要说有什么芯片居品最引数码达东谈主存眷戒色吧，那势必是 GPU。

GPU 是个吵杂额外的阛阓。围绕 GPU / 显卡玩梗也成为数码宠爱者茶余饭后的一项乐趣：“超低功耗，极致色调，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”。它曾一度挑战致使超越同期期的 CPU，它曾让无数游戏玩家为之跋扈，它曾向更深、更广界限蔓延触角。[1]

因为海外厂商永远把持，国内对自主 GPU 的期盼越来越横暴。

在本文中，你将了解到：GPU 和显卡有什么相关，GPU 的国表里阛阓情况和国产化布局，GPU 及背后的念念考。

GPU（Graphics Processing Unit，图形处理器）又被称作高傲中枢、视觉处理器、高傲芯片，是一种专为并行处理而联想的袖珍处理器，极度擅所长理大宗浮浅任务，包括图形和视频渲染。GPU 能期骗在台式机、札记本电脑、责任站、游戏机、镶嵌式成立、数据中心等千般需要渲染图形或高性能臆测的场景。

在生涯中，咱们普遍把 GPU 叫成显卡。不外事实上，GPU 和显卡在术语上有隐微辩认，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、接口等贴近在沿路的那张板卡。

GPU 证实接入系统的神气分为集成型 GPU（Integrated GPU，iGPU）和翻脸型 GPU（Discrete GPU ，dGPU）两种，前者就是咱们时时所说的集成显卡 / 核芯显卡，后者就是咱们时时所说的孤立显卡，两种类型 GPU 均有各自的性格和使用场景。

集成型 GPU 中，GPU 被嵌在 CPU 掌握，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，通常功耗更低，产生的热量更少，从而延长了电板续航期间。

翻脸型 GPU 则完全以孤立板卡出现，通常被伙同在 PCI 高速插槽内，就像主板包含 CPU 雷同。翻脸型 GPU 除包含 GPU 芯片除外，还包括允许 GPU 运行并伙同到系统其余部分所需的大宗组件。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，因此会破费更多功率并产生大宗热量。[2][3][4]

当代的 GPU 领有两大功能，一是充任强壮的图形引擎，二是用作高度并行的可编程处理器，处理千般神经网罗或机器学习任务。

图形臆测是 GPU 的拿手绝活。当咱们拖动鼠标时，GPU 将需要高傲的图形内容臆测后呈当今屏幕上；当咱们大开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 将游戏画面臆测并生成出来。轻点鼠标的背后，是复杂的处理进程，包括及其读入、及其渲染、图元安设、光栅化、像素渲染等。[5]

图形 GPU 庸俗期骗于游戏、图像处理和加密货币等场景，存眷图像学的帧数、渲染传神度、真实场景映射度等参数办法。[6]

通用臆测是 GPU 并行臆测上风的最好体现。科学家和工程师发现，只消数据以图形格式存在，并将 GPU 基础上增多部分通用臆测才略，GPU 就能胜任千般高性能模臆测任务，也就是行业所说的通用 GPU（GPGPU，General-Purpose Graphics Processing Unit）。实质上，通用 GPU 如故一种 GPU，不外它会针对高性能臆测、AI 斥地及好多其他惊东谈主的防碍上定制和靠拢，因此所使用的磨练集更大、磨练期间更短、分类 / 预测 / 推理功率更低、占用基础关节更少。[7]

通用 GPU 主要期骗在大界限东谈主工智能臆测、数据中心及超算等场景，以扶直更大的数据量和并发蒙眬量。[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：图形化东谈主机疏导》和他录制的 Sketchpad 操作视频成为界说当代臆测机图形学的基础 [8]。之后的 20 年内，受精度和运行强度等扬弃，彼时的显卡只是是将 CPU 臆测生成的图形翻译成高傲信号，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，固然放到当今两款居品只可手脚是丑小鸭，但却符号着 GPU 出手走向与 CPU 分庭抗礼之路。

上世纪 90 年代，3D 图形加快兴起。历史上第一块真实真谛的 3D 图形加快卡 Voodoo 问世后，S3 又推出第一款同期领有 2D 和 3D 图形处理才略的显卡 S3 Virge[10]，尔后行业便出手多点着花，逐步出生出 NVIDIA 的 NV1、Matrox 的 Mlennium、Mystique、PowerVR 的 PCX1 等优秀居品，一度显现出言众人殊的盛况。富贵事后，就是焦灼的大鱼吞小鱼式并购和行业整合，形成英伟达、AMD 两家独大的样式。自此之后，GPU 也开启了超过式的迭代之路。

GPU 的通用性，是在迭代中逐步表清楚来的。20 世纪 90 年代到 21 世纪初，为搪塞更为复杂和大宗的图形臆测问题，GPU 模式不再为固定图形活水线模式，处于图形活水线中的及其处理器、几那里理器、像素与子素处理器的可编程性得到增强，阐扬出通用臆测才略。随后，为贬责 GPU 片内负载平衡问题，长入渲染处理器（Shader Processor）取代了千般可编程部件，同期流处理器（一种流臆测模子上充分接洽并发和通讯的臆测体系）的期骗奠定 GPU 通用臆测的基础。[13]

GPU 在可编程性和臆测才略上的快速增长，引得无数磋议团体存眷，争相将大宗需要臆测的复杂问题映射到 GPU 上，并将 GPU 定位为畴昔高性能臆测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 架构稳重符号着 GPU 朝向通用 GPU 发展，为后续在深度学习界限庸俗期骗奠定了基础。[15]

期间回到当今，GPU 在图形臆测上的专用性和面向东谈主工智能的通用性上，激勉科学界的争论，是否要将 GPU 的 AI 和 3D 功能拆分红两种 DSA。GPU 专用于图形臆测后果高，但只扶直几种特定的算法和模子，走通用臆测兼容性好，但后果差，功耗也大。[17]

现时行业一致的不雅点是 GPU 在图形臆测和通用臆测阐扬出的“双重东谈主格”会渐渐交融，畴昔将不再领有功能界限，GPU 也将领有原生可微和张量加快才略。[18]

那么，再往后呢？从近几年的大会来看，GPU 将向大界限蔓延臆测才略的高性能臆测（GPGPU）、东谈主工智能臆测（AI GPU）、愈加传神的图形展现（Ray Tracing GPU，明后跟踪 GPU）三大标的发展 [16]。其中 AI 是要害，GPU 硬件 / 软件界面将使 GPU 成为“AI 宇宙的 CPU”，基于 AI 的渲染会让张量加快成为 GPU 中的主流。[18]

GPU 固然好用，但它也脱离不开 CPU。一方面，GPU 无法单独责任，需要依赖 CPU 限制调用；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 个致使 32 个以上的强盛内核，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）、内存料理单元（MMU）等简直所有功能。一般来说，CPU 入彀算单元 ALU 约为 25%，逻辑限制为 25%，缓存 Cache 为 50%。反不雅 GPU 入彀算单元 ALU 通常达到 95%，缓存 Cache 则为 5%。[19]

最初，GPU 是为了匡助 CPU 加快图形处理而联想的专用硬件。图形渲染具备极强的并行性，需要极度密集的臆测与渊博的数据传输带宽，是以 GPU 被联想成包含千千万万个较小内核的格式。每个 GPU 的内核都可以并行践诺一些浮浅的臆测，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践诺卷积、ReLU 和池化等深度学习臆测。除此之外，GPU 秉承了无邪的存储档次联想以及两级编程编译模子。[20][21]

不同的结构联想使得 GPU 有了我方的专长。GPU 的频率惟一 CPU 的三分之一，但在每个 clock 周期中，它约略并行践诺多于 CPU 快要 100 倍的臆测，在大宗并行度任务中，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 通常领有 5~10 倍的内存带宽，但在打听数据时会有更长的延迟，这就形成 GPU 在可预测的臆测上作念得更好，但在不可预测的臆测上作念得更差。[23]

由此可见，CPU 和 GPU 是互补且不冲突的，前者专注串走运算，后者专注并走运算。打个譬如来说，可以将 CPU 瓦解为博士，不仅常识实足，诸多问题也钻研得很深，莫得他好多勤勉都莫得办法贬责。而 GPU 就是上万个初高中生，只会浮浅的算术，但不管博士有多强壮，也不可能在刹那间臆测出上万谈浮浅的算术运算。[24]

翻开臆测简史，出生了丰富千般的数字芯片，每种数字芯片都有一段千里淀良久的发展史。臆测机背后就是臆测问题，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 依然如故阿谁 CPU，GPU 却可以不是 GPU 了。

永远以来，GPU 与 FPGA、ASIC 的争议束缚，它们可分别组成“CPU+GPU”“CPU+FPGA”“CPU+ASIC”的异构臆测系统，同期 FPGA 和 ASIC 厂商通常将自家居品与 GPU 算力平行对比，如 NVIDIA Tesla A100 通常成为“战力计量单元”，CPU 的抢婚者们都在诉说着我方的上风。

感性而言，GPU、FPGA、ASIC 都是合营 CPU 臆测的好高手，对厂商如故卑鄙使用者而言，三者的性格人大不同，固然可能会在部分期骗场景下阐扬出更强的算力或更好的功耗，但部署进程不免要详细接洽 TCO（总领有老本）、构建难度、系统兼容度等，很难评判孰强孰弱。

街拍丝袜f_auto" width="1080" height="518">

不外，GPU 相对居品老练，峰值臆测才略优异，同期在图形高傲的地位无可撼动，铿锵有劲地搭上半导体高涨，成为阛阓追捧的骄子。

数据高傲，AI 磨练阶段，GPU 约占 64% 阛阓份额，而 FPGA 和 ASIC 分别占比 22% 和 14%；推理阶段，GPU 约占 42% 阛阓，而 FPGA 和 ASIC 则分别占比 34% 和 24%。[25]

GPU 不仅在当下是一门空间广博的商业，畴昔更是后劲无尽。

证实 Verified Market Research 数据高傲，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，札记本电脑中典型功耗为 150w，台机约略到达 400W，数据中心全力追求性能。证实功耗大小，阛阓主要折柳为桌面级和挪动级两种期骗。

两个阛阓均呈现三足鼎峙的态势：桌面级 GPU 阛阓被英伟达、AMD 和英特尔所把持，挪动级 GPU 阛阓被 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 等一系列异构臆测尺度提供了扶直。[27]

桌面级居品方面，面向 PC 或游戏的图形卡占大多数阛阓，领有 50% 以上的份额，数据中心。

Jon Peddie Research（JPR）数据高傲，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 阛阓份额高达 68%，主要归功于英特尔在台式机 / 札记本电脑 CPU 集成大宗核显；AMD 以 17% 份额居于第二，这家公司既有核显也有独显，但核显显明占大头，独显只占合座 PC 阛阓约 3%；英伟达则主攻独显阛阓，是以固然看似惟一 15% 阛阓份额，但基本称霸独显阛阓。[28]

英伟达是全球孤立 GPU 的皆备造就者。初期，英伟达的要点是 PC 图形处理业务，尔后乘着 GPU 通用的高涨，拓展至智能终局、自动驾驶、AI 算法等界限。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、专科视觉联想 GPU、智能驾驶 GPU 以及 OEM 和其他业务，占比轮番为 30.5%、56.8%、7.4%、3.3%、2%。[29]

为了更好地搪塞竞争，英伟达每一代显卡的架构联想变化都极度大。经过统计英伟达每一代架构情况来看，性能提高的中枢两要素流处理器（Streaming Multiprocessor，SM）和顺存（Cache）都有较大联想转变，这是为了在芯片有限的面积、功耗下，束缚诊疗千般组件确立比例，通过制程工艺迭代，寻求最优解法。[30]

英伟达是 GPU 观念的忽视者，简直每一款居品都会引起游戏宠爱者、联想者大界限磋议。尤其在 40 系使用了全新 Ada Lovelace 架构，秉承 TSMC 4N 定制工艺，着色器才略高达 83TFlops，灵验明后跟踪臆测才略达到 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，英伟达如故数据中心 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 臆测的根基。[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，同类居品价钱普遍低于英伟达 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 测试数据高傲，AMD 锐龙系列的核显在诸多游戏中阐扬优异。[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；从性能执行阐扬来看，与英伟达均分秋色。要说 N 卡（英伟达）和 A 卡（AMD）孰强孰弱，暂且莫得任何东谈主能给出定论。[35]

在寰球的知道中，英特尔跟 GPU 似乎完全搭不上边，但执行上它在 GPU 出货量上却是实简直在的大哥，收成于其 CPU 在全球 PC 阛阓占据快要七成（包括移下札记本、台式机、奇迹器），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 皆备不是外行或是业余选手。这家公司领有业内最优秀的 GPU 工程师、最好的晶圆厂、别东谈主只可幻想的银行账户和响彻全球的品牌，致使也曾坐拥全球最大的 GPU 销售商的称呼，出货量比竞争敌手的总和还要多。也许，对其他公司来说，有这么的成就就也曾很欢欣了，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 性能阐扬还可以，但在 ATI、英伟达、S3 Graphics 等一众居品中，只可算及格，无奈也只得暂时烧毁独显之路。

之后在 2009 年，英特尔并莫得烧毁独显的梦，策画打造 Larrabee 图形处理器。要知谈，那时的 GPU 就是将浮浅的小臆测中枢组合起来，而英特尔也刚好手捏往时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 磋议名堂如故给英特尔带来诸多纳闷，无数次的跳票和磋议经费不及的新闻之后，最终策画宣告失败。不外，英特尔在 Larrabee 磋议基础上，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白忙绿。[37]

2020 年，英特尔浴火更生，把孤立显卡的一切都押注在了新推出的 Xe 架构上。2022 年，英特尔 Arc（锐炫）系列显卡横空出世，挪动、桌面、责任站、数据中心全隐蔽。此次英特尔能不可见效，如故要看后续的阛阓反馈。

挪动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、可一稔成立上，GPU 与架构高度绑定，Arm、Imagination、高通 Adreno 等 IP 架构各有拥趸，样式恐难剧变。[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 较猛进度扶直自 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，贵得惊东谈主，国产还替代不了。”经济不雅察网此前征引从业者的话示意，英伟达 A100 GPU 售价要三千好意思金傍边，还莫得什么替代，况兼在本年 6 月，英伟达告知对 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，名堂一个接一个地融资。

从 2020 年出手，GPU 行业融资总和已超过 200 亿元。仅 2020 年~2021 年，通用 GPU 界限就有近 20 起融资事件发生，这些公司所追求则主若是桌面级的孤立显卡阛阓。据 Verified Market Research 数据高傲，2020 年中国大陆的孤立 GPU 阛阓界限为 47.39 亿好意思元，瞻望 2027 年将超过 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，基本都是 CPU 厂商进行联想分娩，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谈，不仅技艺首先于集成显卡，而且期骗面更宽，反不雅会成显卡大多是作为亮机卡或低负荷的时时卡使用。

现时来看，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、壁仞科技均已赓续推出居品，致使已进入一些整机，龙芯中科、海光信息、寒武纪、芯原股份几家上市公司也持续扶植 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，缺少期骗场景，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。固然上风并不显明，但在国际间不可抗力成分驱使下，国内不得不接洽国产平替问题。

为什么 GPU 会如斯吸金？因为 GPU 真实很难联想和制造，它与 CPU 并称两大最难芯片。行业东谈主士一致以为，造 GPU 比造 CPU 还难，对运算性能、安全性、踏实性要求极高，要复杂无缺的系统联想，才可能完成。[45]

国产 GPU 还有哪些逆境和机遇？果壳硬科技团队以为：

执行上，GPU 在不同期骗场景，也有不同的要求，选好切入点至关蹙迫。现时来说，主要包括 AI 东谈主工智能、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，还要接洽算力老本。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。接洽到纳米制程越小代工难度越大，全部都追求最好最踏实并不现实，同期最终老本也会反应在消费端，想驻足阛阓就要接洽算力老本，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 会在分娩出手阶段，扫描流处理器坏区并将这些电路关闭，证实坏区几许分为三六九等，质地高且踏实的中枢就是价钱更高的数据中心处理器，质地可以但相对次之的便分别出货给 4090、4080[30]。这么的公道是既能作念到数据中心、责任站、个东谈主臆测机的低中高端全隐蔽，又能给不同需求的提供不同的老本选项。

英特尔、AMD、英伟达官网高傲，三家的居品不仅价钱档位分类了了，也隐蔽诸多场景。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，但起步阶段尚不可隐蔽全部场景。

为什么国产难以攻破 GPU？

首先，GPU 专利壁垒极高，专利全球布局要点在好意思国，国际巨头可以通过界限效应摊派研发老本，束缚在专利上埋雷，扬弃竞争敌手发展。

其次，由于 GPU 莫得限制器，需要依赖 CPU 限制调用，无法单独责任，因此国产 GPU 必须与国产 CPU 同频共振。

从技艺好意思满难度来看，GPU 是一种比 CPU 还要难斥地的芯片，国内缺少领军东谈主物和工程师，一个训戒丰富的工程师至少要在大厂闇练 10 年以上。从现时国产企业情况来看，创始团队基本均有英伟达、AMD 的责任训戒。[25]

除此之外，软件生态亦然 GPU 的另一个门槛，软件决定了 GPU 生态的才略上限，亦然充分开释硬件才略的必要要求 [47]。英特尔也有近似的不雅点，他们示意基于 GPU 构建的软件生态，将为不同负载斥地芯片提供贬责之谈，接洽到高性能臆测、东谈主工智能和游戏等诸多界限需求，软件生态需要以高度协同的神气束缚演进。[47]

《中国科学》一篇论文中指出 [48]，有东谈主将芯片可编程性当作芯片普及的蹙迫办法，并示意遏抑易编程的芯片就不会在阛阓上赢得见效。判断逻辑就是浮浅的“编程性不好 = 不好用 = 用的东谈主少 = 阛阓小 = 失败”。

执行上，DSP 也好、NPU 也好、如故以 CUDA 为代表的 GPU 等处理器芯片，在编程上都是有具有门槛的，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阛阓容量。

编程原来就是专科东谈主士才要接洽的问题，对 GPU 来说，编程的难易进度不会径直影响阛阓需求的界限，性能、功耗、性价比才是拿下阛阓的要害。

半导体行业在近期已进入第十七次下行阶段，阛阓对 GPU 需求走弱，英伟达、AMD 孤立 GPU 均受到较大涉及。

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，是它不务正业的期骗，挖矿。反不雅当今发展态势，线上办公红利期早已结尾，加之加密货币乱象已远离，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 大多数目产期间均处于下行周期内，且缺少大界限期骗机会，将会招待不小的阛阓考验。

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间》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阛阓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 芯片阛阓拿下超 40% 份额，稳坐头把交椅。

另一种解法是收拢现存空间，撑到阛阓反涨。现如今，算力成为蹙迫分娩力，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蹙迫策略。国产需要收拢现存机遇，期待下一个半导体上行周期。[49]

与此同期，国内 GPU 也存在一些道理的现象。

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，却不扶直双精度浮点运算，只可用于东谈主工智能标的。[50]

问芯 Voice 指出，堪称国产 GPU 着名不副实的情况，一种是内建 AI 加快器来跑个别性能办法的分数，并以此宣传超过英伟达，但执行上 AI 期骗隐蔽的是千行百业，不可能只为了跑一两个性能办法，一颗好芯片的要害是通用性 [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，半导体行业从来都不是暴躁心态的短线往复，而是一个需要永远技艺千里淀与大鱼吞小鱼式洗牌的进程。关于难度极高的 GPU，国产更需立场清静，超越英伟达并非一两日的易事。

References：

[1] 京东云斥地者：分享 | 当代企业中的 GPU 臆测.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.臆测机体紧缚构基础 [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]. 信息通讯技艺与策略，2021， 47 (2): 79.

[8] Sutherland I E. Sketchpad (1962):“A Man-Machine Graphical Communication System”. Phil. Diss[J]. 1962.

[9] 《中国臆测机学报》：综述：显卡 25 年历史变迁.2010.6.9.https://it.sohu.com/ 20100609 / n272680735.shtml

[10] 《臆测机学报》：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.图形处理器通用臆测要害技艺磋议综述 [J]. 臆测机学报，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、畴昔趋势及研制实践 [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 阛阓的振荡.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) 专利态势磋议 [J]. 集成电路期骗，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磋议 [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：阳春白雪告诉你 CPU / GPU 是什么？.2017.10.31.https://mp.weixin.qq.com/ s / l9KCh_WstDDiIpKo0pzdaA

[25] 智东西：GPU 深度申报，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 上的好意思满 [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 好意思满性能渊博飞跃，GeForce RTX 40 系列草创神经网罗渲染新时间.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 国产化门径加快，新兴团队束缚涌现.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/

[37] 科技新知：72 中枢 288 线程，英特尔这个怪物是若何来的？.https://mp.weixin.qq.com/ s / otQQpf6deW2T74tr-TdCEg

[38] 集微网：核芯防碍！国产 GPU 的机会窗口和生态叮嘱.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 稳重发布，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 国产化门径加快，新兴团队束缚涌现.2022.8.1.https://pdf.dfcfw.com/ pdf / H3_AP202208021576791297_1.pdf?1659427369000.pdf

[45] 真格基金：沐曦彭莉：在超过“芯”路上解极致勤勉｜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.论算力时间的三定律 [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 通用斥地平台，国产 GPU 不可“酣醉”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 不可挂羊头卖狗肉，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，裁剪：李拓

告白声明：文内含有的对外跳转荟萃（包括不限于超荟萃、二维码、口令等格式），用于传递更多信息戒色吧，从简甄选期间，驱散仅供参考，IT之家所有著作均包含本声明。

• 国产
• GPU
• 戒色吧
• 站票