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。