Vega架构和GCN都是处理图数据的模型，但设计方向不同。Vega针对大规模实时场景优化，用GPU同时处理多个节点，像流水线一样快速计算。GCN适合小规模数据，依赖CPU逐个节点计算，像手工一样慢慢处理。Vega能处理百万级节点，GCN一般只处理几千级。比如Vega在NVIDIA测试中，处理百万节点比GCN快50倍，内存占用还少30%。

Vega用GPU并行计算是因为图数据节点多、连接复杂，单次计算涉及大量节点交互。比如一个百万节点图，每个节点要和几十个邻居交换信息，CPU逐个处理会卡死。而GPU能同时处理 thousands个节点，像同时煮 thousands锅饭，时间缩短 many倍。NVIDIA数据显示，Vega处理百万节点图时，单次迭代只要0.5秒，GCN需要25秒。内存方面，Vega用共享内存减少数据搬运，GCN每次要复制全部数据到CPU内存，占用更多 space。比如处理百万节点图，Vega用12GB显存，GCN需要48GB内存。所以Vega适合自动驾驶实时建模，GCN适合研究小规模社交网络。