英伟达和AMD的高端通用GPU禁运事件再次敲响了警钟，国内超算、东数西算、云计算、自动驾驶等行业已明显感到“寒意”。但正如硬币的两面，这一禁令无疑也为国产GPU厂商创造了新的补位机会。

但从GPU市场来看，仍上演着巨大的“落差”情节。在集成GPU市场，英特尔、英伟达、AMD三分天下；独立GPU领域，基本是英伟达和AMD的天下，前者市场份额甚至超出2/3；在GPGPU领域，英伟达更是一骑绝尘。当英特尔、英伟达、AMD通过并购或整合，在GPU+CPU+DPU时代全面布局并掌控话语权的当下，国内GPU厂商仍需奋起直追。

要在GPU领域形成突围之势，国产GPU的性能、生态、应用等均是一环接一环的考验。要在性能层面率先通关，IP的力量不容小觑。在生态层面，是借助CUDA占位还是自建生态，仍是个两难的选择。

GPU市场风起云涌

GPU的重要性从其市场规模可见一斑。

在多重因素交织影响下，GPU已然完成华丽“蜕变”，从最早用于2D/3D图形的计算和处理，到近年来凭借并行处理和通用计算的优势成为数据中心、5G、AIoT、自动驾驶领域的关键算力的基础设施，GPU市场亦迎来了高速大发展。

据Gartner预测，截至2023年，AIoT、5G应用等将快速拉升全球商用GPU市场，规模有望达到250亿美元，包括PC在内的民用GPU市场也将提升至150亿美元。

在这一风雷激荡的市场，不仅成就了英伟达、AMD等的高歌猛进，也为无数的新进入者提供了逐鹿的舞台。受市场需求以及政策、资本的推动，GPU在国内受到疯狂追捧，国内GPU初创企业如雨后春笋冒出，融资纪录不断刷出新高，多方出击，呈现“星星之火，可以燎原”之势。

要指出的是，GPU随着技术的进阶以及应用的拓展，体系也日益庞杂，按接入类型可分为集成GPU和独立GPU，以应用来区分则有PC GPU、移动GPU和服务器GPU三类；按功能划分，可分为侧重图形图像的渲染GPU和侧重通用计算的GPGPU。

国内初创GPU公司结合自己的优势和阶段性定位，分别采取了不同的切入路线，有的以GPGPU为重，有的直指渲染GPU，也有先期立足GPGPU而后切入渲染GPU或并行推进的，涉及壁仞、沐曦、登临、天数智芯、摩尔线程、励算、深流微、瀚博、芯瞳、格兰菲等等。

作为此次禁运事件的主角，英伟达的A100、H100均是数据中心加速卡，A100拥有540亿晶体管，采用台积电7nm工艺制程，支持FP16、FP32和FP64浮点运算。而H100作为英伟达最新一代数据中心GPU，集成了800亿晶体管，最高1.8万个CUDA核心，采用台积电定制的4nm工艺，已全面投产，合作伙伴50多款基于H100的服务器将在年底前上市。

虽然国内还有一年的缓冲期可以继续备货英伟达的产品（如果可以通过报备和审核），但一年以后很可能还将面临无法拿到最先进产品的可能，不同应用端对此的感受或“冷暖自知”。

国产替代有

三大掣肘

1、国产芯片原创能力不足

芯片生产分为设计、制造和封测三个环节。

目前，全球芯片产业分为整合元件制造商模式（IDM）和垂直分工模式两种，整合元件制造企业可以同时进行负责设计、制造和封测，直接生产出完整的芯片拿到市面上售卖。一些整合元件制造企业的名字也耳熟能详，如美国英特尔公司。

垂直分工模式则将设计、制造和封测三个环节拆解开来，分配给专精各自环节的企业来生产

最开始，芯片生产都是以整合元件制造商模式进行的，而专精芯片制造和封测环节的中国台湾芯片代工厂台积电出现后，垂直分工模式开始成为主流。

从供给端看，目前中国内地芯片生产原创能力较差，而芯片制造、封测环节能力近年有所增强。

2、中国整合原件制造市场占有率均不足1%

近四年来，中国内地整合原件制造企业市场占有率均不足1%。而美国、韩国一直位列第一、第二，2021年市场占有率分别达到47%和33%，占据绝大部分市场份额。欧洲、日本和中国台湾地区次之，常年位列第三、四、五名。

垂直分工模式下，根据集邦咨询（TrendForce）公布的2022年一季度全球市场规模前十芯片设计、制造和封测企业的相关数据，中国内地芯片企业营收在设计、制造和封测三个环节营收分别占比2%、10%和25%。

相比之下，美国芯片设计企业营收占前十企业总营收的80%，而中国台湾地区芯片制造、封测企业营收分别占前十企业总营收的66%和55%。

3、芯片设计完全被国外垄断

电子设计自动化（EDA），是进行芯片设计之前必须进行的软件测试业务，也是此次美国新增的四项芯片管制技术之一。正式设计芯片之前，EDA技术员需要在计算机软件的帮助下，完成集成电路系统设计。

不论是中国还是全球的市场，电子设计自动化（EDA）技术都被Cadence、Synopsys、西门子EDA三家企业高度垄断。根据赛迪智库、华安证券研究所数据，2021年这三家企业在中国大陆EDA的市场份额占比77.7%。

电子设计自动化（EDA）技术测试后，就到了设计IP核的部分。芯片IP，即芯片集成电路设计的知识产权，IP厂商是售卖IP核设计思路的企业。芯片由电路和多个IP核连接而成，大部分IP核都可以直接向IP厂商采购获得。

国产通用GPU芯片落地，深挖应用场景

国产通用GPU芯片在AI领域将打开大规模的应用市场，而这些都需要云端训练。以安防摄像头为例，摄像头在工作过程中，需要进行车辆识别、人脸识别等，这部分更重要的是依赖云端训练出的模型，进行大量推理。

郭为提到，通用GPU芯片还可以用于安检机，以及快递行业，对大量的物品进行识别，不管是安防还是快递行业，这些行业对模型训练以及模型推理的速度要求都非常高。在这方面，天数智芯已有客户带来了落地应用案例。

通用GPU芯片最典型的应用场景是在人工智能，但随着技术的成熟，通用GPU芯片在5G、自动驾驶、大数据等领域的应用不断扩增。

自动驾驶最重要的是安全性，车上有大量的传感器获取路面情况，这些数据将被整合，再通过预先训练的模型预测路况，可以迅速作出决定。郭为指出，在这个过程中，需要大量的算力，同时考虑到汽车空间、电池功耗等问题，将大功耗或者大算力系统放在汽车内部也不太适合，最值得考虑的解决方案是将系统放在边缘侧，同时因为它需要迅速作出决定，要求边缘侧和汽车之间的通讯尽量地做到低时延，5G恰好可以实现这样的低时延。

在这些处理过程中，都需要用到通用GPU芯片。郭为认为，在达到理想的高算力低功耗的技术下，未来可以把高端的高算力的芯片直接放在汽车上面，应用场景也就更广了，这也是未来几年业内的研究方向。

对于未来的发展战略，天数智芯副总裁郭为提到了三大方面：

一是更强的算力。任何一个AI应用的模型都会越来越复杂，要求提供更高的算力，同时芯片制成提升会带来边际效应收窄，这时该如何进一步提升算力，实际上是任何一个通用GPU芯片都会面临的技术挑战。另一方面，自动驾驶、智慧医疗等各个行业的算法也在不断演进，此时，对于训练芯片来讲，更高的算力才能支持相应的算法运行。

二是更高的通用性。由于技术的快速迭代，云端训练芯片一定要有更高的通用性才能跟上智能驾驶、智慧医疗等高端市场需求。

三是隐私计算。智慧医疗场景涉及到患者，甚至医院的医疗数据隐私。而任何一个AI模型都需要大量的数据做训练，这时需要用到隐私计算，通过隐私加解密的方式，让这些敏感的数据做到可用。

“对于医疗这样的场景，隐私保护是相当重要的。云端训练芯片关于隐私保护这部分的解决方案，以及通用计算，也应当是后面的发展趋势。”郭为表示，天数智芯在未来会深挖隐私保护的相关应用场景，并且推出解决方案。

从三方面补短板应对国际挑战

虽然国内一些企业发展势头不错，但高性能GPU竞争激烈，开发门槛高且周期长，需要从业者沉下心来，遵循产业发展规律做事。

“目前，国内智能计算技术仍面临很大挑战，人工智能云端推理和训练芯片的国产化程度比较低，适用于科学计算的芯片更是缺乏。”沐曦创始人、董事长陈维良认为，我国GPU产业可以从三个方面补短板，以应对国际环境变化带来的挑战。

一是加快培养高端研发人才。人才是高技术产业发展的根本，我国高端GPU产业面临的难题之一就是金字塔尖人才的缺乏，这对GPU企业竞争力产生了极大限制。从根本上解决人才问题，需要政府、企业和高校共同努力，打通产学研合作渠道，通过高校聘用企业导师、校企联合培养人才、共建实习基地和联合实验室、定期技术交流、定向招聘等多种途径，加强校企合作。“只有遵循人才发展规律，让高校培养的优秀青年进入GPU企业，再经过长期的产业经验积累，他们就有可能登上金字塔尖，成为世界一流人才。有了更多的一流人才，才能有更多的一流企业。”陈维良说。

二是产业链上下游协同攻关。集成电路产业链很长，在先进制程、先进封装（系统集成）、端到端的EDA工具等环节，中国大陆的对外依赖性依然存在，这可能成为高性能GPU及其他高端集成电路产品的国产化制约因素。为此，产业链上下游的创新主体须共同努力，以求尽快突破关键核心技术。

三是避免资源分散问题。在国家和地方政府推动集成电路发展的大环境下，包括GPU在内的多个产业领域存在“一窝蜂”和重复建设的现象，导致经费和人才“分流”，不利于产业发展。政府应扶持有足够技术实力的企业，做到资源集中、人才集中和资本集中，让这些企业尽快实现产品落地、做强产业生态。

文章来源： 爱集微，粤湾商盟，电子发烧友，上观新闻