Câu trả lời của TL; DR: GPU có nhiều lõi xử lý hơn CPU, nhưng vì mỗi lõi GPU chạy chậm hơn đáng kể so với lõi CPU và không có các tính năng cần thiết cho các hệ điều hành hiện đại, chúng không phù hợp để thực hiện hầu hết việc xử lý hàng ngày điện toán. Chúng phù hợp nhất với các hoạt động chuyên sâu tính toán như xử lý video và mô phỏng vật lý.
GPGPU vẫn là một khái niệm tương đối mới. GPU ban đầu chỉ được sử dụng để kết xuất đồ họa; khi công nghệ tiến bộ, số lượng lớn lõi trong GPU so với CPU đã được khai thác bằng cách phát triển khả năng tính toán cho GPU để chúng có thể xử lý đồng thời nhiều luồng dữ liệu, bất kể dữ liệu đó có thể là gì. Mặc dù GPU có thể có hàng trăm hoặc thậm chí hàng nghìn bộ xử lý luồng, mỗi bộ xử lý chạy chậm hơn lõi CPU và có ít tính năng hơn (ngay cả khi chúng hoàn thành Turing và có thể được lập trình để chạy bất kỳ chương trình nào CPU có thể chạy). Các tính năng bị thiếu trong GPU bao gồm các ngắt và bộ nhớ ảo, được yêu cầu để thực hiện một hệ điều hành hiện đại.
Nói cách khác, CPU và GPU có kiến trúc khác nhau đáng kể giúp chúng phù hợp hơn với các nhiệm vụ khác nhau. GPU có thể xử lý một lượng lớn dữ liệu trong nhiều luồng, thực hiện các thao tác tương đối đơn giản trên chúng, nhưng không phù hợp với xử lý nặng hoặc phức tạp trên một hoặc một vài luồng dữ liệu. CPU nhanh hơn nhiều trên cơ sở mỗi lõi (về hướng dẫn mỗi giây) và có thể thực hiện các thao tác phức tạp trên một hoặc một vài luồng dữ liệu dễ dàng hơn, nhưng không thể xử lý hiệu quả nhiều luồng đồng thời.
Do đó, GPU không phù hợp để xử lý các tác vụ không được hưởng lợi đáng kể hoặc không thể song song, bao gồm nhiều ứng dụng tiêu dùng phổ biến như bộ xử lý văn bản. Hơn nữa, GPU sử dụng kiến trúc cơ bản khác nhau; người ta sẽ phải lập trình một ứng dụng dành riêng cho GPU để nó hoạt động và cần có các kỹ thuật khác nhau đáng kể để lập trình GPU. Các kỹ thuật khác nhau này bao gồm ngôn ngữ lập trình mới, sửa đổi ngôn ngữ hiện có và mô hình lập trình mới phù hợp hơn để thể hiện một tính toán như một hoạt động song song được thực hiện bởi nhiều bộ xử lý luồng. Để biết thêm thông tin về các kỹ thuật cần thiết để lập trình GPU, hãy xem các bài viết trên Wikipedia về xử lý luồng và tính toán song song .
GPU hiện đại có khả năng thực hiện các hoạt động vectơ và số học dấu phẩy động, với các thẻ mới nhất có khả năng thao tác các số dấu phẩy động có độ chính xác kép. Các khung như CUDA và OpenCL cho phép các chương trình được viết cho GPU và bản chất của GPU làm cho chúng phù hợp nhất với các hoạt động song song cao, như trong điện toán khoa học, trong đó một loạt thẻ tính toán GPU chuyên dụng có thể thay thế cho một loại nhỏ tính toán cụm như trong Siêu máy tính cá nhân NVIDIA Tesla . Người tiêu dùng có GPU hiện đại có kinh nghiệm với Folding @ home có thể sử dụng chúng để đóng góp cho khách hàng GPU , có thể thực hiện mô phỏng gấp protein ở tốc độ rất cao và đóng góp nhiều công việc hơn cho dự án (hãy chắc chắn đọc Câu hỏi thường gặpđầu tiên, đặc biệt là những người liên quan đến GPU). GPU cũng có thể cho phép mô phỏng vật lý tốt hơn trong các trò chơi video bằng PhysX, tăng tốc mã hóa và giải mã video và thực hiện các tác vụ chuyên sâu tính toán khác. Đây là những loại nhiệm vụ mà GPU phù hợp nhất để thực hiện.
AMD đang tiên phong thiết kế bộ xử lý có tên là Bộ xử lý tăng tốc (APU) kết hợp các lõi CPU x86 thông thường với GPU. Cách tiếp cận này cho phép hiệu năng đồ họa vượt trội hơn rất nhiều so với các giải pháp đồ họa tích hợp bo mạch chủ (mặc dù không phù hợp với GPU rời đắt tiền hơn) và cho phép hệ thống nhỏ gọn, chi phí thấp với hiệu suất đa phương tiện tốt mà không cần GPU riêng. Các bộ xử lý mới nhất của Intel cũng cung cấp đồ họa tích hợp trên chip, mặc dù hiệu năng GPU tích hợp cạnh tranh hiện chỉ giới hạn ở một số ít chip với Intel Iris Pro Graphics. Khi công nghệ tiếp tục phát triển, chúng ta sẽ thấy mức độ hội tụ ngày càng tăng của các bộ phận riêng biệt này. Dự kiến AMDmột tương lai nơi CPU và GPU là một, có khả năng làm việc liền mạch với nhau trong cùng một nhiệm vụ .
Tuy nhiên, nhiều tác vụ được thực hiện bởi các hệ điều hành và ứng dụng PC vẫn phù hợp hơn với CPU và cần nhiều công việc để tăng tốc chương trình sử dụng GPU. Do rất nhiều phần mềm hiện có sử dụng kiến trúc x86 và do GPU yêu cầu các kỹ thuật lập trình khác nhau và thiếu một số tính năng quan trọng cần thiết cho hệ điều hành, nên việc chuyển đổi chung từ CPU sang GPU cho máy tính hàng ngày là rất khó khăn.