本报告或文章可用于微博、微信公众号、新闻网站等一般性转载,或用于企业的公开市场宣传,或用于企业投融资咨询、上市咨询等用途。这些引用可能是免费的,也可能产生额外的授权费用,头豹将根据您的引用需求向报告或文章发布者取得相应授权,并派专人与您进一步联系。
请务必如实填写引用需求并按授权范围使用本报告或文章,如头豹发现您最终的引用目的超出所引用需求相应的授权范围,头豹有权要求您停止引用并就头豹因此遭受的损失追究您相应的法律责任。
纠错
*本文参考报告:《2023年中国GPU行业概览》,首发于头豹科创网。
今年来,英伟达贡献了标普500指数全部涨幅的1/3,并创造了从1万亿美元增长到2万亿美元跨越的最快纪录,市值陆续超过了亚马逊、谷歌母公司Alphabet和沙特阿美。
近日,英伟达CEO黄仁勋表示,Blackwell芯片已经投产,计划每年升级其AI加速器,并宣布将于2025年推出Blackwell Ultra GPU。
GPU作为AI计算和数据中心基础设施的关键组成部分,其技术迭代与市场应用,正深刻影响着科技产业的格局。
作为人工智能繁荣的最大受益者之一,旺盛需求让数据中心营收保持惊人增速,谷歌母公司Alphabet、微软、亚马逊和其他科技公司正在争夺英伟达高端芯片的有限供应,以争夺云计算的主导地位。
本文,头豹研究院将对GPU行业特征、产业链图谱及竞争格局等进行全面梳理,并对未来发展趋势进行研判。
01
行业现状
智算中心集合了释放算力、调度算力、聚合算力、生产算力四个作业环节。
调度算力中智算中心通过CPU、GPU、FPGA、ASIC等底层算力资源,通过细粒度切分、算力标准化等算力池化和算力调度过程,实现算力服务管理。
人工智能模型的两个基本要素为数据集和处理能力,系统在数据集上进行训练,模型通过处理能力检测这些数据集内外部之间的关系。
在某种程度上,这两大基本要素可以相互替代:一个模型可以通过吸收更多数据或增加更多处理能力加以改进。然而,在专业人工智能芯片短缺的情况下,后者正变得越来越困难,这导致模型构建者加倍专注于寻找数据,GPU在处理大规模并行计算任务时具有明显优势,尤其在深度学习、图像识别等AI领域。
GPU:图形处理器(英语:Graphics Processing Unit,缩写:GPU),又称显示核心、视觉处理器、显示芯片,是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上做图像和图形相关运算工作的微处理器。
GPU主要由90%的ALU(运算单元),5%的Control(控制单元)、5%的Cache(缓存单元)组成。
根据应用,可将GPU分为独立GPU、集成GPU和移动GPU,可根据使用者的应用场景所需计算量进行选择。
AI芯片:目前主流的加速计算解决方案主要采用CPU系统搭载GPU、FPGA、ASIC等异构加速芯片,GPU可以支撑大量数据的并行计算,适合对数据密集型的应用进行计算和处理;FPGA可无限次编程,延时性比较低,同时拥有流水线并行和数据并行、灵活性高;ASIC通过算法固化实现极致的性能和能效、平均性很强;功耗很低;体积小。
从性能上看ASIC在三者最具优势,但目前技术开发难度最大,技术落地时间难以估计,因此预计未来AI芯片仍以GPU为主流,首先Transformer架构是最近几年的主流,该架构最大的特点之一就是能够利用分布式GPU进行并行训练,提升模型训练效率;GPU芯片通用性强,其中原本为图形计算设计的大量算数逻辑单元(ALU)可以为深度学习提供良好的加速效果。
02
行业应用
中国新能源车企早期更加关注单车智能,目前正逐步推进网联方案发展,科技公司借助AI技术,提供自动驾驶解决方案,互联网公司借助内容服务与AI,渗透自动驾驶出行服务,运营商依托蜂窝网,为网联式自动驾驶提供服务。
L1-L2级传统汽车不需要太大的车载算力,因此多采用小算力、微控制器的解决方案。从L2级开始,尤其是L3级以上的自动驾驶汽车需要装备大算力芯片支撑感知、决策算法的高效运行。根据地平线公司的预测,自动驾驶每提高一级,算力就增加一个数量级。L2级别大概需要20-80K DMIPS、5-100TOPS的算力,L3需要200K DMIPS、500+个TOPS,L4为200+K DMIPS、500+TOPS,L5为200+K DMIPS、1,000+TOPS,预计未来主要算力芯片将为GPU,随着新能源汽车自动驾驶需求的不断提升,GPU的需求也将不断扩大。
03
产业链分析
随着服务器端的需求量不断增加,倒推GPU整体产业开始新一轮发展,预计AI的算力需求将会促成GPU新一轮供不应求的局面,且此次短缺将有可能持续1-2年。
此外,我们还在报告中完整分析了GPU代表企业案例如英伟达、海光信息、寒武纪等,可前往文末获取完整版报告。
“读研报 找头豹!”
本文推荐阅读
如您想阅读更多内容
↓↓长按扫描下方二维码获取↓↓
相关推荐
2024年港股18A生物科技公司发行投资活报告
随着全球生物科技产业的迅猛发展和创新技术的不断涌现,生物科技企业正在成为推动经济增长的重要力量 自2018年港交所推出上市规则第18A章,允许未盈利的生物科技企业在港上市后,截至2024年3月31日,共有64家生物科技公司据此完成上市,涵盖了小分子药物、核酸药物、抗体药物、AI医学影像、手术机器人等多个创新医药赛道。并且已有企业成功摘“B” 18A章节为生物科技企业提供了一个独特的上市渠道,为这些企业提供了更为广阔的融资平台和市场空间。18A企业作为生物科技领域的佼佼者,凭借其独特的上市条件、资金实力、融资能力以及市场定位,展现出强大的竞争力和市场影响力 在此背景下,本报告旨在分析港股18A生物科技产业的布局与趋势,通过系统性的梳理,面向拟上市及已上市公司股东、资本市场中介机构、市场投资者,为其更全面、深入地了解港股18A生物科技板块,为市场估值、管线评估、资本动态、企业战略等提供研究指引
2024年中国变压器行业概览:AI数据中心建设如火如荼,电网投资拉动变压器需求(独占版)
AI算力集群需要高密度电力供应,单机柜电力需求从几kW增至几十kW。全面实施AI后,Google电力需求或增加十倍。Google搜索消耗0.3瓦时电力,ChatGPT每次请求消耗2.9瓦时,每天90亿次搜索将每年额外消耗近10太瓦时电力。 NVIDIA占AI服务器市场95%,2023年出货10万台AI服务器,每年消耗约7.3太瓦时电力。预计到2026年,AI行业电力需求将增长至少十倍。 2022年,数据中心、加密货币和AI共消耗约460太瓦时电力,占全球总电力需求近2%。预计到2026年,这三者电力消耗将达620至1,050太瓦时,基准需求为800太瓦时,比2022年增加160至590太瓦时,相当于增加一个瑞典或德国的电力需求。
2024年中国变压器行业概览:AI数据中心建设如火如荼,电网投资拉动变压器需求(精简版)
AI算力集群需要高密度电力供应,单机柜电力需求从几kW增至几十kW。全面实施AI后,Google电力需求或增加十倍。Google搜索消耗0.3瓦时电力,ChatGPT每次请求消耗2.9瓦时,每天90亿次搜索将每年额外消耗近10太瓦时电力。 NVIDIA占AI服务器市场95%,2023年出货10万台AI服务器,每年消耗约7.3太瓦时电力。预计到2026年,AI行业电力需求将增长至少十倍。 2022年,数据中心、加密货币和AI共消耗约460太瓦时电力,占全球总电力需求近2%。预计到2026年,这三者电力消耗将达620至1,050太瓦时,基准需求为800太瓦时,比2022年增加160至590太瓦时,相当于增加一个瑞典或德国的电力需求。
2024年中国手持智能摄像机行业研究报告:掌中视界,洞见未来,手持智能摄像机科技之旅(独占版)
2024年中国手持智能摄像机行业研究报告:掌中视界,洞见未来,手持智能摄像机科技之旅
2024年中国手持智能摄像机行业研究报告:掌中视界,洞见未来,手持智能摄像机科技之旅(摘要版)
2024年中国手持智能摄像机行业研究报告:掌中视界,洞见未来,手持智能摄像机科技之旅
头豹的程序员小GG强烈建议您使用谷歌浏览器(chrome)以获得最佳用户体验。