服务器中有显卡吗？

服务器有显卡。

对于现在来说，不管你是主板集成，还是独立显卡，或者是CPU 内置GPU等等情况，都离不开显卡，因为没有显卡你就无法工作。另外服务器，本质上来说也是电脑，只不过比普通电脑更高级一点。如果后台的人都是通过显示器来操作一些日常事务的，因此必须要有显卡。

在GPU出现以前，显卡和CPU的关系有点像“主仆”，简单地说这时的显卡就是画笔，根据各种有CPU发出的指令和数据进行着色，材质的填充、渲染、输出等。

较早的娱乐用的3D显卡又称“3D加速卡”，由于大部分坐标处理的工作及光影特效需要由CPU亲自处理，占用了CPU太多的运算时间，从而造成整体画面不能非常流畅地表现出来。

那么，GPU的工作原理是什么？

简单的说GPU就是能够从硬件上支持T只不过大多数PC中，T&L的大部分运算是交由CPU处理的，由于CPU的任务繁多，除了T&L之外，还要做内存管理、输入响应等非3D图形处理工作，因此在实际运算的时候性能会大打折扣，常常出现显卡等待CPU数据的情况，其运算速度远跟不上今天复杂三维游戏的要求。

即使CPU的工作频率超过1GHz或更高，对它的帮助也不大，由于这是PC本身设计造成的问题，与CPU的速度无太大关系。

GPU图形处理，可以大致分成5个步骤，如下图箭头的部分。

分别为vertexshader、primitiveprocessing、rasterisation、fragmentshader、testingandblending。

第一步，vertexshader。是将三维空间中数个顶点放进GPU中。

在这一步骤中，电脑会在内部模拟出一个三维空间，并将这些顶点放置在这一空间内部。接着，投影在同一平面上，也是我们将看到的画面。同时，存下各点距离投影面的垂直距离，以便做后续的处理。

这个过程就像是本地球观看星星一般。地球的天空，就像是一个投影面，所有的星星，不管远近皆投影在同一面上。本地球的我们，抬起头来观看星星，分不出星星的远近，只能分辨出亮度。

GPU所投影出的结果，和这个情况类似。

从地球所看到的星空，星星就像是投影到一球面上，除非使用特别的仪器，不然分不出星星和地球的距离

第二步，primitiveprocessing。是将相关的点链接在一起，以形成图形。在一开始输入数个顶点进入GPU时，程序会特别注记哪些点是需要组合在一起，以形成一线或面。就像是看星座的时候一样，将相关连的星星连起来，形成特定的图案。

第三步，rasterisation。因为电脑的屏幕是由一个又一个的像素组成，因此，需要将一条连续的直线，使用绘图的演算法，以方格绘出该直线。图形也是以此方式，先标出边线，再用方格填满整个平面。

第四步，fragmentshader。将格点化后的图形着上颜色。所需着上的颜色也是于输入时便被注记。在游玩游戏时，这一步相当耗费GPU的计算资源，因为光影的效果、物体表面材质皆是在这一步进行，这些计算决定着游戏画面的精细程度。因此在游玩游戏时，调高游戏画面品质大幅增加这一步的计算负担，降低游戏品质。

将一个三角形，用方格呈现近似原始图案，并着上颜色。一块又一块的方格，就是显示器上的像素

最后一步，testingandblending。便是将第一步所获得的投影垂直距离取出，和第四步的结果一同做最后处理。在去除被会被其他较近距离的物体挡住的物体后，让剩下的图形放进GPU的输出内存。之后，结果便会被送到电脑屏幕显示。

GPU与DSP区别

GPU在几个主要方面有别于DSP架构。其所有计算均使用浮点算法，而且目前还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号和二维地址。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。最后一点，不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。

尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。Brook是专为GPU计算设计，且不需要图形知识的高级语言。因此对第一次使用GPU进行开发的工作人员而言，它可以算是一个很好的起点。

Brook是C语言的延伸，整合了可以直接映射到GPU的简单数据并行编程构造。经GPU存储和操作的数据被形象地比喻成“流”，类似于标准C中的数组。核心是在流上操作的函数。在一系列输入流上调用一个核心函数意味着在流元素上实施了隐含的循环，即对每一个流元素调用核心体。Brook还提供了约简机制，例如对一个流中所有的元素进行和、最大值或乘积计算。

Brook还完全隐藏了图形API的所有细节，并把GPU中类似二维存储器系统这样许多用户不熟悉的部分进行了虚拟化处理。用Brook编写的应用程序包括线性代数子程序、快速傅立叶转换、光线追踪和图像处理。利用ATI的X800XT和Nvidia的GeForce6800Ultra型GPU，在相同高速缓存、SSE汇编优化Pentium4执行条件下，许多此类应用的速度提升高达7倍之多。

对GPU计算感兴趣的用户努力将算法映射到图形基本元素。类似Brook这样的高级编程语言的问世使编程新手也能够很容易就掌握GPU的性能优势。访问GPU计算功能的便利性也使得GPU的演变将继续下去，不仅仅作为绘制引擎，而是会成为个人电脑的主要计算引擎。

GPU就是图像处理器，是整个显卡的核心。显卡GPU就是图像处理器，是整个显卡的核心。显卡是由GPU、显存等等组成的。由GPU、GPU就是图像处理器，是整个显卡的核心。显卡GPU就是图像处理器，是整个GPU就是图像处理器，是整个显卡的GPU就是图像处理器，是整个显卡的核心。显卡GPU就是图像处理器，是整个显卡的核心。显卡是由GPU、显存等等组成的。由GPU、显存等等组成的。。显卡GPU就是图像处理器，是整个显卡的核心。显卡是由GPU、显存等等组成的。由GPU、显存等等组成的。卡的核心。显卡是由GPU、显存等等组成的。由GPU、显存等等组成的。存等等组成的。

你说的gup应该是GPU吧，只有两种解决办法：

使用独立服务器，安装独立显卡。

云主机所在的集群服务器全部带有显卡，那么虚拟出来的云主机本身就具备显卡功能，安装驱动后基本就可以使用。

也不排除一些云主机在虚拟化时将系统功能简化，从而没有将显卡功能附带上去。我用过中电华联云主机，他们的云主机是带有显卡功能的。

gpu是显卡里面的处理器（核心）。GPU（GraphicsProcessingUnit，图形处理器），又称为显示核心、视觉处理器、显示芯片等。

简介

一个光栅显示系统离不开图形处理器，图形处理器是图形系统结构的重要元件，是连接计算机和显示终端的纽带。

应该说有显示系统就有图形处理器(俗称显卡)，但是早期的显卡只包含简单的存储器和帧缓冲区，它们实际上只起了一个图形的存储和传递作用，一切操作都必须由CPU来控制。这对于文本和一些简单的图形来说是足够的，但是当要处理复杂场景特别是一些真实感的三维场景，单靠这种系统是无法完成任务的。所以后来发展的显卡都有图形处理的功能。它不单单存储图形，而且能完成大部分图形功能，这样就大大减轻了CPU的负担，提高了显示能力和显示速度。随着电子技术的发展，显卡技术含量越来越高，功能越来越强，许多专业的图形卡已经具有很强的3D处理能力，而且这些3D图形卡也渐渐地走向个人计算机。一些专业显卡具有的晶体管数甚至比同时代的CPU的晶体管数还多。比如2000年加拿大ATI公司推出的RADEON显卡芯片含有3千万颗晶体管，达到每秒15亿个象素填写率。

组成

图形处理器由以下器件组成: 

(1)显示主芯片显卡的核心，俗称GPU，它的主要任务是对系统输入的视频信息进行构建和渲染。

(2)显示缓冲存储器用来存储将要显示的图形信息以及保存图形运算的中间数据;显示缓存的大小和速度直接影响着主芯片性能的发挥。

(3)RAMD/A转换器把二进制的数字转换成为和显示器相适应的模拟信号。

主要问题

计算能力和计算模式方面的问题

当前GPU的基础———传统Z-buffer算法不能满足新的应用需求。在实时图形和视频应用中，需要更强大的通用计算能力，比如支持碰撞检测、近似物理模拟；在游戏中需要图形处理算法与人工智能和场景管理等非图形算法相结合。当前的GPU的体系结构不能很好地解决**级图像质量需要解决的透明性、高质量反走样、运动模糊、景深和微多边形染色等问题，不能很好的支持实时光线跟踪、Reyes(Renderseverythingyoueversaw)等更加复杂的图形算法，也难以应对高质量的实时3D图形需要的全局光照、动态和实时显示以及阴影和反射等问题。需要研究新一代的GPU体系结构突破这些限制。随着VLSI技术的飞速发展，新一代GPU芯片应当具有更强大的计算能力，可以大幅度提高图形分辨率、场景细节(更多的三角形和纹理细节)和全局近似度。图形处理系统发展的趋势是图形和非图形算法的融合以及现有的不同染色算法的融合。新一代的图形系统芯片需要统一灵活的数据结构、新的程序设计模型、多种并行计算模式。我们认为发展的趋势是在统一的、规则并行处理元阵列结构上，用数据级并行、操作级并行和任务级并行的统一计算模式来解决当前图形处理系统芯片面临的问题。

制造工艺方面的问题

集成电路发展到纳米级工艺，不断逼近物理极限，出现了所谓红墙问题：一是线的延迟比门的延迟越来越重要。长线不仅有传输延迟问题，而且还有能耗问题。二是特征尺寸已小到使芯片制造缺陷不可避免，要从缺陷容忍、故障容忍与差错容忍等三个方面研究容错与避错技术。三是漏电流和功耗变得非常重要，要采用功耗的自主管理技术。现代的图形处理器芯片在克服红墙问题的几个方面有了显著的进步：利用了大量的规则的SIMD阵列结构；它的分布存储器接近了运算单元，减少了长线影响；它的硬件多线程掩盖了部分存储延迟的影响。但是随着工艺进一步发展，当前GPU的体系结构难以适应未来工艺发展，没有在体系结构上应对长线问题、工艺偏差和工艺缺陷问题的措施，特别是没有考虑如何适应三维工艺。当前最先进工艺的晶体管的栅极厚度已经大约是五个原子，在制造时，少了一个原子就造成20%的工艺偏差。因此工艺的偏差成为SoC设计不能不考虑的问题。特别是到2018年后的纳电子集成电路，可以通过随机自组装产生规则的纳米器件。因此，新一代系统芯片的体系结构必须利用规则的结构并且容忍工艺偏差，具有容错、避错和重组的能力。我们认为采用大量同构处理器元之间的邻接技术，适应纳米级工艺和未来的三维工艺，采用新型体系结构和相关的低功耗、容错和避错的设计策略，对于未来的图形处理系统芯片具有重要的科学意义。

gpu不是显卡。

gpu又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。GPU是显卡上的一块芯片，也就是图像处理芯片，属于显卡的重要组成部分。

图形处理器（英语：graphicsprocessingunit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。

GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时GPU所采用的核心技术有硬件T＆L（几何转换和光照处理）、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等。

gpu主要问题：

1、计算能力和计算模式方面的问题

当前GPU的基础———传统Z-buffer算法不能满足新的应用需求。在实时图形和视频应用中，需要更强大的通用计算能力，比如支持碰撞检测、近似物理模拟；在游戏中需要图形处理算法与人工智能和场景管理等非图形算法相结合。

2、制造工艺方面的问题

集成电路发展到纳米级工艺，不断逼近物理极限，出现了所谓红墙问题：一是线的延迟比门的延迟越来越重要。长线不仅有传输延迟问题，而且还有能耗问题。二是特征尺寸已小到使芯片制造缺陷不可避免，要从缺陷容忍、故障容忍与差错容忍等三个方面研究容错与避错技术。

—图形处理器