一、核心硬件：以 “GPU 为核心” vs “CPU 为核心”

1. 显卡服务器（GPU 服务器）

• 核心组件：以GPU（图形处理器） 为算力核心，搭配多卡并行架构（常见 2-8 卡，甚至 16 卡集群），GPU 占硬件成本的 60%-80%（如 8 卡昇腾 910B 服务器，仅 GPU 成本就占 80%）。

• 辅助配置：为支撑 GPU 高功耗（单卡 H100 功耗 400W，8 卡总功耗超 3200W），需配备液冷散热系统（贵州主流喷淋液冷，PUE 低至 1.19）、高功率电源（如 2000W + 冗余电源），并适配国产化主板（如鲲鹏、飞腾架构）。

• 贵州本地化特征：优先采用国产 GPU（昇腾 910B、寒武纪 MLU370）和国产服务器厂商（云上鲲鹏、广电五舟），以享受 10% 国产化采购补贴。

2. 普通服务器

• 核心组件：以CPU（中央处理器） 为核心，GPU 通常为集成显卡或单卡（仅辅助显示，非算力核心），CPU 占硬件成本的 40%-50%（如鲲鹏 920 CPU 服务器，CPU 成本占比约 45%）。

• 辅助配置：以风冷散热为主（功耗低，单台约 300-800W），电源、主板适配通用计算需求，无需高规格散热和供电。

• 贵州本地化特征：多用于数据存储、企业 OA、通用服务（如政务数据管理），优先采购国产 CPU（鲲鹏、飞腾）服务器，满足 “东数西算” 国产化要求。

二、算力特性：“并行计算” vs “串行通用计算”

1. 显卡服务器：并行算力主导，适配密集型任务

• 算力优势：GPU 拥有 thousands 级流处理器（如昇腾 910B 有 32 个达芬奇架构 AI 核心），擅长并行计算—— 能同时处理海量重复任务（如 AI 训练中 “同时计算 100 万组参数”、渲染中 “同时生成 1000 帧画面”）。

• 典型算力指标：以 AI 算力为例，单卡昇腾 910B 的 FP16 算力达 320 TFLOPS，8 卡集群可突破 2 PFLOPS（2000 TFLOPS）；而普通服务器 CPU 的 AI 算力通常仅 10-50 TFLOPS（如鲲鹏 920 CPU 的 AI 算力约 20 TFLOPS）。

2. 普通服务器：串行算力为主，适配通用任务

• 算力优势：CPU 拥有少量高性能核心（如鲲鹏 920 有 64 核），擅长串行逻辑处理—— 按顺序执行复杂指令（如数据调度、业务逻辑判断、多任务协调）。

• 典型算力指标：以通用算力（CPU 主频、核心数）为主，如鲲鹏 920 2.6GHz 64 核服务器，适合运行数据库、中间件等需要 “逻辑调度” 的任务，但处理 AI、渲染等并行任务时效率仅为显卡服务器的 1/10-1/100。

三、应用场景：“算力密集型” vs “通用型”