核心观点：

·GPU作为一种协处理器，传统用途主要是处理图像类并行计算任务

计算机系统面对的计算任务有着复杂而不同的性能要求，当CPU无法满足特定处理任务时，则需要一个针对性的协处理器辅助计算。GPU就是针对图像计算高并行度，高吞吐，容忍高延迟而定制的并行处理器。

·人工智能加速硬件技术路线尚未确定，GPU加速受多重挑战

在人工智能技术发展早期，GPU作为一种现成的并行计算加速芯片被使用在多个项目之中，如汽车的自动驾驶，图像识别算法等。

但GPU未必为人工智能加速硬件的终极答案。早在年就有研究表明使用FPGA（现场可编程逻辑门阵列）与GPU在加速图像识别类任务能效比为7：2；年5月末谷歌披露其TPU（TensorProcessingUnit）专用人工智能加速芯片性能相比之前解决方案高出一个数量级。TPU已秘密使用在谷歌诸多商业项目中超过一年，并参加了与李世石的世纪人机围棋大战。谷歌专用人工智能芯片实用化超出市场的认知和预期；

芯片上大规模并行计算优化可分为两个主要问题：计算单元优化和片上网络优化。GPU限于最初设计目标，在两个方向上均不能完美匹配人工智能主流算法。未来随着人工智能技术大规模商用化，从产业链过去发展的历史类比，专用人工智能加速芯片将对GPU这种过渡方案构成挑战。

·GPU是VR显示性能的保障，VR是未来GPU市场的支撑之一

VR对图形计算性能要求超过现有大众级显卡水平，未来VR设备市场将成为GPU市场增长的支撑之一。重度VR设备主要替换现有的游戏主机和部分客厅高清电视市场，年两者合计最大可替换规模万台。考虑到GPU在游戏主机领域是替换升级而非新增市场，且游戏主机消费人群与高清电视消费人群有一定重合，我们预期未来高性能GPU市场空间在游戏主机与游戏主机+高清电视市场之间的某一个数字。

·GPU在云计算/大数据等领域也有较好的应用前景

GPU的并行计算能力适合在除图形计算以外的多种特定计算场景中，云计算提供商如亚马逊将GPU嵌入云计算服务EC2中提供给用户。大数据基础开源软件架构Hadoop的部分组件适合使用GPU加速；Nvidia积极推广云+GPU+游戏模式拓展新市场。NV产品线中供给数据中心的业务近年增速最快，但体量依然与游戏用GPU相比太小。

风险提示

GPU/人工智能/并行计算等前沿技术领域，易被新技术改变行业趋势；GPU产业长期被寡头垄断，A股相关公司极少，差距极大。

1、计算机系统面对的不同并行计算任务有着复杂而差异较大的性能要求：计算精度、计算并行度、并行进程交互复杂度、计算吞吐量、计算实时性、计算延迟要求等。由于CPU为适应通用计算要求而无法满足图形计算苛刻而特殊的要求，GPU这种专门针对图形并行计算的协处理器被加入计算机体系之中。

2、在人工智能技术发展早期，GPU作为一种现成的并行计算加速芯片被使用在多个项目之中：谷歌的图像识别项目、AlphaGo项目、特斯拉/沃尔沃等诸多汽车厂的辅助驾驶系统和无人驾驶实验中，均使用了GPU作为加速芯片。

但GPU未必为人工智能加速硬件的终极答案。FPGA同样是业内







































中科白癜风名医会诊
中科白癜风抗复发治疗

转载请注明原文网址：http://www.huangjinshoucang.com/nlkfff/13166.html