在当前的科技发展中，AI（人工智能）计算同时依赖于CPU（中央处理器）和GPU（图形处理器），但两者的依赖程度和作用各有不同。CPU通常被认为是计算机的“大脑”，它负责处理各种复杂的任务，包括逻辑运算、数据传输和系统管理等。在AI计算中，CPU通常负责模型训练中的非并行化任务，如数据预处理、模型参数更新等。
GPU则因其强大的并行处理能力，在AI计算中扮演着重要角色，尤其是在深度学习领域。GPU能够同时处理大量数据，这使得它在执行神经网络训练时比CPU更为高效。特别是在处理大规模数据集和复杂模型时，GPU可以显著缩短训练时间，提高计算效率。
此外，随着技术的发展，出现了TPU（张量处理器）等专门为AI计算设计的硬件，这些硬件在某些方面进一步优化了AI计算的性能。TPU在处理特定类型的计算任务时，如矩阵乘法等，能够提供比GPU更高的效率。
综上所述，AI计算对CPU和GPU都有依赖，但GPU在处理大规模和复杂的计算任务时更为关键。随着技术的进步，未来可能会有更多专门为AI设计的硬件出现，进一步推动AI计算的发展。