GPU是相對于CPU的一個概念，也就是圖形處理器，由于在現(xiàn)代的計算機中(特別是家用系統(tǒng)，游戲的發(fā)燒友)圖形的處理變得越來越重要，需要一個專門的圖形的核心處理器。

簡單的說GPU = 顯卡的“CPU”，CPU是電腦的心臟，所以GPU是顯卡的心臟，它能讓電腦在圖像處理上更出色。

GPU云服務(wù)器(GPU Cloud Computing)則是基于 GPU的快速、穩(wěn)定、彈性的計算服務(wù)，具有實時高速的并行計算和浮點計算能力，突破單機的資源限制，讓更多的機器共同完成一項任務(wù);

提供了存儲和網(wǎng)絡(luò)的虛擬化，通過虛擬化技術(shù)，讓資源過剩的單臺物理機獨立、隔離地完成多個任務(wù)，實現(xiàn)了資源的按需分配、高利用率以及高可用性。

GPU云主機的應(yīng)用領(lǐng)域

1、視頻編解碼：集成專用的視頻編解碼硬件單元，相比CPU提供了更快的視頻處理速度，是目前網(wǎng)絡(luò)視頻流處理的高性能選擇?？捎糜诔咔宓?K視頻轉(zhuǎn)碼，直播美圖美顏，多人視頻會議場景。

2、圖形圖像處理：GPU云主機主要應(yīng)用在高性能設(shè)計辦公(CAD/CAE)，云游戲等場景，通過高性能計算能力以及圖形渲染能力，實現(xiàn)在線圖形渲染處理，能大大的縮短影視特效制作周期，從而提升整體效率。

另外，結(jié)合天翼云的對象存儲、彈性云主機以及專線，可以快速構(gòu)建自己的圖像渲染以及分析計算中心。

3、科學(xué)計算：利用GPU云服務(wù)器的異構(gòu)計算加速能力、強大的浮點運算，雙精度運算、模擬運算、160萬cpu和MIC核協(xié)同計算、分子動力學(xué)第一性原理計算等超強計算能力處理更多科學(xué)計算場景的業(yè)務(wù)，包括氣象預(yù)測，基因工程、粒子物理、程序化交易、CAE、EDA等領(lǐng)域。

4、AI應(yīng)用、人工智能場景：適用于各種基于深度學(xué)習(xí)前向應(yīng)用場景，諸如圖像、語音識別、NLP、檢索等。

一系列接二連三的大事件，為英特爾、英偉達、AMD三大巨頭圍繞數(shù)字化時代的異構(gòu)計算CPU+GPU+FPGA/DPU的“競奪”提供了更多的想象空間，也成為了日后分野的新注解。

英特爾在獨立GPU領(lǐng)域卷土重來，在IPU領(lǐng)域亦不斷出新，借助在硬件、軟件、架構(gòu)和制程方面的革新以及IDM2.0戰(zhàn)略重兵壓陣。

AMD收購賽靈思落定之后，補齊了FPGA的短板，前不久AMD又宣布以約19億美元收購云服務(wù)提供商Pensando，至此AMD正式進入DPU領(lǐng)域，為其數(shù)據(jù)中心藍圖補上關(guān)鍵一環(huán)。英偉達雖收購Arm被迫“放手”，但已有基于Arm的CPU作為重要“補給”，并通過收購補齊DPU，欲在異構(gòu)時代大展身手。

廣義上講只要能夠運行人工智能算法的芯片都叫作 AI 芯片。但是通常意義上的 AI 芯片指的是針對人工智能算法做了特殊加速設(shè)計的芯片。

AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應(yīng)用中的大量計算任務(wù)的模塊(其他非計算任務(wù)仍由CPU負責(zé))。到目前位置，AI芯片算力發(fā)展走過了三個階段：

第一階段： 因為芯片算力不足，所以神經(jīng)網(wǎng)絡(luò)沒有受到重視;

第二階段：通用芯片CPU的算力大幅提升，但仍然無法 滿足神經(jīng)網(wǎng)絡(luò)的需求;

第三階段： GPU和和新架構(gòu)的AI芯片推進人工智能落地。

三大巨頭的火拼已然深入腹地，英特爾、英偉達、AMD的爭奪已呈現(xiàn)出“全面戰(zhàn)役”的態(tài)勢。

在異構(gòu)計算領(lǐng)域，GPU可說是必須倚重的“彈藥”。

作為異構(gòu)時代和新興應(yīng)用驅(qū)動下的最大受益者之一，隨著服務(wù)器、汽車、人工智能、邊緣計算等領(lǐng)域?qū)λ懔虯I性能需求的不斷提升，GPU憑借自身在并行處理和通用計算的優(yōu)勢高歌猛進，市場得以持續(xù)高速成長。

據(jù)VerifiedMarketResearch的數(shù)據(jù)，2020年全球GPU市場價值為254.1億美元，2027年有望達到1853.1億美元，年平均增速高達32.82%。

目前GPU被廣泛地運用于PC、游戲、數(shù)據(jù)中心、高性能計算、智能汽車等領(lǐng)域。值得注意的是，游戲與PC是其傳統(tǒng)主戰(zhàn)場，而數(shù)據(jù)中心、高性能計算和智能汽車將成為GPU增長的新引擎，不同應(yīng)用對GPU的需求也各有側(cè)重。

據(jù)了解，游戲主機的設(shè)計思路著重提升體驗，側(cè)重開發(fā)人員對CPU、GPU等硬件優(yōu)化和底層API等軟件優(yōu)化。而PC的GPU需在性能、拓展性、能效方面做到平衡，主要有集成GPU和獨立GPU兩類，大部分集成GPU已與CPU集成為SoC，而獨立GPU多采用PCIe總線與CPU實時通信。從高性能計算和服務(wù)器來看，對GPU具有大數(shù)據(jù)量的快速吞吐、超強穩(wěn)定性、長時間運行等嚴格要求;汽車GPU需滿足諸如AEC-Q100等車規(guī)認證，并支持專用的圖形API，并且未來的趨勢是汽車CPU將和GPU組成SoC，從分布式向中心化發(fā)展。

在多年鏖戰(zhàn)之后，全球GPU呈現(xiàn)寡頭壟斷的格局，英偉達是絕對的霸主，AMD緊隨其后，但在英特爾重返獨立GPU戰(zhàn)場之后，原本的平衡將被打破。

通過技術(shù)革新、場景拓展、外延并購，加上依托于CUDA軟件堆棧對GPU通用計算能力的不斷發(fā)掘，英偉達成為GPU領(lǐng)域的佼佼者，引領(lǐng)全球GPU發(fā)展。2022財年，英偉達收入創(chuàng)紀(jì)錄，達到269.1億美元，同比增長61%。

翻看英偉達的營收結(jié)構(gòu)可以發(fā)現(xiàn)，受益于對英偉達Ampere架構(gòu)產(chǎn)品的強勁需求，游戲成最大動力，數(shù)據(jù)中心市場增速最快，創(chuàng)106.1億美元新高;而汽車業(yè)務(wù)雖有下滑，但后續(xù)仍將持續(xù)收獲。其下一步布局也是火力全開：已推出新一代桌面GPU和筆記本電腦GPU;面向數(shù)據(jù)中心的下一代GPUHopperGH100芯片或超過1400億個晶體管，并將采用臺積電5nm節(jié)點的多芯片模塊(MCM)設(shè)計。且下一代自動駕駛芯片Orin計劃用于2022年量產(chǎn)，算力將達到254TOPS，目前已經(jīng)獲得蔚來、理想、沃爾沃、奔馳等多家整車廠項目。

近年來，國產(chǎn)GPU頻頻傳出好消息。景嘉微宣布其JM9系列第二款GPU已經(jīng)完成流片、封裝階段工作。芯動科技在去年底推出一顆“風(fēng)華1號”，填補了國產(chǎn)4K級桌面顯卡和服務(wù)器級顯卡兩大空白。2020年成立的摩爾線程在1年后發(fā)布了第一代MUSA系統(tǒng)架構(gòu)GPU，并可量產(chǎn)交付。壁仞科技也緊跟著宣布首款通用GPU芯片點亮成功。在市場和政策的推動下，曾經(jīng)蒙塵的國產(chǎn)GPU開始閃爍自己的光芒。這是國產(chǎn)GPU的黃金時代。國產(chǎn)GPU的發(fā)展到什么地步?據(jù)Verified Market Research數(shù)據(jù)顯示，2020年中國大陸的獨立GPU市場規(guī)模為47.39億美元，預(yù)計2027年中國大陸GPU市場規(guī)模將超過345.57億美元。如此廣闊的中國市場中，國產(chǎn)GPU的市占比卻少的可憐。2019年，中國芯片的自給率僅為30%左右，從中國主要芯片國產(chǎn)化率來看，射頻芯片、移動通信終端、模擬芯片、閃存、微控制器、內(nèi)存、可編輯邏輯器件的國產(chǎn)化率分別為40%、24%、15%、5%、3%、1%、1%。謹慎估計GPU芯片的國產(chǎn)化規(guī)模約37億元。但屬于高端芯片的GPU研發(fā)卻并不容易。Intel一直想踏足高端GPU領(lǐng)域，但仍未成功。英特爾最早的GPU研發(fā)可以追溯到 1997 年，英特爾通過收購C&T 獲得了 2D 顯示核心技術(shù)，3D 技術(shù)源于擁有 20%股權(quán)的 Real3D。但直到2022年4月，Intel仍未推出自己消費級的獨立 GPU 產(chǎn)品。