在异构计算领域， 英特尔、英伟达、AMD三大巨头火拼已深入腹地 !

GPU是相对于CPU的一个概念，也就是图形处理器，由于在现代的计算机中(特别是家用系统，游戏的发烧友)图形的处理变得越来越重要，需要一个专门的图形的核心处理器。

简单的说GPU = 显卡的“CPU”，CPU是电脑的心脏，所以GPU是显卡的心脏，它能让电脑在图像处理上更出色。

GPU云服务器(GPU Cloud Computing)则是基于 GPU的快速、稳定、弹性的计算服务，具有实时高速的并行计算和浮点计算能力，突破单机的资源限制，让更多的机器共同完成一项任务;

提供了存储和网络的虚拟化，通过虚拟化技术，让资源过剩的单台物理机独立、隔离地完成多个任务，实现了资源的按需分配、高利用率以及高可用性。

GPU云主机的应用领域

1、视频编解码：集成专用的视频编解码硬件单元，相比CPU提供了更快的视频处理速度，是目前网络视频流处理的高性能选择。可用于超高清的4K视频转码，直播美图美颜，多人视频会议场景。

2、图形图像处理：GPU云主机主要应用在高性能设计办公(CAD/CAE)，云游戏等场景，通过高性能计算能力以及图形渲染能力，实现在线图形渲染处理，能大大的缩短影视特效制作周期，从而提升整体效率。

另外，结合天翼云的对象存储、弹性云主机以及专线，可以快速构建自己的图像渲染以及分析计算中心。

3、科学计算：利用GPU云服务器的异构计算加速能力、强大的浮点运算，双精度运算、模拟运算、160万cpu和MIC核协同计算、分子动力学第一性原理计算等超强计算能力处理更多科学计算场景的业务，包括气象预测，基因工程、粒子物理、程序化交易、CAE、EDA等领域。

4、AI应用、人工智能场景：适用于各种基于深度学习前向应用场景，诸如图像、语音识别、NLP、检索等。

一系列接二连三的大事件，为英特尔、英伟达、AMD三大巨头围绕数字化时代的异构计算CPU+GPU+FPGA/DPU的“竞夺”提供了更多的想象空间，也成为了日后分野的新注解。

英特尔在独立GPU领域卷土重来，在IPU领域亦不断出新，借助在硬件、软件、架构和制程方面的革新以及IDM2.0战略重兵压阵。

AMD收购赛灵思落定之后，补齐了FPGA的短板，前不久AMD又宣布以约19亿美元收购云服务提供商Pensando，至此AMD正式进入DPU领域，为其数据中心蓝图补上关键一环。英伟达虽收购Arm被迫“放手”，但已有基于Arm的CPU作为重要“补给”，并通过收购补齐DPU，欲在异构时代大展身手。

广义上讲只要能够运行人工智能算法的芯片都叫作 AI 芯片。但是通常意义上的 AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片。

AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。到目前位置，AI芯片算力发展走过了三个阶段：

第一阶段： 因为芯片算力不足，所以神经网络没有受到重视;

第二阶段：通用芯片CPU的算力大幅提升，但仍然无法 满足神经网络的需求;

第三阶段： GPU和和新架构的AI芯片推进人工智能落地。

三大巨头的火拼已然深入腹地，英特尔、英伟达、AMD的争夺已呈现出“全面战役”的态势。

在异构计算领域，GPU可说是必须倚重的“弹药”。

作为异构时代和新兴应用驱动下的最大受益者之一，随着服务器、汽车、人工智能、边缘计算等领域对算力和AI性能需求的不断提升，GPU凭借自身在并行处理和通用计算的优势高歌猛进，市场得以持续高速成长。

据VerifiedMarketResearch的数据，2020年全球GPU市场价值为254.1亿美元，2027年有望达到1853.1亿美元，年平均增速高达32.82%。

目前GPU被广泛地运用于PC、游戏、数据中心、高性能计算、智能汽车等领域。值得注意的是，游戏与PC是其传统主战场，而数据中心、高性能计算和智能汽车将成为GPU增长的新引擎，不同应用对GPU的需求也各有侧重。

据了解，游戏主机的设计思路着重提升体验，侧重开发人员对CPU、GPU等硬件优化和底层API等软件优化。而PC的GPU需在性能、拓展性、能效方面做到平衡，主要有集成GPU和独立GPU两类，大部分集成GPU已与CPU集成为SoC，而独立GPU多采用PCIe总线与CPU实时通信。从高性能计算和服务器来看，对GPU具有大数据量的快速吞吐、超强稳定性、长时间运行等严格要求;汽车GPU需满足诸如AEC-Q100等车规认证，并支持专用的图形API，并且未来的趋势是汽车CPU将和GPU组成SoC，从分布式向中心化发展。

在多年鏖战之后，全球GPU呈现寡头垄断的格局，英伟达是绝对的霸主，AMD紧随其后，但在英特尔重返独立GPU战场之后，原本的平衡将被打破。

通过技术革新、场景拓展、外延并购，加上依托于CUDA软件堆栈对GPU通用计算能力的不断发掘，英伟达成为GPU领域的佼佼者，引领全球GPU发展。2022财年，英伟达收入创纪录，达到269.1亿美元，同比增长61%。

翻看英伟达的营收结构可以发现，受益于对英伟达Ampere架构产品的强劲需求，游戏成最大动力，数据中心市场增速最快，创106.1亿美元新高;而汽车业务虽有下滑，但后续仍将持续收获。其下一步布局也是火力全开：已推出新一代桌面GPU和笔记本电脑GPU;面向数据中心的下一代GPUHopperGH100芯片或超过1400亿个晶体管，并将采用台积电5nm节点的多芯片模块(MCM)设计。且下一代自动驾驶芯片Orin计划用于2022年量产，算力将达到254TOPS，目前已经获得蔚来、理想、沃尔沃、奔驰等多家整车厂项目。

近年来，国产GPU频频传出好消息。景嘉微宣布其JM9系列第二款GPU已经完成流片、封装阶段工作。芯动科技在去年底推出一颗“风华1号”，填补了国产4K级桌面显卡和服务器级显卡两大空白。2020年成立的摩尔线程在1年后发布了第一代MUSA系统架构GPU，并可量产交付。壁仞科技也紧跟着宣布首款通用GPU芯片点亮成功。在市场和政策的推动下，曾经蒙尘的国产GPU开始闪烁自己的光芒。这是国产GPU的黄金时代。国产GPU的发展到什么地步?据Verified Market Research数据显示，2020年中国大陆的独立GPU市场规模为47.39亿美元，预计2027年中国大陆GPU市场规模将超过345.57亿美元。如此广阔的中国市场中，国产GPU的市占比却少的可怜。2019年，中国芯片的自给率仅为30%左右，从中国主要芯片国产化率来看，射频芯片、移动通信终端、模拟芯片、闪存、微控制器、内存、可编辑逻辑器件的国产化率分别为40%、24%、15%、5%、3%、1%、1%。谨慎估计GPU芯片的国产化规模约37亿元。但属于高端芯片的GPU研发却并不容易。Intel一直想踏足高端GPU领域，但仍未成功。英特尔最早的GPU研发可以追溯到 1997 年，英特尔通过收购C&T 获得了 2D 显示核心技术，3D 技术源于拥有 20%股权的 Real3D。但直到2022年4月，Intel仍未推出自己消费级的独立 GPU 产品。