🧠 CPU vs GPU 비교 정리

✅ 1. 기본 개념

항목	CPU (Central Processing Unit)	GPU (Graphics Processing Unit)
정의	중앙처리장치, 컴퓨터의 '두뇌' 역할	그래픽처리장치, 시각적 연산 및 병렬처리에 특화
주요 기능	명령어 처리, 로직 수행, 운영체제 제어 등 범용 연산	대규모 데이터 병렬 처리 및 그래픽 렌더링

⚙️ 2. 구조적 차이

항목	CPU	GPU
코어 수	적은 수의 강력한 코어 (보통 4~16개)	수백~수천 개의 단순한 코어
처리 방식	직렬 처리(Serial Processing)에 최적화	병렬 처리(Parallel Processing)에 최적화
캐시 메모리	대용량 캐시 (명령어와 데이터 고속 저장용)	소용량 캐시 (레지스터 및 공유 메모리 위주)
제어장치	고성능 제어 장치로 세밀한 작업 가능	제어보다 연산에 집중
연산 장치	복잡하고 다양한 명령어 집합	단순 연산 반복에 최적화

🧩 3. 역할과 적합한 작업

항목	CPU	GPU
적합한 작업	- 프로그램 로직 수행 - 파일 시스템 제어 - 운영체제 관리 - 소규모 연산 반복 - 분기 및 조건 처리 많은 연산	- 대규모 행렬 연산 - 이미지/영상 렌더링 - 머신러닝/딥러닝 학습 - 과학/공학 시뮬레이션 - 벡터/행렬 기반 병렬 연산
예시	웹 브라우징, 엑셀 작업, IDE 컴파일	딥러닝 모델 훈련, 3D 게임 렌더링, 비디오 인코딩

🧠 4. AI/딥러닝 관련 활용도

항목	CPU	GPU
딥러닝 모델 학습	느림 (직렬 처리 중심)	빠름 (병렬 처리에 최적화)
모델 추론 (inference)	작은 모델일 경우 가능	대형 모델일수록 GPU가 효과적
병렬 연산 최적화	❌	✅ (CUDA, cuDNN 등 활용)
사용 예	모델 로딩 및 전처리, 서빙	학습, 대규모 연산 가속

📝 요약 정리

• CPU는 복잡하고 다양한 작업을 정확하게 처리하는 데 강점을 가진 범용 연산 장치
• GPU는 단순 연산을 병렬로 대량 처리하는 데 강점을 가진 특화형 연산 장치
• 딥러닝/AI 같은 대규모 병렬 계산이 필요한 분야에서는 GPU가 필수