GPU，即图形处理器，其内部的图形处理流水线执行着一系列复杂而精细的任务，这些任务共同协作以在屏幕上呈现出精美的图像。尽管任务的执行顺序可能有所变化，但以下步骤概括了GPU工作流程的核心环节：

首先，顶点处理阶段是关键一步。GPU会读取描述3D图形外观的顶点数据，这些数据如同3D图形的骨架，帮助GPU确定图形的形状及其在空间中的位置关系。在支持DX8和DX9标准的GPU中，这一工作由硬件加速的顶点着色器（VertexShader）高效完成。

接下来，光栅化计算过程将图形上的点和线转换为屏幕上的像素点。这一步骤至关重要，因为它实现了从矢量图形到像素图像的转换。想象一下，一条数学定义的斜线，在光栅化后，会被转换为一系列紧密相连的像素点，形成视觉上连续的线段。

随后，纹理映射（Texture Mapping）为多边形表面赋予了生动的外观。这一过程，通常由纹理映射单元（TMU）执行，它将图像或图案“粘贴”到多边形表面，从而创造出逼真的3D图形。

像素处理阶段则是确定每个像素最终属性的关键。在支持DX8和DX9的GPU中，像素着色器（Pixel Shader）负责这一复杂任务，而光栅化引擎（ROP）则负责最终的像素输出。当一帧图像渲染完成后，它会被送往显存帧缓冲区，等待显示。

在GPU出现之前，CPU承担了计算机中的大部分运算任务，包括多媒体处理。然而，CPU的串行架构和有限的暂存器数量，使其在处理多媒体计算时显得力不从心。这类计算通常需要高运算密度、多并发线程和频繁的存储器访问，而CPU的CISC架构难以满足这些需求。

尽管Intel等厂商推出了多媒体扩展指令集（SSE）等改进方案，但由于多媒体计算对浮点运算和并行计算的高要求，CPU在硬件层面上的局限性仍然明显。相比之下，GPU的设计则更加适合并行处理大量任务。其简单的控制结构和较小的Cache需求，使得GPU能够投入更多晶体管用于构建专用电路和流水线，从而实现了计算速度的飞跃，特别是在处理浮点运算方面。

因此，CPU和GPU在架构上存在显著差异。CPU功能全面，适应复杂运算环境；而GPU则专注于并行处理任务，拥有更强大的浮点运算能力。这种分工合作，使得计算机在处理图形和多媒体任务时更加高效。