GPU（ジーピーユー）とは画面を描くために生まれ、いまはAIの計算も担うチップ。CPUとの違い、AIでGPUが使われる理由、NPUとの違い【2026年10月版】

2026年10月8日・日本時間時点の情報です。 GPU（ジーピーユー）とは、graphics processing unit（グラフィックス・プロセッシング・ユニット）の略で、同じ種類の計算を大量に同時並行で進めることが得意なチップのことです。もとは3Dゲームなどの画面を描くために作られ、いまはChatGPTのようなAIの計算にも使われています。パソコンの頭脳にあたるCPUが「いろいろな仕事を順に切り替えて進める司令塔」だとすると、GPUは「単純な計算を数千単位で一斉に片づける担当」です。

3行まとめ

1. GPUはgraphics processing unitの略。デジタル大辞泉の説明は「三次元のコンピューターグラフィックスに必要な演算処理を行うビデオチップの一」で、AIの計算に使われるようになったのは後からの使い道
2. CPUとGPUの違いは「少数の強いコアで順番に」と「多数の小さなコアで一斉に」。IntelとAWSの資料はCPUかGPUかの二者択一ではなく両方が要ると書き、NVIDIAもCPUは今も欠かせないと書く（3社ともチップやクラウドを売る側）
3. 筆者のMac（Apple M5 Max）で同じ行列計算を試すと、大きな計算はGPUが約11〜48倍速く、小さな計算の連続はCPUが約7〜12倍速かった（2026年10月8日 04:50・ほかの処理も動く中での計測）

GPUとは何の略で、何をするチップか

GPUはgraphics processing unitの頭文字です。デジタル大辞泉（コトバンクに載る小学館の辞典）は、次のように書いています。

三次元のコンピューターグラフィックスに必要な演算処理を行うビデオチップの一。物体の見栄えに関する処理の前段階にあたる座標変換などを担当する。ハードウエアレベルで処理を行うことにより高速化を可能とする。

画面に3Dの映像を出すには、ピクセル（画面の点）一つひとつの色や明るさを、絵が動くたびに計算し直す必要があります。AWS（アマゾンのクラウドサービス。CPUやGPUを積んだサーバーを貸す側）の日本語ページは、この事情を「ビデオゲームのアニメーションでは、アプリケーションがデータを処理して、それぞれ独自の色、光の強さ、動きを持つ何千ものピクセルを表示する必要がありました」と書き、当時CPUでのこうした計算は性能の問題につながっていたとしています。そこで画面描画を受け持つ専用のチップが生まれた、という流れです。

Wikipedia（日本語）によると、NVIDIAがGeForce 256を「Graphics Processing Unit」と命名して紹介したのが、この呼び名の始まりです。IBM（AIやクラウドのサービスを売る会社）の英語のページは、このGeForceの発売を1999年と書いています。GPUを作って売るNVIDIAの会社ブログも「GPUs, invented by NVIDIA in 1999」と書いています（これは同社自身の主張として読んでください）。

CPUとGPUの両方を作って売っているIntelの解説ページは、GPUをこう説明します。

The graphics processing unit (GPU) has many smaller, more specialized cores. These cores deliver massive performance by working together and dividing processing tasks across many cores simultaneously (or in parallel).

（訳）GPUは、数多くの、より小さく専門化されたコアを持つ。これらのコアは、処理を多数のコアに分けて同時に（並列に）進めることで、大きな性能を出す。

「コア」とは、計算を実際に行う小さな部品のことです。

辞書の「GPU」は別の意味も持つ──画面のチップ・AIの道具・旧ソ連の組織

「GPU」という語は、場面によって指すものが違います。取り違えやすい3つを分けておきます。

筆者が2026年10月8日 04:50 にコトバンクの「GPU」の項目をヘッドレスのブラウザで開くと、デジタル大辞泉の同じ項目の中で、コンピューターのGPUの説明に続けて旧ソ連の組織の説明が並んでいました。検索で辞書の項目に入ると面食らうので、ここで区別しておきます。

なお、デジタル大辞泉の説明は「三次元のコンピューターグラフィックスに必要な演算処理」までで、AIの計算には触れていません。AIの話でGPUと言うときは、表の2つ目の行の意味です。

CPUとGPUの違いは何か

まずCPUです。デジタル大辞泉は、CPUを「コンピューターの中央処理装置。コンピューターの中枢部分に当たり、さまざまなプログラムを実行する」と説明します。

違いを並べた表が、NVIDIAのブログにあります（2009年12月の記事を書き直したもので、ページに埋め込まれた更新日は2023年4月26日）。

出典: NVIDIA Blog（2026年10月8日取得）。日本語は筆者の訳。

AWSの日本語ページにも、同じ観点の表があります。CPUは「より少ない、より強力なコア」、GPUは「CPU よりもコアは多いが、CPU コアよりは処理能力が低い」。さらに、こんな例えが載っています。

CPU は大きなレストランの料理長のようなもので、何百個ものハンバーガーをひっくり返さなければなりません。（中略）GPU は、10 秒で 100 個のハンバーガーをひっくり返すことができる 10 本の手を持つ部下のアシスタントのようなものです。

表にあるコアの数と強さのほかに、資料は次の2点を挙げています。

1. 得意な仕事の種類が違う。 CPUは、ファイルを開く、キー入力に反応する、画面とアプリを切り替えるなど、種類のばらばらな仕事を素早くこなします。NVIDIAは「Fast and versatile, CPUs race through a series of tasks requiring lots of interactivity.（速くて多才で、やりとりの多い一連の仕事を駆け抜ける）」と書きます。GPUは「GPUs break complex problems into thousands or millions of separate tasks and work them out at once.（複雑な問題を数千〜数百万の別々の仕事に分け、一斉に解く）」と書かれています。
2. 同じ命令を大量に処理するかどうか。 AWSは、CPUは異なる命令を素早く切り替えられるのに対して、GPUは「同じ命令を大量に取り、高速で処理」すると書いています。

CPUは要らなくなるのか──どちらも働く

「GPUのほうが速いなら、CPUは要らないのでは」と考える人がいます。各社の資料はそう書いていません。

AWSは「CPU とグラフィックスプロセッシングユニット (GPU) のどちらを選択するかは、二者択一ではないことに注意してください」とし、「サーバーは CPU なしでは実行できません」と述べます。AWSの説明では、GPUはCPUの計算を手伝う追加の部品（コプロセッサ）として載る、という位置づけです。

Intelの資料も同じ方向です。

Today, it is no longer a question of CPU versus GPU. More than ever, you need both to meet your varied computing demands. The best results are achieved when the right tool is used for the job.

（訳）いまは、CPUかGPUかという問題ではない。多様な計算の要求に応えるには、かつてなく両方が必要になる。最良の結果は、仕事に合った道具を使ったときに得られる。

NVIDIAも冒頭で「CPUs, to be sure, remain essential（CPUはもちろん今も欠かせない）」と書いています。なお、この3社はいずれもCPUやGPU、それを使うクラウドを売る側の会社です。売り手の説明であることは、頭に置いて読んでください。

AIの計算にGPUが使われるのはなぜか

AIの計算にGPUが使われる理由は、AIの中身が「大量の同じ種類の計算」でできているからです。

NVIDIAのブログは、こう書いています。

In AI, GPUs have become key to a technology called “deep learning.” Deep learning pours vast quantities of data through neural networks, training them to perform tasks too complicated for any human coder to describe.

（訳）AIでは、GPUは「ディープラーニング」という技術の要になった。ディープラーニングは、大量のデータをニューラルネットワークに流し込み、人間のプログラマーには書き表せないほど複雑な仕事ができるように学習させる。

「ニューラルネットワーク」は、脳の神経細胞のつながりをまねた計算のしくみです。ChatGPTのような言語モデル（LLMの解説記事参照）も、この種のしくみの上に作られています。

同じブログは、GPUに積まれたAI向けの回路についてもこう書いています。

Tensor Cores accelerate large matrix operations, at the heart of AI, and perform mixed-precision matrix multiply-and-accumulate calculations in a single operation.

（訳）Tensor Coresは、AIの中心にある大きな行列演算を高速化し、混合精度の行列の掛け算と足し込みを1回の操作でこなす。

「行列演算」は、数を縦横に並べた表どうしの掛け算のことです。AIは、この掛け算を数え切れないほど繰り返します。ひとつひとつの掛け算は単純で、互いに待ち合う必要が少ないので、数千のコアに分けて同時に進められます。これがGPUの得意な形と重なります。AWSの日本語ページも、「GPU ベースのサーバーは、機械学習、ニューラルネットワーク、深層学習のタスクに高いパフォーマンスを発揮します」と書いています。

もうひとつ、電力の話があります。NVIDIAは「GPUs perform much more work for every unit of energy than CPUs.（GPUは同じ電力あたり、CPUよりずっと多くの仕事をこなす）」と書いています（同社の主張で、本記事は第三者の測定では確かめていません）。

歴史の面では、Wikipedia（日本語）が「2010年代後半にGPGPUという手法が広く普及したことで、HPC分野でもGPUを多用するようになった。特に深層学習（ディープラーニング）ベースのAI用途にGPUの需要が高まっている」と記述しています。GPGPUは、GPUを画面描画以外の一般の計算に使う手法のことです。IBMのページは、2007年にNVIDIAがCUDA（クーダ）という開発の土台を作り、開発者がGPUの並列計算を直接使えるようになったと書いています。

なお、AIをパソコンで動かすときの速さは、GPUの計算力だけでなく、メモリ（データを読み書きする速さと量）にも左右されます。この点はメモリ帯域幅の解説記事とMacとWindowsのハードウェア選びの記事で扱っています。自分のパソコンでAIを動かす「ローカルLLM」の全体像はローカルLLMの解説記事にあります。

内蔵GPU・単体GPU（グラボ）・クラウドのGPUはどう違うか

「GPU」と「グラフィックボード（ビデオカード）」は同じものではありません。Wikipedia（日本語）の説明に沿うと、GPUは計算するチップそのもので、グラフィックボードはそのチップと専用のメモリを載せた基板です。

IBMのページは、GPUを3種類に分けています。

• 単体GPU（discrete GPU）: CPUとは別のチップで、別の基板に載り、スロットでつなぐ。高度な編集や高性能なゲーム向け
• 内蔵GPU（integrated GPU）: CPUの隣、またはCPUの中に組み込まれたもの。ノートパソコンでよく使われる
• 仮想GPU（virtual GPU）: クラウド上でソフトウェアとして提供されるGPU（クラウドそのものの意味はクラウドの解説記事）

Intelの資料も、CPUとGPUが同じチップに入った構成について「space-, cost-, and energy-efficiency benefits（省スペース・低コスト・省電力の利点）」があると説明し、ノートパソコン、タブレット、スマートフォンなどで使われるとしています。

Appleのチップのように、CPUとGPU（とAI用の回路）を1つのチップに入れて、メモリを共有する作りもあります。Mac向けの話はM5チップのNeural Acceleratorの記事に詳しく書いています。Windowsパソコンで自分のGPUがAI用に認識されているかを確かめる手順は、WindowsにローカルAIを入れる手順の記事にあります。

NPUとは何か、GPUとの違い

NPU（エヌピーユー）はneural processing unit（ニューラル・プロセッシング・ユニット）の略で、AIの計算に特化したチップです。Microsoftの日本語ドキュメントは、こう書いています。

リアルタイム翻訳や画像生成などの AI 集中型プロセス用の特殊なコンピューター チップである、高性能ニューラル処理ユニット (NPU)

同じページの、Qualcommの「Snapdragon X Elite」というチップを紹介する段落には、そのNPUについて「この NPU は、大量のデータを並列に処理でき、1 秒あたり数兆回の演算を実行し、CPU や GPU よりも効率的に AI タスクにエネルギーを使い、デバイスのバッテリー充電を長持ちさせることができます。NPU は CPU および GPU と連携して動作します」ともあります。

3つを並べると、次のようになります。

Intelの資料は、NPUの担当をさらに絞って書いています。NPUは「ideal for preparing pre-trained neural networks for the inferencing stage of AI（学習済みのニューラルネットワークを、AIの推論の段階に向けて準備するのに向く）」。推論とは、学習で身につけた力を使って予測を出す段階のことです。Microsoftのページも「デバイス NPU で推論 (AI タスクを実行) する」と書き、NPUで動かすことを推論と呼んでいます。

Copilot+ PCがNPUに求める「40 TOPS」という条件や、ネット無しで動く機能の線引きは、Copilot+ PCの解説記事で扱っています。ここでは繰り返しません。Microsoftのページには、NPUを持つ機器ではタスクマネージャーでNPUの使用状況を見られる、という記述もあります。

筆者のMacで同じ計算をCPUとGPUに投げた

資料の説明だけでなく、筆者が自分のMacで確かめました。2026年10月8日 04:50 に実行した結果です。

• 機種: MacBook Pro（Apple M5 Max・メモリ64GB）。macOSのシステム情報では、CPUは合計18コア（6 Super＋12 Performance）、GPUは40コア
• 使った道具: AppleのMac向けAI計算ライブラリMLX（バージョン0.32.1）。同じ計算を、実行先をCPUかGPUに切り替えて5回ずつ計り、中央値を取った（下の小さな計算は、200回の連続処理を7回ずつ計った）
• 計算: 正方形の行列どうしの掛け算（AIの中心にある計算と同じ種類）

大きな計算ではGPUが速かった。

小さな計算では逆にCPUが速かった。 8×8、32×32、128×128の小さな行列で、「前の結果を使って次を計算する」（行列の掛け算に簡単な変換を足した計算を、1回ごとに結果を確定させてから次へ進む）という手順を200回続けると、次の結果になりました。

この結果は、資料の説明と同じ向きです。大量の計算を一斉に進められる場面ではGPUが大きく勝ち、計算が小さくて前の結果を待つ必要がある場面ではCPUが勝ちました。後者は、GPUに仕事を渡して結果を受け取るたびにかかる手間のほうが、計算そのものより大きくなるためと筆者は考えていますが、その原因までは調べていません。

この計測には限りがあります。ほかのプロセスも動いている環境で計ったため、同じ条件でも結果はばらつきました（8,192×8,192のCPUは5回の中で約0.9秒から約3.2秒まで開きました）。CPU側の計算にどのライブラリが使われたかは確認していません。倍率は「このMacで、この日に、この条件で」の数字であり、ほかの機種や、AIモデルを実際に動かしたときの速さを示すものではありません。

各社のページを開いたときに画面で見えたこと

• NVIDIAのブログ（2026年10月8日 04:50）は、ページを取り出すコマンド（curl）でも開けました。署名欄の日付は2009年12月16日で、冒頭の編集部注が「書き直した」と断っています。ページの下の「Recent News」には2026年10月7日付の別の記事が並んでいましたが、この記事自体の更新日は上に書いた2023年4月26日です
• Intelのページは、curlでは403（拒否）が返りました。画面を出さないで動かすGoogle Chrome（04:51）では開けたので、そちらの画面と本文を保存して読みました
• コトバンクの「GPU」は、スマートフォンの画面幅（390×844・04:51）でも、コンピューターの語義のすぐ下に旧ソ連の組織の語義が出ました
• 日本語のMicrosoft LearnのNPU説明（04:51）には、「このトピックの一部は機械翻訳または AI 翻訳されている場合があります。」という注記がありました。引用は日本語版の文面のままです

この記事の資料と計測で、まだ言えないこと

• GPUの内部の数字は取っていません。 コアの数やメモリの速さは機種ごとに違い、本記事は各社の説明文の範囲で書いています。具体的な製品の性能比較はしていません
• 資料どうしで言い方がそろわない点があります。 IBMのページは、CPUとGPUは設計が似ていてコアやトランジスタの数も似ていると書く一方、すぐ後の段落ではGPUは数百から数千のコアを持つとも書いています。NVIDIA・Intel・AWSはコア数に大きな差があると書いており、本記事はそちらに沿って書き、IBMの前者の記述は使っていません。IBMの資料は、主に内蔵・単体・仮想の区分に使いました
• NPUが推論を受け持つという説明は、IntelとMicrosoftの資料によるものです。 両社とも推論の話として書いており、NPUで学習（モデルを育てる計算）をすることについては、本記事が確認した範囲では触れていませんでした。製品や使い方でも変わります

出典の資料と、開いた時刻

本文で名指しした資料と、開いた時刻です。取得はいずれも2026年10月8日です。

• NVIDIA Blog「What's the Difference Between a CPU and a GPU?」（04:50）
• Intel「CPU vs. GPU: What's the Difference?」（04:51）
• AWS「GPU と CPU の比較」
• Microsoft Learn「Copilot+ PC 開発者ガイド」（日本語・04:51）
• IBM「What is a graphics processing unit (GPU)?」
• コトバンク「GPU」（04:50）・「CPU」
• Wikipedia（日本語）「GPU」

関連して読むなら、AIチップの業界地図が、NVIDIA・AMD・Intel・Appleなど各社のAI向けチップの違いを扱っています。