大家好，今天给各位分享江根观察GPU赛道“高烧”，国产替代加速突破的一些知识，其中也会对进行解释，文章篇幅可能偏长，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在就马上开始吧！
在这场与病毒的生死竞赛中，速度至关重要，以GPU集群为计算核心的超级计算机成为抗疫竞赛的加速器。近日，一篇利用超级计算机进行病毒研究的论文引起关注。美国橡树岭国家实验室的研究人员使用IBM 的Summit 超级计算机来寻找能够对抗COVID-19 的最有效的现有药物。
Summit是目前世界上最强大的超级计算机之一。它由4608个计算节点组成，每个节点包含2个22核Power9 CPU和6个Nvidia Volta V100 GPU计算卡，具有单节点双精度浮点计算能力。 42TFLOPS，整个集群峰值算力超过200 PFLOPS。
研究人员从8000 多种化合物开始，使用Summit 的算法来寻找可以与蛋白质结合并阻止病毒发挥作用的药物。已筛选出77 种化合物。如果手动完成此筛选过程，将需要数年时间才能完成。如果在低速计算平台上完成，则需要数月时间。在超级计算机上，时间会缩短到几天，这主要得益于GPU的超强计算能力。
技术发展：从绘图到通用计算
目前，消费者接触到的GPU主要是在消费电子产品中。随着高清成像时代的到来，消费者在购买消费电子产品，如智能手机、平板电脑、个人电脑或游戏机时，会越来越关注GPU的性能，因为GPU决定了图像渲染设备的功能。
01什么是GPU
GPU，又称显示核心、视觉处理器、显示芯片，是专门从事图像和图形相关运算的微处理器。一般是指显卡的处理器。图形渲染的本质是大量数据的快速并行计算。只有具有高并行性和高吞吐量特性的处理器才能快速解决图形问题。
CPU和GPU的区别
CPU一般由逻辑运算单元、控制单元和存储单元组成。 CPU有足够的数字和逻辑运算单元，并有很多硬件辅助，加速分支判断，甚至更复杂的逻辑判断。 CPU虽然有多个核心，但总数不超过两位数，而且每个核心都有足够大的缓存。 GPU的优势在于多核。核心数量远远超过CPU，可以达到数百个。然而，每个核的高速缓存相对较小，数字逻辑运算单元较少且简单。 CPU具有超强的逻辑计算能力，擅长串行运算； GPU更适合低耦合处理大量数据，擅长并行计算。 （点击查看大图）
GPU分为独立GPU和集成GPU，也就是我们常说的独立显卡和集成显卡。 GPU可以与专用电路板和辅助部件组合在一起形成独立显卡，也可以嵌入到其他部件中，例如主板、北桥芯片，甚至成为CPU中的SoC。
（点击查看大图）
02GPU开发
PC诞生之初，并不存在GPU的概念，所有的图形和多媒体操作都由CPU来处理。
世界上第一台个人计算机IBM 5150于1981年由IBM公司发布。这台PC配备了黑白显示适配器（单色显示适配器，MDA）和彩色图形适配器（CGA）。这是最早的图形显示。控制器。
直到NVIDIA提出了GPU的概念，将GPU提升到了独立计算单元的地位。 NVIDIA推出了GeForce256，它集成了硬件变换和光照、立方体环境材质映射和顶点混合、纹理压缩和凹凸贴图、双纹理四像素256位渲染引擎等功能，并且兼容DirectX和OpenGL。号称全球首款A GPU。
GPU的发展史可以概括为Intel、NVIDIA、AMD（ATI）的发展史。在这个过程中，昔日的GPU巨头Imagination、3dfx、东芝等被这三个后辈超越。
GPU发展阶段
（点击查看大图）
03GPU产业链
现代先进半导体集成电路产业链日趋成熟。 GPU作为数字芯片之一，其产业链实际上就是半导体集成电路的产业链。
（点击查看大图）
20世纪80年代，半导体集成电路行业出现了几种新的分工模式，包括IDM模式、Fabless模式和Fundary模式。
IDM模式
IDM（Integrated Device Manufacture）模式是指一家厂商独立完成芯片设计、制造和封装三大环节。
无晶圆厂模式
Fabless（无晶圆厂制造设计公司）是指专注于芯片设计业务，仅负责芯片的电路设计和销售，而将生产、测试、封装等环节外包的芯片设计公司。
代工模式
Foundry即晶圆代工厂，是指只负责制造、封装、测试等一个或多个环节，不负责芯片设计的企业。可同时为多家设计公司提供服务。
GPU产业链部分厂商
上游：设计
产业的上游部分是芯片设计，主要根据芯片的设计目的进行逻辑设计和规则制定，并根据设计图纸生产掩模版以供后续芯片制造步骤使用。
设计与制造分工逐渐流行，没有自己工厂的Fabless设计公司与专门提供半导体生产服务的OEM公司分工合作的生产方式慢慢发展起来。
SEMI数据显示，我国芯片设计产业保持快速增长趋势。 2020年，我国芯片设计产业销售额首次突破500亿美元，行业设计企业数量为2218家，同比增长24.6%。
中游：制造、封装和测试
行业中游主要是制造和封装测试。
芯片制造
芯片制造实现芯片电路图从掩模版转移到硅片上并实现预定的芯片功能，包括光刻、刻蚀、离子注入、薄膜沉积、化学机械抛光等步骤。
（点击查看大图）
晶圆制造是半导体制造工艺中最重要、最复杂的环节。其主要工艺包括热处理、光刻、刻蚀、离子注入、薄膜沉积、化学机械抛光和清洗。
近年来，随着半导体产能逐步向中国大陆转移，中国大陆迎来投资建厂热潮。以半导体芯片中的核心材料晶圆为例，2017年至2020年全球规划晶圆厂近42%集中在中国大陆。
内测
芯片封装测试完成芯片的封装以及性能和功能测试，是产品交付前的最后一道工序。
封装是在制造好的晶圆上进行划片、贴片、邦定、电镀等一系列工艺，以保护晶圆上的芯片免受物理、化学等环境因素造成的损坏，增强芯片的散热性能，以及引出芯片I/O端口的半导体工业链路。
半导体测试贯穿整个半导体产业链。在芯片设计、晶圆制造、最终芯片封装等环节都需要进行相应的测试，以保证良率。
根据Gartner的测算，封测在整个封测流程中的市场份额大约为80%~85%和15%~20%。我国包装工业起步早、发展快。中国大陆的封装测试环节已经在全球取得了一定的竞争力。
支持：材料和设备
半导体材料和装备是集成电路产业的重要支撑，具有很高的价值。其中，半导体设备技术壁垒高、研发周期难度大，直接关系到芯片设计能否完成、产品可靠性和良率能否达到设计标准、国内企业能否参与全球竞争。
半导体设备主要应用于晶圆制造和封装测试，其市场规模随着下游半导体的技术发展和市场需求而波动。
前工序设备
晶圆制造过程中使用的设备称为前端工艺设备，进一步细分为晶圆加工设备和其他前端设备，如薄膜沉积技术、光刻机、刻蚀机等。
光刻工艺中的核心半导体设备是光刻机。光刻机是半导体设备中技术壁垒最高的设备。其研发难度大，但其价值占晶圆制造设备的30%。
后道工艺设备
封装和测试过程中使用的设备称为后端工艺设备，可分为测试设备和封装设备。
全球半导体设备制造商主要集中在美国、日本和荷兰。我国目前虽然拥有光刻机、刻蚀机相关企业，但对海外企业的依赖程度仍然较高，核心技术和零部件受到一定限制。
美国半导体设备制造商主要包括应用材料公司、泛林半导体、科雷公司和泰瑞达公司。涵盖的设备主要包括晶圆制造和封装测试中的刻蚀设备、离子注入机、薄膜沉积设备、掩模制造设备等。检测设备、检测设备、清洗设备等
日本半导体设备厂商主要有东京电子、DNS、Advant、日立高科等。涵盖的主要设备包括刻蚀设备、薄膜沉积设备、清洗设备、热处理设备、涂胶机/显影机、退火设备、检测设备、测试设备等。此外，尼康和佳能两家日本公司可以还供应中低端光刻机。
荷兰半导体设备厂是ASML。 ASML作为全球光刻机的领导者，垄断了高端光刻机市场，在中低端市场也占有相当的份额。
我国目前具备光刻机生产能力的企业主要有上海微电子装备有限公司，以及从事光刻机零部件研发和生产的华卓精密、国科精密。国内刻蚀设备企业主要有中国微电子、北方华创、亿唐半导体、中国电子科技等。
iBS数据显示，技术先进的大规模集成电路生产线投资可达数百亿美元，其中70%-80%是半导体设备相关投资。用于芯片制造的设备占半导体设备总支出的81%。
SEMI于2020年12月15日发布报告，预测2020年至2022年半导体设备市场将持续上升，2020年市场规模将达到689亿美元，2022年将达到761亿美元。
下游：应用场景
经过40多年的发展，GPU已经从简单的图形显示加速功能发展到日益丰富的应用场景。使用GPU的超级计算机广泛应用于各个方面。
GPU对电子计算行业的底层支撑
GPU的未来趋势主要有三大：更真实的图形显示（光线追踪GPU）、算力大规模扩展的高性能通用计算（GPGPU）以及人工智能计算（AIGPU）。
更真实的图形显示
从全球范围来看，图形渲染是GPU应用最广泛的领域，主要包括PC、游戏机和移动设备的图形处理。
传统图形GPU使用光栅化技术来显示3D对象，但光线追踪与光栅化有不同的实现原理。光线追踪的一个显着优势是它可以处理不平坦的表面和固体。光线追踪对反射和阴影具有更真实的效果。处理效果远远超过传统的光栅图形处理，达到更加真实的图像显示效果。
对于游戏、电影等追求真实光影效果的应用，光线追踪可以提供电影品质图像的实时渲染，带来视觉效果质的飞跃。游戏、电影等是目前最大的消费市场。除了在游戏和电影中的应用之外，产品设计师和建筑师还可以享受光线追踪的好处。借助光线追踪工具和高性能GPU，可以实时生成逼真的产品模型并加快设计迭代。
高性能通用计算
近年来，随着GPU的可编程性不断增强，GPU的应用能力已经远远超出了图形渲染的范畴。一些GPU用于图形渲染以外领域的计算，成为通用图形处理器（GPGPU）并“以客户为中心”。利用GPU 来计算原本由CPU 处理的一般计算任务。
目前GPGPU的实现方式各有不同，如NVIDIA使用的CUDA（统一计算设备架构）技术、原ATI的ATI Stream技术、Open CL联盟、微软的DirectCompute技术等。在上述四种技术中，只有OpenCL支持跨平台和开放注释特性，并且还可以使用专门的可编程电路来加速计算。业界支持非常广泛，但由于它对开发者不太友好，导致大量应用无法使用。许多。
GPGPU在图形GPU的基础上进行优化设计，使其更适合高性能并行计算。它在性能、易用性和多功能性方面比图形GPU更强大。对计算能力日益增长的需求是GPGPU发展的主要驱动力。
基于高性能通用计算能力，GPU将成为超级计算机的重要组成部分，其应用领域也将扩展到图形之外。它将广泛应用于大数据处理、图像识别、金融科技、虚拟货币挖矿等领域，其科研成果和新的应用模式也不断涌现。
人工智能计算
算力的提升是人工智能市场快速增长的重要驱动力。 GPU最早用于加速深度学习算法，是目前最成熟的AI芯片。
在伦敦的Google DeepMind 实验室，研究人员使用数千个Nvidia K40 图形处理器来训练计算机学习围棋游戏。 2015年，DeepMind的机器人以5,333,600的成绩击败了欧洲围棋冠军，被誉为人工智能领域的里程碑。随后，多国多位围棋冠军被AI击败。
GPU在人工智能领域的应用主要包括：云（云平台、云计算）和终端（机器人、智能驾驶汽车）。
云
在云端，GPU服务器是数据中心AI加速解决方案的首选，GPU广泛应用于深度神经网络训练和推理。
全球AI服务器行业市场规模及增速（单位：亿美元）
IDC数据显示，2019年中国GPU服务器市场规模达到20亿美元，预计2024年将达到64亿美元。预计2021年中国GPU服务器将占据约91.9%的市场份额。
终端
最终，GPU 在机器人和自动驾驶汽车中扮演了类似“大脑”的角色，可以感知和理解世界。 GPU在智能汽车中的应用几乎涵盖了从高级驾驶辅助系统（ADAS）到自动驾驶、从仪表到中央控制信息系统的多个车辆系统。在实际大规模量产领域，基于深度学习的ADAS系统是GPU的主战场。
图像显示和人工智能深度学习的需求支撑了GPU市场的持续增长，但GPU的主要市场份额被来自美国、日本、荷兰等国家的公司占据。
据Verified Market Research数据显示，2020年GPU市场规模为254.1亿美元。图像显示和人工智能深度学习的需求支撑GPU市场持续增长；预计到2027年将达到1853.1亿美元，2021年至2027年复合增长率为32.82%。
JPR公布的数据显示，2021年第二季度，全球独立GPU市场中，NVIDIA占据83%的市场份额，AMD占据17%；在PC GPU市场，英特尔占比超过68%，NVIDIA和AMD位居第二。
据统计，中国GPU市场占全球市场三分之一以上，消费类产品约占50%。由于整机和智能手机市场规模巨大，中国GPU市场规模和潜力巨大。与此同时，随着整机出货量的快速增长，服务器GPU的需求也在快速增长。
2019年，国内智能手机出货量3.72亿台，电子计算机年产量达到3.56亿台。 GPU需求量大且单品价值很高，市场规模还是非常可观的。
据统计，2018年国内服务器出货量达330.4万台，同比增长26%，互联网、电信、金融、服务业等行业出货量增速也超过20%。
未来，汽车电子和工业电子预计将成为GPU增长最快的领域，而消费电子、数据处理和通信电子增速将趋于稳定。
赛道火热：国产替代加速突围
当前，在5G、数据中心、云游戏、云宇宙、人工智能等热门应用的推动下，GPU领域的市场空间快速增长，市场潜力巨大。
由于中国GPU市场的巨大规模和潜力，国产替代的“引力”使得国内GPU初创企业如雨后春笋般涌现。它们在GPU软硬件方面同时出击，呈现出“星星之火，可以燎原”之势。
国内主要GPU厂商
01国内技术差距正在缩小
受制于GPU人才数量少、技术难度高、缺乏生态建设等因素，同时在巨头垄断的市场下，国产GPU亟待突破。
由于GPU行业进入壁垒较高，国内不少厂商将重点放在通用GPU（GPGPU）的研发上。此外，从事CPU研发的企业（如兆芯、龙芯等）也开始进入这一赛道，增强了国内GPU企业的整体研发实力。
国内GPU厂商有两种类型：自主研发部门和进口厂商。
自主研发部
独立研发部门有：中船重工709所、中船重工716所、经嘉微、航金科技、龙芯、上海兆芯等机构和公司。
部门介绍
引进的部门以中科曙光、凯桥资本收购的Imagination为代表。
依托中国巨大的市场以及国家对GPU等急需自主可控的芯片技术的重视，国产GPU将有机会在短期内迅速崛起，重建GPU产业生态系统。在发展过程中，资本发挥着重要作用。可以说，GPU赛道已经成为近年来的投资热点。
据统计，2021年上半年国内半导体企业热门融资赛道中，高性能计算项目融资占比29%。 GPU融资公司数量占高性能计算领域融资公司数量近30%。
2021年，国产GPU受到广泛关注。国内多家GPU厂商均发布了产品的开发和商用。国产GPU正在缩小与国际水平的技术差距。
此外，还有GPU厂商陆续获得大笔融资，这说明国产GPU确实在产品上取得了一定的突破，也得到了资本的大力支持，也催生了一些独角兽公司。
02国产替代进入市场
虽然国产GPU与国际主流厂商仍有较大差距，但GPU国产替代之路仍在不断前进。
随着国际贸易摩擦进一步加剧，芯片半导体领域的“卡壳”局面越来越受到业界关注，国内GPU替代市场炙手可热。据东吴证券测算，GPU领域国产替代的市场空间超过50亿美元。除了现有的游戏市场外，在工业、医疗、军事航天等方向还有进一步的发展空间。
我国早期的国产GPU主要针对专业领域。随着国产GPU技术的提升，国产GPU将真正进入民用市场，实现全面国产替代。
国内出于产业链安全考虑，国产CPU和国产操作系统已被纳入政府采购清单，进入国产替代阶段。国产通用GPU成长空间广阔，国产替代品值得期待。
国产GPU替代从政府采购开始。 GPU的国产替代主要涉及两个方面：一方面是办公电脑，另一方面是服务器。一般来说，需要使用国产替代产品的场合主要是接触重要信息的工作人员使用的设备，以及政府机构的服务器。
用户评论
这几年国内芯片确实很强大啊！ 之前对NVIDIA的依赖太多了，现在有国产GPU站出来，真是太 exciting 了！希望这些公司能继续努力，把国产GPU做到世界领先！
有11位网友表示赞同！
其实国内GPU的应用场景很多，只是没有像 NVIDIA 那样大规模普及而已。这次国产替代加速突围，应该重点关注一些垂直领域的推广！ 例如：超算、 AI 等领域。
有7位网友表示赞同！
GPU赛道确实“高烧不退”，国外芯片巨头依然是 dominant player，但国产厂商确实在进步。希望看到更多创新和突破，让用户有更多的选择！
有10位网友表示赞同！
对于个人用户来说，换一个CPU 或者 GPU 的成本可不低啊，对国产GPU的替代速度真的会很快吗？ 还是说现在只是少数高端用户的追求罢了。
有7位网友表示赞同！
我对“突围”这个词不太认同，感觉更多的是在“耕地”，国产厂商需要耐力，积蓄实力，最终才能真正突破！这就像中国篮球的发展一样。
有17位网友表示赞同！
关注了最近国内很多GPU相关的公司，他们的技术和产品确实很有潜力，特别是针对一些特定领域的应用。 希望能在未来看到更具竞争力的国产GPU解决方案！
有16位网友表示赞同！
NVIDIA 的技术优势依然明显， 国产替代还面临着许多挑战。 要从技术瓶颈、人才储备以及产业链配套等方面加强建设。
有13位网友表示赞同！
国内消费级用户对 GPU 需求相对稳定，而一些专业应用场景比如 AI 、高性能计算则可以推动国产 GPU 的发展。
有15位网友表示赞同！
我比较好奇“突围”的具体表现形式？ 是指市场占有率、技术突破还是产业链整合？ 希望看到更具体的案例数据说明！
有14位网友表示赞同！
觉得这篇观察很客观，既看到了国内GPU研发领域的进步，也提到了仍然面临的一些挑战。 可以期待未来国产GPU的进一步发展!
有13位网友表示赞同！
我一直希望能有更好的国产芯片替代进口的产品，现在看起来GPU领域有了望! 这是很鼓舞人的事！
有9位网友表示赞同！
对于科技行业来说, "高烧不退" 才是常态啊。 国产厂商要抓住这个机会继续投入研发，不断探索创新！
有15位网友表示赞同！
就个人而言，我还在等待国产GPU能够真正满足我的需求，在性能、稳定性和价格上都能跟国际品牌媲美的时候才会考虑使用。
有11位网友表示赞同！
中国企业的发展离不开政府的支持，希望政策能更积极地扶持芯片产业发展，鼓励更多优秀人才投入到这个领域！
有17位网友表示赞同！
"突围" 只是一个开始，国产替代需要长久坚持和积累，才能真正占据话语权。 这需要全社会的共同努力！
有10位网友表示赞同！
我很期待看到更多国产GPU的应用场景和创新成果，例如：VR/AR、数字孪生等新兴领域!
有16位网友表示赞同！
国外芯片巨头毕竟经验丰富，技术积累深厚，国产厂商要真正实现"突围”，还需要更长的时间和更多的努力。
有16位网友表示赞同！
中国市场庞大，对GPU的需求也很强，这将为国产厂商提供得天独厚的优势!
有18位网友表示赞同！