芯片的未来之星GPU，是中国人的骄傲

　　CPU行业的前世今生
　　根据Gartner的统计，2021年全球半导体收入5835亿美元，同比增长25。从应用领域来看，5G智能手机、汽车电子电动汽车、服务器数据中心、PC、AI（人工智能）、5G通讯等各个领域应用都是全面性增长。
　　2021年全球营业收入TOP10半导体厂商（单位：百万美元）
　　2021年
　　排名
　　2020年
　　排名
　　厂商
　　2021营收
　　2021年市占率
　　2020年营收
　　2021年同比增长率
　　1hr2hr三星
　　75，950
　　13hr57，729
　　31。6
　　2hr1hr英特尔
　　73，100
　　12。5
　　72，759
　　0。5
　　3hr3hrSK海力士
　　36，326
　　6。2
　　25，854
　　40。5
　　4hr4hr美光
　　28，449
　　4。9
　　22，037
　　29。1
　　5hr5hr高通
　　26，856
　　4。6
　　17，632
　　52。3
　　6hr6hr博通
　　18，749
　　3。2
　　15，754
　　19hr7hr8hr联发科
　　17，452
　　3hr10，988
　　58。8
　　8hr7hr德州仪器
　　16，902
　　2。9
　　13，619
　　24。1
　　9hr10hr英伟达
　　16，256
　　2。8
　　10，643
　　52。7
　　10hr14hrAMD
　　15，893
　　2。7
　　9，665
　　64。4
　　前10名以外的厂商之和
　　257，544
　　44hr209，557
　　22。9
　　整个半导体行业
　　583，477
　　100hr466，237
　　25。1
　　数据来源：Gartner（202201）
　　表中排名第1的三星、第2英特尔、第5的高通、第7的联发科、第9英伟达、第10AMD都是生产高端CPU芯片的，说生产可能还不准确，这几家都至少是设计CPU芯片的。
　　我们简单介绍一下这些CPU巨头的历史英特尔：先发优势规模优势专利优势统治产业的优势
　　英特尔1969年搞出第个X86架构的微处理器，后面AMD也搞出来CPU。电脑时代，自始至终，都是他俩领先的。这是先发优势，因为他俩先占据了市场，然后经过技术积累，扩大规模，摩尔定律发挥作用不断降低价格提高算力，后进者就追不上了，一步赶不上，步步赶不上。
　　此外，英特尔在电脑的时代独步天下的原因，还有他的经营策略，比如英特尔把X86的专利都收在自己手里，别人如果要用，需要拿到英特尔的授权，而英特尔也不会白白培养竞争对手，所以电脑时代超越英特尔是几乎不可能的事。当时的CPU产业是英特尔统治下的封闭产业。CPU要想突破，就要布局下一个时代
　　再来看智能手机时代，因为要考虑功耗因素，智能手机时代继续使用英特尔主导的复杂指令集X86架构就不合适了。ARM提供简洁指令集架构的移动处理器行业异军突起，ARM不生产芯片，只提供架构。很多芯片设计厂可以买Arm的授权，自己去设计，受益的企业有高通、联发科、华为海思、苹果、三星，这些厂商大多也是上表中全球top10的半导体企业。这里说一下，华为海思在2020年以前也是全球Top15的半导体公司，因为美国对海思的封锁，所以后面就掉出榜单了。
　　手机CPU行业，类似于ARM是教练，手机CPU厂是运动员，ARM传授他们架构、IP，但是不会跟运动员同场竞技，后面手机芯片市场就很繁荣，可以说ARM桃李满天下，芯片产业逐渐由封闭转为开放。下一个时代，需要什么样的芯片？
　　我们发现，GPU作为CPU的助手将越发重要。
　　GPU（GraphicsProcessingUnit，图形处理单元），最初是绘制图像的特定芯片，后来增加了许多其他功能。
　　GPU的工作原理：图形映射到相应的像素点上，对每个像素进行计算，确定最终颜色并完成输出。
　　简单说，就是电脑如何画画呢？
　　其实就像人类画画一样，分为三步，第一步画轮廓，第二步上色，第三步画阴影也就是光影效果。
　　CPU把图像信息发送给GPU，GPU需要将图像信息处理成显示器（屏幕）可以显示的格式，之后显示屏根据GPU的信息进行成像。GPU的优势：并行计算
　　CPU的串行计算和GPU的并行计算比较
　　CPU就像一个很聪明又有经验的大学教授，他一件一件地处理我们让他运算的东西。比如，画画时，他先削铅笔，一笔一笔画轮廓，调颜色，上色，画阴影，就像流水线一样，这叫串行计算。
　　并行计算犹如多人作画
　　GPU则是一大堆小学生，他们算力有限，却可以同时工作（并行计算），他们可以同时画画，每人画一部分，在大量任务面前，化整为零的GPU可以算的更快。（多人作画）
　　需要快速成像的领域，比如游戏对GPU的需求很高，GPU的渗透很广。后来，我们惊奇地发现GPU比CPU更擅长处理大规模、相互独立的数据，因为，人工智能就是需要处理大规模、独立数据，从中发现规律的领域。所以，GPU跟人工智能很配哦。区块链兴起之后，又发现GPU很适合挖矿。
　　在传统的图形应用外，GPU在加速计算、AI模型训练和推理、高性能计算、云游戏、数据分析等领域陆续得到关注，并快速占据重要地位。当前，GPU的下游应用场景主要包括游戏设备、消费电子、AI服务器、自动驾驶、医疗影像设备等。
　　进入云时代后，在AI服务器中，利用CPU和GPU构建的组合可以满足更高的数据吞吐处理需求，在云端为人工智能发展的计算机视觉处理、自然语言处理、机器学习等众多方向提供算力支撑，主要用于AI的推理和训练。下图的数据，截至2021年6月底，GPU在人工智能服务器的加速卡中遥遥领先。
　　GPU在人工智能服务器中遥遥领先
　　还有，在自动驾驶中，智能汽车需要处理行驶过程中雷达、摄像头等传感器采集的大量信息数据，在短时间内进行快速计算并反馈结果、保障行驶安全，这个过程对处理器的计算量和计算速度都有较高的要求。而GPU设计结构带来的大规模并行计算的优势，非常契合自动驾驶需求，GPU是自动驾驶的主流方案。GPU的行业格局
　　当前GPU硬件结构已经极为复杂，并且还在不断演进。
　　GPU包含硬件、制造、算法、软件生态等多个高壁垒环节，同时还要求这些高壁垒相互高度结合，带来了整个GPU行业极高的壁垒。当前，全球GPU已经处于寡头垄断的格局，英伟达、AMD、英特尔三家公司基本占据了GPU的大部分市场，而手机等移动设备的集成式GPU由ARM、高通、苹果等厂商占据。英伟达在GPU遥遥领先
　　2021Q1英伟达在全球云厂商AI加速器市占率大于75，在世界500强的超算中心渗透率超过90
　　自2008年以来，英伟达基本实现每两年升级一次GPU产品架构，实现了GPU性能的不断提升。同时，GPU的算法和软件生态的配合也至关重要，GPU在图形渲染方向的应用涉及到大量的计算机图形学研究，而图形学是一门复杂的学科，涉及到数学、物理、计算机科学的交叉应用。同时，软件生态的建立也是重要的壁垒，英伟达已经完成与绝大部分产业链生态公司的商业合作或授权，搭建了广为业界使用的运算平台架构CUDA，引领整个产业的发展方向。AMD布局CPUGPUFPGA
　　AMD的特点是，一开始就是两手抓。除了CPU，AMD还有GPU，FPGA这些异构部分的完整产品线，并且具有CPU和异构单元的整合设计能力，来打造高性能的系统芯片。
　　在GPU市场中，数据中心的人工智能GPU应用，AMD始终未能与英伟达匹敌。不过在CPU市场，根据PassMark的统计，截至2021年初，在PC端的CPU市场中AMD的份额已经超过了50，也是15年来首次在PC市场超越英特尔。
　　在服务器市场，AMD最新的财报显示服务器市场的营收已经占到了19。凭借技术优势，AMD来自服务器市场的营收还会持续加大，现在微软、谷歌的数据中心都采用了AMD的芯片。
　　在CPUGPU的整体芯片设计上，AMD更是具有领先优势。在对CPU和GPU都有较高计算要求的游戏领域，AMD是目前最火的游戏主机索尼PS5和微软Xbox的芯片供应商。
　　2022年2月14日情人节，AMD完成收购全球最大FPGA厂商赛灵思，以350亿美元换股的方式。赛灵思，主营业务为FPGA和高性能可编程SOC具有每年500亿美元的潜在市场。其在汽车、运营商、工业、航空航天和国防应用领域拥有平衡的横向和纵向发展潜力。赛思灵拥有成熟的加速软件堆栈，适用于AI、网络、分析和视频转码。下图的黑色部分赛思灵和粉红的AMD的市场份额将合并，份额仅次于英伟达、AWS之后。
　　21Q1的云厂商AI加速器市占率
　　曾经雄霸天下的CPU芯片巨头英特尔，如今正面临巨大的挑战，因为整个产业结构发生了颠覆性变化。在服务器方面，如下图所示，2024年之前，x86服务器CPU年增速14远远低于GPU增速27。
　　全球服务器芯片规模预测
　　以前大部分计算都依靠CPU，但现在大家关心的是CPUGPU共同提供的算力。随着异构计算逐渐成为主流，根据不同计算需求开发出来的专用芯片，即系统芯片中非CPU那部分成为了整体计算效能的核心，比如GPU、FPGA。与中国的渊源
　　值得一提的是，英伟达的老板黄仁勋其实来自中国台湾，后移民美国，1993年创立NVIDIA，现担任NVIDIA首席执行官。
　　黄仁勋
　　超威半导体AMD的苏姿丰女士也来自中国台湾，3岁移民美国，现任AMD公司董事长、全球总裁兼首席执行官，担任AMDCEO已10年。
　　英伟达和AMD，某种程度上说，也是中国人的骄傲。