電子發燒友網報道（文/莫婷婷）當下，英偉達、AMD兩大巨頭占據全球超過80%的通用GPU市場。在算力需求激增的情況下，多家國內企業選擇加入通用GPU賽道，例如天數智芯、沐曦、壁仞科技、登臨科技等。就在2021年3月，天數智芯發布全自研云端訓練通用GPU芯片——天垓100芯片，這也是國內第一款全自研、GPU架構下的7nm制程通用GPU訓練芯片。

電子發燒友網記者了解到，天數智芯的7nm 通用GPU訓練芯片已經獲得安防、人工智能、超算中心等多個應用領域的客戶訂單，未來將持續往5nm、3nm等更高級的制程發力。那么，國內通用GPU芯片量產的技術瓶頸在哪里，國內企業如何實現突圍？記者就相關問題與天數智芯副總裁郭為進行了交流。

為什么國產通用GPU芯片量產難度大？

通用GPU即通用圖形處理器，可用于人工智能模型訓練與推理，以及高性能計算。與CPU相比，GPU的平行處理能力、處理速度都優于CPU，這也加強了GPU的通用性，而通用GPU的出現讓GPU更加專注通用性。可以說，通用GPU就是GPU里的另一個快速發展的細分市場。

市場機構的數據顯示，2019年我國通用GPU芯片的市場規模已達86億元，預計到2025年將保持32%的年復合增長率，達458億元。面對如此巨大的市場，國內企業涉足通用GPU市場，面臨哪些挑戰？郭為向記者表示，通用GPU芯片在設計上主要面臨的是兩大挑戰，一是通用架構，二是軟件生態。

在架構方面，通用架構需要適配各種各樣的算法，包括基礎計算；同時考慮到應用場景的特殊性，對芯片功耗也有要求，這就需要對芯片架構的優化和設計，實現低功耗高算力；另一方面，記者了解到國內在人才方面還面臨較大的缺口，培養一位成熟的工程師需要10年的時間。

在軟件生態方面，通用GPU不僅僅是一顆芯片硬件，還涉及到整個軟件棧、編譯器等一系列的軟件生態系統。

為了突破技術瓶頸，天數智芯從2018年開始正式啟動通用GPU芯片設計，歷時三年最終量產國內首款全自研的7nm 通用GPU芯片。據了解，該芯片采用2.5D CoWoS晶圓封裝技術，集成240億晶體管，支持多精度數據類型支持標準/混合訓練。在軟件上，該芯片兼容主流生態系統，采用自主研發的軟件棧，從多方面實現算力升級。

目前，一些國際巨頭在GPU行業中仍處于領先位置，國內廠商需要突破重重挑戰才能實現GPU突圍。郭為也提到，英偉達經過十幾年的發展，不僅有自主完善芯片架構，同樣也有完善的軟件生態，相對于軟件生態，它具有豐富的軟件接口、底層加速庫，通用GPU芯片的入場門檻更高，這些都是國產企業需要追趕的。

正是因為通用GPU行業的高門檻，天數智芯的不易與成功也讓國產企業看到了另一個可能性。

天數智芯推出7nm通用GPU芯片時便得到了業內人士的認可。中國工程院院士倪光南表示，該芯片在性能指標方面并不亞于國外主流產品。電子發燒友網了解到，天數智芯的“天垓100芯片”比業內同類芯片的面積小了一半，卻實現單精FP32性能37TFlops，半精FP16/BF16性能147TFlops。

國產通用GPU芯片落地，深挖應用場景

國產通用GPU芯片在AI領域將打開大規模的應用市場，而這些都需要云端訓練。以安防攝像頭為例，攝像頭在工作過程中，需要進行車輛識別、人臉識別等，這部分更重要的是依賴云端訓練出的模型，進行大量推理。

郭為提到，通用GPU芯片還可以用于安檢機，以及快遞行業，對大量的物品進行識別，不管是安防還是快遞行業，這些行業對模型訓練以及模型推理的速度要求都非常高。在這方面，天數智芯已有客戶帶來了落地應用案例。

通用GPU芯片最典型的應用場景是在人工智能，但隨著技術的成熟，通用GPU芯片在5G、自動駕駛、大數據等領域的應用不斷擴增。

自動駕駛最重要的是安全性，車上有大量的傳感器獲取路面情況，這些數據將被整合，再通過預先訓練的模型預測路況，可以迅速作出決定。郭為指出，在這個過程中，需要大量的算力，同時考慮到汽車空間、電池功耗等問題，將大功耗或者大算力系統放在汽車內部也不太適合，最值得考慮的解決方案是將系統放在邊緣側，同時因為它需要迅速作出決定，要求邊緣側和汽車之間的通訊盡量地做到低時延，5G恰好可以實現這樣的低時延。

在這些處理過程中，都需要用到通用GPU芯片。郭為認為，在達到理想的高算力低功耗的技術下，未來可以把高端的高算力的芯片直接放在汽車上面，應用場景也就更廣了，這也是未來幾年業內的研究方向。

對于未來的發展戰略，天數智芯副總裁郭為提到了三大方面：

一是更強的算力。任何一個AI應用的模型都會越來越復雜，要求提供更高的算力，同時芯片制成提升會帶來邊際效應收窄，這時該如何進一步提升算力，實際上是任何一個通用GPU芯片都會面臨的技術挑戰。另一方面，自動駕駛、智慧醫療等各個行業的算法也在不斷演進，此時，對于訓練芯片來講，更高的算力才能支持相應的算法運行。

二是更高的通用性。由于技術的快速迭代，云端訓練芯片一定要有更高的通用性才能跟上智能駕駛、智慧醫療等高端市場需求。

三是隱私計算。智慧醫療場景涉及到患者，甚至醫院的醫療數據隱私。而任何一個AI模型都需要大量的數據做訓練，這時需要用到隱私計算，通過隱私加解密的方式，讓這些敏感的數據做到可用。

“對于醫療這樣的場景，隱私保護是相當重要的。云端訓練芯片關于隱私保護這部分的解決方案，以及通用計算，也應當是后面的發展趨勢?！惫鶠楸硎荆鞌抵切驹谖磥頃钔陔[私保護的相關應用場景，并且推出解決方案。

小結

如今，國內企業不斷發力通用GPU芯片市場，隨著技術的成熟也將給更多的應用場景帶來多樣化的可能性。當然，國內企業還需正視與國際企業的差距，并且在追趕的過程中，不斷縮小差距，讓國內的通用GPU芯片打開真正的用武之地。