国产AI算力芯片研究报告：全景图（19页）

行业报告下载 2023年04月21日 07:35 管理员

AI 算力芯片主要包括 GPU、FPGA，以及以 VPU、TPU 为代表的 ASIC 芯片。其中以 GPU 用量最大，据 IDC 数据，预计到 2025 年 GPU 仍将占据 AI 芯片 8 成市场份额。然而，相较传统图形 GPU，通用型算力 GPU 在芯片架构上缩减了图形图像显示、渲染等功能实现，具有更优的计算能效比，因而被广泛应用于人工智能模型训练、推理领域。根据在网络中的位置，AI 芯片可以分为云端 AI 芯片、边缘和终端 AI 芯片；根据其在实践中的目标，可分为训练（ training ）芯片和推理（ inference ）芯片。云端主要部署高算力的 AI 训练芯片和推理芯片，承担训练和推理任务，具体有智能数据分析、模型训练任务和部分对传输带宽要求比高的推理任务；边缘和终端主要部署推理芯片，承担推理任务，需要独立完成数据收集、环境感知、人机交互及部分推理决策控制任务。由于英伟达 GPU 产品线丰富、产品性能顶尖、开发生态成熟，目前全球 AI 算力芯片市场仍由英伟达垄断。根据中国信通院的数据，2021 年 Q4 英伟达占据了全球 95.7%的 GPU 算力芯片市场份额，因此，英伟达数据中心业务营收增速可以较好地反应全球 AI 芯片市场增速。

2023 财年，英伟达数据中心营收达到 150 亿美元，同比增长 41%，FY2017-FY2023 复合增速达 63%，表明全球 AI 芯片市场规模保持高速增长。英伟达的 GPGPU 是全球应用最为广泛的 AI 芯片，决定其性能的硬件参数主要包括：微架构、制程、CUDA 核数、Tensor 核数、频率、显存容量、显存带宽等。其中，微架构即 GPU 的硬件电路设计构造的方式，不同的微架构决定了 GPU 的不同性能，作为英伟达 GPU 的典型代表，V100、A100、H100 GPU 分别采用 Volta、Ampere、Hopper 架构；CUDA 核是 GPU 内部主要的计算单元；Tensor 核是进行张量核加速、卷积和递归神经网络加速的计算单元；显存容量和带宽是决定 GPU 与存储器数据交互速度的重要指标。除 GPU 硬件之外，与之配套的软件开发体系亦是生态的重要组成部分。GPU 的生态包括底层硬件、指令集架构、编译器、API、基础库、顶层算法框架和模型等，英伟达于 2006 年发布的 CUDA 平台是当今全球应用最为广泛的 AI 开发生态系统。通用 GPU 与 CUDA 组成的软硬件底座构成了英伟达引领 AI 计算的根基，当前全球主流深度学习框架均使用 CUDA 平台。