数字芯片之图形处理器GPU

TheLudGamer · 发表于 2022-3-30 20:26

文章首发于公众号：价值盐选
大家过年好！开年我们先继续分析数字芯片。数字芯片是一个细分品类庞杂的领域，很难一下子说清楚，只好把每一品类拆分出来单独分析，这次我们继续分析处理器中的 GPU。

01GPU 基本知识

GPU 学名叫图形处理器，其实是我们电脑显卡里的处理器，由主板连接设备、监视器连接设备、处理器和内存组成。负责将 CPU 送来的图像信号经过处理再输送到显示器上，完成 2D 或 3D 图形的生成。

GPU 能使显卡减少对 CPU 的依赖，并分担部分原本是由 CPU 所担当的工作，尤其是在进行三维绘图运算时，功效更加明显。
GPU 跟 CPU 有一定区别，CPU 基于低延时设计，功能模块较多，擅长逻辑控制，串行运算。
而 GPU 是一种特殊处理器，基于大吞吐量设计，拥有更多运算器，适合对密集数据进行并行处理和并发计算，因此 GPU 也被应用于 AI 训练等需要大规模并发计算场景。
GPU 可分为独立 GPU 和集成 GPU。

独立 GPU 一般封装在独立显卡电路板上，使用专用的显示存储器，其性能由 GPU 性能与显存带宽共同决定。一般独立 GPU 性能更高，但系统功耗、发热量较大。
集成 GPU 常和 CPU 共用一个内核，共享系统内存。集成 GPU 的制作由 CPU 厂家完成，兼容性较强，并且功耗低、发热量小。
但如果显卡运行需要占用大量内存，整个系统运行就会受限。此外，系统内存的频率通常比独立显卡的显存低很多，因此集成 GPU 的性能一般比独立 GPU 更低。
而且 GPU 跟 CPU 一样，存在众多微架构。先进的微架构对 GPU 实际性能的提升至关重要，目前市面上有非常丰富的 GPU 微架构，比如 Pascal、Volta、Turing（图灵）、Ampere（安培）等。
GPU 的 API 应用程序接口发挥着连接应用程序和显卡驱动的桥梁作用。
目前 GPU API 接口可分为 2 大阵营和若干其他类，2 大阵营分别是微软的 DirectX 标准和 KhronosGroup 标准，其他类包括苹果的 Metal API、 AMD 的 Mantle（地幔） API、英特尔的 One API 等。

02GPU 市场需求发展

早期 GPU 多被用于图形的计算和处理，因为图形数据的处理往往涉及到大量大型矩阵运算，计算量虽大但易于并行化。
近年由于大数据、人工智能发展，GPU 也常被用于需要大量重复计算的数据挖掘领域，如机器学习，深度学习等。
此外，GPU 还被广泛用于 PC、服务器、移动等领域。比特币等加密货币的火爆行情也带动了矿卡 GPU 的需求。
服务器 GPU 可做专业图形处理、计算加速、深度学习等应用，以独立 GPU 为主，移动端 GPU 主要采用集成 GPU。PC 根据使用用途不同，既可以搭载独立 GPU，也可以使用集成 GPU。
目前 3D 图像显示、人工智能深度学习等需求支撑着 GPU 市场持续增长。根据机构的数据，2020 年全球 GPU 市场规模达到 999.1 亿美元，预计 2028 年达到 1581.6 亿美元，CAGR 为 5.9%。
中国是全球 GPU 市场重要组成部分，2020 年中国大陆独立 GPU 市场规模约 235 亿美元。Nvidia、AMD 在中国大陆收入占比分别为 23.3%、23.9%。

其中 PC 是 GPU 重要应用场景，2020Q4-2021Q2，全球 PC GPU 单季度出货量连续三个季度超过 1 亿片，2021Q2 达到 1.23 亿片，同比大增 42%，GPU 与 PC 配售比为 117%。
JPR 预计 2020-2025 年全球 PC GPU 市场保有量将以 3.5%复合增速增长，到 2025 年达到 33.18 亿片。
目前 AI 服务器和 AI 加速芯片的需求发展速度最快。
由于 CPU 不适合大规模并行计算，需要加速芯片执行 AI 算法，目前 AI 加速芯片主要包括图形处理器（GPU）、现场可编辑门阵列（FPGA）、专用集成电路（ASIC）、神经拟态芯片等。

AI 服务器通常搭载上面这些 AI 加速芯片，利用 CPU 与加速芯片的组合来满足高吞吐量互联的需求，为自然语言处理、计算机视觉、机器学习等 AI 应用场景提供强大的算力支持，支撑 AI 算法训练和推理过程。
根据 IDC 数据，2020 年中国 AI 基础设施市场规模为 39.3 亿美元，同比增长 26.8%，并将在 2024 年达到 78.0 亿美元，其中 2020 年服务器市场规模占 AI 基础设施的 87%以上，承担着最为重要的角色。
互联网行业是 AI 服务器最大采购行业。2020 年上半年，互联网占整体加速计算服务器市场近 60%的份额，同比增持超过 100%；政府行业和服务业分别依次位居第二位和第三位。
GPU 加速服务器由于能够提供优秀的浮点计算能力，从容应对高实时、高并发的海量计算场景，如深度学习、科学计算、3D 动画渲染、CAE 等，成为数据中心 AI 加速方案首选。
IDC 预计 2021 年中国 GPU 服务器占比 91.9%左右的市场份额，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。

03GPU 竞争格局

市场份额看，全球独立 GPU 主要巨头是英伟达和 AMD。
英伟达（Nvidia）是目前全球最大的独立 GPU 供应商，2020 年营收 166.8 亿美元，2021Q2 Nvidia 全球独立 GPU 市场份额达到 83%。
英伟达最初专注于 PC 图形，后来拓展到密集计算领域，利用 GPU 创建了科学计算、人工智能、数据科学、自动驾驶汽车、机器人技术、AR 和 VR 平台。
AMD 是目前业内稀缺的可以提供高性能 CPU、高性能独立显卡 GPU、主板芯片组三大组件的半导体公司。
2020 年 AMD 营收 97.6 亿美元，其中包括 CPU、GPU、APU 等在内的计算和图形业务营收 64.3 亿美元，2021Q2 AMD 全球独立 GPU 市场份额达到 17%。
Intel 领导了集成 GPU 市场。由于集成 GPU 集成在 CPU 中，Intel 凭借 CPU 的市场地位，占据了全球 PC GPU 大部分市场。
根据 JPR 数据，2021Q2 Intel 占据全球 68.3%的 PC GPU 市场份额，Nvidia 和 AMD 市场份额分别为 15.2%、16.5%。

04国产 GPU 领军企业

最后重点分析一下国产 GPU 的领军企业景嘉微。
景嘉微主营业务为图形显控、小型专用雷达、GPU 芯片三大类。
跟英伟达下游主流的市场不同，景嘉微的图显、雷达产品主要面向军用市场，GPU 芯片产品的 JM5400 主要应用于公司图显模块中，JM7200 成功拓展了民用和信创市场。
目前 JM7200 已完成与国内主要 CPU 和操作系统厂商的适配工作，与长城、联想、同方等十余家国内主要计算机整机厂商建立合作关系并进行产品测试，成功进入商用领域。

受到民用信创市场的驱动，公司的芯片业务营收增长飞速，2021 上半年营收增长 13.5 倍，占总营收比例达到 45.1%。
总之，景嘉微算是在 GPU 民用领域拓展出了一块自己的市场，可以形成研发迭代的正向循环了。公司的第三代 GPU 芯片 JM9 已经成功流片，目前正在进行性能测试。
这次的 JM9 系列芯片定位中高端市场，采用了业界主流的统一渲染架构，支持 OpenGL4.5 接口，可以无缝兼容市面上主流的 CPU、操作系统和应用程序。
目前 JM9271 系列芯片性能将达到国际同类型公司 2017 年中高端产品的性能，预计跟英伟达 GTX1080 相当。
该产品主要针对人工智能、安防监控、语音识别、深度学习、云计算等对计算速度要求较高的高端应用领域。
这里有主要国产 GPU 企业和他们相关进展的一个汇总，感兴趣可以留意一下。

免责声明：文章只是个人观点解读，不构成任何投资建议。若文章内容涉及到个股，绝非推荐，股市有风险，投资需谨慎，假设因阅读本文而买入的，带来任何盈利或损失与本号无关。

		自动登录	找回密码
密码			立即注册

数字芯片之图形处理器GPU

本帖子中包含更多资源