中央处理器 (CPU)

可以把中央处理器（CPU）看作是电脑的主要处理器或“大脑”。它是几乎所有计算设备（从笔记本电脑、台式机到服务器和智能手机）中都必不可少的一个硬件部件。CPU 的主要作用是执行程序指令、进行计算并管理系统的整体运行。

在一部普通电脑中，CPU 处理许多不同种类的任务。当你上网、编写文档或运行大多数标准软件时，CPU 承担着大部分工作。它的设计用途很广，能够非常快速地一个接一个处理复杂的顺序指令。你可以把它想象成乐队的指挥，指挥系统中的不同部分，管理资源，并确保任务按正确顺序完成。大多数 CPU 都有少数几个性能强大的核心，这些核心经过优化，能有效执行这些不同的指令。

那么，在处理大型语言模型时，CPU 是如何发挥作用的呢？虽然我们很快就会了解到图形处理器（GPU）承担了 LLM 最耗时的计算，但 CPU 仍有不可或缺的辅助功能。

运行 LLM 时，CPU 通常会执行以下操作：

1. 系统管理： 它管理操作系统和 LLM 应用程序运行的整体软件环境。
2. 任务安排： 它常统筹这个过程，启动 LLM 的加载，管理输入和输出数据流（如你提供的文本提示和模型生成的文本），并可能配合包括 GPU 在内不同硬件部件之间的操作。
3. 数据处理： 根据具体设置，CPU 可能会在数据发送到 GPU 之前或结果返回之后，处理一些初步的数据准备或后处理任务。
4. 运行应用程序代码： 你用来与 LLM 交互的应用程序（如聊天机器人界面或代码补全工具）在 CPU 上运行。

然而，使 LLM 运作的计算任务，例如大型矩阵乘法和同时执行数十亿次计算，并不太适合 CPU 的架构。CPU 擅长处理复杂的单一任务，但 LLM 需要许多相对简单的计算同时进行。这种同时进行的运算正是 GPU 的优势所在。

因此，虽然 CPU 对于电脑正常运行和管理 LLM 的整体过程来说必不可少，但它通常不是在推理（生成文本的过程）期间为大型模型执行主要计算的部件。可以把它看作是统筹工作的管理者，而专业的“工作人员”（GPU，我们接下来会讨论）则处理 LLM 本身所需的最繁重、重复的劳动。明白这种差异对于理解为何针对不同 AI 任务推荐特定硬件很有价值。