Chuyển đến nội dung chính

GPU - Bộ xử lý đồ họa

GPU (Graphics Processing Unit, Bộ xử lý đồ họa) là một bộ vi xử lý chuyên dụng được thiết kế để thực hiện song song hàng loạt phép tính toán số học và ma trận, với vai trò ban đầu là kết xuất hình ảnh lên màn hình. Từ chỗ chỉ là bộ phận đẩy hình ảnh trong máy tính, GPU ngày nay đã trở thành nền tảng tính toán cho game, điện ảnh, khoa học dữ liệu và trí tuệ nhân tạo.

Cập nhật: 2026-10-06

Mục lục
  1. Giới thiệu
  2. Lịch sử phát triển
  3. Kiến trúc và cấu tạo
  4. Nguyên lý hoạt động
  5. Phân loại GPU
  6. So sánh với CPU
  7. Ứng dụng
  8. Thách thức và tương lai

📚 Giới thiệu

GPU là một mạch tích hợp chuyên xử lý các thao tác song song, khác hẳn với CPU vốn tối ưu cho các tác vụ tuần tự theo chuỗi lệnh phức tạp. Trong khi CPU dành nhiều diện tích cho bộ điều khiển và bộ nhớ cache nhỏ nhưng nhanh, GPU tập trung toàn bộ tài nguyên vào hàng nghìn lõi đơn giản làm việc đồng thời. Nhờ vậy GPU xử lý một phép nhân ma trận hay pixel với tốc độ vượt trội so với CPU.

Thuật ngữ GPU được NVIDIA đặt ra vào năm 1999 khi họ giới thiệu GeForce 256, chiếc card đầu tiên được quảng bá như một bộ xử lý đồ họa độc lập. Trước đó, các đơn vị xử lý đồ họa chỉ là bộ phận phụ trợ của chip đồ họa tích hợp. Ngày nay GPU có mặt trong máy tính cá nhân, laptop, điện thoại thông minh, xe hơi, máy chủ và cả hệ thống siêu máy tính.

🕰️ Lịch sử phát triển

Những năm 1980, card màn hình chỉ đơn thuần biến dữ liệu thành tín hiệu hiển thị, chưa có khả năng tính toán hình học. Đến thập niên 1990, các chip như S3 Graphics và 3dfx Voodoo bắt đầu tăng tốc kết xuất 3D, đặt nền móng cho cuộc đua card đồ họa. Năm 1999, NVIDIA GeForce 256 mở ra khái niệm GPU hiện đại khi hỗ trợ biến đổi và chiếu sáng theo thời gian thực bằng phần cứng.

Cột mốc lớn tiếp theo là GeForce 8800 GTX năm 2006, là GPU đầu tiên hỗ trợ tính toán mục đích chung và mở ra kỷ nguyên GPGPU. Cùng thời điểm, ATI (sau là AMD) phát hành Radeon HD 2900 XT với kiến trúc tương tự. Từ năm 2007, nền tảng CUDA của NVIDIA và stream processor của ATI đưa GPU vào lĩnh vực khoa học và nghiên cứu, biến card đồ họa thành công cụ tính toán vạn năng.

Trong thập niên 2010, kiến trúc Fermi, Kepler và Maxwell của NVIDIA liên tục tăng số lượng lõi và hiệu quả tính toán. Năm 2018 xuất hiện kiến trúc Turing với Ray Tracing Teraflops, mở đầu cho ray tracing thời gian thực. Tiếp đó là Ampere và Ada Lovelace, rồi Blackwell vào năm 2024, mỗi thế hệ đều đẩy mạnh hiệu năng đồ họa lẫn tính toán AI.

🔬 Kiến trúc và cấu tạo

GPU hiện đại gồm hàng nghìn lõi xử lý nhỏ gọi là CUDA Cores (trên NVIDIA) hoặc Stream Processor (trên AMD), chia thành các đơn vị xử lý đa luồng. Mỗi đơn vị xử lý stream (SM hay Compute Unit) chứa nhiều lõi, bộ đơn vị tính toán biên độ và độ phủ, cũng như bộ nhớ đệm chung tốc độ cao. Kiến trúc này cho phép GPU thực thi cùng lúc hàng nghìn luồng dữ liệu độc lập.

Ngoài các lõi tính toán thông thường, GPU còn có các bộ phận chuyên dụng. Tensor Cores trên NVIDIA tăng tốc phép nhân ma trận phục vụ trí tuệ nhân tạo và deep learning. RT Cores được thiết kế riêng cho ray tracing, tính giao điểm giữa tia sáng và hình học trong game. Bộ nhớ GDDR hoặc các loại VRAM khác cung cấp băng thông rất cao để nạp texture và dữ liệu đồ họa.

Về cấu tạo vật lý, card đồ họa rời gắn qua khe PCI Express, tản nhiệt bằng quạt hoặc hệ thống nước, và cấp nguồn qua các đầu cắm 6-pin hoặc 8-pin. Laptop và điện thoại dùng GPU tích hợp khác nhau đáng kể, tiết kiệm năng lượng hơn nhưng hiệu năng thấp hơn nhiều so với card rời cùng thế hệ.

⚙️ Nguyên lý hoạt động

Quy trình kết xuất một khung hình bắt đầu bằng bước rasterization, trong đó API đồ họa như DirectX hay OpenGL mô tả các đỉnh của hình tam giác trong không gian 3D. GPU biến đổi các đỉnh này về tọa độ màn hình, sau đó xác định những điểm ảnh pixel nằm trong tam giác để tô màu. Mỗi pixel được xử lý bởi một shader tính toán màu sắc, ánh sáng và chất liệu.

Với ray tracing, GPU dùng RT Cores để truy vết đường đi của của các tia sáng ngược từ mắt người xem, phản xạ hoặc khúc xạ qua các bề mặt để mô phỏng ánh sáng vật lý chính xác. Vì phép tính này cực kỳ tốn kém, card thường kết hợp ray tracing và rasterization để giữ tốc độ khung hình ổn định.

Song song với kết xuất, GPU xử lý cả các phép toán chung như biến đổi ma trận khi hoạt động như bộ tính toán GPGPU. Nhờ kiến trúc nhiều lõi, GPU thực hiện phép nhân hàng trăm nghìn ma trận con cùng lúc, chính là nền tảng để chạy các mô hình trí tuệ nhân tạo và mô phỏng khoa học.

📊 Phân loại GPU

Loại GPU Đặc điểm Ứng dụng điển hình
Card đồ họa rời Gắn qua PCIe, hiệu năng cao, có RAM riêng, tản nhiệt riêng Gaming, dựng phim, tính toán AI, máy trạm
GPU tích hợp (iGPU) Nằm chung với CPU, tiết kiệm năng lượng, dùng chung RAM Laptop, máy tính văn phòng, đồ họa cơ bản
GPU di động (SoC) Tích hợp trong chip điện thoại, tối ưu điện năng Điện thoại thông minh, máy tính bảng
GPU tính toán / máy chủ Chuyên cho AI, khoa học, không có cổng xuất hình Trung tâm dữ liệu, siêu máy tính, đào tạo mô hình
GPU tích hợp trong CPU (APU) Kết hợp CPU và GPU trên cùng chip, cân bằng chi phí Console, laptop giá tốt, máy tính mini

Ngoài ra GPU còn được phân theo hãng sản xuất, với NVIDIA và AMD thống trị thị trường card đồ họa PC, còn Intel ngày càng mạnh hơn ở mảng GPU tích hợp. Nhà sáng tạo 3D dùng card workstation chuyên nghiệp như NVIDIA RTX Pro, trong khi game thủ chọn dòng GeForce RTX hoặc Radeon RX.

🧭 So sánh với CPU

Tiêu chí CPU GPU
Số lõi vài chục lõi mạnh hàng nghìn lõi đơn giản
Kiểu xử lý tuần tự, logic phức tạp song song, ma trận số lớn
Tối ưu cho hệ điều hành, đa tác vụ đồ họa, AI, mô phỏng
Bộ nhớ cache nhỏ, truy xuất nhanh VRAM lớn, băng thông cao
Tiêu thụ điện thấp đến trung bình cao, nhất là card rời

CPU và GPU bổ sung cho nhau hơn là cạnh tranh. CPU điều khiển cả hệ thống và xử lý logic trò chơi, còn GPU chuyên tính toán hình ảnh. Trong một máy tính mạnh mẽ, CPU đưa ra lệnh và dữ liệu, GPU thực thi hàng loạt phép tính đồ họa cùng lúc. Sự phối hợp này là lý do cả hai đều không thể thiếu.

🏭 Ứng dụng

Các trung tâm dữ liệu hiện lắp hàng chục nghìn GPU để phục vụ đám mây và đào tạo mô hình ngôn ngữ lớn. Nhờ khả năng song song, GPU cũng được dùng để khai thác các thuật toán mật mã và xử lý tín hiệu trong truyền thông.

⚠️ Thách thức và tương lai

GPU tiêu thụ điện năng rất lớn, một card rời cao cấp có thể dùng tới 450W, khiến hệ thống phải có nguồn và tản nhiệt công suất cao. Giá thành cũng là rào cản khi những GPU flagship và GPU máy chủ có giá lên tới hàng nghìn đô la Mỹ. Tình trạng khan hiếm nguồn cung và nhu cầu AI cao đã nhiều lần đẩy giá tăng đột biến.

Sự bùng nổ trí tuệ nhân tạo đặt ra yêu cầu về dung lượng VRAM lớn hơn, vì các mô hình ngôn ngữ và tạo ảnh cần nhiều bộ nhớ để tránh tình trạng thiếu hụt khi xử lý. Xu hướng hiện nay đưa GPU tích hợp vào ngay trong CPU và cả hệ thống tính toán di động, đặc biệt trong máy tính xách tay AI. Các hãng cũng cải tiến tiến trình sản xuất về 4nm, 3nm và nhỏ hơn để nâng hiệu năng trong khi giảm điện năng.

Trong tương lai, GPU sẽ tiếp tục là hạ tầng cốt lõi cho AI tạo sinh, thực tế ảo và siêu máy tính hiệu năng cao. Sự cạnh tranh giữa NVIDIA, AMD và Intel những năm tới hứa hẹn mang lại hiệu năng tốt hơn với chi phí hợp lý hơn cho người dùng.

Cập nhật lần cuối: 2026-10-06

Bằng việc tiếp tục sử dụng trang web, bạn đồng ý với việc sử dụng cookie.