GPU能執行if語句嗎，和CPU比較誰快？
如2個計算結果，a=3.14……，b=3.15……，要判斷a、b大小，在GPU中判斷，還是給CPU判斷？
if是branch，你要做的「比較大小」的操作是cmp，不是一回事。
如果只是比較數據大小，cpu的latency通常低一些，gpu因為是simt/simd，要對更多數據同時運算，所以latency通常會稍高。
當然nv的turing已經做到常見簡單指令4cycle，和cpu不差太多了。但是考慮到主頻的話，時間上還是cpu快。
不過如果按吞吐率去算單位操作的耗時的話，gpu更快不用說。
至於if這種真branch（指asm層面真的發生了branch，而不是cmov/csel這種），cpu有分支預測+投機執行，所以可能能0開銷。
gpu的話一次性多個thread鎖步執行，branch可能只是更新一下mask，按道理開銷也不會很大。
但是gpu可能要保存stack信息（以後reconverge用），也可能要對各種依賴做同步（寄存器依賴、scoreboard），所以可能開銷更大。
而多個線程diverge的話，兩側分支都要走一遍，相當於在線程角度做csel，不太好和cpu的做法直接比較。
再說了，你如果想拿gpu做這麼一個操作，你得先傳數據給gpu，調用驅動配置gpu，然後髮指令讓gpu執行，然後等執行完了還要傳數據回來，這個延遲夠cpu做幾萬次branch了…
結論：問題問得沒意義，回答也答得挺沒意義的。
gpu當然可以執行if，只不過和cpu有些區別。
cpu程序邏輯上就是一個線程，分支就是跳轉到別的位置。gpu由於是多個線程同時執行，在沒有分支時，一般warp內各個線程執行相同指令，有分支時會出現部分線程跳轉，部分線程不跳轉的情況，gpu能正確處理這些情況，不過效率不一定高，gpu分支執行這塊在學術界和工業界有不少研究，幾乎每一代的gpu都在這部分做了不少優化和提升，比如nvidia volta架構這部分改動就比較大。
當前的GPU，基本上都是SIMD架構。SIMD，顧名思義，一個block中的多個ALU同時執行一條相同的指令，但是是對不同的數據進行操作。假設一個block有8個ALU，從GPU的角度來看，希望8個ALU處理的數據在內存中是相鄰存儲的。這樣，GPU從內存中讀取數據時，通過連續的burst，一次性將數據讀取進入GPU內部。然後，8個ALU一次性將這些數據並行處理完成，從而達到GPU的最高性能。
對於CPU，在計算if 後面的條件後，根據條件執行if分支，或者else分支。CPU通常還有強大的分支預測和亂序執行的邏輯，支持程序高效的執行。對於SIMD的GPU，如果遇到if else語句，如何執行？GPU則沒有分支預測，也無法亂序執行。GPU遇到if else語句後，將按照順序執行if分支，然後執行else分支。最後，根據if後面的條件計算結果，選擇保留if分支或else分支的結果。就像下面的圖一樣（網上摘圖，侵權刪除）
所以，GPU代碼裡面盡量避免if else語句。當然Nvidia也一直在優化這個處理。
這種簡單的語句他們都可以做。CPU的特色是幾個複雜的核心，做複雜的事情。GPU就是大量簡單的核心，大量做簡單的事情。各有優勢而已。
比如你有一個64核128線程的線程撕裂者CPU（AMD Yes），純CPU渲染LOL之類的遊戲，也是蠻流暢的。
這還真回答不了，只好側面回答一下。
注意x86的浮點運算是在浮點運算器中執行的，而浮點運算單元是有個狀態寄存器的，用來表示執行結果的狀態，而這個狀態是cpu可以用來干if這件事的，比如可以測試該寄存器的一些位，然後jmp 到別的地址，執行其它指令序列。
而gpu寄存器和指令長啥樣cpu是不知道的，只能讀寫特定埠，其實就是一些特定地址單元，來控制gpu。那麼gpu 有沒有相應的狀態寄存器和測試指令呢？肯定是有的，但只有製造商自己清楚，從來沒見過gpu 的技術手冊。但intel的cpu技術手冊有幾千頁，從官網隨便下載。
所以gpu 驅動就是製造商自己寫，還能打雞血。大家一起罵—為什麼不開源？而指令效率問題，這真回答不了，答的都是靠猜。
推薦閱讀：
