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(yè)的神經(jīng)，國內(nèi)超算、東數(shù)西算、云計算、自動駕駛等行業(yè)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(chǎn)GPU廠商創(chuàng)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(jié)。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(quán)的當下，國內(nèi)GPU廠商仍需奮起直追。
要在GPU領域形成突圍之勢，國產(chǎn)GPU的性能、生態(tài)、應用等均是一環(huán)接一環(huán)的考驗。要在性能層面率先通關，IP的力量不容小覷。在生態(tài)層面，是借助CUDA占位還是自建生態(tài)，仍是個兩難的選擇。
風起云涌
GPU的重要性從其市場規(guī)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(yōu)勢成為數(shù)據(jù)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(fā)展。
據(jù)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(guī)模有望達到250億美元，包括PC在內(nèi)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(shù)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(nèi)受到瘋狂追捧，國內(nèi)GPU初創(chuàng)企業(yè)如雨后春筍冒出，融資紀錄不斷刷出新高，多方出擊，呈現(xiàn)“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(qū)分則有PC GPU、移動GPU和服務器GPU三類；按功能劃分，可分為側(cè)重圖形圖像的渲染GPU和側(cè)重通用計算的GPGPU。
國內(nèi)初創(chuàng)GPU公司結(jié)合自己的優(yōu)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(shù)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(shù)據(jù)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(shù)據(jù)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(chǎn)，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(nèi)還有一年的緩沖期可以繼續(xù)備貨英偉達的產(chǎn)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(chǎn)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(lián)網(wǎng)等應用場景來說，正在飛速發(fā)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(xié)處理器來配合核心CPU來進行工作，GPGPU的影響在短期內(nèi)不會對超算應用產(chǎn)生太大的影響。
此外，雖然互聯(lián)網(wǎng)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(lián)網(wǎng)產(chǎn)業(yè)已經(jīng)經(jīng)歷了蓬勃發(fā)展時期，目前處于穩(wěn)定期，算法迭代和應用落地相對比較成熟，目前互聯(lián)網(wǎng)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(yè)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(lián)網(wǎng)產(chǎn)業(yè)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(nèi)智能汽車或自動駕駛汽車的產(chǎn)品迭代快速，新車發(fā)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(fā)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(shù)據(jù)，大多涉及保密級較高的內(nèi)容，這部分內(nèi)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(nèi)GPU初創(chuàng)企業(yè)而言，長期、持續(xù)的利潤支撐才是GPU跨代發(fā)展的強勁驅(qū)動力，在英偉達、ADM等巨頭構(gòu)筑的高壁壘面前，瞄準目標應用大量的驗證及出貨是國產(chǎn)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(nèi)快速推出相關產(chǎn)品，必然依賴外部IP。而且，近段時間以來，國內(nèi)GPU廠商以接二連三的點亮和商用來探索發(fā)展之道。但除卻生態(tài)、落地挑戰(zhàn)之外，據(jù)一位業(yè)內(nèi)人士分析，國內(nèi)GPU核心基礎技術的投入還是不太夠，雖然目前研發(fā)GPU的公司很多，但絕大部分是license IP模式，而且同質(zhì)化較為明顯。
提及GPU IP，主要有數(shù)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(shù)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(fā)的企業(yè)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(fā)周期。
不得不說，因設計GPU IP的問題非常復雜，許多最優(yōu)的解決方案已經(jīng)獲得專利保護，使得GPU 核心IP市場成為少數(shù)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(quán)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(nèi)GPGPU企業(yè)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(tài)層面發(fā)力，提升國內(nèi)核心IP能力顯然是必然要做的功課。
對此業(yè)內(nèi)人士也指出，從GPU IP 供應商來看，國內(nèi)本土研發(fā)存在投入不足、競爭力偏弱、市場窄、技術研發(fā)的后續(xù)力不明朗等問題。國內(nèi)想發(fā)展GPU，是要想辦法讓GPU技術鏈條各個環(huán)節(jié)上，真金白銀投入技術研發(fā)的公司生存并慢慢滾動發(fā)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(jīng)營模式帶來全新變革，國內(nèi)GPU IP廠商芯原等也在加速實現(xiàn)以Chiplet形式的IP芯片化。但我們認為，這除對商業(yè)模式帶來挑戰(zhàn)之外，還要解決設計、die到die接口挑戰(zhàn)、封裝和制造等層面的難關，難以實現(xiàn)彎道超車。
生態(tài)之憂
盡管A100和H100的禁售成為國內(nèi)GPGPU發(fā)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(tài)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(yōu)異，通用性強，另一方面則是生態(tài)，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(nèi)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(tài)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(tài)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(fā)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(chǎn)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(chǎn)品讓客戶通過堆疊等來實現(xiàn)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(nèi)在GPGPU領域?qū)崿F(xiàn)了一些國產(chǎn)替代，但在性能上要達到A100水平，短期內(nèi)還不現(xiàn)實。此外，更大的阻力來自生態(tài)，雖然眾多國產(chǎn)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(chǎn)品水平標準也不統(tǒng)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(tài)。國內(nèi)GPGPU廠商還應風物長宜放眼量。
無疑，美對我國芯片行業(yè)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(chǎn)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(shù)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<<
