GPU行業(yè)市場分析

核心觀點：

理解GPU的核心：性能先進性+生態(tài)計算壁壘。GPU物理性能取決

于微架構(gòu)、制程、流處理器數(shù)量、核心頻率等，其中微架構(gòu)是核心點。

我們認為微架構(gòu)的快速創(chuàng)新迭代是GPU性能領(lǐng)先的前提，其圖形渲

染單元和通用計算單元設(shè)計向著“更多、更專、更智能'的方向優(yōu)化迭

代。根據(jù)應用場景來劃分，數(shù)據(jù)中心要求強算力、高并發(fā)吞吐量；游

戲業(yè)務要求浮點運算能力強、訪存速度快；圖形顯示要求圖顯專業(yè)化、

精細化等。

生態(tài)：GPU生態(tài)構(gòu)筑通用計算極深壁壘，CUDA生態(tài)占據(jù)大部分市

場，類CUDA生態(tài)蓬勃發(fā)展。GPU生態(tài)由上層算法庫，中層接口、

驅(qū)動、編譯器和底層硬件架構(gòu)三大部分基本構(gòu)成。GPU研發(fā)難度在

圖形渲染硬件層面和通用計算軟件生態(tài)層面，在IP、軟件棧方面研

發(fā)門檻較高，需要較長的積累，先發(fā)優(yōu)勢明顯。CUDA生態(tài)從2006

年推出至今，經(jīng)過不斷發(fā)展完善，幾乎己在行業(yè)生態(tài)內(nèi)處于壟斷地位,

目前ROCm等兼容Cuda的類計算生態(tài)蓬勃發(fā)展并處于快速推廣階

段。

海外復盤：NVIDIA與AMD(ATI)的競爭貫穿GPU發(fā)展歷程，架

構(gòu)創(chuàng)新升級和新興AI等領(lǐng)域前瞻探索是領(lǐng)跑的關(guān)鍵。NVIDIA長期居

于GPU市場領(lǐng)導地位，近年AMD憑借RDNA架構(gòu)在游戲市場強勢

崛起。VerHiedMarketResearch數(shù)據(jù)顯示，2022年全球獨立GPL)市

場規(guī)模約448.3億美元，NVIDIA和AMD的市場份額占比約為8:2。

根據(jù)JPR數(shù)據(jù)，NVIDIA憑借自身性能領(lǐng)先和CUDA生態(tài)優(yōu)勢性始

終占有GPU領(lǐng)域超50%的市場份額，數(shù)據(jù)中心業(yè)務更是全面領(lǐng)先,

在游戲顯卡領(lǐng)域，近年AMD憑借RDNA系列架構(gòu)強勢崛起。

NVIDIA先后與AMD等企一業(yè)在性能方面競爭博弈，架構(gòu)創(chuàng)新升級和

新興領(lǐng)域前瞻探索是領(lǐng)跑GPU行業(yè)的關(guān)鍵。NVIDIA憑借性能領(lǐng)先

長期占據(jù)超五成市場份額，AMD(ATI)也曾因架構(gòu)出色、性能驚艷

實現(xiàn)反超。同時NVIDIA早在2006年前瞻性布局通用計算、構(gòu)建

CUDA生態(tài)，為如今AI&數(shù)據(jù)中心領(lǐng)域的全面領(lǐng)先構(gòu)筑牢固的壁壘。

NVIDIA積極布局異構(gòu)芯片、汽車、元宇宙等新市場，尋找新的強有

力業(yè)務增長點。

國內(nèi)GPU市場：各應用場景市場廣闊，國內(nèi)廠商大有可為。需求端

1—AI：數(shù)據(jù)中心和終端場景不斷落地對計算芯片提出更多更高需求。

新一輪AI對算力需求遠超以往:ChatGPT類語言大模型底層是2017

年出現(xiàn)的Transformer架構(gòu)，該架構(gòu)相比傳統(tǒng)的CNN/RNN為基礎(chǔ)的

AI模型，參數(shù)量達到數(shù)千億，對算力消耗巨大，對算力硬件有大量

需求。甲子光年預測，中國AI芯片市場規(guī)模2023年達到557億元。

AI芯片可進一步細分為云端和終端，中國云端芯片市場規(guī)模較大，

甲子光年預計2023年增長至384.6億元，對應復合年增速到52.8%；

終端芯片市場規(guī)模甲子光年預計2023年增長至173億元，對應年復

合增長率達62.2%,伴隨各AI終端落地預計將保持較快增長速度。

需求端2—汽車：汽車智能化浪潮下域控制器GPU市場前景廣闊。

自動駕駛和智能座艙是智能汽車中具有廣闊前景的方向。蓋世汽車數(shù)

據(jù)預計，2025年自動駕駛域控制器出貨量將達到432萬臺，每臺自

動駕駛域控制器配備1-4片高性能計算GPU；智能座艙域控制器出

貨量達到528萬臺，絕大多數(shù)智能座艙域控制器配備1片GPU。自

動駕駛技術(shù)不斷提高和座艙進一步智能化拉動汽車GPU市場規(guī)?？?/p>

速擴張。需求端3—游戲：游戲玩家人數(shù)持續(xù)增長，游戲GPU市場

穩(wěn)中有升。NewzooExpert數(shù)據(jù)顯示全球游戲玩家人數(shù)在2021年已

達到30.57億人，且預計2020-2025年全球游戲玩家人數(shù)復合年增

率為4.2%；游戲市場內(nèi)，游戲機和PC兩大主體出貨量再創(chuàng)新高，

游戲機三大巨頭2021年出貨量高達4008萬臺；2021年Q4全球

PCGPU出貨量（包括集成和獨立顯卡）高達11000萬片。

1、理解GPU的核心：性能+生態(tài)

1.1、GPU定位：計算機圖形處理以及并行計算的核心

GPU全稱是GraphicProcessingUnit,即圖形處理單元，是計算機顯

卡的核心。GPU是計算機的圖形處理以及并行計算內(nèi)核。它的主要

功能可以分為：1）圖形圖像渲染計算GPU；2）作為運算協(xié)作處理

器GPGPU。GPU的功能主要集中于執(zhí)行高度線程化、相對簡單的

并行任務處理。GPUvsGPGPU：GPGPU全稱通用GPU,運用CUDA

及對應開放標準的OpenCL實現(xiàn)通用計算功能運算，能夠輔助CPU

進行非圖形相關(guān)程序執(zhí)行。由GPU性能拓展至計算密集領(lǐng)域，將

GPU強大的并行運算能力運用于通用計算領(lǐng)域。多側(cè)重科學計算、

AI領(lǐng)域、大數(shù)據(jù)處理、通用計算、物理計算、加密貨幣生成等領(lǐng)域。

依據(jù)接入方式不同分為：獨立GPU和集成GPU。1）獨立GPU：大

部分封裝于獨立顯卡電路板上，使用PCIE接口和特定顯存，不受空

間和供電限制，性能相對更好、渲染畫質(zhì)更佳。主要廠商包括AMD

（Radeon系歹U）、NVIDIA（Geforce系列）。2）集成GPU：通常

未擁有獨立顯存，集成于CPU內(nèi)部，與CPU共同使用Die和系統(tǒng)

內(nèi)存，節(jié)省空間占位和制作難度，價格較低、兼容性更佳且供電量少。

主要廠商包括Intel（HD系列）、AMD（APU系列）。

依據(jù)應用端不同分為：PCGPU、服務器GPU和移動GPU。1）PC

端：集成GPU主要運用于提高輕辦公效率，對性能要求較低；獨立

GPU主要運用于圖形設(shè)計、提高圖片制作清晰度以及3A游戲繪圖渲

染能力，對性能要求較高。2）服務器端：主要進行專業(yè)可視化處理、

AI訓練、AI推斷的深度學習、提高計算運行能力以及視頻編解碼等

功能，以獨立GPU為主。3）移動端：提高游戲體驗、提升游戲處

理性能，應用場景包括AR、桌面、云計算、數(shù)據(jù)中心等。受移動端

功耗和體積限制，一般為集成GPU。

1.2、GPU性能影響因素：微架構(gòu)、制程、核心頻率

微架構(gòu)：又稱為微處理器體系結(jié)構(gòu)，是硬件電路結(jié)構(gòu)，用以實現(xiàn)指令

執(zhí)行。制程：指GPU集成電路的密集度。在晶體管硬件數(shù)量一定的

情況下，更精細的制程能夠減少功耗和發(fā)熱。現(xiàn)階段GPU主流最先

進工藝制程為5nm,核心頻率：代表GPU顯示核心處理圖像頻率大

小/工作頻率，能夠反映顯示核心的性能。

圖形處理器單元數(shù)量：指GPU內(nèi)部圖形處理單元，涵蓋光柵單元

(ROP)和紋理單元(TMU)等數(shù)量。光柵單元(ROP)：進行光

線、反射計算，負責游戲中高分辨率、高畫質(zhì)的效果生成。紋理單元

(TMU)：能夠?qū)ΧM制的圖形進行一系列翻轉(zhuǎn)、縮放變化，再將

其紋理傳輸至3D平面模型中。CUDA核數(shù)：作為GPU內(nèi)部的流處

理器，是主要的計算單元，CUDA核數(shù)越多，GPU性能等級越高。

Tensor核數(shù)：能夠進行張量核加速GEMM計算以及加速卷積和遞歸

神經(jīng)網(wǎng)絡運行，Tensor核數(shù)越多，在人工智能、深度學習領(lǐng)域的性

能越強。

顯存容量：顯存作為GPU核心部件，用以臨時存儲未處理數(shù)據(jù)。顯

存容量的大小對于GPU存儲臨時數(shù)據(jù)的多少起決定性作用，在GPU

核心性能能夠提供充足支撐前提下，越大的顯存容量能夠減少數(shù)據(jù)讀

取次數(shù)，減少延遲出現(xiàn)。顯存位寬：是GPU在單位時鐘周期內(nèi)傳送

數(shù)據(jù)的最大位數(shù)，位數(shù)越大GPU的吞吐量越大。顯存頻率：顯存數(shù)

據(jù)傳輸?shù)乃俣燃达@存工作頻率，通常以MHz為顯存頻率計數(shù)單位。

顯存帶寬：顯存帶寬=顯存頻率X顯存位寬/8,為顯存與顯卡芯片間

數(shù)據(jù)傳輸量。

PolyMorphEngine(黃色部分，多形體引擎)，是全球首款實現(xiàn)了可

擴展幾何學流水線的重要元件。主要負責頂點拾取(VertexFetch)、

細分曲面(Tessellation)、視口轉(zhuǎn)換(ViewportTransform)、屬性

設(shè)定(AttributeSetup)、流輸出(StreamOutput)五個方面的處理

工作。在圖形渲染流水線中：VertexFetch通過三角形索引取出三角

形數(shù)據(jù)。ViewportTransform負責模塊處理已完成vertex-shader的

所有指令，進行裁剪二角形，準備柵格化。AttributeSetup確保經(jīng)過

插值后的vertex-shader數(shù)據(jù)在pixelshader中的可讀性。

微架構(gòu)未來方向：更多、更專、更智能

更專：圖形渲染能力更精細，通用計算能力更高效。圖形渲染領(lǐng)域：

采用光線追蹤技術(shù)，相較傳統(tǒng)光柵化渲染方式，光線追蹤采用基于物

理渲染方式，使得所實現(xiàn)的效果更加接近顯示，具有更加逼真的圖顯

能力。通用計算領(lǐng)域：目前國際各大廠商均推出GPGPU計算解決方

案，大規(guī)模擴展計算能力的高性能計算。例如：1)ATIStream：為

程序員提供SDK開發(fā)工具包以協(xié)同進行GPU計算。2)NVIDIACUDA：

推出統(tǒng)一計算架構(gòu)，由管線分工式設(shè)計轉(zhuǎn)變?yōu)榻y(tǒng)一化的處理器設(shè)計，

學習成本較低，能夠通過C、C++編程語言進行程序編寫。

更智能：GPUAI運算能力上升。GPU在AI領(lǐng)域得到廣泛的應用，

包括自動駕駛、醫(yī)療影像分析、人工智能計算能力、金融模型建立等

領(lǐng)域，如第三代的張量單元相較于上代在吞吐量上提升了1倍。GPU

自身結(jié)構(gòu)特點決定其在Al的發(fā)展方向：1）多線程，計算單元數(shù)量多，

并行計算方式能夠同時計算大量數(shù)據(jù)。2）擁有更直接、迅速訪問緩

存的能力。3）擁有更高精度的浮點算力，能夠更佳適配于推理訓練、

深度學習。

應用場景：數(shù)據(jù)中心、游戲業(yè)務、圖形顯示、OEM、加密貨幣

GPU技術(shù)不斷發(fā)展，GPU的應用場景也隨之不斷拓寬，不僅包含圖

形處理，還在AI、邊緣計算等新領(lǐng)域發(fā)揮重要作用。圖形顯示是GPU

最基本的功能。GPU的誕生原因就是分擔CPU計算量，憑借其處理

并行計算的優(yōu)勢承擔圖像信息的運算工作。在游戲畫面顯示、圖像運

算等領(lǐng)域廣泛應用。GPGPU被視為AI時代的算力核心。應用于人

工智能場景的服務器通常搭載GPU、FPGA、ASIC等加速芯片。加

速芯片和中央處理器的性能結(jié)合支撐高吞吐量的運算需求，為圖形視

覺處理、語音交互等場景提供算力支持，已經(jīng)成為人工智能發(fā)展的重

要支撐力量。GPU由于在架構(gòu)設(shè)計上擅長進行大量數(shù)據(jù)運算，被廣

泛應用于人工智能計算中。在人工智能的應用和研究、智能安防、邊

緣計算、無人駕駛等領(lǐng)域發(fā)揮作用。

應用場景：人工智能芯片GPGPU、FPGA、ASIC的選擇

GPGPU：為通用圖形處理器，擅長圖形處理，“粗粒度并行”技術(shù)。

特點為擁有高靈活性、運用并行結(jié)構(gòu)、在圖形和復雜算法上效率較高;

缺點為價格貴且功耗高。FPGA：為現(xiàn)場可編程邏輯陣列，擅長于算

法更新頻繁的專用領(lǐng)域。特點為靈活性適中、可以同時進行數(shù)據(jù)并行

和任務并行計算、制作成本低于ASIC、定制化、功耗低。在國內(nèi)多

用于芯片驗證。ASIC：為專用集成電路，應用于市場需求量大的專

用領(lǐng)域。指應特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計、制造的集

成電路，特點是靈活性較低、高性能、成本高、可靠性高。缺點是算

法相對固定、開發(fā)時間成本高。

1.3、GPU指令集：GPU進行圖形渲染和通用計算的指令集合

GPU指令集本質(zhì)是硬件執(zhí)行功能的機器碼。指令是計算機運行的最

基本工作單位，是GPU功能實現(xiàn)的重要基礎(chǔ)，通常包括指令格式、

尋址方式和數(shù)據(jù)形式等。GPU指令集是GPU中用以計算和控制系統(tǒng)

的指令集合，指令集的先進與否直接關(guān)系到GPU性能的高低。操作

系統(tǒng)通過指令集對硬件進行管理和資源分配，并規(guī)范程序按認可方式

編譯運行。GPU指令集分類包括PTX、CUDASASS指令集等。

指令集相關(guān)性質(zhì)：指令集本身在特定架構(gòu)改變下會表現(xiàn)為指令性能變

化，而本身的編碼和功能并沒有發(fā)生改變。兼容性：經(jīng)過CUDAC、

C++編譯完成后，會同時生成與SM單元對應的PTX和SASS代碼。

指令執(zhí)行吞吐是評價GPGPU執(zhí)行的有效指標，GPU指令吞吐一般

用每單位SM在一周期內(nèi)執(zhí)行的指令數(shù)量計算SASS指令集分類:

主要包括Predicate操作指令、Float指令、Integer指令、格式轉(zhuǎn)化/

數(shù)據(jù)移動/內(nèi)存操作/跳轉(zhuǎn)分支指令和UMformDataPath指令。

MOV:能夠完成基本傳送指令。MOV指令是編程中最基本的指令，能

夠?qū)?shù)據(jù)從起始源地址傳送到目標地址。功能范圍覆蓋立即數(shù)傳送、

寄存器傳送、儲存器傳送、段寄存器傳送。MUFU:作為SASS指

令集中計算超越函數(shù)的重要工具。超越函數(shù)指的是相對有限次加減乘

除等組合而言，便件上無法用多項式表小的函數(shù)需要通過該指令進行

近似計算，若對精度有進一步要求，還需要調(diào)用數(shù)學函數(shù)庫中其他軟

件。完善的GPU生態(tài)體系能夠兼容不同的軟件、硬件平臺，使得

GPU性能得到最佳釋放。GPU生態(tài)的由三大部分基本構(gòu)成：1）上

層圖形引擎、算法庫。2）中層標準API接口適配各類驅(qū)動、編譯器。

3）底層硬件/指令集架構(gòu)。

GPU生態(tài)體系：構(gòu)筑行業(yè)壁壘的基石

IP研發(fā)難度高：IP研發(fā)難度大、需要多年沉淀才能產(chǎn)出穩(wěn)定性較佳

的產(chǎn)品。目前GPU領(lǐng)域中，想要短期內(nèi)產(chǎn)出需要依賴外部IP授權(quán)。

市場上大多公司使用Imagination提供的IP,即在購買商用GPUIP

之后自行修改迭代。以蘋果芯片IP專利為例，蘋果在A10之前處理

器芯片都是采用Imagination的IP。軟件門檻高：計算機芯片除了硬

件之外，還要求有與之配套的軟件體系，而GPU軟件體系復雜，涵

蓋各類圖形API、計算接口、基礎(chǔ)庫、應用對接適配等等。NVIDIA

在各類軟件驅(qū)動測試上已投入大量時間，形成較強的生態(tài)效應。

規(guī)?；逃秒y：要實現(xiàn)規(guī)?；逃?，就需要廠商實現(xiàn)軟硬件技術(shù)生態(tài)

完整部署。由于行業(yè)在生態(tài)建設(shè)上先發(fā)優(yōu)勢明顯，NVIDIA通過旦期

與客戶企業(yè)的平臺適配、軟件開源合作，較好的用戶體驗加強了客戶

粘性，使新的競爭企業(yè)難以進行轉(zhuǎn)移。市場認可度：市場認可度一方

面需要生產(chǎn)商具備生產(chǎn)高品質(zhì)產(chǎn)品的實力，另一方面需要用戶經(jīng)過一

定時間使用形成反饋累積為企業(yè)信譽。在GPU市場內(nèi)，長期以來,

AMD和NVIDIA兩大產(chǎn)商占據(jù)了主要市場份額，也相應形成了較高

的市場認可度，客戶在選擇產(chǎn)品時普遍優(yōu)先考慮這兩大產(chǎn)商的產(chǎn)品；

其他廠商的產(chǎn)品，由于未使用過且市場認可度不高，存在較大的不確

定性，客戶選購意愿較低。

2、他山之石：Nvidia/AMD競爭啟示一架構(gòu)創(chuàng)新升級和新興領(lǐng)域前瞻

探索是主旋律

2.1、總覽：NVIDIA經(jīng)歷風雨遙遙領(lǐng)先，AMD(ATI)再顯崢噪

總體而言，NVIDIA引領(lǐng)GPU行業(yè)發(fā)展數(shù)十年，大多數(shù)時期技術(shù)和

市場份額均領(lǐng)先；AMD(ATI)長期與保持NVIDIA競爭，N/A卡之

爭愈演愈烈。NVIDIA市場份額雖有波動，但長期高于50%,與其產(chǎn)

品性能優(yōu)勢和生態(tài)構(gòu)建優(yōu)勢密不可分。2006年起，英偉達GPU架構(gòu)

保持約每兩年更新一次的節(jié)奏。在這一節(jié)奏下，英偉達代際之間產(chǎn)品

性能提升顯著，生態(tài)構(gòu)建完整，Geforce系列產(chǎn)品市占率長期超過

Radeon鐳龍系列，NVIDIA牢牢把握市場龍頭地位“2019年后，AMD

憑借RDNA架構(gòu)再度崛起。

NVIDIA、AMD(ATI)等企業(yè)構(gòu)筑GPU發(fā)展主旋律

自1999年NVIDIA提出GPU概念,GPU已經(jīng)有20余年發(fā)展歷史。

1995年，3Dfx發(fā)布第一款消費級3D顯卡，拉開圖形處理芯片的發(fā)

展序幕。1999年，NVIDIA提出GPU概念，奠定其GPU行業(yè)霸主

地位，自此AMD、ATI、3Dfx等企業(yè)與NVIDIA合力推動GPU快速

發(fā)展。NVIDIA率先構(gòu)筑通用計算的CUDA生態(tài)，引領(lǐng)GPU的行業(yè)

革命；AMD(ATI)CPU、GPU雙線并行緊隨其后。如今人工智能

高速發(fā)展，幾乎應用于各行各業(yè)，GPU是目前應用最廣的AI芯片。

NVIDIA把握游戲、數(shù)據(jù)中心市場機遇；AMD加速提升架構(gòu)性能緊隨

其后。

AMD：ATI時代開端奠定市場基礎(chǔ)

AMD顯卡發(fā)展可大致劃分為兩階段：第一階段ATI時代從1985年

至2006年，第二階段從2006年至今為AMD時代一Radeon系列持

續(xù)迭代更新。自早期開始，AMD分為兩路研發(fā)，兼顧高端顯卡市場

和低端顯卡市場，其中，高端產(chǎn)品如Radeon8500>RadeonX1800XT

等；從高端顯卡中衍生出多款低端顯卡產(chǎn)品，包括Radeon9000、

9000Pro>9100、9200以及9250。2012年以來，AMD在架構(gòu)上保

持創(chuàng)新態(tài)勢，制程引領(lǐng)行業(yè)先進性。2012年發(fā)布RadeonHD系列，

AMD在架構(gòu)上實現(xiàn)創(chuàng)新，推出GCN架構(gòu)，并且是業(yè)界第一款采用

28納米工藝制程的GPU圖形芯片。在圖形渲染和通用計算領(lǐng)域性能

均領(lǐng)先市場內(nèi)競爭對手。2019年，AMD推出RDNA架構(gòu)，同時兼

容原有GCN架構(gòu)，在性能、功耗、能效等多方面實現(xiàn)超越，正式開

啟第五代架構(gòu)革新之路。

2.2、1962-1995年：圖形處理技術(shù)不斷發(fā)展，3Dfx憑Voodoo一枝

獨秀

1962年起，計算機圖形學不斷發(fā)展，圖形處理技術(shù)實現(xiàn)從2D到3D

的突破。1962年麻省理工學院博士伊凡?蘇澤蘭奠定了計算機圖形學

基礎(chǔ)；1984年，SGI公司推出了面向?qū)I(yè)領(lǐng)域的高端圖形工作站，

俗稱圖形加速器，是首個專門的圖形處理硬件。1994年，3DLabs

發(fā)布GLINT300SX,是PC最早的3D硬件加速圖形芯片，從此開啟

3D顯卡時代。1995年，3Dfx發(fā)布Voodoo圖形芯片組配和GlideAPI

接口，一度統(tǒng)治市場。Glide是3Dfx為Voodoo打造的底層3DAPI,

是第一個在PC游戲領(lǐng)域得到大范圍使用的程序接口，使得Voodoo

無須硬件廠商額外提供API就可以直接開發(fā)游戲，具有易用性和穩(wěn)定

性。NVIDIA同期的rival28性能與其有差距。當時的頂級游戲和

部分PC游戲基本都支持Glide。因此即使Voodoo的價格遠遠高于

市場上其他產(chǎn)品，也深受消費者追捧。

3DfxVoodoo系列后續(xù)產(chǎn)品被NVIDIA反超，開始由盛轉(zhuǎn)衰。1996年，

3Dfx憑借Voodoo成為全球3D顯卡和GPU制造領(lǐng)域的壟斷者。1997

年，NVIDIA推出的NV3(RIVA128)有128bit的2D、3D力口速圖形

核心，采用0.35微米工藝，支持微軟Direct3D接口，且性價比高于

Voodoo,被OEM廠商廣泛使用。1998-1999年，NVIDIA推出NV4

性能擊敗Voodoo3,隨后3Dfx的Voodoo4延遲發(fā)布、Voodoo5由

于能耗大、散熱高敗給NVIDIA。

1999年8月，NVIDIA公司發(fā)布圖形芯片Geforce256,首次提出GPU

的概念。Geforce256采用技術(shù)包括硬件變換、“T&L”、立方環(huán)境材質(zhì)

貼圖和頂點混合、凹凸映射貼圖、雙重紋理四像素256位渲染引擎、

紋理壓縮等，兼容DirectX和OpenGL,被稱為世界上第一款GPU。

此前如頂點變換必須在CPU中完成，光柵化后像素有限等，而GPU

將這些功能獨立出來，使顯示核心與CPU并列成為計算機核心，大

大減少CPU的運算壓力。

1999年，NVIDIA崛起，擊敗并收購難以為繼的3Dfx1999年，

NVIDIA的Geforce256奠定了NVIDIA在GPU市場的領(lǐng)先地位。與

此同時的3DFX由于一系列決策失誤，由盛轉(zhuǎn)衰。2000年12月15

日，Nvidia低價收購3Dfx圖形處理相關(guān)所有產(chǎn)業(yè)。3Dfx的失敗可以

歸因于戰(zhàn)略和產(chǎn)品策略問題戰(zhàn)略失誤：芯片廠商涉足板卡制造領(lǐng)域

面臨困難。3Dfx收購板卡制造商STB,希望獨自生產(chǎn)Voodoo顯卡，

但二者的合作并沒有表現(xiàn)出1+1>2的效果，反而拖慢新品發(fā)布進度，

令3Dfx丟掉不少市場份額。同時失去原有板卡廠商合作伙伴，

DIAMOND.GIGABYTE.CREATIVE.ELSA者創(chuàng)口入NVIDIA陣營。

產(chǎn)品策略問題：Voodoo3與Voodoo2相比性能進步很小，只是換了

馬甲；Voodoo4和Voodoo5不支持硬件轉(zhuǎn)換和TV輸出功能，失去

\DVD和家庭影院市場；Voodoo4和Voodoo5不支持DDR內(nèi)存,

而自身適配的SDRAM在性價比上輸給NVIDIA的DDR內(nèi)存，再次

流失市場份額。

2000年顯卡市場格局洗牌,ATI憑Radeon9700強勢崛起,2000年，

ATI發(fā)布Radeon256,180nm工藝，內(nèi)有3000萬顆晶體管，具備

在當時屬于先進技術(shù)的幾何變形、圖像剪切功能、光照效果，性能優(yōu)

于Nvidia同代的Geforce256o自此，PC端獨立顯卡市場形成Radeon

系列與Geforce系列對峙的局面。2002年，ATI發(fā)布R300(即

Radeon9700)支持DirectX9.0、4頂點著色器、8像素流水線、256

位DDR內(nèi)存總線；2003年發(fā)布Radeon9800pro,性能均超過Nvidia

的GeforceFX5900oATI逐步站穩(wěn)腳跟。隨后NVIDIA的

GeforceFX6800又在性能反超Radeon9800o在此之后，ATI真正與

Nvidia在GPU市場平分秋色，二者產(chǎn)品性能相互追趕。

NVIDIA遇強力對手，市場份額跌破50%；ATI獲微軟XBOX2主機

圖形芯片訂單。在ATIRadeon9700和XBOX2訂單的幫助下，ATI

市場份額最高達到55%,而NVIDIA市場份額跌破50%,為NVIDIA

迄今為止最低點。微軟和Nvidia共同研發(fā)微軟第一代XBOX的圖形

處理器芯片，而2003年ATI獲得第二代XBOX的圖形處理器訂單,

股價因此由上漲1美元到13.2美元，并在2004年順利完成該訂單

顯卡的開發(fā)工作，市場份額有所上漲。

自2006年起，英偉達GPU架構(gòu)保持約每兩年更新一次的節(jié)奏，代

際之間產(chǎn)品性能提升顯著，性能和市場份額均領(lǐng)先AMD。2006年,

英偉達推出了CUDA編程軟件，使GPU成為通用并行數(shù)據(jù)處理加速

器，并逐步構(gòu)筑起CUDA生態(tài)。CUDA讓顯卡可以用于通用并行計

算和其他非圖形計算，使得GPU能夠承擔和CPU一樣的計算任務。

程序員可以通過CUDA直接對GPU進行編程。為NVIDIA的數(shù)據(jù)中

心業(yè)務高速擴張打下基礎(chǔ)。CUDA包括硬件平臺和軟件棧(軟件集合)

兩層含義，加上第三方應用及工具的擴展，形成從開發(fā)到應用的

CUDA生態(tài)。CUDA生態(tài)也成為NVIDIA的生態(tài)護城河。

架構(gòu)創(chuàng)新升級和新興領(lǐng)域前瞻探索是領(lǐng)跑GPU行業(yè)的關(guān)鍵。NVIDIA

堅持每兩到二年完成一次架構(gòu)迭代，持續(xù)保持領(lǐng)先的圖顯和計算性能:

2001年發(fā)布Kelvin,2003年發(fā)布Rankine,2004年發(fā)布Curie,2006

年發(fā)布Tesla,2009年發(fā)布Fermi,2012年發(fā)布Kepler,2014年發(fā)

布Maxwell,2016年發(fā)布Pascal,2017年發(fā)布Volta,2018年發(fā)布

Turing,2020年Ampere,2022年先后發(fā)布Hopper和Adalovelace。

架構(gòu)創(chuàng)新迭代高效，架構(gòu)之間性能提升顯著。而AMD(ATI)也曾憑

借Radeon9700、Radeon9800強勢崛起，近些年的RDNA架構(gòu)也

令其市場份額快速提高。

NVIDIA前瞻性布局新興領(lǐng)域數(shù)據(jù)中心、自動駕駛等領(lǐng)域，推動業(yè)績

爆發(fā)增長。其自2006年開始構(gòu)筑CUDA生態(tài)并推出Tesla通用計算

GPU架構(gòu)，從以硬件為核心的企業(yè)變成以軟硬件平臺為核心的科技

公司，前瞻性的布局使其在計算生態(tài)上構(gòu)筑了極深的壁壘，占據(jù)了絕

大部分市場。近年公司開始布局元宇宙等領(lǐng)域，持續(xù)探索新興領(lǐng)域以

保持GPU行業(yè)的龍頭地位。

未來競爭:NVIDIA維持游戲和數(shù)據(jù)中心領(lǐng)先地位，同時瞄準元宇宙、

智能汽車市場

NVIDIA各主要業(yè)務線持續(xù)發(fā)力，以技術(shù)創(chuàng)新技術(shù)保持行業(yè)領(lǐng)先，開

啟元宇宙布局。游戲:NVIDIA新發(fā)布AdaLovelace架構(gòu)的4000系

列GPU有極強的光追性能，比前代提高1-3倍,性能顯著領(lǐng)先AMD,

但成本也顯著提高。汽車：在2022GTC大會上發(fā)布的

NVIDIADRIVEThorSoC系統(tǒng)，算力達至ij2000TOPS,公司計劃在

2025年裝車。Thor可以將智能汽車的所有功能集成在單個AI計算

器上，將顯著降低成本，對智能座艙領(lǐng)域?qū)⑹穷嵏残杂绊?。元宇宙?/p>

Omniverse是為元宇宙打造的軟硬件方案,彰顯其在元宇宙領(lǐng)域提前

布局的野心。使用者可以在Omniverse中創(chuàng)建虛擬世界，而他們所

創(chuàng)建的虛擬物體也會成為NVIDIA元宇宙生態(tài)的重要組成部分。與

NVIDIA的GPU、CPU等硬件基礎(chǔ)一起，共同構(gòu)成NVIDIA元宇宙

的一站式云服務體系。

云端芯片市場格局未定，NVIDIA實行“GPU十CPU十DPU”路線，布局

云端異構(gòu)AI芯片。2021年的GTC大會NVIDIA推出面向數(shù)據(jù)中心

AI和高性能計算的自研的采用ArmNeoverse架構(gòu)的Grace芯片。并

取得ARM授權(quán)協(xié)議，可開發(fā)ARM架構(gòu)CPU芯片。2019年，NVIDIA

以70億美元收購Mellanox,2020年推出BlueField?2DPU,成功布

局DPU業(yè)務。

未來競爭：AMD結(jié)合自身CPU優(yōu)勢全方位布局AI芯片

2022年6月19日，AMD講述其未來發(fā)展戰(zhàn)略，概述為技術(shù)和產(chǎn)品

組合更新、擴大數(shù)據(jù)中心解決方案產(chǎn)品組合、加速打造無所不在的

AI領(lǐng)域領(lǐng)導地位、擴大PC領(lǐng)先、推動圖形解決方案發(fā)展勢頭。AMD

結(jié)合CPU優(yōu)勢，GPU、FPGA、APU業(yè)務多點布局搶占Al芯片行

業(yè)先機。AMD希望未來將更多AI功能引入CPU的硬件層面中，如

AVX-512VNNI指令集。AMD認為，在CPU中運行大部分推理很重

要并會是未來趨勢。AMD預計明年發(fā)布全球第一個數(shù)據(jù)中心

APU——lnstinctMI300（此前該系列為GPU加速卡），面向訓練領(lǐng)

域，結(jié)合使用Zen4架構(gòu)的CPU和CDNA3架構(gòu)的GPU。APU是將

處理器和獨顯集成到一個晶片上，實現(xiàn)GPU和CPU的融合。AMD

收購Xilinx（賽靈思）以更好地開展FPGA業(yè)務，補全FPGA領(lǐng)域的

短板，擴大自身AI芯片市場。

3、國內(nèi)市場：GPU細分市場前景廣闊，國內(nèi)廠商大有可為

3.1>GPU市場空間廣闊，國內(nèi)企業(yè)規(guī)模逐步起量

2022年全球GPU市場規(guī)模達到448.3億美元，國內(nèi)外市場空間正高

速增長，年復合增長率達到32.8%oVerifiedMarketResearch數(shù)據(jù)顯

示，2020年，全球GPU市場規(guī)模為254.1億美元，且該機構(gòu)預計

2028年市場規(guī)模將達到2465.1億美元，對應年復合增長率達32.8%。

國際獨立GPU市場由Nvidia、AMD八二分成，國內(nèi)市場中國企業(yè)

體量快速增長。國際市場上，英偉達、AMD瓜分市場，

JonPeddieResearch數(shù)據(jù)顯示2022Q1英偉達占據(jù)79%市場份額，

AMD占據(jù)21%。英偉達在獨立GPU領(lǐng)域一枝獨秀，AMD在集成

GPU領(lǐng)域可與英偉達競爭。國內(nèi)GPU龍頭企業(yè)景嘉微2022年上半

年營業(yè)收入5.44億人民幣,2021年營業(yè)收入10.93億人民幣；2022

年上半年海光信息營業(yè)收入為25.3億元，而英偉達2022Q2營收為

67億美元，2021年NVIDIA中國區(qū)的營收約為71億美元。相比之

下，國產(chǎn)廠商相對規(guī)模暫時較小，未來成長空間廣闊。

GPU應用場景不斷擴大拉動GPU市場空間迅猛增長，根據(jù)

VerifiedMarketResearch預測，2027年中國GPU市場規(guī)模將會增長

至345.57億美元。GPU市場主要應用場景可概括為:AI&數(shù)據(jù)中心、

智能汽車、游戲。AI&數(shù)據(jù)中心：新一輪AI對算力需求遠超以往：

ChatGPT類語言大模型底層是2017年出現(xiàn)的Transformer架構(gòu)，該

架構(gòu)相比傳統(tǒng)的CNN/RNN為基礎(chǔ)的AI模型，參數(shù)量達到數(shù)千億，

對算力消耗巨大，對算力硬件有大量需求。隨著對商業(yè)數(shù)據(jù)和大數(shù)據(jù)

處理要求算力的不斷提高，GPU的通用計算能力正在越來越廣泛地

被應用與數(shù)據(jù)中心和國家超算中心的建設(shè)。智能汽車：智能汽車方興

未艾，自動駕駛和智慧座艙是智能汽車發(fā)展的主要方向，均需大量使

用GPU。游戲：游戲業(yè)務是GPU應用的傳統(tǒng)領(lǐng)域，對游戲畫面進行

3D渲染，英偉達的游戲業(yè)務穩(wěn)中有進。

3.2、Al：ChatGPT等AI大模型加速對大算力的需求

ChatGPT模型引發(fā)市場關(guān)注，對話類AI效果超大眾預期，大模型需

要更大的算力。2022年11月人工智能實驗室OpenAI推出了一款

AI對話系統(tǒng)一ChatGPT,ChatGPT模型從GPT-3.5系列中的一個模

型微調(diào)而成，并在AzureAl超級計算基礎(chǔ)設(shè)施上進行訓練，能夠進行

有邏輯的對話、撰寫代碼、撰寫劇本、糾正錯誤、拒絕不正當?shù)恼埱?/p>

等，效果超越大眾預期。這標志著對話類人工智能可以在大范圍、細

節(jié)問題上給出較合理準確的答案，并根據(jù)上下文形成一定像人類一樣

有邏輯且有創(chuàng)造力的回答。ChatGPT的優(yōu)化主要來自模型的增大，

以及因此帶來的算力增加。GPT、GPT-2和GPT-3（當前開放的版

本為GPT-3.5）的參數(shù)量從1.17億增加到1750億,預訓練數(shù)據(jù)量

從5GB增加到45TB,其中GPT-3訓練單次的成本就高達460萬美

yeo

依據(jù)部署位置劃分，AI芯片可以細分為終端芯片和云端芯片，云端

芯片市場空間越為終端芯片的2-3倍。云端芯片：云端芯片應用于云

端服務器，可以進一步細分為推理芯片和訓練芯片。根據(jù)甲子光年數(shù)

據(jù)，2018年中國云端芯片市場約46.1億元，該機構(gòu)預計2023年增

長至384.6億元。終端芯片：應用于嵌入式、移動終端、智能制造、

智能家居等領(lǐng)域的AI芯片，終端芯片需要低功耗和更高的能效比，

但是對算力的需求也相對較低，主要應用與A