通用图形处理器（GPGPU）是GPU（图形处理器）的一种。GPGPU更强调通用计算能力，相比于GPU应用于图像处理，GPGPU更多应用于通用计算任务中。
　　GPU具有并行计算能力强大、高带宽内存等特性，在处理大规模数据集及计算密集型任务时表现出色。近年来，随着技术发展和演进，GPU逐渐进化出越来越多的通用属性，GPGPU应运而生。
　　GPGPU在性能、易用性、通用性上更加强大，更适合高性能并行计算，除应用在图像处理外，其应用也不断向科学计算、人工智能、密码学、区块链、数据分析、工程计算、金融、基因等领域扩展。
　　在大数据时代下，科学计算、边缘计算、人工智能等领域发展快速，各领域对硬件的算力要求越来越高，高性能浮点计算、并行计算、通用计算等需求暴增，GPGPU市场空间不断扩大。
　　在硬件、软件方面，GPGPU均具有极高的研发壁垒。硬件方面主要为指令集，指令集指定了GPU能够执行的操作和命令，决定着GPU应用宽度，目前GPU指令集构架主要分为CISC指令集架构和RISC指令集架构两种；在软件方面，生态的开发是核心难点。
　　在国际GPGPU市场上，英伟达、英特尔、AMD等企业是主要参与者，尤其是英伟达。英伟达的GPGPU指令集在千条量级，且已经建立了超过160万开发用户的生态-CUDA。CUDA是目前最主流的GPGPU编程模型之一，全球85%以上的模型，都是由CUDA训练出来的，
　　我国GPU市场起步较晚，但近年来，得益于人工智能等领域的发展，算力需求越来越高，国产GPU企业随之进入市场。在GPGPU方面，布局企业包括上海燧原科技股份有限公司、苏州登临科技有限公司（登临科技）、摩尔线程智能科技（北京）股份有限公司、上海壁仞科技股份有限公司等，其中登临科技自主研发了GPU+架构，其可兼容CUDA/OpenCL等编程模型和软件生态。
　　GPGPU是GPU的通用化进化，更强调通用计算能力，在大数据时代下，GPGPU应用潜力正不断释放。目前GPGPU已成为兵家必争之地，国际企业起步早，在该领域处于领先水平，我国GPGPU领域的技术空白在不断填补，但国产方案多是在英伟达的CUDA生态基础上推出的，在软件生态、硬件指令集等方面仍需突破。