英偉達和AMD的高端通用GPU禁運事件再次揪緊了中國半導體行業的神經，國內超算、東數西算、云計算、自動駕駛等行業已明顯感到“寒意”。但正如硬幣的兩面，這一禁令無疑也為國產GPU廠商創造了新的補位機會。

但從GPU市場來看，仍上演著巨大的“落差”情節。在集成GPU市場，英特爾、英偉達、AMD三分天下；獨立GPU領域，基本是英偉達和AMD的天下，前者市場份額甚至超出2/3；在GPGPU領域，英偉達更是一騎絕塵。當英特爾、英偉達、AMD通過并購或整合，在GPU+CPU+DPU時代全面布局并掌控話語權的當下，國內GPU廠商仍需奮起直追。 

要在GPU領域形成突圍之勢，國產GPU的性能、生態、應用等均是一環接一環的考驗。要在性能層面率先通關，IP的力量不容小覷。在生態層面，是借助CUDA占位還是自建生態，仍是個兩難的選擇。

風起云涌

GPU的重要性從其市場規模可見一斑。

在多重因素交織影響下，GPU已然完成華麗“蛻變”，從最早用于2D/3D圖形的計算和處理，到近年來憑借并行處理和通用計算的優勢成為數據中心、5G、AIoT、自動駕駛領域的關鍵算力的基礎設施，GPU市場亦迎來了高速大發展。

據Gartner預測，截至2023年，AIoT、5G應用等將快速拉升全球商用GPU市場，規模有望達到250億美元，包括PC在內的民用GPU市場也將提升至150億美元。

在這一風雷激蕩的市場，不僅成就了英偉達、AMD等的高歌猛進，也為無數的新進入者提供了逐鹿的舞臺。受市場需求以及政策、資本的推動，GPU在國內受到瘋狂追捧，國內GPU初創企業如雨后春筍冒出，融資紀錄不斷刷出新高，多方出擊，呈現“星星之火，可以燎原”之勢。

要指出的是，GPU隨著技術的進階以及應用的拓展，體系也日益龐雜，按接入類型可分為集成GPU和獨立GPU，以應用來區分則有PC GPU、移動GPU和服務器GPU三類；按功能劃分，可分為側重圖形圖像的渲染GPU和側重通用計算的GPGPU。

國內初創GPU公司結合自己的優勢和階段性定位，分別采取了不同的切入路線，有的以GPGPU為重，有的直指渲染GPU，也有先期立足GPGPU而后切入渲染GPU或并行推進的，涉及壁仞、沐曦、登臨、天數智芯、摩爾線程、勵算、深流微、瀚博、芯瞳、格蘭菲等等。

作為此次禁運事件的主角，英偉達的A100、H100均是數據中心加速卡，A100擁有540億晶體管，采用臺積電7nm工藝制程，支持FP16、FP32和FP64浮點運算。而H100作為英偉達最新一代數據中心GPU，集成了800億晶體管，最高1.8萬個CUDA核心，采用臺積電定制的4nm工藝，已全面投產，合作伙伴50多款基于H100的服務器將在年底前上市。

雖然國內還有一年的緩沖期可以繼續備貨英偉達的產品（如果可以通過報備和審核），但一年以后很可能還將面臨無法拿到最先進產品的可能，不同應用端對此的感受或“冷暖自知”。

應用掣肘

“相對于超算、互聯網等應用場景來說，正在飛速發展的自動駕駛汽車領域才是這次訓練卡禁售風波的最大受害者。”集微咨詢直接斷言。

因超算中的核心算力還是以CPU為主，且可以用協處理器來配合核心CPU來進行工作，GPGPU的影響在短期內不會對超算應用產生太大的影響。

此外，雖然互聯網應用的智能推薦、圖像識別等算法也需要大量訓練，但慶幸的是我國互聯網產業已經經歷了蓬勃發展時期，目前處于穩定期，算法迭代和應用落地相對比較成熟，目前互聯網巨頭手中訓練資源相對比較平衡，而且各家也都針對自己的業務需求特點開始自研訓練芯片，英偉達訓練卡的禁售看似對互聯網產業影響大，但實際情況比想象得要好一些。

相較之下，自動駕駛端體會的“寒意”或更為明顯。

雖然英偉達沒有直接禁售自動駕駛芯片，但自動駕駛算法的訓練還是無法繞開云端GPGPU的。國內智能汽車或自動駕駛汽車的產品迭代快速，新車發布周期在縮短，硬件堆疊也在不斷增加，攝像頭視覺傳感器、雷達等硬件模塊的單車配置在快速上升，高級別自動駕駛等級的迭代與滲透也在快速發展。從而導致自動駕駛算法迭代也要跟上步伐，算法的迭代必然以訓練為前提，訓練量的增加必定會反饋在對訓練卡性能和需求的提升。

更值得注意的是，自動駕駛信息涉及到的數據，大多涉及保密級較高的內容，這部分內容大概率是無法依靠租賃云服務商的訓練服務器來解決的。

IP難關

國內GPU初創企業而言，長期、持續的利潤支撐才是GPU跨代發展的強勁驅動力，在英偉達、ADM等巨頭構筑的高壁壘面前，瞄準目標應用大量的驗證及出貨是國產GPU必然要越過的難關。

而GPU作為高性能高復雜度的大芯片，想在短期內快速推出相關產品，必然依賴外部IP。而且，近段時間以來，國內GPU廠商以接二連三的點亮和商用來探索發展之道。但除卻生態、落地挑戰之外，據一位業內人士分析，國內GPU核心基礎技術的投入還是不太夠，雖然目前研發GPU的公司很多，但絕大部分是license IP模式，而且同質化較為明顯。

提及GPU IP，主要有數字和模擬兩大IP，每一大IP體系有不同的分類。從模擬IP來看，分為三部分，一是PCIe；二是Memory，涉及DDR5/4、LPDDR5/4等；三是重要的顯示IP，即Displayport和 HDMI。從數字IP來看，涉及最核心的GPU IP，還有基于RISC-V或Arm的微控制器IP；以及Video編解碼如H.264等IP。要注意的是，在GPGPU層面，核心IP大都為廠商自研，也有廠商采用Imagination等訓練或推理的IP，且GPGPU不需顯示IP。

從理論上來說，自研IP越多，GPU的差異化更明顯，但相對而言資金、人員、時間上的成本投入也更高。一家從事GPGPU研發的企業代表告知，GPU IP自研需要36-48個月以及200個工程師，而采用外購IP的方式，可以減少12-18個月開發周期。

不得不說，因設計GPU IP的問題非常復雜，許多最優的解決方案已經獲得專利保護，使得GPU 核心IP市場成為少數玩家的陣地。

在PC和服務器GPU領域，核心的GPU IP廠商主要是Imagination、芯原、格蘭菲；在移動GPU領域，主要有Arm Mali、Imagination PowerVR系列，芯原在前幾年收購美國嵌入式GPU設計商圖芯之后亦有不少授權用戶，以及高通的Adreno。高通Adreno從AMD買入，且不對外銷售。作為GPU的老牌巨頭，英偉達、AMD均有自己的強大GPU IP，英特爾也購買了AMD的GPU IP要在獨立GPU市場卷土重來。

整體而言，國內GPGPU企業與國際大廠技術差距約3年，渲染GPU與國際大廠差距約10年左右。要想彌補這一差距，不止要在生態層面發力，提升國內核心IP能力顯然是必然要做的功課。

對此業內人士也指出，從GPU IP 供應商來看，國內本土研發存在投入不足、競爭力偏弱、市場窄、技術研發的后續力不明朗等問題。國內想發展GPU，是要想辦法讓GPU技術鏈條各個環節上，真金白銀投入技術研發的公司生存并慢慢滾動發展。

值得關注的是，盡管火熱的Chiplet開啟了 IP的新型復用模式，也為IP 廠商的經營模式帶來全新變革，國內GPU IP廠商芯原等也在加速實現以Chiplet形式的IP芯片化。但我們認為，這除對商業模式帶來挑戰之外，還要解決設計、die到die接口挑戰、封裝和制造等層面的難關，難以實現彎道超車。

生態之憂

盡管A100和H100的禁售成為國內GPGPU發展的新催化劑，可以說造就了難得的機會窗口，但要成功“補位”，除了性能差距之外，生態過關顯得尤為迫切。 

“很多客戶用英偉達的訓練加速卡已用得非常順手了，一方面是其性能優異，通用性強，另一方面則是生態，CUDA的運算平臺適合各類模型，客戶基于此可高效訓練或改進自己的算法。”集微咨詢表示，“國內在芯片設計上的能力與頭部品牌還存在不小的差距，再考慮到軟件和生態層面，差距就又會進一步拉大。”

正如一家GPGPU廠商代表所言，GPGPU的生態非常復雜，要求一路打通到應用層，提供面向所有應用的全面支持，甚至要自主開發以支持一個新的應用領域。

盡管禁運有一年的緩沖期，但一年以后呢？很可能還將面臨無法拿到最先進產品的可能。雖然英偉達也放話說可提供一些相對低端的性能不及A100的產品讓客戶通過堆疊等來實現相應的算力，但這仍將大幅影響訓練的成本和效率。

因而，雖然國內在GPGPU領域實現了一些國產替代，但在性能上要達到A100水平，短期內還不現實。此外，更大的阻力來自生態，雖然眾多國產GPGPU公司芯片都支持兼容CUDA，但兼容度和兼容水平無法量化，各家的產品水平標準也不統一，這必定會增加算法工程師的使用和學習成本。

兼容是捷徑，但不是終點，從長遠來說一定要建立自己的生態。國內GPGPU廠商還應風物長宜放眼量。

無疑，美對我國芯片行業的全面圍剿將形成一道新的半導體“鐵幕”，也將不斷加速國產芯片自主化的進程，但要從弱到強，從低端到高端，顯然是一場以數年為計的長征之路。

更多信息可以來這里獲取==>>電子技術應用-AET<<