2022年半導(dǎo)體行業(yè)專題研究報告緣起市場需求：AI、高性能計算、圖形渲染等推動GPU等并行計算芯片需求需求場景：AI訓(xùn)練&推理、復(fù)雜科學(xué)計算、大規(guī)模圖形渲染等，持續(xù)推動并行計算芯片需求。由于GPU（GraphicsProcessingUni，圖形處理器）是由成百上千個陣列排布的運算單元ALU組成，使得GPU更適用于大規(guī)模并發(fā)運算，其在圖形處理、計算加速等領(lǐng)域有著廣泛的運用。2）由于GPU加速器強大的并行處理能力，超算中心工作人員可以更好地設(shè)計深度網(wǎng)絡(luò)結(jié)構(gòu)，使得其在超算領(lǐng)域&數(shù)據(jù)中心領(lǐng)域更具經(jīng)濟效益，導(dǎo)致GPU在AI訓(xùn)練&推理、科學(xué)計算等領(lǐng)域有著廣泛的應(yīng)用。GPU用于AI訓(xùn)練&AI推理領(lǐng)域。在典型AI模型卷積網(wǎng)絡(luò)中，大量數(shù)據(jù)以圖片形式導(dǎo)入，在進行運算過程中，數(shù)據(jù)均為矩陣形式，而矩陣運算通常適合并行，因此AI算法的特性，使得GPU的運算速度明顯大于CPU，使得GPU得以大量應(yīng)用在AI的訓(xùn)練與推理當(dāng)中。GPU可用于復(fù)雜科學(xué)計算中?？茖W(xué)計算將物理、化學(xué)、生物、航空航天等領(lǐng)域的問題轉(zhuǎn)化為數(shù)學(xué)模型，通過計算和求解模型用于實際產(chǎn)業(yè)。從計算數(shù)據(jù)來看，由于科學(xué)計算中所用數(shù)據(jù)多數(shù)以矩陣為形式，同時由于科學(xué)計算對誤差有強制要求，因此在運算中需要在并行運算基礎(chǔ)上保證一定的精度。而現(xiàn)代GPU在并行&矩陣運算的基礎(chǔ)上，已經(jīng)能夠滿足科學(xué)計算所需的精度要求。近些年來，隨著人工智能軟件算法的發(fā)展，復(fù)雜科學(xué)計算的進步，以及圖形渲染功能的增加，帶動底層芯片并行計算能力需求的快速提升。以全球AI芯片領(lǐng)軍者英偉達的發(fā)展?fàn)顩r來看，公司AI芯片算力由2012年的4Tops提升至2021年的1248Tops，9年時間提升了約315倍。AI框架、并行計算框架等引入&豐富，不斷推動針對并行計算芯片軟件開發(fā)門檻降低。1）從人工智能軟件算法框架的發(fā)展歷史來看，2015年谷歌宣布開源TensorFlow，2019年P(guān)FN宣布將研究方向由Chainer轉(zhuǎn)向PyTorch。目前AI框架形成了TensorFlow和PyTorch雙寡頭壟斷的競爭格局。其中，谷歌開源TensorFlow項目，在很大程度上降低了人工智能的開發(fā)門檻和難度。2）TensorFlow主要用于處理機器學(xué)習(xí)中的計算機視覺、推薦系統(tǒng)和自然語言處理（NLP）的模型訓(xùn)練和推理，涉及模型隱藏層相對較多，模型量相對較大，基本上均需要CUDA的加速處理。隨著TensorFlow的開源，涉及到的開發(fā)開發(fā)者快速增加，CUDA軟件下載量也呈現(xiàn)陡增趨勢。據(jù)英偉達在2021GTC大會上宣布，截至2020年底，CUDA累計下載量超過2000萬次，其中2020年下載量超過600萬次。涉及到的開發(fā)人員約230萬人（2020年新增超過60萬人）。算法豐富、算法復(fù)雜度提升等，亦成為市場需求的重要驅(qū)動力。1）如前所述，過去9年，AI芯片的算力大幅提升，也帶動AI算法模型參數(shù)的大幅增加。從Alexnet、ResNet開始，到BERT網(wǎng)絡(luò)模型，參數(shù)量已超過3億規(guī)模，隨后GPT-3模型超過百億，SwitchTransformer的問世還一舉突破萬億規(guī)模。2）英偉達2020年發(fā)布的Megatron-LM模型，參數(shù)量達到了83億，相比于在2018年以參數(shù)量震驚世界的BERT模型又提升了5倍。模型體積幾何倍數(shù)的增長也帶了更多數(shù)據(jù)中心側(cè)的需求，只有依靠上千塊GPU并行運算才能在以天為單位的訓(xùn)練時長中完成對Transformer模型的訓(xùn)練。2021年，全球數(shù)據(jù)中心邏輯計算芯片市場規(guī)模高達436億美元。1）在過去數(shù)年，全球數(shù)據(jù)中心芯片市場保持高速增長，由2012的122億美元增長至2021的436億美元，符合增長率約15%。2）從市占率來看，早期英特爾和Altera幾乎壟斷數(shù)據(jù)中心約市場份額，伴隨著AMD和英偉達產(chǎn)品矩陣的增加，AMD和英偉達在數(shù)據(jù)中心領(lǐng)域中的的市占率不斷提升。截至2022Q2，英特爾全球數(shù)據(jù)中心芯片市占率約41.5%、英偉達市占率為34.0%、AMD市占率為24.5%。英偉達歷史借鑒：產(chǎn)品技術(shù)、軟件生態(tài)等構(gòu)筑GPU核心壁壘近期，英偉達最新兩則公告，導(dǎo)致市場對國產(chǎn)GPU的關(guān)注度提升。1）8月31日，英偉達發(fā)布公告稱：（a）8月26日，美國政府對英偉達未來出口到中國(包括香港)和俄羅斯的A100和即將推出的H100芯片實施了新的許可證要求，該許可立即生效。新的許可證要求將解決涉及的產(chǎn)品可能用于或轉(zhuǎn)移到中國和俄羅斯的“軍事最終用途”或“軍事最終用戶”的風(fēng)險。（b）該許可涉及到的芯片主要包括：英偉達A100和即將出貨的H100兩款芯片、基于A100/H100打造的DGX產(chǎn)品、以及未來實現(xiàn)峰值性能和芯片對芯片I/O性能均等于或大于大致相當(dāng)于A100的閾值的任何NVIDIA芯片。目前來看，美國政府對中國以及俄羅斯出口限制的主要是針對數(shù)據(jù)中心的高端獨立GPU芯片及相關(guān)產(chǎn)品。（c）公司于2022年8月24日提供的FY2023Q3展望（對應(yīng)CY2022年8月-CY2022年10月），其中有對中國大約4億美元的潛在銷售可能會受到新的許可證要求的限制。2）9月1日，公司發(fā)布公告稱，公司已美國政府新的授權(quán)審批，具體內(nèi)容包括：（a）美國政府已批準(zhǔn)英偉達繼續(xù)開發(fā)H100芯片所需要的出口、在出口和國內(nèi)轉(zhuǎn)移。（b）允許英偉達在2023年3月1日前，為A100的美國客戶提供所需的出口支持。目前，公司A100的美國客戶包括戴爾、思科等服務(wù)器設(shè)備廠商，以及終端客戶亞馬遜、谷歌等。（c）美國政府授權(quán)A100和H100，在2023年9月1日之前通過英偉達在中國香港的工廠履行訂單和物流。（d）美國政府放寬許可授權(quán)的主要原因是，A100的部分開發(fā)工作是依賴中國工程師&中國運營部門進行。若A100無法完成開發(fā)，對英偉達的業(yè)績影響相對較大。英偉達圖形渲染領(lǐng)域：保持穩(wěn)定、高頻技術(shù)迭代，不斷實現(xiàn)技術(shù)領(lǐng)先，例如RTX&DLSS等技術(shù)，并和開發(fā)者、應(yīng)用廠商構(gòu)成穩(wěn)固的合作同盟。1）2020年安培架構(gòu)產(chǎn)品中，RTX技術(shù)升級到第二代，并逐步向第三代TensorCore技術(shù)推進，帶動RTX系列顯卡圖像運算能力的全面提升，而DLSS、Reflex等能力帶動游戲體驗的提升，DLSS2.0將FPS提升近30，Reflex降低50%的游戲延遲。對于超大型以及精品游戲的運行，大幅提升體驗?zāi)芰?。對于大?A游戲，在高畫質(zhì)條件下需滿足45-90FPS，電競場景下需要120-140FPS。在GTX的傳統(tǒng)產(chǎn)品線中，開啟RT（光線追蹤）之后，游戲幀數(shù)從60掉至不足30幀。但在RTX產(chǎn)品中，可提升至90FPS以上。2）鑒于英偉達GPU在軟件領(lǐng)域的優(yōu)勢顯著，公司PC用獨顯GPUASP亦顯著高于競爭對手AMD。2016年，英偉達PC用獨顯GPUASP為81.3美元/個，AMD對應(yīng)ASP為31.0美元/個。2021年，英偉達PC用獨顯GPUASP為163.2美元/個，AMD對應(yīng)ASP為86.6美元/個。英偉達數(shù)據(jù)中心領(lǐng)域：借助CUDA實現(xiàn)GPU從圖形顯示到通用計算的跨越，以及產(chǎn)業(yè)生態(tài)壁壘的構(gòu)建，并借助DSA、NVlink等架構(gòu)創(chuàng)新、優(yōu)化等實現(xiàn)持續(xù)性能領(lǐng)先。1）沿著技術(shù)層面的核心差異，我們按照訓(xùn)練&推理、邊緣&數(shù)據(jù)中心兩個維度，梳理目前全球主要的AI芯片參與者，整體而言，相較于全球其他主要競爭對手，英偉達在產(chǎn)品完整度、存量市場份額等層面實現(xiàn)領(lǐng)先，同時我們判斷這種領(lǐng)先優(yōu)勢長周期亦將大概率維持。2）從公司的軟件生態(tài)布局來看，英偉達構(gòu)建了從底層到上游細(xì)分領(lǐng)域的應(yīng)用開發(fā)軟件，可大幅降低開發(fā)者的開發(fā)周期。產(chǎn)品豐富度&技術(shù)競爭力：英偉達系統(tǒng)級產(chǎn)品布局、在訓(xùn)練環(huán)節(jié)的突出表現(xiàn)&領(lǐng)先優(yōu)勢已基本成為市場的共識，而在推理領(lǐng)域，伴隨新一代安培架構(gòu)、Hopper架構(gòu)的升級，以及由此實現(xiàn)的訓(xùn)練、推理的統(tǒng)一，以及對稀疏矩陣運算問題的良好支持，目前在推理方面，英偉達最新的A100芯片的Int8Tops已經(jīng)達到1248，較上一代提升超過5X。同時在訓(xùn)練環(huán)節(jié)，根據(jù)Mlperf的評測，在圖像識別、對話式AI、推薦系統(tǒng)等多個模型的對比評測中，英偉達芯片訓(xùn)練性能全面領(lǐng)先華為、谷歌等主要競爭對手?；诩夹g(shù)層面的全面分析，我們判斷英偉達有望在企業(yè)對外服務(wù)（訓(xùn)練、推理）、企業(yè)內(nèi)部服務(wù)（訓(xùn)練）環(huán)節(jié)保持持續(xù)領(lǐng)先，但在企業(yè)內(nèi)部服務(wù)（推理）仍面臨延遲、功耗等層面的明顯短板。而我們看到，英偉達在數(shù)據(jù)中心市場的產(chǎn)品迭代節(jié)奏繼續(xù)延續(xù)既有的習(xí)慣，即繼續(xù)保持對芯片性能的狂熱追逐，以及每兩年升級一次產(chǎn)品（CPU、DPU、GPU）的頻率。英偉達基于CUDA構(gòu)建了豐富的軟件生態(tài)，顯著提升GPU的易用性。從軟件技術(shù)分類來看，公司在軟件領(lǐng)域中的產(chǎn)品布局主要分為：基礎(chǔ)架構(gòu)、游戲與娛樂、應(yīng)用工具、應(yīng)用框架四大部分。具體內(nèi)容如下：（a）在基礎(chǔ)架構(gòu)方面，公司軟件產(chǎn)品主要圍繞AI&通用能力布局。其中AI主要包括邊緣AI、AI垂直領(lǐng)域解決方案、AI推理等；通用領(lǐng)域則圍繞IO傳輸、vGPU等。（b）在游戲娛樂方面，公司的產(chǎn)品布局主要包括Geforce云游戲平臺、直播領(lǐng)域的BroadcastApp和元宇宙領(lǐng)域中的OmniverseMachinima；（c）在應(yīng)用工具方面，公司可面向不同的應(yīng)用場景（AI、數(shù)據(jù)分析、元宇宙等領(lǐng)域），提供不同的開發(fā)工具。如：在AI領(lǐng)域，可提供加速AI部署與工作流程的NGC產(chǎn)品；在元宇宙領(lǐng)域，可提供3D虛擬協(xié)作的Omniverse產(chǎn)品。（d）在具體應(yīng)用框架方面，主要憑借公司AI與數(shù)據(jù)分析能力，在自動駕駛、視頻分析、推薦系統(tǒng)等各垂直領(lǐng)域提供具體應(yīng)用框架，幫助提高各行業(yè)運營效率。小結(jié)：伴隨AI、高性能計算、大規(guī)模圖形渲染等應(yīng)用場景的不斷拓展和豐富，市場對大算力并行計算芯片的需求快速增長，截止目前，全球數(shù)據(jù)中心領(lǐng)域邏輯芯片市場規(guī)模已經(jīng)超過400億美元。同時近期市場對國產(chǎn)GPU領(lǐng)域的關(guān)注度提升?；谟ミ_的歷史復(fù)盤，可以看出公司在圖形渲染&數(shù)據(jù)中心領(lǐng)域保持較高的市占率，并實現(xiàn)產(chǎn)業(yè)引領(lǐng)。我們認(rèn)為核心原因在于：借助持續(xù)、高頻迭代保持產(chǎn)品技術(shù)行業(yè)領(lǐng)先，并借助CUDA等實現(xiàn)軟件生態(tài)構(gòu)建，不斷提升產(chǎn)品易用性等。GPU作為大算力并行計算芯片領(lǐng)域最為可行的承載者，在本篇報告中，我們將從全球市場出發(fā)，就GPU產(chǎn)業(yè)本身的產(chǎn)品特性、技術(shù)路線、市場空間，以及國內(nèi)市場現(xiàn)狀、演進路徑、競爭格局等展開系統(tǒng)的分析和討論，力圖針對國內(nèi)GPU市場構(gòu)建一個完整的產(chǎn)業(yè)&投資藍圖。全球GPU市場：并行計算理想載體芯片，數(shù)據(jù)中心為中期需求增長主要場景GPU：通用并行計算理想載體芯片，從圖形處理向AI、高性能計算等領(lǐng)域擴展GPU定義：圖形處理器，但承載功能已在早期定義上明顯泛化。1）發(fā)展早期，更多稱為圖形處理器（GPU），又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、游戲機和一些移動設(shè)備（如平板電腦、智能手機等）上做圖像和圖形相關(guān)運算工作的微處理器。2）由于計算機只能識別二進制數(shù)字，因此在進行圖形運算時，要把圖片轉(zhuǎn)換成計算機能夠理解的二級制數(shù)組（見下圖圖示），因此GPU在進行運算時，所針對的都是矩陣數(shù)據(jù)，因此GPU的大部分計算是并行的。這意味著GPU更加適合并行計算與矩陣運算。GPU應(yīng)用場景：由早期的圖形渲染，逐步拓展至高性能運算、科學(xué)計算等領(lǐng)域，GPU是通用并行計算的理想載體。1）由于計算機以及圖形運算的特性，GPU所進行的運算多數(shù)為矩陣運算、并行運算，這些特征使得GPU更加適合當(dāng)前以AI為代表的高性能計算、科學(xué)計算等領(lǐng)域，GPU的使用范圍也由早期的圖形渲染領(lǐng)域，逐步拓展至高性能運算&科學(xué)運算領(lǐng)域。2）與其他邏輯計算芯片相比，GPU在通用性、計算速度、規(guī)?；渴鸾?jīng)濟性等核心指標(biāo)上面，能夠做到較好的平衡，因此在目前AI、復(fù)雜科學(xué)計算等并行計算領(lǐng)域，逐步形成了GPU主導(dǎo)，F(xiàn)PGA、ASIC、CPU為輔的穩(wěn)定局面。CPU：適合處理復(fù)雜的串行計算和邏輯控制，并行運算性能顯著弱于GPU。由于功能與設(shè)計架構(gòu)的不同，CPU與GPU的計算能力也存在差異，CPU的架構(gòu)使得其適合流水線式的串行計算與復(fù)雜計算，而GPU的架構(gòu)使得其適合運算邏輯簡單但可以同步進行的并行計算。因此在參數(shù)上，我們會看到CPU具有更高的頻率與緩存，而GPU具備更多的核心。FPGA：靈活性突出，但易用性、計算速度、經(jīng)濟性較GPU欠佳。FPGA是一種偏向于硬件的可編程芯片，F(xiàn)PGA中使用了大量邏輯門（數(shù)字電路中的基礎(chǔ)部件，通過電壓高低以及組合，將輸入的命令轉(zhuǎn)化為0或1），建立真值表（輸入不同代碼，輸出不同結(jié)果的查詢表），通過可編程邏輯布線（可以理解為電路開關(guān)，編程即是對開關(guān)調(diào)整，實現(xiàn)門之間的電路組合）來實現(xiàn)算法。由于直接對硬件編程，相較于GPU的平均計算效率與可編程性更高，但由于需要直接對硬件進行編程以及較高的成本（為滿足編程要求通常晶體管冗余設(shè)計），通用性、大規(guī)模部署成本以及最高計算能力不如GPU。ASIC：特定場景性能最優(yōu)，但通用性不足。ASIC芯片是針對某一特定場景所研制的專用芯片，優(yōu)勢在于運算效率極高、部署成本較低。但對于實際應(yīng)用而言，如果算法出現(xiàn)迭代升級或數(shù)據(jù)結(jié)構(gòu)發(fā)生改變，ASIC的效率將會大幅下降，因此相較于GPU而言，ASIC更多用于挖礦、音視頻解碼等專用場景。因此ASIC的平均算力會更強，但在通用場景下以及最高運算能力上，GPU優(yōu)勢更大。小結(jié)：整體而言，正是基于GPU本身的優(yōu)異特性，以及英偉達等企業(yè)在芯片架構(gòu)、軟件生態(tài)等層面的不斷努力，疊加AI、高性能計算、大規(guī)模圖形渲染等應(yīng)用場景的快速崛起，GPU逐步成為全球大算力并行計算領(lǐng)域的主導(dǎo)者。而在產(chǎn)品端，我們也總結(jié)發(fā)現(xiàn)，GPU廠商亦結(jié)合下游的應(yīng)用場景，在一個大的體系結(jié)構(gòu)下，針對計算單元、緩存、總線帶寬等技術(shù)點的優(yōu)化和組合。在下文內(nèi)容中，我們主要討論當(dāng)下最主流的應(yīng)用場景&產(chǎn)品：用于游戲等場景中圖形渲染的顯卡，以及用于數(shù)據(jù)中心AI、高性能計算等場景的GPGPU（通用計算GPU）。圖形渲染：游戲為主，中期有望保持10%~15%平穩(wěn)增長目前在圖形渲染領(lǐng)域，游戲畫面渲染為主要應(yīng)用場景，同時亦包括圖形工作站等場景，獨立顯卡為主要硬件載體。IDC數(shù)據(jù)顯示，目前全球獨立顯卡出貨量，近5年穩(wěn)定在8000-9300萬部。按獨立顯卡的類型劃分，其中臺式機用獨立顯卡比例約40%-53%，筆記本&工作站獨立顯卡比例約47%-60%。按照品牌商來看，英偉達獨立顯卡近5年市占率一直穩(wěn)步提升，市占率由2018年的58.8%提升至2021年的74.3%，AMD市占率由2018年的31%降低至2021年的19%。市場規(guī)模判斷：預(yù)計2025、2030年將分別達到278、568億美元。2021年，英偉達游戲顯卡業(yè)務(wù)實現(xiàn)銷售收入105億美元，專業(yè)視覺收入（圖形工作站）21億美元。我們假設(shè)英偉達在全球游戲顯卡領(lǐng)域收入占比80%，專業(yè)視覺領(lǐng)域收入占比80%，則2021年，在圖形渲染（含游戲、專業(yè)視覺等）領(lǐng)域，全球GPU市場規(guī)模為158億美元。同時為了測算該領(lǐng)域中期市場規(guī)模，我們作出如下簡化假設(shè)：1）假設(shè)圖形渲染領(lǐng)域，中期應(yīng)用場景仍主要由游戲畫面渲染、專業(yè)視覺構(gòu)成，其他長尾場景忽略；2）顯卡ASP，參考英偉達產(chǎn)品價格走勢，考慮到產(chǎn)品性能、制造成本等因素，預(yù)計顯卡ASP年復(fù)合增速在10%~15%之間，取中位值12.5%；3）游戲用戶，期間，全球高端游戲玩家出現(xiàn)大幅增長（預(yù)計增幅1億人），中期預(yù)計保持平穩(wěn)增長，每年增速0~5%，取中位值2.5%；4）假設(shè)專業(yè)視覺的市場規(guī)模占游戲比例維持在20%左右。綜合上述假設(shè)，中性情形下，我們預(yù)計全球GPU（圖形渲染）在2025、2030年的市場規(guī)模有望分別達到278、568億美元。數(shù)據(jù)中心：AI&高性能計算等，預(yù)計中期保持25%以上年均復(fù)合增速市場格局：英偉達GPU在AI訓(xùn)練、高性能計算領(lǐng)域占據(jù)主導(dǎo)地位。作為圖形渲染之后另一主要應(yīng)用場景，目前客戶主要通過在數(shù)據(jù)中心部署英偉達、AMD的GPU芯片，實現(xiàn)AI訓(xùn)練、高性能計算等，同時輔以自研加速卡等，服務(wù)于特定場景的AI訓(xùn)練、推理等。1）根據(jù)LiftrInsights數(shù)據(jù)顯示，2021Q1，在全球TOP云廠商數(shù)據(jù)中心AI加速芯片市場，英偉達份額占比為78%，近年來基本穩(wěn)定在80%附近，市場領(lǐng)先地位穩(wěn)固。同時根據(jù)Lifter2019年5月的數(shù)據(jù)顯示，全球四大云計算平臺阿里云、AWS、Azure和谷歌云（GCP）中，英偉達TESLA系列GPU產(chǎn)品的市場占有率大幅領(lǐng)先。其中，阿里云采用英偉達TESLA系列GPU比例為81%，AWS、Azure和GCP使用比例分別為89%、100%和100%，市場份額絕對領(lǐng)先。2）另外據(jù)Top500.Org數(shù)據(jù)顯示，英偉達GPU產(chǎn)品在全球Top500超算中心的滲透率逐年提高，由2013H1的72.2%提升至2021H2的90.3%，幾乎處于壟斷地位。市場規(guī)模：我們測算全球數(shù)據(jù)中心GPU芯片市場規(guī)模，2021年約為100億美元左右。FY2022（對應(yīng)CY2021）英偉達數(shù)據(jù)中心營收約106億美元，其中Mellanox營收約25.7億美元，則英偉達數(shù)據(jù)中心GPU相關(guān)產(chǎn)品營收約80.3億美元。在市場競爭段落中提到，英偉達在數(shù)據(jù)中心領(lǐng)域中的市占率約80%，依次測算，2021年，全球數(shù)據(jù)中心GPU芯片市場規(guī)模約為100億美元左右。GPU數(shù)量：我們測算2021年，全球數(shù)據(jù)中心GPU芯片市場出貨量約200萬個。依據(jù)英偉達在數(shù)據(jù)中心領(lǐng)域中GPU產(chǎn)品的價格測算，假設(shè)對應(yīng)產(chǎn)品的ASP約5000美元/個，對應(yīng)FY2022年（對應(yīng)CY2021年）英偉達GPU產(chǎn)品出貨量約160萬個。在市場競爭段落中提到，英偉達在數(shù)據(jù)中心領(lǐng)域中的市占率約80%，依次計算，全球數(shù)據(jù)中心GPU市場出貨量約200萬個。數(shù)據(jù)中心GPU市場規(guī)模：預(yù)計2025、2030年將分別達到245、828億美元。結(jié)合既有的認(rèn)知和判斷，我們做出如下簡化假設(shè)：1）假設(shè)中期全球數(shù)據(jù)中心大算力邏輯芯片市場增速和過去相似（2014~2021年），年市場規(guī)模復(fù)合增速維持在15%~20%之間，取中位值17.5%；2）數(shù)據(jù)中心領(lǐng)域，并行計算需求占比持續(xù)提升，預(yù)計每年相對份額提升3%左右?；谏鲜龊喕僭O(shè)，我們中性預(yù)計，全球數(shù)據(jù)中心GPU市場規(guī)模將在2025、2030年分別達到245、828億美元，同時若中期AI技術(shù)進步、高性能計算需求超出我們的預(yù)期，則最終市場規(guī)模將顯著高于我們當(dāng)前的預(yù)測。國內(nèi)GPU市場：中期潛在空間可觀，本土廠商開始規(guī)模崛起&產(chǎn)品落地國內(nèi)市場現(xiàn)狀：和全球市場同步，預(yù)計2030年規(guī)模將突破300億美元圖形渲染：當(dāng)前國內(nèi)市場規(guī)模約27億美元，預(yù)計2025、2030年將分別達到47、97億美元。由于缺乏直接的統(tǒng)計數(shù)據(jù)，我們做出如下簡化假設(shè)：1）IDC數(shù)據(jù)顯示，2016-2021年，全球PC出貨量為2.6-3.5億臺，同期國內(nèi)PC銷量占全球銷量比重約在17%左右，我們假設(shè)在圖形渲染領(lǐng)域，國內(nèi)GPU出貨量占比亦和PC表現(xiàn)相對一致，并保持和全球市場相似的增速，以及應(yīng)用場景分布等。參考我們在上文中的測算，我們測算、預(yù)測2021年、2025年、2030年，國內(nèi)GPU（圖形渲染）的市場規(guī)模約為27、47、97億美元。當(dāng)然，若考慮到國內(nèi)龐大的游戲用戶數(shù)，以及專業(yè)視覺等領(lǐng)域的旺盛需求等，最終的實際數(shù)據(jù)料將大幅優(yōu)于我們當(dāng)前的測算&預(yù)測。數(shù)據(jù)中心：我們測算國內(nèi)數(shù)據(jù)中心GPU市場約占全球20%左右比重，對應(yīng)2021年整體出貨量約40萬個，對應(yīng)市場規(guī)模約20億美元。1）從互聯(lián)網(wǎng)云廠商Capex支出來看，阿里巴巴+騰訊+百度三家互聯(lián)網(wǎng)廠商的Capex占全球主要互聯(lián)網(wǎng)云商場（微軟、亞馬遜（含租賃）、谷歌、Meta）總Capex比例的7%-13%。若扣除亞馬遜在租賃領(lǐng)域中的Capex支出，我們預(yù)計中國三家互聯(lián)網(wǎng)廠商的Capex占比將超過10%。2）Top500.Org網(wǎng)站顯示，截至2021年11月，全球Top500超算中心，中國擁有173個超算中心，為全世界最多的超算中心國家，占有率約34.6%。3）綜合考慮中國互聯(lián)網(wǎng)云廠商Capex占比約10%，Top500超級計算機個數(shù)市占率約34.6%，我們認(rèn)為中國數(shù)據(jù)中心GPU需求量約占全球數(shù)據(jù)中心總GPU需求量的20%左右。4）如前面章節(jié)測算，我們判斷2021年全球數(shù)據(jù)中心GPU加速器市場出貨量約180-200萬個，2021年全球數(shù)據(jù)中心GPU加速市場規(guī)模約100億美元。按照20%市占率計算，我們預(yù)計2021年中國數(shù)據(jù)中心GPU加速器市場出貨量約40萬個，對應(yīng)市場規(guī)模約20億美元。中期展望：我們預(yù)計2030年國內(nèi)數(shù)據(jù)中心GPU芯片市場規(guī)模有望增長至250億美元，對應(yīng)CAGR為32%。如前所述，我們預(yù)計全球數(shù)據(jù)中心GPU加速市場規(guī)模有望由2021年的100億美元增長至2030年的828億美元（對應(yīng)CAGR為26%）。綜合考慮國內(nèi)AI、高性能產(chǎn)業(yè)的發(fā)展，以及頭部科技公司的資本開支，Top500超級計算機數(shù)量等，我們認(rèn)為未來中國數(shù)據(jù)中心GPU芯片需求量將占到全球數(shù)據(jù)中心總GPU需求量的25%-30%左右。依此計算，我們預(yù)計中國數(shù)據(jù)中心GPU芯片市場規(guī)模有望由2021年的20億美元增長至2030年的250億美元（對應(yīng)CAGR為32%）。當(dāng)然考慮到國內(nèi)企業(yè)在AI、高性能計算領(lǐng)域的積極努力和進展，最終實際數(shù)字大概率會好于我們當(dāng)前的中性預(yù)期。國內(nèi)市場格局：本土廠商快速崛起，產(chǎn)品亦逐步上市國內(nèi)GPU廠商：開始快速崛起，大多數(shù)企業(yè)目前已發(fā)布1-3款相關(guān)產(chǎn)品，大部分核心團隊具有英偉達、AMD工作經(jīng)歷。1）2014-2020年，國內(nèi)成立若干GPU&云端AI芯片相關(guān)企業(yè)，目前此類企業(yè)已發(fā)布1-3代產(chǎn)品，產(chǎn)品落地進度不斷加快。2）從國產(chǎn)GPU相關(guān)企業(yè)創(chuàng)始人的團隊背景來看，大部分企業(yè)創(chuàng)始人團隊均有在英偉達、AMD等企業(yè)有多年的工作經(jīng)驗。產(chǎn)品競爭力：國內(nèi)廠商產(chǎn)品核心參數(shù)約落后英偉達、AMD1~2代左右，正逐步從“可用”走向“好用”。1）通過對比海外GPU廠商和國內(nèi)GPU廠商相關(guān)產(chǎn)品的參數(shù)，可以看出國內(nèi)GPU廠商在半精度&單精度領(lǐng)域中的計算能力，相差約1代差距；國內(nèi)GPU廠商在雙精度（64位）計算領(lǐng)域能力近乎空白，但雙精度運算更多應(yīng)用于復(fù)雜科學(xué)計算。2）考慮到英偉達、AMD在GPU架構(gòu)中加入了張量核TensorCore或MatrixCore（可用于執(zhí)行融合乘法加法運算），這種計算單元層面的DSA架構(gòu)設(shè)計，亦使得他們在AI訓(xùn)練、推理環(huán)節(jié)具有更高的計算效率：英偉達TensorCore：2017年公司發(fā)布的Volta架構(gòu)首次引入了張量核TensorCore模塊，用于執(zhí)行融合乘法加法，支持INT32計算；2018年公司發(fā)布的Turing架構(gòu)對TensorCore進行了升級，并增加了對INT8、INT4、Binary(INT1)的計算能力；2020年公司發(fā)布的Ampere架構(gòu)對TensorCore再次升級，增加了TF32和BF16兩種數(shù)據(jù)格式的支持，也增加了對稀疏矩陣計算的支持。2022年公司發(fā)布的Hopper架構(gòu)對TensorCore再次升級，增加了TF8數(shù)據(jù)格式的支持。AMDMatrixCore：2020年英偉達推出張量核MatrixCore，對標(biāo)英偉達TensorCore，并用于MI100加速器（可支持FP64、FP32計算格式）；2021年底，AMD發(fā)布MI250/250X加速卡，基于MatrixCore的加持下，F(xiàn)P64/FP32計算能力可提升一倍。本土GPU廠商：有望率先在AI領(lǐng)域?qū)崿F(xiàn)落地，并逐步擴展至圖形渲染、復(fù)雜科學(xué)計算等場景市場機遇：基于上文對英偉達歷史的復(fù)盤和分析，作為典型的通用芯片，產(chǎn)品技術(shù)、軟件生態(tài)是GPU廠商不斷做大做強的核心基礎(chǔ)和支撐。同時在GPU實際落地應(yīng)用中，需要將硬件、軟件應(yīng)用、游戲引擎、操作系統(tǒng)、OEM等眾多環(huán)節(jié)匹配到一起，才能更好地發(fā)揮性能作用。目前國產(chǎn)GPU廠商正處于起步階段，市場需求、產(chǎn)業(yè)政策均有利于其發(fā)展&壯大：1）國產(chǎn)GPU廠商開始切入相關(guān)客戶產(chǎn)品中：英偉達最新公告背景下，倒逼國內(nèi)相關(guān)客戶開始使用國產(chǎn)GPU產(chǎn)品，在一定程度上能夠幫助相關(guān)企業(yè)與客戶建立密切聯(lián)系，進而幫助相關(guān)企業(yè)進行快速的技術(shù)和產(chǎn)品迭代。2）市場需求：依據(jù)我們前文預(yù)測，2030年全球GPU（圖形渲染）市場規(guī)模為568億美元，中國市場規(guī)模約97億美元；2030年全球數(shù)據(jù)中心GPU（AI、高性能計算等）市場規(guī)模為828億美元，中國市場規(guī)模約250億美元。面臨挑戰(zhàn)：目前國產(chǎn)GPU廠商大多仍處于早期發(fā)展階段，仍需要在技術(shù)、產(chǎn)品商業(yè)化落地等方面不斷努力：1）核心技術(shù)人才招募。（a）從英偉達GPU&AMD的發(fā)展歷史來看，公司GPU架構(gòu)基本可以做到兩年更新一代，這對于架構(gòu)師對于芯片研發(fā)的理解和應(yīng)用場景的全判斷要求較高。如：JimKeller于2012年左右加入AMD，幫助涉及了Zen微架構(gòu)，大幅提升公司產(chǎn)品在數(shù)據(jù)中心領(lǐng)域的競爭力。（b）GPU下游應(yīng)用領(lǐng)域，并非是單純的硬件算力比拼，對于軟件開發(fā)及軟件生態(tài)的建設(shè)亦相對重要。未來如何招聘大量的軟件&AI人才，仍是國產(chǎn)GPU廠商目前需要面臨的重要問題。2）產(chǎn)品設(shè)計、流片、客戶驗證，再到量產(chǎn)交付的全流程跑通。（a）GPU是一種技術(shù)門檻極高的細(xì)分賽道領(lǐng)域，前期投入資金成本相對較高，這對于企業(yè)的融資能力要求相對較高。（b）從GPU的開發(fā)及使用流程來看，GPU從最初設(shè)計到制造、流片、量產(chǎn)，周期通常不會低于18－24個月。從產(chǎn)品點亮到推出，再到后續(xù)的大量出貨和用戶驗證，再到后續(xù)找到可持續(xù)落得的應(yīng)用場景，仍面臨著較多的挑戰(zhàn)。技術(shù)路線選擇：AI為中短期最可能突破&落地場景，并可逐步向圖形渲染、復(fù)雜科學(xué)計算等領(lǐng)域擴展。目前GPU的應(yīng)用場景，主要應(yīng)用于圖形渲染、AI訓(xùn)練&推理、復(fù)雜科學(xué)計算等領(lǐng)域，結(jié)合市場規(guī)模、客戶結(jié)構(gòu)、技術(shù)特性等要素，對于本土GPU廠商而言，我們判斷，AI將是最可能率先獲得突破的領(lǐng)域，并在此基礎(chǔ)上，不斷向圖形渲染、復(fù)雜科學(xué)計算等領(lǐng)域進行延伸：AI訓(xùn)練：大模型逐步成為AI領(lǐng)域的主流，疊加下游自然語言理解、計算機視覺、推薦系統(tǒng)等應(yīng)用場景的不斷擴展，AI訓(xùn)練料將成為中期國內(nèi)GPU最大的需求領(lǐng)域。同時AI模型更多基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，因此對計算精度要求并不嚴(yán)苛，亦使得本土GPU廠商面臨的技術(shù)門檻相應(yīng)降低，我們預(yù)計這將是本土GPU廠商最容易實現(xiàn)突破的領(lǐng)域。AI推理：從英偉達&谷歌等科技巨頭的產(chǎn)品參數(shù)來看，AI推理環(huán)節(jié)對計算精度的要求顯著低于AI訓(xùn)練環(huán)節(jié)，一般4~8位即可滿足，但AI推理本身對實時性要求較高，且下游場景過于碎片化，如何實現(xiàn)靈活性、細(xì)分場景之間的有效平衡，是當(dāng)前面臨的主要難題，因此初創(chuàng)企業(yè)更多在自動駕駛、安防等領(lǐng)域?qū)ふ沂袌鰴C遇。圖形渲染：主要場景包括游戲畫面渲染，以及專業(yè)圖形創(chuàng)作&渲染等領(lǐng)域，作為典型的2C市場，客戶更專注產(chǎn)品的性價比、品牌、生態(tài)支持等，且GPU圖形管線設(shè)計復(fù)雜度相對更高。復(fù)雜科學(xué)計算：主要應(yīng)用場景包括國防、航天、氣象等高性能計算領(lǐng)域，為控制累計誤差，需要較高的計算精度，一般需要64位雙精度運算，整體技術(shù)架構(gòu)復(fù)雜性遠(yuǎn)大于AI訓(xùn)練、推理環(huán)節(jié)。國內(nèi)部分重點GPU企業(yè)介紹摩爾線程：專注于研發(fā)設(shè)計全功能GPU芯片及相關(guān)產(chǎn)品英偉達背景出身，打造研運一體GPU公司。成立于2020年10月，致力于構(gòu)建視覺計算及人工智能領(lǐng)域計算平臺，研發(fā)全球領(lǐng)先的GPU，建立高性能計算生態(tài)系統(tǒng)。摩爾線程擁有能夠覆蓋GPU研發(fā)設(shè)計、生產(chǎn)制造、市場銷售、服務(wù)支持等完整成熟的團隊，逐步成為國產(chǎn)現(xiàn)代全功能GPU實現(xiàn)的核心力量。創(chuàng)始人張建中是前英偉達全球副總裁，中國區(qū)總經(jīng)理，英偉達中國公司創(chuàng)始人，曾任惠普、戴爾公司高管。全功能GPU蘇堤問世。公司成立不到300天的時間，于2021年11月公布首顆國產(chǎn)全功能GPU芯片研制成功，開創(chuàng)國產(chǎn)GPU研發(fā)速度先河。2022年3月30日，公司推出基于其統(tǒng)一系統(tǒng)架構(gòu)MUSA的首款GPU蘇堤、基于蘇堤的首款臺式機顯卡MTTS60、首款數(shù)據(jù)中心級產(chǎn)品MTTS2000，開拓GPU在中國市場的生態(tài)系統(tǒng)，助力驅(qū)動數(shù)字經(jīng)濟的發(fā)展。沐曦集成電路：國產(chǎn)高性能GPU芯片解決方案領(lǐng)先公司公司概述：沐曦集成成立于2020年9月。公司專注于設(shè)計具有完全自主知識產(chǎn)權(quán)，針對異構(gòu)計算等各類應(yīng)用的高性能通用GPU芯片，致力于打造國內(nèi)具有商用價值的GPU芯片，產(chǎn)品主要應(yīng)用方向包括人工智能、云計算、數(shù)據(jù)中心等高性能異構(gòu)計算領(lǐng)域。公司創(chuàng)始人團隊背景。公司匯聚頂尖技術(shù)、量產(chǎn)經(jīng)驗、管理能力人才，創(chuàng)始人陳維良曾任AMDGPU設(shè)計高級總監(jiān)、AMD全球GPUSOC設(shè)計總負(fù)責(zé)人、AMD全球通用GPUMI產(chǎn)品線(高性能計算、云計算)設(shè)計總負(fù)責(zé)人。公司擁有國內(nèi)最完整的GPU設(shè)計研發(fā)團隊，參與過AMD從圖像到高性能計算應(yīng)用GPU的架構(gòu)設(shè)計和量產(chǎn)，團隊構(gòu)建完整，且有多年合作共事基礎(chǔ)。目前公司有兩款產(chǎn)品，MXN系列的MXN100和MXC系列的MXC500。（1）MXN系列是面向云端數(shù)據(jù)中心應(yīng)用的人工智能推理產(chǎn)品，采用先進工藝結(jié)合高帶寬內(nèi)存，提供強大的AI算力和領(lǐng)先的視頻編解碼能力，可廣泛應(yīng)用于智慧城市、公有云計算、智能視頻處理、云游戲等場景。目前的MXN100是一款7nm芯片，于2022年8月已經(jīng)流片，成功點亮。目前在正常測試軟硬件，公司預(yù)計年底送達客戶側(cè)測試。（2）MXC系列通用GPU(GPGPU)芯片是針對AI訓(xùn)練和推理及科學(xué)計算的完美解決方案，沐曦自主知識產(chǎn)權(quán)架構(gòu)提供強大高精度及多精度混合算力，可廣泛應(yīng)用于人工智能、數(shù)據(jù)中心以及科學(xué)計算、教育和科研等場景。MXC500是一款6nm芯片，公司計劃2022年10月流片，2023年上半年回片。瀚博半導(dǎo)體：從AI與視頻轉(zhuǎn)向更廣闊的通用計算市場公司概覽：專注于高性能通用加速芯片的AI與視頻芯片廠商。公司成立于2018年12月，創(chuàng)始人錢軍曾在思科、AMD擔(dān)任高管，具備25年以上的芯片設(shè)計經(jīng)驗。公司曾于2020和2021年間完成A輪、A+輪和B輪融資，總募資額超過人民幣24億元。其中最近一筆融資發(fā)生于2021年12月，由阿里巴巴集團、人保資本、經(jīng)緯創(chuàng)投和五源資本聯(lián)合領(lǐng)投，包含B-1和B-2輪，共計人民幣16億元。產(chǎn)品布局：從加速卡向GPU邁進。目前公司擁有VA1通用AI推理加速卡與SV100系列芯片。VA1加速卡具備高效的AI推理能力，INT8峰值算力超2000TOPS，并能夠滿足高密度視頻的解碼，支持FP16的浮點數(shù)運算。SV100芯片則聚焦云端的推理，支持深度學(xué)習(xí)與計算機視覺等場景。根據(jù)公司在2022年世界人工智能大會的披露，公司發(fā)布了瀚博統(tǒng)一計算架構(gòu)、全新數(shù)據(jù)中心（云端）AI推理卡載天VA10、邊緣AI推理加速卡載天VE1、以及瀚博軟件平臺VastStream擴展版等產(chǎn)品，并將繼續(xù)整合統(tǒng)一計算架構(gòu)，在邊緣計算、云計算以及軟件平臺上持續(xù)進行投入，并預(yù)覽了云端GPU芯片SG100，正式進入到GPU市場。商業(yè)化：簽約多家政企客戶，并與快手等互聯(lián)網(wǎng)廠商建立合作。根據(jù)公司在2022世界人工智能大會的披露，2022年以來，公司先后與福建大數(shù)據(jù)集團、國寧瑞能，高新興、超聚變等行業(yè)領(lǐng)先企業(yè)，在智慧城市、智慧政務(wù)、智慧交通、智慧園區(qū)、智慧能源等多元場景，開展深入合作，為企業(yè)智能化、數(shù)據(jù)化提供國產(chǎn)AI算力解決方案。而公司依靠在視頻領(lǐng)域的特色，亦與快手等互聯(lián)網(wǎng)廠商建立合作關(guān)系。壁仞科技：專研通用計算體系，向圖形渲染進發(fā)公司概覽：聚焦高性能算力芯片，專研通計算體系。GPU壁仞科技創(chuàng)立于2019年，主要從事GPU、DSA（專用加速器）的研發(fā)和銷售，致力于開發(fā)原創(chuàng)通用計算體系，提供智能計算領(lǐng)域一體化解決方案。創(chuàng)始人張文曾任商湯科技總裁，具有哈佛大學(xué)法學(xué)博士及哥倫比亞工商管理碩士學(xué)位；聯(lián)合創(chuàng)始人焦國方是圖形GPU產(chǎn)品線總經(jīng)理，具有超過25年的GPU產(chǎn)品架構(gòu)及研發(fā)經(jīng)驗，曾任高通GPU團隊負(fù)責(zé)人；聯(lián)席CEO李新榮曾任AMD全球副總裁、中國研發(fā)中心總經(jīng)理。由通用計算向圖形渲染全功能發(fā)力，補齊GPU全領(lǐng)域能力。1）公司聚焦云端通用智能芯片，并逐步擴展產(chǎn)品線至人工智能訓(xùn)練和推理、圖形渲染等多個領(lǐng)域，實現(xiàn)GPU芯片的全功能全領(lǐng)域覆蓋。2）目前公司產(chǎn)品線主要為BR100系列的通用GPU，針對人工智能（AI）訓(xùn)練、推理，及科學(xué)計算等更廣泛的通用計算場景開發(fā)，包含BR100與BR104兩款產(chǎn)品。其中BR100產(chǎn)品形態(tài)為OAM模組，搭載一顆BR100GPU芯片，制程為7nm，在FP32精度下能夠?qū)崿F(xiàn)256TFLOPS的計算峰值。BR104產(chǎn)品形態(tài)為PCIe板卡，搭載一顆BR104GPU芯片，用于數(shù)據(jù)中心GPU服務(wù)器，采用7nm制程，F(xiàn)P32精度下可達到128TFLOPS計算峰值。此外，公司提供BIRENSUPA軟件開發(fā)平臺，為旗下硬件提供完整功能架構(gòu)的軟件開發(fā)平臺。后續(xù)看，公司將繼續(xù)圍繞通用計算芯片，進行硬件與軟件的開發(fā)。商業(yè)化：GPU芯片已經(jīng)點亮，客戶拓展進行時。2022年3月，