GPU凶猛：芯片换主角？

数字化浪潮，席卷着全世界的每一个角落。这一切变革的背后，都与小小的芯片息息相关。从手机、计算机到飞机、汽车、家用电器，从工厂的机械臂、切割机到医院的呼吸机、超声仪，小到手里的公交卡大到天上的卫星，芯片已经无处不在。

AI时代的加速到来，尤其是大模型的崛起，带来前所未有的算力需求，这对于芯片产业来说，既是挑战，也是机遇。

过去，芯片领域的主角无疑是CPU（中央处理器）。但由于GPU（图形处理器）更能够满足AI时代高性能计算的需求，近年来其热度飙升，不仅指标性公司的股价不断攀上新高，也有大量创业公司和资本在此寻找机会和追逐梦想。

GPU为何会逆袭崛起？芯片要换主角了？

GPU凶猛，英伟达万亿

今年年初，英伟达的股价在150美元附近，今年7月一度冲高到480美元，目前 （截至8月7日） 在450美元附近，总市值超过1.1万亿美元。这意味着，今年前7个月，英伟达的市值增长了恐怖的7600多亿美元，涨幅超过210%。目前，英伟达是第一家市值超过万亿美元的芯片公司，也是全球第六大市值公司。如果从上市开始计算，其股价涨幅超过了1100倍。

今年5月25日，英伟达发布了令人咋舌的一季度财报，财报中关于二季度的营收指引，更是“亮瞎华尔街的双眼”。于是，仅在一天内，英伟达的市值就暴涨超2000亿美元。而在这个星球上，市值超过2000亿美元的公司并不多。

GPU和CPU的河东与河西，通过“AI时代的芯片王者”英伟达和“PC时代的芯片王者”英特尔的市值对比，可以感受得更加直观。英特尔目前市值在1470亿美元左右，英伟达是其7倍还多。而“芯片三巨头”中的另外一家AMD，因为也吃到AI浪潮的红利，今年来股价上涨了超过35%，目前市值在1880亿美元左右，依旧是老二。

更惊人的是，目前英伟达的市盈率已经超过了200倍，风口浪尖上的特斯拉也不过60多倍的市盈率，微软和Meta不到40倍，谷歌不到30倍，阿里巴巴不到25倍，腾讯只有15倍……即使是“能卡住英伟达脖子”的台积电（英伟达芯片由台积电生产） 也只是15倍左右。

英伟达、英特尔和AMD的股价走势

能让资本市场如此激动主要是英伟达符合了投资人最喜欢的两大特征：风口行业+统治地位。根据近日Jon Peddie Research（JPR）发布的全球GPU市场数据报告显示，英伟达以84%的市场份额排名第一，排名第二的AMD为12%，第三位的英特尔为4%。

GPU不就是显卡吗？在英特尔时代，GPU甚至都没有“单独名分”，被封装在CPU内。从某种意义上可以说，是英伟达发明了GPU，使其单独存在。那GPU和英伟达为何会犹如坐上了火箭一般？答案其实在OpenAI和ChatGPT身上。

随着ChatGPT等大模型掀起AI狂潮，全世界都在为这个“人类历史上都不多见的技术革命”而兴奋不已。但为何是一个GPU公司成了最大赢家？

这是因为英伟达是AI大模型背后的“军火商”，美国银行的一份报告更是称其为“AI淘金时代的卖铲王”。因为不管你是“百模大战”还是“千模群舞”，统统都要跑在英伟达的GPU上。

英伟达相关人士告诉 《中国经济周刊》 记者，早在2016年，英伟达就向OpenAI交付了全球第一台DGX-1超级计算机。2022年底，OpenAI创建的ChatGPT在短短两个月内收获亿级用户，它的火爆证明了生成式AI和加速计算所带来的“AI的iPhone时刻”已经到来。

据该人士介绍，英伟达发明了GPU作为并行处理器，以模拟视频游戏和电影，使其逼真如现实世界。虽然GPU最初被设计用于处理3D图形的像素，但也非常擅长处理数据，这使其非常适合处理深度学习任务。

“早在10多年前，人工智能研究人员就开始使用GPU进行深度学习。2011年，研究人员发现12个英伟达GPU可以提供2000个CPU的深度学习性能。此外，英伟达还改进了GPU设计、系统架构和软件，并加快了训练速度，使GPU的性能每年提高一倍以上，比摩尔定律更快。”上述人士表示。

此外，该人士还表示，GPU还可以模拟人类智能，运行深度学习算法，并充当感知和理解世界的计算机、机器人和自动驾驶汽车的大脑。未来，英伟达也将致力于帮助客户利用加速计算实现生成式AI和大语言模型的突破性进展。

“CPU是通用处理单元，你可以理解为是一个‘大管家’，什么事都要管，CPU的全部模块中通常有25%用作运算单元 （ALU）、有25%作为控制单元 （Control）、50%用于缓存单元 （Cache）；GPU则是单一的图形处理单元，有90%的模块用作计算单元，控制单元和缓存单元只占10%。再则GPU的计算模式是并行处理，即可以同时做很多事；而CPU是串行处理，即处理完一件事再处理另一件。因此，面对巨大的AI算力需求，计算能力更强、计算效率更高的GPU就成为主流选择。”资深芯片研究专家、《芯片简史》 作者汪波告诉 《中国经济周刊》 记者，他拥有20多年芯片领域的科研和教学经验。

中金公司研究部科技硬件行业首席分析师彭虎向 《中国经济周刊》 记者分析，技术上，CPU采用冯·诺依曼构架，在并行处理大量数据的运算时效率受到限制。与传统CPU相比，GPU具有多线程、高核心数、更高的存储访问带宽和速度，以及浮点运算能力强等优势，逐步发展成为当下AI算力芯片的主流形态。

“当然，通用型GPU也日益面临着高效率和高功耗之间的矛盾平衡问题，专用型AI算力芯片 （如TPU、NPU、IPU等） 逐步借助自身高算力与低功耗的特点，成为某些互联网云服务商提供AI算力的芯片方案之一。”彭虎说。

如果以图灵测试为起点，人工智能的发展史已经超过70年，数度跌宕起伏中的退潮，大多是受限于算力，要么算力不足，要么成本太高。所以，很多人调侃ChatGPT是“大力出奇迹”，一是因为英伟达造出算力强悍的GPU，二是能堆起万颗昂贵芯片。随着算力的强大，AI的新浪潮也将随之到来。

GPU和英伟达的AI故事还远未到高潮？

虽然汹涌的AI浪潮给英伟达带来了惊人的增长，但其实在此之前，英伟达已经吃过一波史诗级的数字货币红利，因为计算能力更强的GPU也是“挖矿”首选。而且GPU和英伟达的“AI故事”还远未到高潮。

根据集邦咨询 （TrendForce）预计，2023年全球AI芯片出货量将增长46%。其中，英伟达GPU为AI服务器市场搭载主流，市场占有率约60%～70%。

瑞穗证券 （Mizuho Securities）发布的研究报告预计，英伟达今年的营收可能达到250亿至300亿美元。到2027年，其AI相关收入将达3000亿美元，届时英伟达在全球AI服务器芯片市场的市场占有率将在75%左右。

如此诱人的巨大市场，自然会面临越来越激烈的竞争。已经缠斗了数十年的“芯片三巨头”，英特尔（成立于1968年）、AMD（成立于1969年）和英伟达（成立于1968年）的鏖战注定要延续到AI时代。

今年6月，AMD推出了数据中心APU（加速处理器）Instinct MI300，大举进军AI市场。在刚刚结束的AMD二季度财报电话会上，AMD首席执行官苏姿丰透露，本季度AMD的AI数据中心芯片客户数量“增长了7倍以上”，预计该业务下半年业绩将有50%的增幅。

英特尔则在2019年就耗资20亿美元收购了以色列AI芯片公司Habana，后续又不断补齐AI业务的各个板块。今年英特尔推出的第二代深度学习芯片Habana Gaudi2，就是对标英伟达100系列，专为训练大语言模型而构建。英特尔还预计到2025年，将会完成Gaudi AI芯片和GPU两条产品线的整合，并推出更完整、更具竞争力的下一代GPU产品。

搞AI芯片，也成为全球主要科技公司的必选项，毕竟谁都不想自己的算力命脉攥在英伟达手里。虽然仅仅为了ChatGPT，微软就买下了上万颗英伟达芯片；呼吁暂停AI研发的马斯克也悄悄囤了1万张英伟达A100；微软、谷歌、Meta、特斯拉也都悉数下场，自研AI芯片。

汪波认为，在全球GPU市场上，目前英伟达确实可以说是一家独大。而且英伟达的护城河，不仅仅是芯片本身，还包括自己开发系统，即CUDA计算平台以及软硬件生态。“这有点类似苹果除了在iPhone等硬件上有优势，还有强大的iOS软件生态系统。”他说。

英伟达创始人、CEO黄仁勋曾在今年5月对外透露，CUDA在全球已经拥有超过400万开发者和超过3000个应用程序。CUDA下载量累计达到4000万次，仅去年一年就有2500万次。全球有40000家大型企业正在使用英伟达的产品进行加速计算，已有15000家初创公司建立在英伟达的平台上。

当一个你以为的硬件公司说自己是一家软件公司的时候，是要琢磨琢磨的。就像2007年第一代iPhone发布时，有人提问乔布斯：苹果如何避免iPhone被模仿并陷入价格竞争？乔布斯的回答是；“我们是一家软件公司。”

“如果其他公司推出新的GPU芯片，开发者就需要学习新的开发语言，这是很痛苦的，就像要改变一个人的语言乃至思维方式。因此，与硬件匹配的软件生态是头部芯片公司非常重要的竞争壁垒。”汪波表示。

黄仁勋提出过一个著名的“黄氏定律”，即GPU芯片每6个月性能就会提升1倍，速度是摩尔定律的3倍。这意味着GPU是一个需要狂奔的赛道，生死时速，赢者通吃，注定属于敢于冒险的大玩家，很容易变成尘埃，也很容易伟大。

当然，英伟达也并非能够躺赢。纵观芯片发展史，一家名不见经传的小公司，因为一个天才的芯片设计方案而迅速崛起已经发生过很多次，这其实也是英伟达曾经的“剧本”。

AI成就GPU，但GPU还不是AI的完美答案？

实际上，GPU并不是为AI所生的，它只是解决AI算力需求的一种方案，有没有更好的？答案是肯定的，只是还不知道究竟谁是颠覆GPU的下一个芯片主角。

一位国产GPU厂商的GPU产品设计负责人告诉 《中国经济周刊》 ，芯片是算力的基本构成，核心的计算都运行在芯片上。整个硬件的逻辑是芯片以板卡或者其他算力卡的形态，部署在服务器中，服务器安置在机柜中，大量机柜组成数据中心。大模型的崛起，毫无疑问给芯片产业带来了一个巨大的潜在市场，也带来了很多技术要求，特别是对于芯片的单卡算力性能、互连能力等关键性能指标都提出更高的要求，因此需要市场开发更强的芯片产品。

这位负责人认为，GPU成为主流是因为AI发展的初期，能够获取的最适合的芯片架构就是GPU，因此有先发优势。但GPU的核心痛点在于芯片制造技术追不上算力需求的增加，也就是常说的摩尔定律走到了尽头。目前GPU芯片所用的最先进制程是4nm～5nm制程，已经非常逼近摩尔定律的物理极限了，未来几乎无法再通过制程的升级来提升芯片性能。