运算等连续内存访问任务时的性能瓶颈将得到有效缓解。

由于图形处理器内部集成了数十亿计的晶体管，其在全负载运作状态下会产生显著的热能。功耗随核心密度的增加及调度频率的提升呈非线性增长趋势。当核心温度触及硬件预设的安全阈值时，固件会触发热保护机制，通过强制降低运行频率以减少发热，这一现象被称为“降频”，会导致计算性能出现断崖式下跌。因此，物理层面的热管理模组——包括但不限于高热导率散热片、复合热管、高压风扇或液冷循环系统——已成为维持 GPU 长时间高效率运行的物理前提。