英伟达急了？GPU赛道“高烧不退”，国产替代全面开花！

自ChatGPT爆火后，GPU成为超级计算和全球巨头大模型训练战中的焦点。英伟达更是凭借其GPU在大模型计算中的出色发挥赚得盆满钵满。

本财年第三季度，英伟达在其数据中心硬件收入已达145亿美元，几乎是去年同期的两倍。据Omdia预计，2023年第四季度英伟达H100和A100 GPU销量将超过50万台。

近几年，GPU市场持续火爆，但半导体产业整体却仍处于低迷状态，裁员不断，“寒气”倒逼。

11月15日，英国GPU芯片设计公司Imagination宣布，将在全球范围内裁员20％，涉及每一个业务部门。但有媒体援引知情人士话称，Imagination中国区将成为裁员的重灾区，比例估计在40％左右。

11月初，摩尔线程宣布在人员绩效方面，将进行一次常规性岗位优化，以达成更优的人岗匹配和岗薪匹配效能，更加聚焦GPU核心研发。

据《2023中国半导体投资深度分析与展望》显示，目前GPU市场国产化率仍不足10%。与此同时，英伟达GPU已成为各大AI公司开发大模型的首选利器，其算力需求激增直接导致英伟达GPU“一卡难求”。

那么，到底什么是GPU？国产GPU初创企业面对差距，又应当如何破局呢？

什么是GPU

GPU（Graphics Processing Unit，图形处理器）又被称作显示核心、视觉处理器、显示芯片，是一种专为并行处理而设计的微型处理器，非常擅长处理大量简单任务，包括图形和视频渲染。

GPU根据接入系统方式，分为集成型GPU（Integrated GPU，iGPU）和离散型GPU（Discrete GPU ，dGPU）两种，前者就是我们日常所说的集成显卡/核芯显卡，后者就是我们日常所说的独立显卡。

发展至今，GPU不仅为个人电脑、服务器和移动设备进行图形处理工作，还主要应用在工作站、游戏机、嵌入式设备、数据中心等各种需要渲染图形或高性能计算的场景。

GPU高效并发计算力

GPU的工作通俗理解是为完成3D图形的生成，将图形映射到相应的像素点上，对每个像素进行计算确定最终颜色并完成输出。

其工作原理与CPU 类似，都是通过执行指令来完成计算任务。不同的是，CPU 是通过串行执行指令的方式来完成计算任务，而GPU是通过并行执行指令的方式来完成计算任务。GPU 的并行计算方式可同时执行多个任务，大大提高计算效率和速度。

GPU的工作原理流程如下：

1. GPU包含多个核心,每个核心都可以独立执行命令。

2. 每个核心具有自己的存储器，用于存储指令和数据。

3. GPU会接收来自CPU的指令，并把它们分发到多个核心中进行处理。

4. GPU会把处理后的数据传输回CPU，以便CPU可以使用它。

5. GPU的性能取决于其内部的核心数量、时钟频率以及RAM容量。

总结来说，GPU和CPU都有各自的优势和适用场景，通常是相互协作。如在机器学习中，CPU通常用于数据的预处理和模型的训练过程，而GPU则用于模型的计算推理过程。

全球GPU市场格局

据Verified Market Research数据统计，2022年全球GPU市场规模达到448.3亿美元，预测2027年有望达到1853.1亿美元，年平均增速高达32.82%。

据 IDC 数据显示，预测2023 年中国GPU市场规模将达到43.2亿美元（约合人民币 298 亿元），未来5年整体市场年复合增长率（CAGR）27.1%。

在眼下的算力时代，GPU通用计算技术发展在浮点运算、并行计算等部分计算方面，可提供数十倍乃至于上百倍于CPU 的性能。

随着云计算、人工智能等高性能异构计算的发展，GPU并行计算的优势被进一步发掘，成为高性能计算领域的“宠儿”。从2020年开始，GPU便成为国内芯片领域“最吸金”赛道之一，融资总额已超过200亿元。

目前，GPU赛道仍呈现寡头高度垄断的格局。英伟达、AMD、英特尔几乎垄断整个GPU行业，占据市场份额高达63%。在中国市场中，三大巨头也是分走了大部分“蛋糕”。

英伟达是全球GPU领域的绝对龙头，A100采用台积电7nm工艺制程，支持FP16、FP32和FP64浮点运算，为人工智能、数据分析和HPC数据中心等提供算力；

AMD可同时提供独立GPU和集成GPU，其集成GPU主要运用在Ryzen APU、嵌入式、半定制平台中，独立GPU分为Radeon和Instinct系列，主要用于游戏、专业视觉、服务器等应用；

Intel能够帮助公司在集成GPU领域实现寡头垄断，在2022年8月24日正式发布了全新数据中心GPUFlex系列。

相比之下，国产GPU还处于起步阶段。目前国产GPU的性能还没有能与A100、H100、A800或H800相媲美的产品。但随着国内自研GPU领军企业景嘉微、壁仞科技等逐渐崭露头角，各厂家已发展出了一系列的产品线，国产替代浪潮来临，国内独立GPU厂商的广阔市场空间已被打开。

融资持续火热的GPU赛道

GPU创企陆续交出产品

从2020年开始，GPU便成为国内芯片领域“最吸金”的赛道之一，融资总额已超过200亿元。据统计，仅2020—2021年，通用GPU领域就有近20起融资事件发生。

2023年11月15日，摩尔线程完成新一轮数亿元B+轮融资。

12月6日，壁仞科技近期获得了广州政府支持的投资机构约20亿元人民币（约2.8亿美元）的投资。

近段时间，国产GPU厂商除了陆续获得大笔超百亿融资以外，也在相继推出GPU领域的最新产品。

具体厂商如下：

为此，电巢将于12月21日推出“GPU算力与高性能计算的融合与挑战线上研讨会”，届时将邀请行业专家、企业，共同探讨国内GPU产业发展。

吴宪云：西安电子科技大学通信工程学院副教授，图像传输与处理研究所副主任。主要方向为高性能并行计算、高光谱图像处理、高效率视频压缩、WRF并行优化等。

李博镝：国家超级计算西安中心高级工程师。其超算中心应用前景广泛，从先进制造、芯片设计等科技前沿到人工智能、图像语音识别等关键领域都有广泛的算力需求。

梁宇淇：高性能计算及AI算法专家极速光锥、TOPLINK CHAT、MOMSAY AI创始人，是一家以从事科技推广和应用服务业为主的企业。

现如今，伴随着国内GPU赛道上一个又一个交出新产品，国产GPU正迅速走过“从无到有”，进入下一个“迭代时刻”。

如景嘉微，成功研发JM54 系列、JM72 系列、JM92 系列三代 GPU 产品；摩尔线程，基于MUSA架构打造了两颗全功能GPU芯片“苏堤”和“春晓”；沐曦，最新产品MXC500成功点亮，产品直接对标英伟达 A100，采用通用 GPU 架构，兼容 CUDA等。

具体GPU产业链详情可领取《2023GPU产业链分析报告》，领取方式可看文末。

总的来说，芯片不断的算力提升，还是依赖于整个摩尔定律的提高。因为每代芯片都会更换台积电最新一代的工艺，那么越到后面就应考虑是否会有一些更先进的封装，比如像Chiplet，或者像异质集成，或者像光电一体的计算，或者再往后更加远的一些新的计算。

目前，相比于前些年火热的AI芯片，GPU无疑在技术上有更高的门槛，虽然获得了庞大的资金涌入，但跟英伟达等国际芯片巨头还有一些差距。

另外，GPU芯片从最初设计到制造、流片、量产，周期通常不会低于18－24个月，需要经年累月的迭代和优化。同时还需要看下游的应用，是不是一个很大的国产替代的机会，包括是不是一个很大的增量空间。GPU毫无疑问属于这样一个范畴，整个市场空间非常大，可能是个千亿人民币以上的市场。国产替代空间值得期待。