圖形處理器- 維基百科，自由的百科全書

近幾年有關AI產業的議題高度集中於GPU的更廣泛使用，事實上GPU就是我們的電腦中顯示卡內的計算核心，原本設計的目的是用來分擔(或加快)圖形資料的大量「簡易」運算工作！如果CPU被比喻為人體的大腦，GPU就可以類比為職司簡易反射動作的小腦！沒有小腦的功能人看起來就會很遲鈍了！

反射動作會比大腦思考後決定的有意識動作快，就像蒼蠅的反應可以快到你永遠打不到牠們一樣！但我們不會說蒼蠅的「智慧」比人高！我們的真實生活中也不會太依賴反射動作！絕大部分還是會經過大腦謀定而後動的！不然出錯的機率就會太高了！所以沒有人會認為小腦比大腦更有智慧！

最常見的實例就是用電腦鍵盤打字了！初學者當然是完全用大腦看一個鍵盤打一個字，跟彈鋼琴的初學者一樣，但是反射動作訓練完成後，因為樂譜是固定的，所以你可以大量依賴反射動作彈出已經熟練的樂曲。打字呢？每次想寫的字都不一樣，就只能「部分」依賴小腦，必須讓大腦監督執行大部分的動作。

理解這些事實與類比之後，你就應該知道GPU在「人工智慧」開發與使用時的合理地位！如前面節錄的文章段落所說，GPU的價值在於分散大量固定模式的計算到各個計算單元，用螞蟻雄兵的方式消化大量的計算工作！但是大家不能忽略，要做甚麼計算工作的決策者仍然是在CPU執行的電腦程式！所以像影像辨識這麼抽象複雜的事要做到很智慧很精準，GPU是無法當主角的！

所謂的將帥無能累死三軍，領導決策的好壞會讓實際需要執行的工作量差異極大！正如現代戰爭，只要有效運用高科技設備，幾顆導彈或幾架無人機就可以比上萬人的部隊戰力更高！如果源頭的AI演算法「聰明」一點點，運算量的差異就是十倍百倍了！

所以盲目投資巨量類似GPU的計算設備就像現代國家還繼續玩全民皆兵一樣！應該沒有國家這麼笨了！訓練累積大量能力有限的士兵效益不高的！重點應該是更精準有效的演算法設計，讓無謂的計算量自源頭就消失大半！這才是AI發展的重中之重！收集大量的計算能力浪擲於低效率的AI策略產生的無謂運算，實在愚不可及！

以我研發AI影像辨識產品多年的經驗，投資在硬體計算資源，如購買更高階更多核心，或更多GPU的電腦絕對不是我事業經營成敗的關鍵！只要我多費一點點心思審慎選合理的演算策略，優化我的演算法效率，我就可以開發出更有效率的軟體！讓我的產品在便宜的電腦上跑得比高階電腦上的他牌產品更好！那才是AI產品成敗的關鍵！

簡單說，GPU的價值是當你有非做不可的大量計算時才能彰顯，並不是有更多這種資源就可以保證你會具有較大優勢！而AI的計算需求量是隨著源頭的策略與演算法而天差地遠的！懂得省錢用錢的人絕對可以用較少的資金創建出比有錢的人更大的事業！

我常被揶揄是在做沒本錢的買賣，做軟體真的不需要太多錢，不須建廠房買材料請勞工，甚至用網路做生意連交通接洽業務的錢都省了！但是如果我決定用ML或CNN來發展我的AI影像辨識呢？我就會跟大多數人一樣，開始需要很多GPU支援了！