CPU升级无感了？真正的答案在这儿

无论是AMD还是Intel，似乎CPU升级的幅度都在变小，再没有以前动辄百分之大几十的换代性能提升了，这是为什么？

调整结构了性能的定义也变了

无论是AMD还是Intel的产品，CPU的结构已经产生了极大变化，再也不是单纯的计算核心那么简单了——AMD在基于Chiplet封装技术的CCD上受益良多、Intel也挹注了大量资源到上3D Foveros封装技术实现模块化架构。无论是哪一种技术方式，都是在根本上改变了CPU的内部结构，它们正变得越来越像SoC而不是单纯的CPU。

Chiplet封装的CCD结构

3D Foveros封装的模块化架构

当前CPU最显著的变化之一是动态功耗的范围增加——功耗上下限之间的范围变大（绝对功耗也在提高），消耗不高的应用可以低功耗状态下完成，CPU更注重能效比的提升。

制程工艺的紧箍咒

如果CPU架构一点不改，光靠提升制程工艺CPU性能就能显著提高，但是它也面临着难以为继的局面。晶体管究竟用哪个密度值来定义制程工艺，随着TSMC的解释让业界不再尊重以往统一、默认的衡量标尺。所以你能看到TSMC N3（3nm）制程工艺的晶体管密度也就和Intel 4工艺（为7nm）相近罢了。

图片来自WikiChip Fuse

晶体管的密度提升，能在单位面积下降低更多的功耗、提升更多的性能。所谓有容乃大，物理空间没变，密度变高等于可以“塞进去”的积体电路更多，计算能力水涨船高就是自然而然的事情。

但是你也看到前面讲的密度问题了，大家的制程密度大差不差，进一步压缩体积的能力正“越来越弱”，相当于紧箍咒越来越紧了——没有空间设计更多的晶体管积体电路，性能的提升就无从谈起。

需求产生变化

另一个方面，电脑的使用需求也发生了变化，现阶段单纯提升CPU频率、计算效率已经不够看了。在AI大潮下，并行计算、神经网络计算成为“真性能、功能增长级”。

传统CPU计算单元的性能并不能应用于AI深度学习——如果说CPU是大学教授专门解算复杂公式，那么NPU、GPU的并行计算相当于无数个会计在做加减法。当然，GPU和NPU还有各自的区别：GPU侧重并行通用计算任务、NPU则内部包含大量专为矩阵和向量运算优化的处理单元，这些单元能够在同一时钟周期内并行执行更多的大量简单操作（粗浅理解为定向并行计算）。

也就是说，新一代CPU的重点并不是单纯频率提升，复杂运算能力增强。反而是对并行计算、深度学习的需求大幅增加——毕竟新一代Windows就将深度整合AI功能，没有NPU和GPU的辅助，你的电脑就没有办法使用新的工作模式执行操作，效率将与具备AI能力的电脑处于两条水平线上。
https://item.jd.com/100107726380.html

CPU性能溢出 GPU见异思迁

不可否认，大部分游戏对CPU的性能需求并不强烈，哪怕3A游戏对CPU多核心的利用率也不过尔尔。十多年来高喊的4K游戏普及到今天都是个笑话——当然这不全是CPU的问题，问题在哪儿大家心知肚明。现在AI又来了，厂商更没有动力推动4K游戏普及了。NVIDIA CEO黄仁勋在日前股东大会就明确表示，公司已将业务重心从游戏转移到了数据中心，尤其是在人工智能（AI）领域。所以，你懂的。