1. Kerntelling en architectuur:

* CPU: Heeft een relatief klein aantal kernen (meestal 4-32 bij CPU's van consumentenkwaliteit, hoewel server-CPU's meer kunnen hebben). Elke kern is ontworpen voor verwerking voor algemene doeleinden en kan een grote verscheidenheid aan taken aan. CPU-kernen zijn geoptimaliseerd voor lage latentie en hoge single-threaded prestaties . Ze hebben complexe besturingslogica en zijn goed in het omgaan met diverse instructiesets, vertakkingen en onvoorspelbare bewerkingen.

* GPU: Heeft een groot aantal kernen (honderden of zelfs duizenden). Deze kernen zijn eenvoudiger en ontworpen voor parallelle verwerking van dezelfde bewerking op meerdere datapunten tegelijk. GPU-kernen zijn geoptimaliseerd voor hoge doorvoer en kan dezelfde berekening efficiënt uitvoeren op veel gegevens tegelijk. Ze zijn ontworpen voor taken waarbij veel identieke, repetitieve handelingen betrokken zijn.

2. Taakspecialisatie:

* CPU: Blinkt uit in taken die sequentiële verwerking vereisen , complexe logica , onderbrekingen afhandelen en het algehele systeem beheren . Het is het ‘brein’ van de computer, verantwoordelijk voor het besturen van het besturingssysteem, het uitvoeren van applicaties en het afhandelen van invoer/uitvoer. Voorbeelden:

* Het besturingssysteem uitvoeren

* Applicatiecode uitvoeren (tekstverwerking, spreadsheets, surfen op het web)

* Verwerken van gebruikersinvoer

*Beheren van bestandssystemen

* Uitvoeren van complexe berekeningen die verschillende instructies vereisen op basis van tussenresultaten.

* GPU: Blinkt uit in taken waarbij parallelle verwerking betrokken is van grote hoeveelheden gegevens, vooral grafische weergave , beeldverwerking , en wetenschappelijke simulaties . Het ontlast deze taken van de CPU, waardoor de CPU vrijkomt voor andere bewerkingen. Voorbeelden:

* Rendering van 3D-graphics in games en animaties

* Beeld- en videoverwerking (filteren, bewerken, coderen/decoderen)

* Machine learning (training en gevolgtrekking)

* Wetenschappelijke simulaties (weersvoorspellingen, vloeistofdynamica, moleculaire dynamica)

* Cryptocurrency-mijnbouw

3. Geheugentoegang:

* CPU: Heeft een relatief kleine, maar snelle cachegeheugenhiërarchie (L1, L2, L3 caches) dicht bij de kernen. Dit zorgt voor snelle toegang tot veelgebruikte gegevens en instructies, waardoor de latentie wordt verminderd. CPU's hebben ook toegang tot het RAM van het hoofdsysteem (Random Access Memory).

* GPU: Heeft een grote hoeveelheid geheugen (VRAM) specifiek voor het opslaan van texturen, framebuffers en andere gegevens met betrekking tot grafische verwerking. Het geheugen is geoptimaliseerd voor hoge bandbreedte, waardoor veel kernen tegelijkertijd toegang hebben tot gegevens. GPU's hebben ook cachegeheugen, maar dit is vaak meer gedistribueerd en gericht op het voorzien in de behoeften van de parallelle verwerkingseenheden. De verbinding met het systeem-RAM is doorgaans langzamer vergeleken met de directe toegang van de CPU.

4. Controle en vertakking:

* CPU: Heeft complexe besturingslogica waardoor het verschillende instructies kan uitvoeren op basis van voorwaarden (vertakking). Dit is essentieel voor programmeren voor algemene doeleinden waarbij het uitvoeringspad vaak onvoorspelbaar is. Branch-voorspelling is een belangrijke optimalisatietechniek voor CPU's.

* GPU: Ontworpen voor gegevensparallellisme , waarbij dezelfde instructie op meerdere datapunten wordt uitgevoerd. GPU's zijn minder efficiënt in het verwerken van code met veel vertakkingen of voorwaardelijke logica, omdat dit ertoe kan leiden dat sommige kernen inactief zijn, terwijl andere andere vertakkingen uitvoeren. Dit wordt vaak "draaddivergentie" genoemd en kan de prestaties aanzienlijk beïnvloeden.

5. Stroomverbruik:

* CPU: Verbruikt over het algemeen minder stroom dan een high-end GPU. Energie-efficiëntie is een belangrijke overweging bij het CPU-ontwerp, vooral voor mobiele apparaten.

* GPU: Kan aanzienlijk meer stroom verbruiken dan een CPU, met name high-end GPU's die worden gebruikt voor gaming of datacenters. Efficiënte koeling is essentieel om oververhitting te voorkomen.

Invloed op de prestaties:

* CPU-gebonden taken: Als een taak sterk afhankelijk is van sequentiële verwerking, complexe logica of vaak vertakkende code, zal een CPU doorgaans beter presteren dan een GPU. Voorbeelden:code compileren, een databaseserver draaien, realtime strategiespellen (AI-verwerking).

* GPU-gebonden taken: Als een taak gepaard gaat met het parallel verwerken van grote hoeveelheden gegevens, vooral als dezelfde bewerking op veel datapunten moet worden uitgevoerd, zal een GPU doorgaans beter presteren dan een CPU. Voorbeelden:het renderen van 3D-graphics, beeldverwerking, videobewerking, machine learning-training.

Samengevat:

| Kenmerk | CPU | GPU |

|------------------|--------------------------------------|-------------------------------------|

| Kerntelling | Weinig (meestal 4-32) | Vele (honderden of duizenden) |

| Kerncomplexiteit | Complex, universeel | Eenvoudig, gespecialiseerd in parallellisme |

| Taakspecialisatie | Algemeen systeembeheer | Grafische weergave, beeldverwerking, parallelle taken |

| Geheugentoegang | Snelle cache, toegang tot systeem-RAM | VRAM met hoge bandbreedte |

| Besturingslogica | Complexe vertakkingen, instructieafhandeling | Geoptimaliseerd voor gegevensparallellisme |

| Prestatiedoel | Lage latentie, hoge single-threaded prestaties | Hoge doorvoer, parallelle verwerking |

Moderne trends:

De grenzen tussen CPU's en GPU's vervagen. Moderne CPU's bevatten geïntegreerde GPU's (iGPU's) voor elementaire grafische taken. GPU's worden steeds programmeerbaarder en worden gebruikt voor general-purpose computing (GPGPU) via raamwerken als CUDA en OpenCL. Er zijn ook pogingen om hybride architecturen te creëren die de sterke punten van zowel CPU- als GPU-ontwerpen combineren. Deze trend wordt aangedreven door de toenemende vraag naar parallelle verwerking op gebieden als machine learning en data-analyse.