说明你还是没懂，你去看看冯诺依曼体系，哪里有GPU？
其实这里在讨论内存墙的问题。GPU里面ALU和memory也是分开的，中间用内部总线相连。现在大模型越来越大，ALU能力上升是飞快，但哪怕用GPU、内存也逐渐成为瓶颈，更不用说内存带宽了。这也是HBM等技术开始变得热门起来的原因。
你找个大模型问问吧，别来问我了，我不想回答那么基础的问题。
你一开口就已经没法聊了。你连高中计算机课都没搞懂。
而且AI集群还涉及到了服务器内、服务器间的GPU互联
GPU虽然还不是完全存算一体，至少也是近存计算，一定程度上旁路了CPU
我推荐你去看看黄在mit或斯坦福的那次演讲，2010年之前。对计算机，你绝对没有我懂。
gpu只是分担一部分cpu工作而已，因为分担工作重要才特化成gpu，本质是属于cpu的一部分，所以还是冯诺依曼结构。
虽然我认为大语言模型发展不出通用人工智能，但scaling law2-3年内还会继续有效而且具有部署的可行性。NV现在如日中天，但近忧在大云客户寻找替代，远期威胁在于模型架构的变革。
我不想与你争辩，你信任大模型，却不去看看创始人演讲。没啥意思，不过你真的不太懂