英伟达的gpu技术壁垒有多高？ GPU硬件结构精密复杂

GPU硬件结构精密复杂，是长期技术演进的结果。高级图形处理步骤较多，包括顶点处理、光栅化、纹理贴图等步骤，给予支持的是底层精密复杂的硬件结构。以2018年英伟达推出的Turing架构为例，其包含4608个CUDACore（普通运算单元，包含1个INT32单元和1个FP32单元）， 576个TensorCore（深度学习矩阵运算单元）， 72个RTCore（光追单元）等细微构成，相互协同工作。英伟达硬件架构每两年升级一次，从英伟达2010年正式推出第一个完整的GPU计算架构Fermi以来，已经迭代5次，每一次都是对硬件的升级与改进。
算法与生态是GPU的软实力。GPU图形渲染需要用到计算图形学，计算图形学是一门复杂的学科，涉及数学、物理等多种知识。模拟真实世界是十分困难的，树叶抖动、头发丝被风吹起、水波荡漾这样看似平常的场景，在计算机上实现的背后是大量的图形算法。软件生态是GPU厂商的重要竞争屏障。一方面，英伟达与行业伙伴形成商业合作或者互相授权；另一方面，英伟达推出供软件开发人员使用的CUDA平台，形成开发人员社区生态，截至2020年， CUDA已经成为全球高级图形处理和AI计算的权威，影响力堪比IOS ，助力英伟达成为全球GPU龙头。
图形处理比AI计算技术壁垒更高。功能上，图形处理和AI计算本质上都是并行计算，但是图形处理多了图形处理相关模块， AI计算可以比作图形处理的“删减版” 。算法上，图形处理算法涉及模拟真实物理世界，需要考虑物理、数学等多种问题。GPU比FPGA和ASIC技术更难。功能上， GPU兼具图形显示与AI计算，性能更强。算力上， GPU内核算力更强， GPU做图形渲染需要双浮点精度，而仅用于AI计算的FPGA和ASIC最多只需要单浮点精度。
Intel二十多年多次研发GPU ，仍未成功。英特尔最早的GPU研发可以追溯到1997年，英特尔通过收购C&；T获得了2D显示核心技术， 3D技术源于拥有20％股权的Real3D 。1998年，依靠Real3D的技术，英特尔推出了第一款独立GPUi740 ，但后续因为研发结果不理想等原因， Intel未再继续研发独立GPU 。2007年，看到英伟达开启GPGPU战略、推出CUDA ，英特尔为保持优势，计划重新推出独立GPU产品Larrabee ，但由于研发进度不及预期、性能不佳等原因， Intel于2010年5月宣布取消独立GPU研发计划。2020年， Intel又推出了全新的独立GPU架构Xe ，但直到2021年10月， Intel仍未推出自己消费级的独立GPU产品。
GPU技术壁垒极高，国产化之路道阻且长。GPU设计是一项系统工程，包含硬件架构、算法、软件生态等多个组成，缺一不可，壁垒极高， CPU巨头Intel近二十年多次尝试踏足高端GPU领域，皆未成功。相对于FPGA和ASIC ，不论是从功能上，还是硬件上， GPU设计难度都更高。GPU的自主研发之路是艰难且漫长的，由于没有像ARM一样的第三方IP授权厂商， GPU设计商必须完全自主研发，从零做起，难度较大。
去年底，本土高端IP和芯片定制企业芯动科技发布了国内首款国产高性能4K级显卡GPU芯片——“风华1号” ，基于芯动自主研发的全套高端IP ，风华1号可以说首次实现了高性能、全国产， ”是一颗“真正”的高端国产GPU芯片。芯动科技也被盛赞为“中国版的英伟达” 。

文章图片

文章图片

作为中国一站式IP和芯片定制及GPU领军企业，芯动科技16年来已为各国产半导体代工厂和300家全球知名客户提供顶尖IP和芯片定制，协助了包括瑞芯微、君正、微软、AMD、亚马逊等知名公司各种芯片量产，而且所有技术自研可控，能持续迭代，不断超越。逾50亿颗先进SoC芯片成功推向市场的背后，比如大家每天用的轨道交通身份证识别和全球顶级示波器，都有用到芯动科技的IP技术。不仅如此，芯动科技还是TSMC2021全球研讨会认可的唯一大陆合作伙伴，技术和量产积累十分深厚。在为各合作伙伴提供IP和芯片定制期间，芯动科技积累了GPU所需要的全套高端IP、图形芯片内核定制技术和先进工艺经验，形成了从工艺到设计，到器件，到量产，到封装，到整机的完整芯片设计验证条流程。这为“风华1号”GPU芯片的研发奠定了稳固的基础。