老实说我也难以确切记起究竟是自哪一日起始电脑显卡的价格便如同乘坐了火箭那般。可能就连楼下从事修电脑工作的陈师傅都未曾想到在过去几年的时候还能够运用“甜品卡”这个词汇去夸赞一张显卡在性价比方面较高然而现如今就连“甜品”这两个字都已然成为了回忆。要是你真的打算去购买一张能够顺畅运行AI模型的显卡那么钱包不瘦个两三斤根本是无法达成的。这番背后究竟出现了什么状况呢确切来讲完全是源于一个词汇——图形处理器运算力。什么是GPU算力真的比CPU厉害那么多吗咱先别急于去翻动那些技术手册来说一个在程序员群体当中流传开来的陈旧笑话。讲的是有那么一天中央处理器和图形处理器打了个赌赌的是谁能够在一秒钟之内创作出来数量最多的”我爱编程“这句代码。中央处理器轻轻一笑一下子就写出了一条。图形处理器瞅了一眼之后直接招呼了一万个小弟让每个人都各自写一句写完了之后还对着中央处理器发问”你那个要不要添加字体要不要添加颜色呀我这儿还能够给你生成一个彩虹版本呢。“。虽然是个段子但道理就藏在里头。CPU也就是中央处理器好似一位全能学霸微积分、英语、物理这些都能应对然而一次仅能解答一道题目。那GPU即图形处理器它更如同整整一班的学生虽说每个人只会做最为简单的加减法可是他们能够同时运算一万道题目。这就是所谓的“并行计算”。GPU算力简单来讲就是那种“一万人同时做简单题”的能力它和CPU不一样CPU追求的是单道题的解题速度而它追求的是“同时能算多少道题”这个数量在技术文档里通常是用“每秒浮点运算次数”也就是FLOPS来衡量的截至2025年底一张顶级的消费级显卡单精度浮点算力已经突破了每秒100万亿次没错你没看错是“万亿”这个单位。为什么AI训练非要GPU不可这问题其实挺有意思的。网上或许你浏览过提及训练一个 AI 模型讲确切点是大语言模型需动用几千张乃至上万张显卡。头一回听闻此情况之时自己也着实吃了一惊——如此想来搞 AI 并非是耗费脑力而是在耗费显卡呀但事实就是这样。AI训练的实质实际上就是矩阵乘法你听闻过的全部大模型不管是用于回答问题还是用于画图其底层皆是无数个矩阵在极度疯狂地进行相乘、相加而矩阵乘法这种情况恰恰就是GPU最为擅长去做的事情。比如说假定你存在着一个规模为1000乘以1000的矩阵需要同另外一个规模为1000乘以1000的矩阵进行乘法运算 要是运用CPU它仅仅能够逐个元素地去计算计算完毕之后或许需要耗费几毫秒甚至有可能达到几十毫秒。然而对于GPU而言呢 它能够将矩阵切割成数量众多的小块 交付给那一万个 “学生” 同时展开计算 说不定几百微秒就能够计算完成了。在训练一个模型时这个模型需要处理数万亿个token而对于它来说这时间差距就成了天壤之别。算力这么强那玩游戏是不是过剩了这话放在十年前可能还有争议。但现在你瞧一瞧当下游戏的分辨率情况4K已然成为了标准配置8K也正朝着这个方向发展。更不必说光追了光线追踪技术从本质上来说乃是在对真实的物理光线传播路径予以模拟每一束光线都关联着大量的浮点运算。倘若你将光追效果全部开启并且再设置为4K分辨率一张显卡的显存带宽以及算力瞬间就会被填满。再顺带讲一下截止至二零二五年的第四个季度在市面上存有支持硬件层面光追表现的游戏已然超出了三百款。而这样个数目于二零二零年的时候还未达到六十款。所以并非是算力过剩恰恰相反游戏之于算力存在需求图形渲染对于算力也有着需求而这种需求宛如深不见底的洞穴。为什么现在显卡越来越贵算力真的供不应求吗来咱们聊点现实的。说个数据是我前些日子于二手平台瞅见的有一款旗舰级消费显卡其于2023年得以发布官方所建议的零售价格为15999元。然而在二手交易市场当中它的成交价格一度被炒作至22000元以上。溢价近乎达到40%。这种价格狂涨的原因其实不完全是玩家在抢。而更多的情况是与之争抢高校实验室也在争抢甚至个人开发者同样在争抢。原因在于企业级的数据中心显卡像那种价格动辄几十万一张的A100系列、H100系列根本不是普通之人能够触及的。所以许多人便将目光转向了消费级显卡虽说其精度稍差些不过数量充足能满足需求性价比颇高。按照我所见到的行业统计情况来看在2024年中国大陆区域市场所销售的消费级显卡当中大概有18%的货物最终是朝着小型AI训练或者推理场景去的。而这个数字在2019年的时候还达不到3%。个人买显卡跑AI划算吗这得分情况说。要是你仅仅是开展一些轻量级的推理任务像是去调试自身的小型模型、运行 进行图片绘制那么购置一张处于中高端级别的消费级显卡实际上是能够满足需求的花费呢大约处在五千至一万的区间之内。不过要是你打算亲自从起始点开始训练一个模型哪怕它仅仅是个规模处于中等程度的那可行性就不怎么高了。原因在于训练牵扯到数量众多的出错尝试以及反复修正。你或许运行一次就得耗费几个小时甚至是几天的时间里面包含电费、显卡损耗费用、时间方面的成本——全面计算下来倒不如直接去购置云GPU服务更划算。基于2025年第一季度所查找的一份市场报价来看租用含一张A100 80GB显卡的云服务其计费方式为按小时计算费用大概是28到35块钱。倘若你仅仅进行短期实验这种模式明显在经济考量上相较于购买显卡划算许多。以后GPU算力会越来越集中吗这是个值得思考的问题。现下有一种趋势愈发显著那便是大厂构建超大规模的算力集群而普通人和小公司唯有去租赁算力正逐渐演变成如同电力以及自来水那般的基础设施。此等模式究竟好不好是好的缘由在于它使得门槛得以降低。然而这也让人略微存有担忧——倘若算力全然集中于几家公司之手那么AI领域的创新是否也会逐渐变得集中起来我并非很愿意给出一个确定不移的答案。我仅能讲这个问题于诸多科技论坛以及学术会议之上被不断反复地讨论过了。截止到2025年年中全球处于兴建之中或者已经投入生产的超大型GPU集群单个集群超过10000张显卡起码有12个其中超过一半是由不超过三家公司进行运营的。写在最后回到最开始的问题显卡为什么越来越贵表面看去呈现出的是供需处于失衡状态然而朝着深入的方向去思索实际上是整个数字世界正历经着一场底层计算架构的转移CPU不再占据绝对主导地位GPU这个以往仅仅承担“让画面更加美观”任务的角色突然间变成了引领AI时代发展的动力源泉。而我们每个人正站在这个迁移的中间点。有点奇妙也有点焦虑。然而我一直觉着那般技术这玩意儿终归到底那可是给人去服务的。不管算力究竟有多强大哪怕显卡价格多么昂贵最终呀依旧得回转到那个问题上去咧你凭借它能够做成啥能够把啥问题给解决掉能够使得啥事情变得稍微好那么一点儿这可能才是GPU算力真正的价值所在。