CPU vs GPU: ¿Cuál es la Diferencia?

El mundo de la tecnología actual está repleto de docenas de términos o abreviaturas que denotan tecnologías, software o hardware. Una de las abreviaturas más utilizadas por los entusiastas de la tecnología, reviewers, blogueros, etc. es CPU y GPU.

Pero, ¿Qué es CPU y GPU? ¿Qué significan estas abreviaturas y cuál es la diferencia entre ambas? ¿Cuál es la función de una GPU? ¿Y cuál es la función de una CPU?

Pues bien, para ayudarte a entender la diferencia entre CPU y GPU, te explicaremos qué son exactamente.

Relacionado: ¿Cómo Saber Qué Procesador Tengo?

¿Qué es una CPU?

La CPU (Unidad Central de Procesamiento) es el cerebro de todos los dispositivos que existen. Es una necesidad para los teléfonos, los ordenadores, los smartwatches, las consolas y todo lo que es igual de complejo.

Esta parte esencial tiene varias funciones en un ordenador. Se comunica con cada pieza de hardware, procesa datos, envía datos y comandos a dicho hardware.

Las CPUs están formadas por miles de millones de transistores que forman múltiples núcleos que pueden enfocarse para manejar múltiples tareas simultáneamente. Las CPUs de hoy en día, como la próxima 12va generación de Intel o la Ryzen 6000 de AMD, cuentan con múltiples núcleos de hasta 16 núcleos o 32 hilos y, a veces, incluso más.

Básicamente, la velocidad de tu procesador determina la rapidez con la que tu ordenador puede realizar las tareas. Por lo tanto, si estás tratando de iniciar un juego, o abrir un navegador, la CPU está haciendo la mayor parte del trabajo.

Pero, una vez iniciado el juego, el trabajo se descarga en la GPU, lo que nos lleva a la siguiente parte de este artículo.

¿Qué es una GPU?

A diferencia de la CPU, la GPU (Unidad de Procesamiento Gráfico) tiene miles de núcleos (en comparación con una docena) que se dedican a un tipo de tarea. Así, en lugar de malgastar energía en trabajar en múltiples tareas, la GPU concentra su potencia en una sola o en unas pocas tareas.

Una GPU no es lo mismo que una tarjeta gráfica, pero las tarjetas gráficas incorporan GPUs: la GPU es el chip de la tarjeta gráfica que realiza la mayor parte del trabajo de renderizado.

Las CPU también pueden procesar gráficos, pero las GPU lo hacen mucho más rápido gracias a su diseño. Son mucho mejores a la hora de computar un montón de tareas sencillas de forma rápida o simultánea, como los cálculos necesarios para el renderizado de gráficos.

Diferencia entre CPU y GPU

Ya hemos explicado las funciones de una GPU y una CPU en un ordenador, pero ¿Cuáles son sus principales diferencias?

Bueno, en el fondo, estas dos piezas de hardware son bastante similares. Ambas son vitales para todo ordenador y ambas son una unidad de procesamiento: un procesador.

Sin embargo, la arquitectura que se encuentra dentro de este hardware es muy diferente. Esto se debe a que han sido creados para un objetivo diferente.

Como hemos mencionado anteriormente, la CPU se encarga de una gran variedad de tareas diferentes. Divide su pequeño número de núcleos, pero muy potentes, para manejar varias tareas lo más rápidamente posible. El procesamiento dura sólo unos microsegundos y luego salta inmediatamente a otros procesos.

Por otro lado, la tarjeta gráfica (o GPU) está especializada en determinados tipos de tareas. Normalmente, eso significa acelerar algún tipo de renderizado y procesamiento de gráficos/visuales.

Por ejemplo, los vídeos de YouTube, los modelos/escenas 3D en Blender y, por supuesto, los gráficos de los videojuegos. Hoy en día, los gráficos realistas de los videojuegos son extremadamente exigentes, y las GPUs requieren enormes cantidades de potencia. Un gran ejemplo de dicha potencia es la RTX 3090 de Nvidia con 24 GB de VRAM.

Por supuesto, las GPUs de hoy son mucho más avanzadas de lo que solían ser, por lo que ahora pueden manejar una variedad de tareas como la decodificación, la codificación y mucho más.

¿Cuáles son las Ventajas y Desventajas de una CPU?

Aunque las GPU se están convirtiendo cada vez más en la opción preferida para el procesamiento de alto rendimiento, hay varias razones por las que la mayoría de los PC modernos siguen albergando CPUs.

Algunas de las ventajas de la arquitectura CPU son las siguientes:

• Flexibilidad: Las CPUs son flexibles y resistentes y pueden manejar una variedad de tareas fuera del procesamiento de gráficos. Gracias a su capacidad de procesamiento en serie, la CPU puede realizar múltiples actividades en el ordenador. Por ello, una CPU potente puede proporcionar más velocidad para el uso típico del ordenador que una GPU.
• Potencia contextual: En situaciones específicas, la CPU superará a la GPU. Por ejemplo, la CPU es significativamente más rápida cuando maneja varios tipos diferentes de operaciones del sistema (memoria de acceso aleatorio, operaciones de cálculo de rango medio, gestión de un sistema operativo, operaciones de E/S).
• Precisión: Las CPUs pueden trabajar en ecuaciones matemáticas de rango medio con un mayor nivel de precisión. Las CPU pueden manejar la profundidad y la complejidad computacional con mayor facilidad, lo que resulta cada vez más crucial para aplicaciones específicas.
• Acceso a la memoria: Las CPUs suelen contener una importante memoria caché local, lo que significa que pueden manejar un mayor conjunto de instrucciones lineales y, por tanto, operaciones computacionales y de sistemas más complejos.
• Coste y Disponibilidad: Las CPU son más fáciles de conseguir, se fabrican más ampliamente y son más económicas para el consumidor y la empresa. Además, los fabricantes de hardware siguen creando miles de diseños de placas base para albergar una amplia gama de CPUs.

Las CPU también tienen varias desventajas cuando se las compara con las GPU:

• Procesamiento Paralelo: Las CPU no pueden manejar el procesamiento paralelo como una GPU, por lo que las grandes tareas que requieren miles o millones de operaciones idénticas ahogarán la capacidad de una CPU para procesar datos.
• Evolución Lenta: De acuerdo con la Ley de Moore, el desarrollo de CPUs más potentes acabará por ralentizarse, lo que significa menos mejoras año tras año. La expansión de las CPU multinúcleo ha mitigado un poco esta situación.
• Compatibilidad: No todos los sistemas o programas son compatibles con todos los procesadores. Por ejemplo, las aplicaciones escritas para procesadores Intel x86 no funcionarán en procesadores ARM. Esto es menos problemático a medida que más fabricantes de ordenadores utilizan conjuntos de procesadores estándar (véase el paso de Apple a los procesadores Intel), pero sigue planteando problemas entre los PC y los dispositivos móviles.

¿Cuáles son las Ventajas y Desventajas de una GPU?

Mientras que las CPU son más utilizadas para la computación general, las GPU han encontrado un nicho creciente para usuarios y organizaciones que buscan aplicar la computación de alto rendimiento a problemas únicos.

Algunas de las ventajas de una GPU son las siguientes:

• Alto Rendimiento de los Datos: Una GPU consta de cientos de núcleos que realizan la misma operación en múltiples elementos de datos en paralelo. Por ello, una GPU puede empujar grandes volúmenes de datos procesados a través de una carga de trabajo, acelerando tareas específicas más allá de lo que puede manejar una CPU.
• Cálculo Paralelo Masivo: Mientras que las CPUs destacan en cálculos más complejos, las GPUs sobresalen en cálculos extensos con numerosas operaciones similares, como el cálculo de matrices o el modelado de sistemas complejos.

Estas dos ventajas fueron las principales razones por las que se crearon las GPU, ya que ambas contribuyen al procesamiento de gráficos complejos. Sin embargo, la estructura de la GPU llevó rápidamente a los desarrolladores e ingenieros a aplicar la tecnología de la GPU a otras aplicaciones de alto rendimiento:

• Minería de Bitcoin: El proceso de minería de bitcoins implica el uso de potencia computacional para resolver complejos hashes criptográficos. La creciente expansión de Bitcoin y la dificultad de minar bitcoins ha llevado a las minas de bitcoin a implementar una GPU para manejar inmensos volúmenes de datos criptográficos con la esperanza de ganar bitcoins.
• Aprendizaje Automático: Las redes neuronales, especialmente las utilizadas para los algoritmos de aprendizaje profundo, funcionan gracias a la capacidad de procesar grandes cantidades de datos de entrenamiento a través de nodos de operaciones más pequeños. Las GPU para el aprendizaje automático han surgido para ayudar a procesar los enormes conjuntos de datos utilizados para entrenar los algoritmos de aprendizaje automático y la IA.
• Análisis y ciencia de datos: Las GPU están especialmente indicadas para ayudar a los programas de análisis a procesar grandes cantidades de datos básicos procedentes de distintas fuentes. Además, estas mismas GPU pueden impulsar el cálculo necesario para conjuntos de datos profundos asociados a áreas de investigación como las ciencias de la vida (secuenciación genómica).

Fuera de estos nichos de aplicación específicos, una GPU tiene dificultades para realizar algunas tareas:

• Multitarea: Las GPU no están diseñadas para la multitarea, por lo que no tienen mucho impacto en áreas como la informática de propósito general.
• Costo: Aunque el precio de las GPU ha bajado un poco a lo largo de los años, siguen siendo bastante más caras que las CPU. Este coste aumenta más cuando se habla de una GPU construida para tareas específicas como la minería o la analítica.
• Potencia y Complejidad: Aunque una GPU puede manejar grandes cantidades de cálculo paralelo y rendimiento de datos, tiene dificultades cuando los requisitos de procesamiento se vuelven más caóticos. Las rutas lógicas ramificadas, las operaciones secuenciales y otros enfoques de cálculo impiden la eficacia de una GPU.

El Futuro de las CPU y GPU

A lo largo de estas dos últimas décadas, el propósito de las CPUs y GPUs ha permanecido igual, sin embargo, las capacidades de dicho hardware han cambiado. Las tarjetas gráficas de hoy en día pueden hacer mucho más en comparación con las tarjetas gráficas de principios del siglo XXI.

Un buen ejemplo es el DLSS (deep learning super sampling) de Nvidia o el FSR (FidelityFX Super Resolution) de AMD. DLSS utiliza sus procesadores Tensor Core AI y el poder del aprendizaje profundo para aumentar considerablemente los FPS en el juego mientras se mantiene la fidelidad gráfica del mismo. Se trata básicamente de un rendimiento extra gratuito.

El FSR está hecho con ese mismo propósito, pero no utiliza hardware como los Tensor Cores o el aprendizaje profundo, pero sigue proporcionando una imagen nítida a la vez que aumenta el rendimiento.

Imaginar un concepto semejante hace diez años era probablemente imposible incluso para los mejores diseñadores de GPU, y mucho menos construir una GPU capaz de realizar tal tarea. Esto significa que, en el futuro, el papel de la GPU como parte del ordenador podría cambiar.

Lo mismo puede decirse de las CPU. Se han desarrollado mucho a lo largo de los años, especialmente durante la era Ryzen. El número de núcleos en 2024 es varias veces mayor en comparación con las CPU de 2016 o anteriores.

Cuatro núcleos/ocho hilos era el máximo antes de 2017 para los usuarios. Hoy en día, puedes conseguir un 5950X de 16 núcleos/32 hilos por solo $700.

Fuera del mundo del consumidor, algunas CPUs llegan hasta los 64 núcleos y 128 hilos. El número de núcleos ha aumentado tanto que la gente ha conseguido ejecutar juegos únicamente con la CPU. Aquí hay un video de Linus Tech Tips usando un AMD Threadripper 3990X para ejecutar Crysis:

Entonces, ¿Qué nos depara el futuro de las CPU? ¿Podría aumentar tanto el número de núcleos que ya no necesitaríamos GPU?

Naturalmente, no podemos hacer tal conjetura. Lo que nos queda es disfrutar del hardware informático que tenemos hoy y esperar a ver qué nos depara el futuro.

Conclusión: ¿Cuál es la diferencia entre CPU y GPU?

Comparar una CPU con una GPU es como comparar una manzana con una naranja: son muy diferentes en algunos aspectos, pero similares en otros, y tener ambas juntas da como resultado un frutero muy completo.

Las CPUs y las GPUs están formadas por el mismo tipo de componentes básicos, pero realizan tareas diferentes, y ambas juntas mejoran mucho la experiencia de uso de las aplicaciones gráficas.

La CPU es como el cerebro del ordenador, que procesa instrucciones complejas del programa una tras otra (pero a menudo, hasta cierto punto, también en paralelo) y dice a otros componentes lo que tienen que hacer.

La GPU, por su parte, suele dedicarse a realizar tareas de procesamiento gráfico, ya que es mucho más capaz de realizar muchas tareas sencillas de forma rápida y simultánea, como renderizar millones de píxeles.

La GPU puede estar integrada en el chip físico de la CPU, lo que la convierte en un procesador gráfico integrado, o en una placa de circuito impreso independiente dentro del sistema, como parte de una tarjeta gráfica dedicada. Esta última opción ofrece más espacio físico para una GPU más potente y con más núcleos.