GPU
angolul: graphics processing unit (GPU)
A GPU olyan számítógépes chip, amely rengeteg egyszerű számítást végez egyszerre, ezért ma ez a mesterséges intelligencia tanításának és futtatásának legfontosabb eszköze.
Érthetően
A GPU eredetileg a videojátékok képét rajzolta ki: a képernyő több millió képpontjának színét kellett másodpercenként sokszor kiszámolnia. Ehhez olyan chip kellett, amely nem egyetlen bonyolult feladatot old meg gyorsan, hanem nagyon sok egyszerűt párhuzamosan.
Képzeld el úgy, hogy a számítógéped hagyományos processzora (a CPU) néhány kiváló séf, akik bármilyen fogást el tudnak készíteni, de egyszerre csak keveset. A GPU ezzel szemben egy több ezer fős konyhai brigád, ahol mindenki csak krumplit pucol, de egyszerre. Ha tízezer adag krumpli kell, a brigád nyer.
A mesterséges intelligencia éppen ilyen „krumplipucolós” feladat: a nyelvi modellek működése lényegében óriási mennyiségű szorzás és összeadás. Ezért lett a GPU az AI-korszak legfontosabb alkatrésze, és ezért szólnak a hírek arról, melyik cég vagy ország hány darabot tud belőle vásárolni.
Hogyan működik
- A chipen több ezer apró számolóegység (mag) található, amelyek ugyanazt a műveletet végzik el egyszerre, más-más adaton.
- A program a nagy feladatot sok kis, egymástól független részre bontja. Az AI-modelleknél ezek nagyrészt hatalmas számtáblázatok (mátrixok) szorzásai.
- Az adatok a GPU saját, gyors memóriájába (VRAM) kerülnek. Ennek mérete szabja meg, mekkora modell fér el egy kártyán.
- A magok párhuzamosan kiszámolják a részeredményeket, a rendszer pedig összeilleszti őket. Ebből lesz a kép egy képkockája, vagy a chatbot válaszának következő szava, pontosabban szódarabja.
- Az adatközpontokban sok GPU-t kapcsolnak össze, a legnagyobb rendszerekben akár több tízezret vagy százezret. Így együtt tanítanak be egy nagy modellt hetek vagy hónapok alatt.
Példa a mindennapokból
Amikor kérdést írsz egy chatbotnak, a válasz általában nem a telefonodon készül, hanem egy távoli adatközpontban, ahol GPU-k vagy más AI-chipek számolják ki szóról szóra. Ha egy laptop hirdetésében azt olvasod, hogy „dedikált GPU” vagy „dedikált videókártya”, az azt jelenti, hogy a processzorba épített grafikus egység mellett külön GPU is van benne. Így a játékok, a videóvágás és a kisebb AI-modellek is gyorsabban futnak rajta.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- Drága és időnként hiánycikk: a csúcskategóriás AI-chipek ára egy autóéval vetekszik, és a kínálat kevés gyártó kezében összpontosul.
- Sok áramot fogyaszt és erősen melegszik, ezért a nagy adatközpontok energia- és hűtésigénye komoly környezeti és hálózati kérdés.
- A memória mérete kemény korlát: ha a modell nem fér be a GPU memóriájába, lassan vagy egyáltalán nem fut.
- A több GPU nem jelent automatikusan okosabb AI-t: a modell minősége az adatokon és a tervezésen is múlik.
Hasonló, de nem ugyanaz
- CPU (központi processzor) – A CPU kevés, de sokoldalú maggal bármilyen feladatot megold egymás után, a GPU sok egyszerű maggal ugyanazt a műveletet végzi tömegesen és egyszerre.
- Videókártya – A videókártya a teljes alkatrész hűtéssel, memóriával és csatlakozókkal, a GPU pedig a rajta ülő számolóchip, bár a köznyelv a kettőt gyakran összemossa.
- NPU (neurális processzor) – Az NPU kifejezetten AI-feladatokra tervezett, energiatakarékos chip telefonokban és laptopokban. A GPU általánosabb célú, és általában nagyobb teljesítményű, de több áramot fogyaszt.
Kapcsolódó fogalmak
Hardver, Számítási kapacitás, AI-infrastruktúra, AI-gyorsító
CPU, NPU, Videókártya, Adatközpont, Modelltanítás, Következtetés (inference)
Röviden a története
A „GPU” elnevezést az Nvidia tette ismertté 1999-ben, a GeForce 256 bemutatásakor. 2007-ben jelent meg az Nvidia CUDA nevű fejlesztőkörnyezete, amellyel a GPU-t grafikán kívüli számításokra is könnyen be lehetett fogni. A fordulatot 2012 hozta: az AlexNet nevű képfelismerő neurális hálót két játékra szánt GPU-n tanították be, és nagy előnnyel megnyerte az ImageNet képfelismerő versenyt. Azóta a mélytanulás túlnyomórészt GPU-kon zajlik, mellettük más AI-gyorsítókon is, például a Google TPU-in.
Hol tart most
2026 végén a GPU az AI-ipar alapvető erőforrása. A nagy modellek tanítása és kiszolgálása, valamint az AI-agentek működtetése nagyrészt GPU-kra épülő adatközpontokban történik, bár terjednek a nagy felhőcégek saját AI-chipjei is. A csúcskategóriás chipek iránti kereslet továbbra is igen erős. A hozzáférés gazdasági és geopolitikai kérdés is lett, például az amerikai exportkorlátozások miatt.
A hírekben
- Az AI-adatközpont-építés gyártásszerű működésre vált: gyorsabb kiépítés, nagyobb rugalmasság2026. okt. 28. · Ipar
- Az AI-adatközpontok építését az áramellátás, a szakemberhiány, a hűtés és a GPU-összeköttetések korlátozzák2026. okt. 12. · Ipar
- Az AI olyan GPU-kódot ír, amelyet a mérnökök sem értenek teljesen2026. okt. 2. · Kód
- Az Nvidia negyedéves árbevétele megduplázódott, közel 100 milliárd dollár2026. aug. 26. · Agent Age
- Az Nvidia Wall Street-i partnerekkel 500 milliárd dollárt gyűjt az MI-infrastruktúrára2026. aug. 10. · Agent Age
- A SpaceX Starmind műholdhálózata Nvidia Rubin GPU-kkal AI-számítást vinne az űrbe2026. aug. 9. · Ipar
Más nevei
GPU · grafikus processzor · grafikus feldolgozóegység · videókártya · grafikus kártya · graphics processing unit · graphics card
Források
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.