芯片的速度主要取決于三個方面：微架構、主頻、IPC(每個時鐘周期執行的指令數)。

1．微架構

從微架構上看，CPU和GPU看起來完全不是按照相同的設計思路設計的，當代CPU的微架構是按照兼顧“指令并行執行”和“數據并行運算”的思路而設計，就是要兼顧程序執行和數據運算的并行性、通用性以及它們的平衡性。CPU的微架構偏重于程序執行的效率，不會一味追求某種運算極致速度而犧牲程序執行的效率。

CPU微架構的設計是面向指令執行高效率而設計的，因而CPU是計算機中設計最復雜的芯片。和GPU相比，CPU核心的重復設計部分不多，這種復雜性不能僅以晶體管的多寡來衡量，這種復雜性來自于實現：如程序分支預測，推測執行，多重嵌套分支執行，并行執行時候的指令相關性和數據相關性，多核協同處理時候的數據一致性等等復雜邏輯。

GPU其實是由硬件實現的一組圖形函數的集合，這些函數主要用于繪制各種圖形所需要的運算。這些和像素，光影處理，3D 坐標變換等相關的運算由GPU硬件加速來實現。圖形運算的特點是大量同類型數據的密集運算——如圖形數據的矩陣運算，GPU的微架構就是面向適合于矩陣類型的數值計算而設計的，大量重復設計的計算單元，這類計算可以分成眾多獨立的數值計算——大量數值運算的線程，而且數據之間沒有像程序執行的那種邏輯關聯性。

GPU微架構復雜度不高，盡管晶體管的數量不少。從應用的角度看，如何運用好GPU的并行計算能力主要的工作是開發好它的驅動程序。GPU驅動程序的優劣很大程度左右了GPU實際性能的發揮。

因此從微架構上看，CPU擅長的是像操作系統、系統軟件和通用應用程序這類擁有復雜指令調度、循環、分支、邏輯判斷以及執行等的程序任務。它的并行優勢是程序執行層面的，程序邏輯的復雜度也限定了程序執行的指令并行性，上百個并行程序執行的線程基本看不到。GPU擅長的是圖形類的或者是非圖形類的高度并行數值計算，GPU可以容納上千個沒有邏輯關系的數值計算線程，它的優勢是無邏輯關系數據的并行計算。

2．主頻

另外，GPU執行每個數值計算的速度并沒有比CPU快，從目前主流CPU和GPU的主頻就可以看出了，CPU的主頻都超過了1GHz，2GHz，甚至3GHz，而GPU的主頻最高還不到1GHz，主流的也就500~600MHz。要知道1GHz = 1000MHz。所以GPU在執行少量線程的數值計算時并不能超過CPU。

目前GPU數值計算的優勢主要是浮點運算，它執行浮點運算快是靠大量并行，但是這種數值運算的并行性在面對程序的邏輯執行時毫無用處。

3．IPC

(每個時鐘周期執行的指令數)

這個方面，CPU和GPU無法比較，因為GPU大多數指令都是面向數值計算的，少量的控制指令也無法被操作系統和軟件直接使用。如果比較數據指令的IPC，GPU顯然要高過CPU，因為并行的原因。但是，如果比較控制指令的IPC，自然是CPU的要高的多。原因很簡單，CPU著重的是指令執行的并行性。

另外，目前有些GPU也能夠支持比較復雜的控制指令，比如條件轉移、分支、循環和子程序調用等，但是GPU程序控制這方面的增加，和支持操作系統所需要的能力CPU相比還是天壤之別，而且指令執行的效率也無法和CPU相提并論。

最后總結一下：

CPU擅長的：操作系統，系統軟件，應用程序，通用計算，系統控制等等；游戲中人工智能，物理模擬等等；3D建模-光線追蹤渲染；虛擬化技術——抽象硬件，同時運行多個操作系統或者一個操作系統的多個副本等等。

GPU擅長的：圖形類矩陣運算，非圖形類并行數值計算，高端3D游戲。

綜上所述，在一臺均衡計算的計算機系統中，CPU和GPU還是各司其職，除了圖形運算，GPU將來可能主要集中在高效率低成本的高性能并行數值計算，幫助CPU分擔這種類型的計算，提高系統這方面的性能。而當前的典型應用還是高端3D游戲，一個高效的GPU配合一個高效的CPU，3D游戲的整體效率才能得到保證。“高端3D游戲只需要高端顯卡”或者“高端3D游戲只需要CPU”都是無稽之談。