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/%
　　1
　　2
　　三星
　　75,950
　　13
　　57,729
　　31.6
　　2
　　1
　　英特尔
　　73,100
　　12.5
　　72,759
　　0.5
　　3
　　3
　　SK 海力士
　　36,326
　　6.2
　　25,854
　　40.5
　　4
　　4
　　美光
　　28,449
　　4.9
　　22,037
　　29.1
　　5
　　5
　　高通
　　26,856
　　4.6
　　17,632
　　52.3
　　6
　　6
　　博通
　　18,749
　　3.2
　　15,754
　　19
　　7
　　8
　　联发科
　　17,452
　　3
　　10,988
　　58.8
　　8
　　7
　　德州仪器
　　16,902
　　2.9
　　13,619
　　24.1
　　9
　　10
　　英伟达
　　16,256
　　2.8
　　10,643
　　52.7
　　10
　　14
　　AMD
　　15,893
　　2.7
　　9,665
　　64.4
　　前10名以外的厂商之和
　　257,544
　　44
　　209,557
　　22.9
　　整个半导体行业
　　583,477
　　100
　　466,237
　　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 （ Graphics Processing Unit，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CPU+GPU+FPGA
　　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Pass Mark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CPU+GPU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CPU+GPU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。