要说有什么芯片居品最引数码达东说念主眷注hongkongdoll 露脸，那势必是 GPU。
GPU 是个吵杂相当的市集。围绕 GPU / 显卡玩梗也成为数码青睐者茶余饭后的一项乐趣：“超低功耗，极致颜色，曲面细分”“矿卡论斤卖““一卡一栋楼，两卡毁地球，三卡星河系，四卡创世纪”。它曾一度挑战以致超越同期期的 CPU，它曾让无数游戏玩家为之豪恣，它曾向更深、更广鸿沟延迟触角。[1]
因为海外厂商遥远把持，国内对自主 GPU 的期盼越来越热烈。
在本文中，你将了解到：GPU 和显卡有什么联系，GPU 的国表里市集情况和国产化布局，GPU 及背后的念念考。
1、那些容易被混浊的想法GPU（Graphics Processing Unit，图形处理器）又被称作炫夸中枢、视觉处理器、炫夸芯片，是一种专为并行处理而磋议的袖珍处理器，特别擅所长理巨额简便任务，包括图形和视频渲染。GPU 能运用在台式机、条记本电脑、使命站、游戏机、镶嵌式开拓、数据中心等千般需要渲染图形或高性能意想的场景。
在生涯中，咱们渊博把 GPU 叫成显卡。不外事实上，GPU 和显卡在术语上有渺小离别，GPU 指的是负责处理千般任务的那颗芯片，显卡指的是把 GPU 芯片、显存、接口等蚁集在沿路的那张板卡。
GPU 笔据接入系统的款式分为集成型 GPU（Integrated GPU，iGPU）和翻脸型 GPU（Discrete GPU ，dGPU）两种，前者就是咱们日常所说的集成显卡 / 核芯显卡，后者就是咱们日常所说的孤立显卡，两种类型 GPU 均有各自的秉性和使用场景。
集成型 GPU 中，GPU 被嵌在 CPU 支配，且无单独的内存组用于图形 / 视频，会与 CPU 分享系统内存。由于集成型 GPU 内置于处理器中，频频功耗更低，产生的热量更少，从而延长了电板续航时刻。
翻脸型 GPU 则完全以孤立板卡出现，频频被同一在 PCI 高速插槽内，就像主板包含 CPU 相似。翻脸型 GPU 除包含 GPU 芯片之外，还包括允许 GPU 运行并同一到系统其余部分所需的巨额组件。翻脸型 GPU 有我方的专用内存，同期也领有我方的内存源和电源，因此其性能比集成型 GPU 更高。但由于与处理器芯片分离，因此会耗尽更多功率并产生巨额热量。[2][3][4]
2、从专用到通用再到交融当代的 GPU 领有两大功能，一是充任壮健的图形引擎，二是用作高度并行的可编程处理器，处理千般神经集中或机器学习任务。
图形意想是 GPU 的拿手绝活。当咱们拖动鼠标时，GPU 将需要炫夸的图形内容意想后呈当今屏幕上；当咱们通达播放器不雅看电影时，GPU 将压缩后的视频信息解码为原始数据；当咱们玩游戏时，GPU 将游戏画面意想并生成出来。轻点鼠标的背后，是复杂的处理历程，包括偏激读入、偏激渲染、图元安装、光栅化、像素渲染等。[5]
图形 GPU 平素运用于游戏、图像处理和加密货币等场景，眷注图像学的帧数、渲染传神度、真实场景映射度等参数办法。[6]
通宅心想是 GPU 并行意想上风的最好体现。科学家和工程师发现，只消数据以图形格式存在，并将 GPU 基础上增多部分通宅心想武艺，GPU 就能胜任千般高性能模意想任务，也就是行业所说的通用 GPU（GPGPU，General-Purpose Graphics Processing Unit）。骨子上，通用 GPU 照旧一种 GPU，不外它会针对高性能意想、AI 开发及很多其他惊东说念主的打破上定制和逼近，因此所使用的考研集更大、考研时刻更短、分类 / 预测 / 推理功率更低、占用基础要领更少。[7]
通用 GPU 主要运用在大范围东说念主工智能意想、数据中心及超算等场景，以撑持更大的数据量和并发隐隐量。[6]
两大功能的背后，是一部漫长的发展史。
1962 年，Ivan Sutherland（伊凡・苏泽兰）的论文《SketchPad：图形化东说念主机疏通》和他录制的 Sketchpad 操作视频成为界说当代意想机图形学的基础 [8]。之后的 20 年内，受精度和运行强度等完结，彼时的显卡只是是将 CPU 意想生成的图形翻译成炫夸信号，是以只可称作图形适配器（VGA Card）[9]。直到 IBM 在 1984 年推出了 MDA 和 CGA 两款 2D 显卡，才意味着行业产生雏形，天然放到当今两款居品只可手脚是丑小鸭，但却标识着 GPU 开首走向与 CPU 分庭抗礼之路。
上世纪 90 年代，3D 图形加快兴起。历史上第一块确切风趣的 3D 图形加快卡 Voodoo 问世后，S3 又推出第一款同期领有 2D 和 3D 图形处理武艺的显卡 S3 Virge[10]，尔后行业便开首多点着花，逐步降生出 NVIDIA 的 NV1、Matrox 的 Mlennium、Mystique、PowerVR 的 PCX1 等优秀居品，一度显现出犯言直谏的盛况。高贵事后，就是桀黠的大鱼吞小鱼式并购和行业整合，形成英伟达、AMD 两家独大的款式。自此之后，GPU 也开启了跳跃式的迭代之路。
GPU 的通用性，是在迭代中逐步表泄漏来的。20 世纪 90 年代到 21 世纪初，为应付更为复杂和巨额的图形意想问题，GPU 模式不再为固定图形活水线模式，处于图形活水线中的偏激处理器、几那处理器、像素与子素处理器的可编程性得到增强，发达出通宅心想武艺。随后，为处理 GPU 片内负载平衡问题，和洽渲染处理器（Shader Processor）取代了千般可编程部件，同期流处理器（一种流意想模子上充分研讨并发和通讯的意想体系）的运用奠定 GPU 通宅心想的基础。[13]
GPU 在可编程性和意想武艺上的快速增长，引得无数考虑团体眷注，争相将巨额需要意想的复杂问题映射到 GPU 上，并将 GPU 定位为将来高性能意想机系统中传统微处理器的的替代决策 [14]。英伟达所研发的 Tesla 架构认真标识着 GPU 朝向通用 GPU 发展，为后续在深度学习鸿沟平素运用奠定了基础。[15]
时刻回到当今，GPU 在图形意想上的专用性和面向东说念主工智能的通用性上，激发科学界的争论，是否要将 GPU 的 AI 和 3D 功能拆分红两种 DSA。GPU 专用于图形意想效果高，但只撑持几种特定的算法和模子，走通宅心想兼容性好，但效果差，功耗也大。[17]
咫尺行业一致的不雅点是 GPU 在图形意想和通宅心想发达出的“双重东说念主格”会慢慢交融，将来将不再领有功能界限，GPU 也将领有原生可微和张量加快武艺。[18]
那么，再往后呢？从近几年的大会来看，GPU 将向大范围扩张意想武艺的高性能意想（GPGPU）、东说念主工智能意想（AI GPU）、愈加传神的图形展现（Ray Tracing GPU，色泽跟踪 GPU）三大标的发展 [16]。其中 AI 是要津，GPU 硬件 / 软件界面将使 GPU 成为“AI 天下的 CPU”，基于 AI 的渲染会让张量加快成为 GPU 中的主流。[18]
GPU 天然好用，但它也脱离不开 CPU。一方面，GPU 无法单独使命，需要依赖 CPU 律例调用；另一方面，二者的架构极为不同，构建目的也各有不同。
CPU 会包含 4 个、8 个、16 个以致 32 个以上的执意内核，同期一个内核之中便封装了算术逻辑单元（ALU）、浮点处理单元（FPU）、 地址生成单元（AGU）、内存经管单元（MMU）等险些通盘功能。一般来说，CPU 上钩算单元 ALU 约为 25%，逻辑律例为 25%，缓存 Cache 为 50%。反不雅 GPU 上钩算单元 ALU 频频达到 95%，缓存 Cache 则为 5%。[19]
最初，GPU 是为了匡助 CPU 加快图形处理而磋议的专用硬件。图形渲染具备极强的并行性，需要特别密集的意想与雄壮的数据传输带宽，是以 GPU 被磋议成包含千千万万个较小内核的格式。每个 GPU 的内核王人可以并行实践一些简便的意想，内核自己算不上十分智能，但与“一核有难八核围不雅”的 CPU 不同，GPU 能同期动用全部内核实践卷积、ReLU 和池化等深度学习意想。除此之外，GPU 收受了机动的存储档次磋议以及两级编程编译模子。[20][21]
不同的结构磋议使得 GPU 有了我方的专长。GPU 的频率唯有 CPU 的三分之一，但在每个 clock 周期中，它大要并行实践多于 CPU 快要 100 倍的意想，在巨额并行度任务中，GPU 比 CPU 快得多，对那些并行度很低的任务，显现的速率就会慢得多。另外，比较 CPU，GPU 频频领有 5~10 倍的内存带宽，但在探访数据时会有更长的延迟，这就酿成 GPU 在可预测的意想上作念得更好，但在不可预测的意想上作念得更差。[23]
由此可见，CPU 和 GPU 是互补且不冲突的，前者专注串交运算，后者专注并交运算。打个比喻来说，可以将 CPU 和会为博士，不仅常识饶沃，诸多问题也钻研得很深，莫得他很多迂回王人莫得办法处理。而 GPU 就是上万个初高中生，只会简便的算术，但不管博士有多壮健，也不可能在刹那间意想出上万说念简便的算术运算。[24]
翻开意想简史，降生了丰富千般的数字芯片，每种数字芯片王人有一段千里淀良久的发展史。意想机背后就是意想问题，无外乎标量、矢量、矩阵、空间几种数据类型，GPU 与其他数字芯片不免会产生杂乱和重合。当今，CPU 依然照旧阿谁 CPU，GPU 却可以不是 GPU 了。
长久以来，GPU 与 FPGA、ASIC 的争议不竭，它们可分别组成“CPU+GPU”“CPU+FPGA”“CPU+ASIC”的异构意想系统，同期 FPGA 和 ASIC 厂商时常将自家居品与 GPU 算力平行对比，如 NVIDIA Tesla A100 时常成为“战力计量单元”，CPU 的抢婚者们王人在诉说着我方的上风。
感性而言，GPU、FPGA、ASIC 王人是协调 CPU 意想的好高手，对厂商照旧下贱使用者而言，三者的秉性霄壤之别，天然可能会在部分运用场景下发达出更强的算力或更好的功耗，但部署历程不免要详细研讨 TCO（总领有本钱）、构建难度、系统兼容度等，很难评判孰强孰弱。
不外，GPU 相对居品老到，峰值意想武艺优异，同期在图形炫夸的地位无可撼动，言之成理地搭上半导体慷慨，成为市集追捧的骄子。
数据炫夸，AI 考研阶段，GPU 约占 64% 市集份额，而 FPGA 和 ASIC 分别占比 22% 和 14%；推理阶段，GPU 约占 42% 市集，而 FPGA 和 ASIC 则分别占比 34% 和 24%。[25]
GPU 不仅在当下是一门空间宽绰的营业，将来更是后劲无穷。
笔据 Verified Market Research 数据炫夸，从 2021 年到 2030 年，GPU 将以 33.3% 的年复合成长率，从 330 亿好意思元成长至 4773 亿好意思元。[26]
GPU 会按照平台对功耗负载要求不同，制作成千般规格，如手机中 GPU 典型功耗为 5W，条记本电脑中典型功耗为 150w，台机大要到达 400W，数据中心全力追求性能。笔据功耗大小，市集主要区别为桌面级和迁移级两种运用。
两个市集均呈现三足鼎峙的态势：桌面级 GPU 市集被英伟达、AMD 和英特尔所把持，迁移级 GPU 市集被 Arm、Imagination 和高通所把持。在软件层面，上述海外公司也对如 CUDA 和 OpenCL 等一系列异构意想范例提供了撑持。[27]
桌面级居品方面，面向 PC 或游戏的图形卡占大多数市集，领有 50% 以上的份额，数据中心。
Jon Peddie Research（JPR）数据炫夸，2022 年 Q2，PC 使用的 GPU 出货量（包括集成和孤立显卡）为 8400 万块，其中英特尔 GPU 市集份额高达 68%，主要归功于英特尔在台式机 / 条记本电脑 CPU 集成巨额核显；AMD 以 17% 份额居于第二，这家公司既有核显也有独显，但核显彰着占大头，独显只占合座 PC 市集约 3%；英伟达则主攻独显市集，是以天然看似唯有 15% 市集份额，但基本称霸独显市集。[28]
英伟达是全球孤立 GPU 的满盈指示者。初期，英伟达的要点是 PC 图形处理业务，尔后乘着 GPU 通用的慷慨，拓展至智能终局、自动驾驶、AI 算法等鸿沟。从 2022 年 Q2 财报来看，英伟达的主营业务包括游戏 GPU、数据中心 GPU、专科视觉磋议 GPU、智能驾驶 GPU 以及 OEM 和其他业务，占比轮换为 30.5%、56.8%、7.4%、3.3%、2%。[29]
为了更好地应付竞争，英伟达每一代显卡的架构磋议变化王人特别大。经过统计英伟达每一代架构情况来看，性能擢升的中枢两要素流处理器（Streaming Multiprocessor，SM）良善存（Cache）王人有较大磋议调动，这是为了在芯片有限的面积、功耗下，不竭调度千般组件建立比例，通过制程工艺迭代，寻求最优解法。[30]
英伟达是 GPU 想法的建议者，险些每一款居品王人会引起游戏青睐者、磋议者大范围考虑。尤其在 40 系使用了全新 Ada Lovelace 架构，收受 TSMC 4N 定制工艺，着色器武艺高达 83TFlops，灵验色泽跟踪意想武艺达到 191TFlops，是上一代居品 2.8 倍。另有第四代 Tensor Cores，FP8 张量处感性能高达 1.32PFlops，是上一代的 5 倍。[31]
与此同期，英伟达照旧数据中心 GPU 的倡导者。不仅在业界最先推出通用 GPU 居品，还在 2006 年发布并行编程模子 CUDA。通用 GPU 与 CUDA 组成的软硬件底座，组成了英伟达引颈 AI 意想的根基。[6]
不外，英伟达的这几个月也不好过。受半导体产业需求持续下滑影响，一度出现财报雪崩、股价大跌的情况。而新发布的 40 系显卡也争议满满，导致黄仁勋取消 RTX 4080 12GB 版块。[32]
AMD 的 GPU 以性价比为主要竞争力。在孤立 GPU 上，同类居品价钱渊博低于英伟达 30% 傍边，在集成 GPU 上，其包含核显的 APU 居品比包含核显的英特尔 CPU 更低廉。[33]
核显方面，据 Tom's Hardware 测试数据炫夸，AMD 锐龙系列的核显在诸多游戏中发达优异。[34]
独显方面，AMD 一直是英伟达的追逐者，仅从浮点算力来看，与英伟达有一定差距；从性能推行发达来看，与英伟达瓜分秋色。要说 N 卡（英伟达）和 A 卡（AMD）孰强孰弱，暂且莫得任何东说念主能给出定论。[35]
在寰球的领会中，英特尔跟 GPU 似乎完全搭不上边，但推行上它在 GPU 出货量上却是实实在在的大哥，收获于其 CPU 在全球 PC 市集占据快要七成（包括移下条记本、台式机、管事器），其核显也被顺带进入千行百业。
但强如英特尔，也在孤立 GPU 上多次折戟。
英特尔在 GPU 满盈不是生人或是业余选手。这家公司领有业内最优秀的 GPU 工程师、最好的晶圆厂、别东说念主只可幻想的银行账户和响彻全球的品牌，以致仍是坐拥全球最大的 GPU 销售商的名称，出货量比竞争敌手的总和还要多。也许，对其他公司来说，有这么的成就就仍是很满足了，但英特尔 20 年来，在孤立 GPU 上的屡屡失落让这家公司意难平。[12]
1998 年，英特尔就曾发布过一款居品 Intel i740，这款居品的 3D 性能发达还可以，但在 ATI、英伟达、S3 Graphics 等一众居品中，只可算及格，无奈也只得暂时撤废独显之路。
之后在 2009 年，英特尔并莫得撤废独显的梦，规划打造 Larrabee 图形处理器。要知说念，那时的 GPU 就是将简便的小意想中枢组合起来，而英特尔也刚好手抓过去的奔腾一代处理器中枢 P54C。将这款在那时已有 20 多年历史的中枢集成起来作念成显卡听起来容易，但显明 Larrabee 考虑款式照旧给英特尔带来诸多郁闷，无数次的跳票和考虑经费不及的新闻之后，最终规划宣告失败。不外，英特尔在 Larrabee 考虑基础上，发展出了众核架构 (MIC) 的 Xeon Phi 协处理器，并被河汉 2 号所采取，因此英特尔此次也不算空发愤。[37]
2020 年，英特尔浴火更生，把孤立显卡的一切王人押注在了新推出的 Xe 架构上。2022 年，英特尔 Arc（锐炫）系列显卡横空出世，迁移、桌面、使命站、数据中心全掩饰。此次英特尔能弗成告捷，照旧要看后续的市集反馈。
迁移级居品方面的故事就不像桌面级 GPU 那样丰富多彩了，尤其是在手机、平板、可衣着开拓上，GPU 与架构高度绑定，Arm、Imagination、高通 Adreno 等 IP 架构各有拥趸，款式恐难剧变。[38]
从居品上来看，联发科、三星的手机 SoC 所用 GPU IP 大部分来自于 Arm；苹果和高通的 GPU IP 则为自研（苹果的 GPU 较猛进度复古自 Imagination）；紫光展锐的手机 SoC 则使用了 Imagination 的 GPU IP。[39]
“英伟达的数据中心 GPU 的价钱，贵得惊东说念主，国产还替代不了。”经济不雅察网此前征引从业者的话暗意，英伟达 A100 GPU 售价要三千好意思金傍边，还莫得什么替代，而且在本年 6 月，英伟达示知对 A100 80G GPU 芯片加价 20%。
行业早已苦把历久矣，近两年，国内掀翻 GPU 融资潮，款式一个接一个地融资。
从 2020 年开首，GPU 行业融资总数已越过 200 亿元。仅 2020 年~2021 年，通用 GPU 鸿沟就有近 20 起融资事件发生，这些公司所追求则主如果桌面级的孤立显卡市集。据 Verified Market Research 数据炫夸，2020 年中国大陆的孤立 GPU 市集范围为 47.39 亿好意思元，瞻望 2027 年将越过 345.57 亿好意思元。[41]
为什么国内新创企业独爱孤立显卡？一方面，集成型 GPU 与 CPU 高度绑定，基本王人是 CPU 厂商进行磋议分娩，如英特尔和 AMD 两家公司的核显，再如国产 CPU 厂商龙芯 7A2000 里面集成的自研 GPU[42]；另一方面，孤立显卡属高性能器件赛说念，不仅时间起初于集成显卡，而且运用面更宽，反不雅会成显卡大多是作为亮机卡或低负荷的日常卡使用。
咫尺来看，获融的初创公司如芯瞳半导体、芯动科技、摩尔线程、天数智芯、壁仞科技均已连接推出居品，以致已进入一些整机，龙芯中科、海光信息、寒武纪、芯原股份几家上市公司也持续莳植 GPU 业务（包括集显和独显）。
但总体来看，国产 GPU 居品仍处在起步阶段，零落运用场景，居品质能与英伟达、AMD 居品有一定差距，软件和生态较难竞争。天然上风并不彰着，但在国际间不可抗力成分驱使下，国内不得不研讨国产平替问题。
为什么 GPU 会如斯吸金？因为 GPU 简直很难磋议和制造，它与 CPU 并称两大最难芯片。行业东说念主士一致觉得，造 GPU 比造 CPU 还难，对运算性能、安全性、结识性要求极高，要复杂齐备的系统磋议，才可能完成。[45]
国产 GPU 还有哪些逆境和机遇？果壳硬科技团队觉得：
先详情作念什么推行上，GPU 在不同运用场景，也有不同的要求，选好切入点至关紧迫。咫尺来说，主要包括 AI 东说念主工智能、FP 双精度浮点运算和图形渲染三类居品，其中图形渲染最难。[46]
另外，还要研讨算力本钱。在如今动不动几纳米的制程工艺下，半导体分娩势必存在良率问题，很难作念到分绝不差。研讨到纳米制程越小代工难度越大，全部王人追求最好最结识并不现实，同期最终本钱也会响应在消费端，想藏身市集就要研讨算力本钱，为不同需求的客户提供多种可选项。[47]
英伟达以刀法精确著称。其 GPU 会在分娩运转阶段，扫描流处理器坏区并将这些电路关闭，笔据坏区些许分为三六九等，质料高且结识的中枢就是价钱更高的数据中心处理器，质料可以但相对次之的便分别出货给 4090、4080[30]。这么的平允是既能作念到数据中心、使命站、个东说念主意想机的低中高端全掩饰，又能给不同需求的提供不同的本钱选项。
英特尔、AMD、英伟达官网炫夸，三家的居品不仅价钱档位分类明晰，也掩饰诸多场景。反不雅国内 GPU 厂商，也主要分为数据中心 GPU 和消费级 GPU 两个档位，但起步阶段尚弗成掩饰全部场景。
比 CPU 更难为什么国产难以攻破 GPU？
起初，GPU 专利壁垒极高，专利全球布局要点在好意思国，国际巨头可以通过范围效应摊派研发本钱，不竭在专利上埋雷，完结竞争敌手发展。
其次，由于 GPU 莫得律例器，需要依赖 CPU 律例调用，无法单独使命，因此国产 GPU 必须与国产 CPU 同频共振。
从时间完结难度来看，GPU 是一种比 CPU 还要难开发的芯片，国内零落领军东说念主物和工程师，一个教化丰富的工程师至少要在大厂锻练 10 年以上。从咫尺国产企业情况来看，创始团队基本均有英伟达、AMD 的使命教化。[25]
除此之外，软件生态亦然 GPU 的另一个门槛，软件决定了 GPU 生态的武艺上限，亦然充分开释硬件武艺的必要条目 [47]。英特尔也有访佛的不雅点，他们暗意基于 GPU 构建的软件生态，将为不同负载开发芯片提供处理之说念，研讨到高性能意想、东说念主工智能和游戏等诸多鸿沟需求，软件生态需要以高度协同的款式不竭演进。[47]
芯片可编程性不是决定性成分《中国科学》一篇论文中指出 [48]，有东说念主将芯片可编程性当作芯片普及的紧迫办法，并暗意拦阻易编程的芯片就不会在市集上赢得告捷。判断逻辑就是简便的“编程性不好 = 不好用 = 用的东说念主少 = 市集小 = 失败”。
推行上，DSP 也好、NPU 也好、照旧以 CUDA 为代表的 GPU 等处理器芯片，在编程上王人是有具有门槛的，但这并不妨碍它们领有每年数千万颗的出货量和数百亿好意思金的市集容量。
编程原本就是专科东说念主士才要研讨的问题，对 GPU 来说，编程的难易进度不会径直影响市集需求的范围，性能、功耗、性价比才是拿下市集的要津。
消费电子需求下行影响半导体行业在近期已进入第十七次下行阶段，市集对 GPU 需求走弱，英伟达、AMD 孤立 GPU 均受到较大触及。
除此之外，GPU 在此前之是以出现价钱疯涨和缺货旋涡，一方面，是线上办公模式的兴起，另一方面，是它不务正业的运用，挖矿。反不雅当今发展态势，线上办公红利期早已收尾，加之加密货币乱象已隔断，AMD 也在财报中坦言其孤立 GPU 业务受挖矿影响较大。
按照这种逻辑来看，国产 GPU 大多数目产时刻均处于下行周期内，且零落大范围运用机会，将会管待不小的市集考验。
何解？
一种解法是剑走偏锋，逆向投资。果壳硬科技曾在历史著作《半导体跑步进入大多余时期》中提到，半导体行业存在逆向投资的策略。如三星半导体三次在全球半导体市集走弱的情况下逆向投资，扩大产能，打败好意思国、日本、欧洲玩家，在 DRAM 芯片市集拿下超 40% 份额，稳坐头把交椅。
另一种解法是收拢现存空间，撑到市集反涨。现如今，算力成为紧迫分娩力，每 12 个月便会增长一倍，同期每参加 1 元在算力上，就能带动 3～4 元的 GDP 经济增长，因此才会有东数西算这种紧迫策略。国产需要收拢现存机遇，期待下一个半导体上行周期。[49]
国产 GPU 需要更多时刻千里淀与此同期，国内 GPU 也存在一些风趣的得意。
科工力量曾指出，为了在宣传中超越英伟达，国产 GPU 存在田忌跑马式比拼，如某款标榜超越国际旗舰级算力的 GPU，却不撑持双精度浮点运算，只可用于东说念主工智能标的。[50]
问芯 Voice 指出，堪称国产 GPU 著名不副实的情况，一种是内建 AI 加快器来跑个别性能办法的分数，并以此宣传越过英伟达，但推行上 AI 运用掩饰的是千行百业，不可能只为了跑一两个性能办法，一颗好芯片的要津是通用性 [51]；另一种是使用第三方的 GPU IP 授权，并声称是自研自主可控。[52]
事实上，半导体行业从来王人不是火暴心态的短线往复，而是一个需要遥远时间千里淀与大鱼吞小鱼式洗牌的历程。关于难度极高的 GPU，国产更需排深邃纷，超越英伟达并非一两日的易事。
References：
[1] 京东云开发者：分享 | 当代企业中的 GPU 意想.2019.3.14.https://mp.weixin.qq.com/ s/0Uh0uGLSvUKiAv8lj2i7pg
[2] Intel：What Is a GPU?.https://www.intel.cn/content/www/cn/zh/products/docs/processors/what-is-a-gpu.html
[3] Intel：What Is the Difference Between Integrated Graphics and Discrete Graphics?.2021.7.7.https://www.intel.cn/content/www/cn/zh/support/articles/000057824/graphics.html
[4] Gigabyte.https://www.gigabyte.com/Glossary/gpu
[5] 胡伟武，汪文祥，苏孟豪，张福新，王焕东，章隆兵，肖俊华，刘苏，陈新科，吴瑞阳，李晓钰，高燕萍.意想机体捆绑构基础 [M].机械工业出书社.2022 年 1 月第 3 版.https://www.loongson.cn/ pdf / computer.pdf
[6] 《中国电子报》：高端 GPU 芯片：英伟达的独角戏？.2022.9.19.https://mp.weixin.qq.com/ s / JvexnFXvtXlppkWfTvZGbA
[7] 郭亮，吴好意思希，王峰，等.数据中默算力评估: 近况与机遇 [J]. 信息通讯时间与战术，2021, 47 (2): 79.
[8] Sutherland I E. Sketchpad (1962):“A Man-Machine Graphical Communication System”. Phil. Diss[J]. 1962.
[9] 《中国意想机学报》：综述：显卡 25 年历史变迁.2010.6.9.https://it.sohu.com/ 20100609 / n272680735.shtml
[10] 《意想机学报》：综述：显卡 25 年历史变迁.2010.6.9
[11] 英伟达：NVIDIA 历史.https://www.nvidia.cn/ about-nvidia / corporate-timeline/
[12] IEEE Computer SOCIETY：Famous Graphics Chips: Intel’s GPU History.https://www.computer.org/publications/tech-news/chasing-pixels/intels-gpu-history
[13] 王海峰，陈庆奎.图形处理器通宅心想要津时间考虑综述 [J]. 意想机学报，2013, 36 (4): 757-772. quanwenjiansuo / 2013-4 / whf.pdf
[14] Owens J D, Houston M, Luebke D, et al. GPU computing[J]. Proceedings of the IEEE, 2008, 96(5): 879-899.
[15] 鄢贵海，卢文岩，李晓维，等.专用处理器比较分析 [J]. 中国科学: 信息科学，2022. cn / 2022 / SSI-2021-0274.pdf
[16] 熊庭刚. GPU 的发展历程、将来趋势及研制实践 [J].微纳电子与智能制造，2020, 2 (2): 36-40.
[17] 半导体行业不雅察：GPU 市集的滚动.2022.8.15.https://mp.weixin.qq.com/ s/72eiCjK5qz-DHHYDf53S9w
[18] CP Lu, PhD：Will The GPU Star in A New Golden Age of Computer Architecture?.2021.7.22.https://medium.com/m/global-identity?redirectUrl=https://towardsdatascience.com/will-the-gpu-star-in-a-new-golden-age-of-computer-architecture-3fa3e044e313
[19] 万雪佼，徐步陆.图形处理器 (GPU) 专利态势考虑 [J]. 集成电路运用，2017, 34 (07): 6-9.
[20] MATLAB：https://mp.weixin.qq.com/s/J3tEZH1hHoJpoBlNshjn9w
[21] 马安国，成玉，唐遇星，等. GPU 异构系统中的存储档次和负载平衡策略考虑 [J]. 国防科技大学学报，2009, 5. publish_article / 2009/5/200905008.pdf
[22] NVIDIA：What’s the Difference Between a CPU and a GPU?.2009.12.16.https://blogs.nvidia.com/blog/2009/12/16/whats-the-difference-between-a-cpu-and-a-gpu/
[23] Thompson N C, Spanuth S. The decline of computers as a general purpose technology[J]. Communications of the ACM, 2021, 64(3): 64-72.https://doi.org/10.1145/3430936
[24] Imagination Tech：简便明了告诉你 CPU / GPU 是什么？.2017.10.31.https://mp.weixin.qq.com/ s / l9KCh_WstDDiIpKo0pzdaA
[25] 智东西：GPU 深度阐述，三大巨头，十四个国内玩家一文看懂【附下载】| 智东西内参.2021.3.14.https://mp.weixin.qq.com/ s / tvwt8R02dc4TFUQHeyyAvA
[26] Verified Market Research.Graphic Processing Unit (GPU) Market Size And Forecast.2022.4.https://www.verifiedmarketresearch.com/product/graphic-processing-unit-gpu-market/
[27] 高胜寒，熊庭刚. OpenCL 在国产 GPU 上的完结 [J]. 舰船电子工程，2021, 41 (9): 113-116,125.
[28] Jon Peddie Research：Q2’22 saw a significant decline in GPU and PC shipments quarter to quarter.2022.8.30.https://www.jonpeddie.com/press-releases/q222-saw-a-significant-decline-in-gpu-and-pc-shipments-quarter-to-quarter-a
[29] 英伟达 2022 年 Q2 财报.https://www.sec.gov/ ix?doc=/Archives/ edgar / data / 0001045810/000104581022000147 / nvda-20220731.htm
[30] Twisted：Nvidia 显卡架构详解.2022.4.9.https://www.twisted-meadows.com/ nvidia-gpu-architecture/
[31] 英伟达 GeForce：NVIDIA 完结性能雄壮飞跃，GeForce RTX 40 系列独创神经集中渲染新时期.2022.9.21.https://mp.weixin.qq.com/ s / Sc5uL3i2PolxXKhVhpdtxg
[32] VideoCardz：NVIDIA scraps RTX 4080 12GB.https://videocardz.com/newz/nvidia-cancels-geforce-rtx-4080-12gb
[33] 创举证券：GPU 国产化方法加快，新兴团队不竭涌现.2022.8.1.https://pdf.dfcfw.com/ pdf / H3_AP202208021576791297_1.pdf?1659427369000.pdf
[34] Tom's Hardware：
CPU Benchmarks and Hierarchy 2022: Processor Ranking Charts.2022.10.16.
https://www.tomshardware.com/reviews/cpu-hierarchy,4312.html#section-integrated-gpu-gaming-cpu-benchmarks-rankings-2022
[35] Tom's Hardware：GPU Benchmarks and Hierarchy 2022: Graphics Cards Ranked.2022.10.16.https://www.tomshardware.com/reviews/gpu-hierarchy,4388.html
[36] Statista：PC graphics processing unit (GPU) shipment share worldwide from 2nd quarter 2009 to 1st quarter 2022, by vendor.2022.5.https://www.statista.com/statistics/754557/worldwide-gpu-shipments-market-share-by-vendor/
初春少女[37] 科技新知：72 中枢 288 线程，英特尔这个怪物是奈何来的？.https://mp.weixin.qq.com/ s / otQQpf6deW2T74tr-TdCEg
[38] 集微网：核芯打破！国产 GPU 的机会窗口和生态嘱咐.2021.5.17.https://mp.weixin.qq.com/ s / lxCzkA45PE4QFZZ4NKbMYw
[39] 国际电子商情：从跑分看手机 GPU 这两年的发展，iPhone 还独占鳌头吗？.2021.12.18.https://mp.weixin.qq.com/ s / DtlJTNynQ9-aZJ3oVrKLEg
[40] Note Book Check：Smartphone and Tablet Graphics Cards - Benchmark List and Comparison.https://www.notebookcheck.net/Smartphone-Graphics-Cards-Benchmark-List.149363.0.html
[41] 《中国科学报》：摘取“金冠上的明珠”，国产高性能 GPU 在路上.2022.9.5.https://news.sciencenet.cn/ sbhtmlnews / 2022/9/371092.shtm
[42] 龙芯中科：新一代龙芯 3 号系列处理器配套桥片 7A2000 认真发布，里面集成自研 GPU.2022.7.19.https://mp.weixin.qq.com/ s / A05j9en7Ye5O7_L6Bcps9A
[43] 《科创板日报》：GPU 被推至聚光灯下：行业研发壁垒高筑 一图纵览原土产业链“孤勇者”.2022.9.1.https://mp.weixin.qq.com/ s / g6_1JYZBXnY9voonFSWklw
[44] 创举证券：GPU 国产化方法加快，新兴团队不竭涌现.2022.8.1.https://pdf.dfcfw.com/ pdf / H3_AP202208021576791297_1.pdf?1659427369000.pdf
[45] 真格基金：沐曦彭莉：在额外“芯”路上解极致迂回｜真格科技故事 https://mp.weixin.qq.com/ s / WrI04AqWbUvAEfYS7KGLjQ
[46] 电子发热友网：GPU 难以超越 CUDA 生态？国产 GPU 厂商：干就对了！.2022.1.29.https://mp.weixin.qq.com/ s / HBxGCl1UpUpCVEY9jTiX7g
[47] 《中国电子报》：高端 GPU 的现实与朝阳.2022.9.16. semi / 20220916/117621.html
[48] 鄢贵海，卢文岩，李晓维，等.专用处理器比较分析 [J]. 中国科学: 信息科学，2022. cn / 2022 / SSI-2021-0274.pdf
[49] 李正茂，王桂荣.论算力时期的三定律 [J]. 电信科学，38 (6): 13-17.-journal.com/ dxkx / article / 2022/1000-0801/1000-0801-38-6-00013.shtml
[50] 科工力量：高端 GPU 断供，中国顶级超算根柢不怕.2022.9.2.https://mp.weixin.qq.com/ s / wDGZp4NQSVP6RFZk6H-0zA
[51] 问芯 Voice：天数智芯推出 DeepSpark 通用开发平台，国产 GPU 弗成“痴迷”少数性能办法胜出.2022.8.31.https://mp.weixin.qq.com/ s / CYinRjsYqicOpHR9AFNgFg
[52] 问芯 Voice：独家对话 | 国产 GPU 弗成挂羊头卖狗肉，应对峙自主通用 | 天数智芯 CTO 吕坚平.2022.7.27.https://mp.weixin.qq.com/ s / HvuTwy9O8hvULdRGo37OYw
本文来自微信公众号：果壳硬科技 （ID：guokr233），作家：付斌，剪辑：李拓
告白声明：文内含有的对外跳转连合（包括不限于超连合、二维码、口令等格式），用于传递更多信息hongkongdoll 露脸，检朴甄选时刻，完结仅供参考，IT之家通盘著作均包含本声明。
