​GPU市场开始分化，中国迎来更多商机

最近，关于 GPU，或与 GPU 相关的消息不断，例如，OpenAI 正探索自研 AI 芯片，微软将在今年 11 月推出自研的 AI 芯片，三星推出 Exynos 2400 处理器，自研的 GPU 再次升级，等等。这些都是市场和厂商寻求更多变化的体现。

在全球半导体行业整体不景气的 2023 年，只有 AI 服务器系统和相关芯片一枝独秀，而 AI 服务器使用的处理器多数是 GPU，不幸的是（对于多数 GPU 厂商而言），在这一仅有的优秀市场，多数厂商都只能喝汤，有的甚至连汤都喝不上，唯一大口吃肉的是英伟达。据 visualcapitalist 统计，在全球现有 1500 亿美元的 AI 市场中，英伟达已经占有 80% 以上，AMD 和英特尔远远落后。更重要的是，这一市场规模每天都在增长，无论是 GPU 芯片厂商，还是系统和互联网大厂，都不想看到英伟达继续扩大市场占有率。

除了 AI 应用，GPU 在传统的图形处理应用方面依然发挥着关键作用，无论是 PC，还是手机，该市场空间依然巨大。在手机应用市场，IP 大厂 Arm 和 Imagination Technologies 占主导地位，高通虽然不是 IP 厂商，但凭借其手机 SoC 的市场霸主地位，使得诸多手机厂商不仅要购买 Arm 或 Imagination 的 GPU 核，还要被高通卡一刀，在这种情况下，也纷纷另谋 GPU 出路。

综上，越来越多的 GPU 应用大厂（手机和互联网厂商），以及新创芯片设计公司都开始自研 GPU，或推出与英伟达 GPU 分庭抗礼的新型 AI 处理器，希望在大规模应用市场获得更多商业利益。

AI 服务器需求可能改变产业链

以 ChatGPT 为代表的 AIGC 火遍全球，使得英伟达 GPU 供不应求，与此同时，其它芯片供应商的类似产品在软硬件生态方面无法在短期内满足 AIGC 系统厂商需求，这使得英伟达处理器的单价水涨船高。然而，水满则溢，过犹不及，各大系统和互联网厂商不能长期接受这种状况，纷纷开启自研 AI 芯片之旅。

最近，就连 ChatGPT 的创造者 OpenAI 也加入了自研芯片的行列。有消息人士透露，OpenAI 正在探索自研 AI 芯片，并已开始评估一个潜在的收购目标，该公司首席执行官 Sam Altman 表示，收购一家芯片公司可以加快 OpenAI 开发自己芯片的进程。一位熟悉 OpenAI 计划的人士透露，该公司已经对潜在的收购目标进行了尽职调查，不过，目前还不知道究竟是哪家公司。

据悉，至少从 2022 年开始，OpenAI 就讨论了各种新方案，以摆脱对英伟达 GPU 的过度依赖。运行 ChatGPT 系统是非常昂贵的，伯恩斯坦公司 (Bernstein) 分析师 Stacy Rasgon 的分析显示，每次查询大约花费 4 美分，如果 ChatGPT 的搜索量增长到谷歌（Google）搜索量的十分之一，它将需要大约价值 481 亿美元的 GPU，每年需要 160 亿美元的芯片来维持系统运行。

英伟达预计今年每美元收入可赚取 56.51 美分的利润，使其成为全球最赚钱的科技公司之一。正如亚马逊创始人杰夫·贝佐斯曾经说过的那样，云提供商不必将这些利润交给芯片厂商，而是可以通过花费时间和金钱来控制其成本结构中日益重要的部分而受益。自研芯片就是主要途径。

与此同时，OpenAI 的大股东微软也有望于 11 月推出自研的 AI 芯片 Athena，以减少对英伟达 GPU 的依赖，近期，有消息称，微软开始下修英伟达 H100 芯片订单，并放缓拉货。微软自研的芯片与英伟达 GPU 类似，专为训练和运行大型语言模型的数据中心服务器而设计。

据悉，微软从 2019 年就开启了自研 AI 芯片项目，代号就是 Athena。不过，微软并非要完全取代英伟达芯片，而是要降低成本，并在多项服务中加入 AI 功能。

在微软之前，亚马逊和 Google 都已经推出了自研 AI 芯片。目前，在英伟达的大客户当中，已经有 6 家开始自研芯片，大家都不想过度依赖一家供应商，那样太被动了。

手机大厂自研 GPU

不止 AI 服务器应用厂商，手机大厂也想摆脱对 GPU 芯片和 IP 厂商的过度依赖，典型代表就是三星和苹果。

最近，三星推出了 Exynos 2400 手机处理器，其中的 Xclipse 940 GPU 采用了 AMD 最新的 RDNA 3 架构，特色是提升了硬件光线追踪能力，这种技术在当下的手机游戏当中发挥着越来越重要的作用，是高性能产品的标配。

为了自研 GPU，三星在 2019 年就与 AMD 展开合作，当时，双方签署了首个协议，AMD 将其基于 RDNA 架构的定制 GPU IP 授权给三星使用，用于智能手机和其它移动设备。从那时起，三星一直在其 Exynos 系列处理器中使用 AMD Radeon 图形解决方案。

三星自研手机 GPU，是为了减少对 Arm Mali GPU IP 的依赖。在 Exynos 2100 发布之前的很多年，三星一直依赖 Mali GPU IP，2022 年初，三星宣布推出全新移动处理器 Exynos 2200，内置了基于 AMD RDNA 2 架构的 Xclipse 图形处理单元。不过，这款处理器在推出后的表现并不好，仅搭载于部分 Galaxy S22 系列手机中，还在性能测试中输给了高通骁龙 8 Gen1。 之所以如此，主要原因是 Xclipse 的设计存在缺陷，且优化不足。

在 Exynos 2200 之后，三星还有 Exynos 2300，但因为依然存在设计缺陷，没有进入量产阶段。

今年 4 月，三星和 AMD 签署了一项长期协议，以加强双方的战略合作关系，虽然前两款处理器较为失败，但并没有打消三星自研手机 GPU 的决心。正是在这样的背景下，三星于近期推出了 Exynos 2400 手机处理器。

不过，自研手机 GPU 并不容易，虽然三星没有畏惧失败，但前路可能比过去更艰难，特别是与 AMD 合作，难度不小，原因在于，AMD 的 RDNA 架构主要针对 PC 端，现在要用于移动端，功耗问题很难解决，对设计、架构、优化等工作提出了更高要求，需要双方深度合作，进行优化。而这样的工作似乎没有成功的先例，当年英特尔做手机芯片，遇到的问题与此非常类似。

为了加快优化进程，三星电子不断加大投入力度。2022 年 4 月，三星电子副总裁金泰贤奔赴美国的三星奥斯汀研究中心高阶运算实验室，担任 GPU 开发团队负责人。2022 年底，三星电子系统 LSI 部门与 MX 部门一起成立了 AP 解决方案开发团队，以优化 AP 并进行下一代 AP 研究。此外，三星还通过从 AMD 和 Arm 招募关键岗位开发人员，建立了一个内部 AP 优化团队，并不断增加研发人员。进入 2023 年以来，三星美国子公司持续招募 GPU 开发人员，一定要与 AMD 合作，攻下手机 GPU 这道难关。

与三星相比，苹果在自研手机 GPU 方面投入得更早，也是一波三折。

早些年，苹果一直购买 Imagination 的 PowerVR GPU IP，后来，苹果打算停止采购该公司的 IP，想自研 GPU，其目的是进一步控制产品核心技术，降低成本，以确保智能手机的高额利润，同时，为未来创新做准备，特别是在 VR、AR 应用领域占据有利位置。

为了自研 GPU，苹果从 Imagination 公司招募了很多工程师，不过，在经过两年左右的研发努力后，宣告失败，苹果不得不继续与 Imagination 合作，通过购买其 IP，来设计自家的 A 系列手机处理器 GPU 模块。

本文所说的自研 GPU，有两个层面的意思：一是完全自研，就像苹果当年打算停止与 Imagination 合作，从最底层、最基础的 IP 开始研发，这是最彻底的，也是最难的；二是目前苹果和三星采用的自研方式，也就是从合作伙伴那里购买 GPU IP，将其内置于自研的手机 SoC 当中，这种相对容易，效率也高，但自研的含金量与高通这样的公司相比，就低了一头。

以苹果最新推出的手机处理器 A17 Pro 为例，GPU 是其一大特色，核心数量从 A16 的 5 个增加到 6 个，还进行了全新的架构设计，峰值性能提升了 20％，引入网格着色 (Mesh Shading)，首次支持实时硬件级光线追踪，这就追上了高通、联发科的脚步。

通过 3DMarkWildlife 跑分来比较 A17 Pro 和高通的骁龙 8Gen2 的 GPU 性能，结果显示，A17 Pro 的跑分为 11860，骁龙 8Gen2 为 13500，两者的跑分差距约为 15% 左右，A17Pro 在 GPU 性能上稍逊一筹。原因在于，高通自研的 Adreno GPU 经过多年的技术积累和应用打磨，已经非常完善和成熟了，三星和苹果要想在 GPU 方面与高通竞争，还需要时间和积累。

总体来看，自研 GPU 的手机厂商还不能摆脱对传统供应链的依赖，完全自主还需要时间。

创业公司挑战 GPU

以上分别介绍了 AI 服务器 GPU 和手机 GPU 相关厂商的自研情况，所涉及的公司都是传统大厂，具有很强的市场影响力，这为它们开创 GPU 新路提供了基础保障，即使不成功，也不会伤筋动骨。然而，对于近些年为抢夺 AI 服务器 GPU 市场蛋糕而开发新型处理器的创业公司来说，情况就不太乐观了，很多公司已经难以为继，主要原因就是研发的处理器产品难以满足客户的生态系统要求，很难卖出去。

最近，以英伟达为主要竞争对手的英国 IC 设计公司 Graphcore 给英国公司注册处提交了一份声明，内容显示，该公司正在与潜在投资者谈判，但尚未达成协议。声明还表示，该公司去年税前亏损同比增加 11%，达到 2.046 亿美元。该公司还表示，2022 年已经关闭了其在挪威、日本、韩国的办公室，员工数量从 2021 年的 631 人降至去年的 494 人，同时，该公司 2022 年营收减少了 46%。

Graphcore 成立于 2016 年，曾经是最被看好的英国初创公司之一。该公司的 IPU 产品（对标英伟达的 GPU）曾被用于微软 Azure 平台。

中国 GPU 有更多机会

近几年，出于本土产业链安全，以及商业利益考虑，中国本土 GPU 厂商也在发力，且涌现出了几家比较有特色的厂商。

由于以英伟达为代表的国际 GPU 龙头企业已经牢牢掌控了市场，中国本土厂商在产品开发过程中，要应对各种困难和挑战，如专利和生态系统适配。不过，就像龙芯经过多年潜心研究，将 MIPS 吃透，进而开发出属于自己的指令集和芯片一样，只要具备坐十年冷板凳的决心和毅力，开发出自主可控的 GPU，是值得期待的。

不久前，龙芯中科在调研中表示，自研的 GPU IP 核在公司量产桥片以及新款芯片中已经进行验证，集成龙芯自研 GPGPU 的第一款 SoC 预计 2024 上半年流片，支持图形加速、科学计算和 AI 计算。在此基础上，2024 下半年将完成兼顾显卡和算力加速功能的专用芯片流片。

景嘉微是中国老牌 GPU 企业，率先研制出了自主 GPU 并已实现大规模工程应用，以 JM5、JM7、JM9 系列等 GPU 为代表，正在从商用向民用市场拓展。除了景嘉微，海光的 DCU 系列以 GPGPU 架构为基础，兼容 ROCm 和 CUDA 生态系统，可应用于大数据处理和 AI 等领域。

新生力量方面，壁仞科技、天数智芯、芯动科技、摩尔线程、沐曦集成电路等受到越来越多的关注。

在云端 GPGPU 方面，天数智芯是在最近几年异军突起的本土企业，2021 年，该公司推出了 7nm 制程全自研云端训练 GPGPU「天垓 100」，并于 2022 年发布了 7nm 云端推理 GPGPU「智铠 100」，能够为云端 AI 训练和 HPC 通用计算提供高算力和高能效比。

其它几家企业也在近两三年内推出了用于数据中心和 AI 的 GPU，如沐曦集成电路的 MXC 系列，壁仞科技的 BR100，摩尔线程的 MTT S2000。

与国际 AI 服务器芯片厂商相比，中国本土 GPU 厂商具有更好的成长和发展空间，首先，中国市场空间巨大，有广阔的施展空间；其次，原本需要面对的来自英伟达、AMD 等国际大厂的竞争，被美国政府政策屏蔽掉了很大一部分；再有，中国本土系统和互联网大厂没有微软、亚马逊和谷歌那样迫切的自研 GPU 需求。在经过资本热潮消退，市场优胜劣汰之后，能推出有「干货」的产品、保持健康现金流的企业，会有不错的发展空间。