2022年中国GP GPU产业规模及未来技术发展趋势分析

TheLudGamer

一、概述
GPU最初的设计目标是为了提升计算机对图形、图像、视频等数据的处理性能，解决CPU在图形图像领域处理效率低的难题。随着GPU在并行计算方面性能优势的逐步显现以及并行计算应用范围的逐步拓展，GPU逐渐分化成两条分支，一条是传统意义的GPU，延续专门用于图形图像处理用途，内置了视频编解码加速引擎、2D加速引擎、3D加速引擎、图像渲染等专用运算模块；另一分支是GP GPU，作为运算协处理器，并针对不同应用领域的需求，增加了专用向量、张量、矩阵运算指令，提升了浮点运算的精度和性能，以满足不同计算场景的需要。
GP GPU的优势



资料来源：共研网整理
随着GP GPU的技术发展和相关生态环境的逐步完善，其用途被进一步发掘。目前，GP GPU已经广泛用于商业计算和大数据处理，如天气预报、工业设计、基因工程、药物发现、金融工程等。在人工智能领域，使用GP GPU在云端运行模型训练算法，可以显著缩短海量训练数据的训练时长，减少能源消耗，从而进一步降低人工智能的应用成本。与此同时，GP GPU能够提供完善的软件生态系统，便于各种已有应用程序的移植和新算法的开发，因此全球人工智能相关处理器解决方案仍然是以GP GPU为主。因此，GP GPU是人工智能领域最主要的协处理器解决方案，占据人工智能90%以上的市场份额，在智能工厂、无人驾驶、智慧城市等领域具有广泛的市场空间。
GP GPU主要应用领域



资料来源：共研网整理
二、产业规模
近年来，随着人工智能、数据挖掘等新技术的发展，集成电路行业迎来了数据中心引领发展的阶段，对海量数据进行计算和处理将成为带动集成电路行业发展的新动能。大规模张量运算、矩阵运算是人工智能在计算层面的突出需求，高并行度的深度学习算法在视觉、语音和自然语言处理等领域上的广泛应用使得计算能力需求呈现指数级增长，2021年全球数据中心负载任务量将超过2016年的两倍，从2016年的不到250万个负载任务量增长到2021年的近570万个负载任务量。
2016-2021年全球数据中心负载任务量统计



资料来源：共研网整理
行业报告：共研网发布的《2022-2028年中国GP GPU市场全景调研与产业竞争格局报告》
随着云计算的不断发展，全球范围内云数据中心、超级数据中心的建设速度不断加快，2021年计算能力更强的超级数据中心将达到628座，占数据中心总量的53%。
2016-2021年全球超级数据中心数量统计



资料来源：共研网整理
人工智能算法的不断普及和应用，以及对商业计算和大数据处理的算力需求的不断增长，使得全球范围内数据中心对于计算加速硬件的需求不断上升。作为GP GPU领域的代表性企业，NVIDIA数据中心业务收入在2015年仅为3.4亿美元，2020年高速增长至为67.0亿美元。从2015年至2020年，NVIDIA数据中心业务的年均复合增长率为81.52%，其增速远超NVIDIA其他板块业务的收入增速。NVIDIA数据中心业务收入的快速增长体现了下游数据中心市场对于泛人工智能类芯片的旺盛需求。
2015-2020年英伟达数据中心业务收入统计



资料来源：共研网整理
从国内市场来看，目前，我国人工智能领域的应用目前处于技术和需求融合的高速发展阶段，在运算加速方面逐渐形成了以GP GPU解决方案为主的局面，未来几年内，中国人工智能芯片市场规模将保持年均40%至50%的增长速度，到2024年，市场规模将达到785亿元。而随着人工智能相关技术的进步，应用场景将更加多元化，GP GPU通用性好和软件生态系统完善的优势会进一步展现出来，成为该领域的主流解决方案，GP GPU在我国人工智能芯片领域也将占据较大比例的市场份额。
2019-2024年中国人工智能芯片市场规模及预测



资料来源：共研网整理
三、未来技术发展趋势
随着GP GPU在大数据处理、人工智能、商业计算领域的广泛应用，其价值得到了学术界和工业界的认可，技术不断发展，呈现了以下发展趋势。
①性能需求不断提升
随着新材料、新能源以及分子药物开发等领域的技术发展，多个新兴领域的算力需求日益增加。此外，近年来人工智能呈现快速增长，推动人工智能发展的三大要素分别是算法、数据和算力，其中算力更是被形容为“支撑人工智能走向应用的发动机”。因此GP GPU需要不断升级硬件来满足日益增长的运算需求。GP GPU产品提高性能的关键技术包括：进一步提升工艺制程、增加运算核心数量、采用更高带宽的片上存储器、提高存储器的带宽和容量等。通过上述技术创新，GP GPU芯片集成度不断提高，性能逐渐增强，性能功耗比逐渐提升。另一方面，单一芯片性能的提升已经无法满足不断涌现的大数据量、多任务应用的需求。因此，高带宽、低延时的片间互连总线结构也是未来产品优化提升的方向之一。
②GP GPU将成为运算协处理器的主流
运算协处理器基于不同的设计思想存在多条技术路线，包括GP GPU、ASIC、FPGA等。其中GP GPU的代表企业包括NVIDIA和AMD；利用ASIC技术，许多大公司都研发了协处理器产品，包括Intel的Phi和NNP、Google的TPU、华为昇腾、寒武纪思元等；基于Intel、Xilinx的FPGA，出现过很多专用协处理器产品。综合考虑性能、能效比和编程灵活性等方面的因素，GP GPU在协处理器应用领域具有非常明显的优势，目前广泛应用于商业计算、人工智能和泛人工智能等领域。
③CPU与GP GPU的异构计算
因为设计的出发点不同，CPU和GP GPU的架构有着巨大的差异。CPU一般由逻辑运算单元、控制单元和寄存器组成。因为CPU有复杂的数字和逻辑运算单元，并辅助有分支预测乱序执行等逻辑电路，所以CPU拥有强大的逻辑控制处理和运算能力，能够处理复杂任务。CPU虽然支持多核结构，但是由于CPU内部设计非常复杂，核心数较少。GP GPU内部包括大量的运算单元核心，其架构决定了GP GPU具有处理并行计算任务的优势。但是，GP GPU每个核心拥有的缓存相对较小，核心的逻辑功能简单，只能执行有限种类的逻辑运算操作。GP GPU内部的核心通常被划分成若干个组，组内核心不能独立工作运行，需要协同工作共同完成运算任务。CPU和GP GPU的结构特点不同，适用于不同的应用场景，把两者结合起来可以充分发挥各自优势，CPU处理复杂的逻辑控制并进行运算管理，GP GPU用于对各种大规模并行计算进行加速。CPU+GP GPU的异构运算架构可以让系统具有更大灵活性，满足复杂场景的不同需求，能够较大幅度地提升单独使用CPU或GP GPU的任务执行效率；CPU和GP GPU之间还可以通过内存共享等方式进行数据交互，发挥异构计算的优势。
更多本行业详细的研究分析见共研网《2022-2028年中国GP GPU市场全景调研与产业竞争格局报告》，同时共研产业研究院还提供产业数据、产业研究、政策研究、产业链咨询、产业图谱、产业规划、可行性分析、商业计划书、IPO咨询等产品和解决方案。