英偉達宣布 GH200 Grace Hopper 超級芯片投產，生成式 AI 引擎 NVIDIA DGX GH200 現已投入量產。

GH200 使用 Nvidia 的 NVLink-C2C 互連技術，將 Nvidia 基于 ARM 的 Grace CPU和 Hopper GPU 架構融合到一個芯片中。NVIDIA DGX GH200 將 256 個 NVIDIA Grace Hopper超級芯片完全連接到單個 GPU 中，支持萬億參數 AI 大模型訓練，能夠處理大規模推薦系統、生成式人工智能和圖形分析，并為巨型人工智能模型提供線性可擴展性。

GH200 速度和功耗指標都有顯著提升。這款新的芯片總帶寬達每秒 900GB，比當今最先進的加速計算系統中采用的標準 PCIe Gen5 通道高出 7 倍。Nvidia 表示，Superchip 的功耗也降低了 5倍。

AMD 推出數據中心 APU Instinct MI300。AMD 推出數據中心APU（加速處理器）Instinct MI300，其旨在幫助數據中心處理人工智能相關數據流量，并在這一快速增長的市場上挑戰英偉達的壟斷地位。Instinct MI300 系列將包括一個 GPU（圖形處理器）MI300X，可以加速 ChatGPT 等聊天機器人所使用的生成式 AI 技術的處理。

先進算力國產替代在行業變革中有望迎來機遇。半導體國產化勢在必行，而算力芯片又是重中之重。AI 算力、低功耗等對服務器算力芯片提出新的要求，市場格局近幾個季度變化較多，英偉達GH200 有望加速全球 AI 服務器算力芯片市場變革，中國芯片企業在面臨挑戰的同時，也有望迎來發展機遇。

1、不同算力芯片的特點與區別

計算芯片包括 CPU、GPU、FPGA、ASIC 等，都用作計算分析。其中，CPU 是性能最綜合的計算芯片，AI 算法的執行也運用 GPU、FPGA、ASIC 等芯片。

CPU 是綜合計算芯片，擅長邏輯控制和串行運算。計算機的運算器和控制器一起組成了 CPU，CPU 是整臺計算機的大腦，也是一個有多種功能的優秀領導者。它的優點在于調度、管理、協調能力強，計算能力則位于其次。CPU 有大量的緩存和復雜的邏輯控制單元，非常擅長邏輯控制、串行的運算，但因計算單元占 30%左右，不擅長復雜算法運算和處理并行重復的操作。

GPU相比CPU計算單元大大增加，擅長大量并行計算。而作為通用芯片的 GPU 相當于一個接受CPU 調度的“擁有大量計算能力”的員工，計算單元相比 CPU 大大增加。GPU 最初承擔圖像計算任務，能夠進行并行計算，因此 GPU 架構本身比較適合深度學習算法，通過對 GPU 的優化，進一步滿足深度學習大量計算需求。其主要缺點在于功耗較高。

GPU 按照接入類型可以分為獨立 GPU 和集成 GPU。獨立 GPU 即獨立顯卡，需要插在主板的相應接口上，具備單獨的顯存，不占用系統內存，能夠提供更好的顯示效果和運行性能。全球知名供應商主要包括 AMD 和 NVIDIA 兩家。集成 GPU 即集成顯卡，是將圖形核心以單獨芯片的方式集成在主板上，并且動態共享部分系統內存作為顯存使用，能夠提供簡單的圖形處理能力，以及較為流暢的編碼應用。全球知名供應商主要包括英特爾和 AMD 兩家。

GPU 按照應用場景不同可分為 PC GPU、服務器 GPU 和移動 GPU。

1）集成 GPU 一般運用于PC 以輕辦公、文字編纂為主；獨立 GPU 則一般運用于 PC 以制作高清圖片、編輯視頻、渲染游戲等。

2）服務器 GPU 主要以獨立 GPU 為主。服務器 GPU 主要應用于服務器，可做專業可視化、計算加速、深度學習等應用。

3）移動 GPU 以集成 GPU 為主。隨著移動端向著輕薄化不斷發展，終端內部凈空間隨著多種功能模組的增加呈快速下降趨勢。此外，就目前的移動端視頻和圖片的處理要求而言，集成 GPU 的性能尚可滿足移動端的需要。

FPGA 又稱半定制化芯片，具有足夠的計算能力、較低的試錯成本和足夠的靈活性。FPGA 的計算速度快是源于它本質上是無指令、無需共享內存的體系結構，“無指令”即使用硬件描述語言編程，直接編譯為晶體管電路的組合，所以 FPGA 實際上直接用晶體管電路實現用戶的算法，沒有通過指令系統的翻譯；“無需共享內存”是指對于保存狀態的需求，FPGA 中的寄存器和片上內存（BRAM）是屬于各自的控制邏輯的，無需不必要的仲裁和緩存。

因此，FPGA 運算速度足夠快，優于GPU。同時，相比量產成本高昂的 ASIC 芯片，因為 FPGA 是一種半定制的硬件，通過編程可定義其中的單元配置和鏈接架構進行計算，因此在靈活性上優于 ASIC，具備較低試錯成本。

ASIC 是全定制芯片，性能強但是前期開發久、成本高。是根據產品的需求進行特定設計和制造的集成電路，能夠在特定功能上進行強化，具有更高的處理速度和更低的能耗。缺點是成本高，且由于定制化，可復制性一般，因此只有用量足夠大時才能夠分攤前期投入，降低成本。

2、CPU 廣泛應用于服務器、工作站、個人計算機等

CPU 可以應用在服務器、工作站、個人計算機（臺式機、筆記本電腦）、移動終端和嵌入式設備等不同設備上，根據應用領域的不同，其架構、功能、性能、可靠性、能效比等技術指標也存在一定差異。

服務器處理器需長時間運行，數據處理能力最強、設計工藝最復雜、可靠性最高。服務器具有高速的數據處理能力、強大的 I/O 數據吞吐能力、良好的可擴展性，并需要長時間可靠運行，其CPU 芯片在性能、可靠性、可擴展性和可維護性等方面要求較為苛刻。因此，服務器處理器是數據處理能力最強、設計工藝最復雜、可靠性最高的處理器。服務器的應用領域包括實時分析、5G應用、人工智能、機器學習、金融、大數據和云計算等領域。

工作站主要為單用戶提供比個人計算機更強大的性能。工作站是一種高端微型計算機，主要為單用戶提供比個人計算機更強大的性能，尤其是在數據并行處理能力和圖形處理能力等方面。工作站的典型應用領域包括科學和工程計算、軟件開發、計算機輔助設計等。

個人計算機主要滿足個人需求，核心數量較少。個人計算機包括臺式機和筆記本電腦兩大類，主要用于滿足個人的工作、學習、娛樂需求，以及企業員工的辦公需求。個人計算機處理器核心數量較少，具有較少 I/O。

移動終端具有低功耗、輕量化等特點，關注對多媒體功能的增強。移動終端包括手機、筆記本、平板電腦、POS 機等。隨著集成電路技術的進步和移動網絡向寬帶化發展，移動終端正從簡單通話工具逐步轉變為綜合信息處理平臺。移動終端處理器具有低功耗、輕量化等特點，關注對多媒體功能的增強，具有較少 I/O。

嵌入式設備對功耗、穩定性、可擴展能力要求高。嵌入式設備需要具有高穩定性和低功耗，其處理器對環境（如溫度、濕度、電磁場、振動等）的適應能力強，體積小，且集成度高，適用于工業控制、移動便攜設備、物聯網終端等場合。其中，大多數物聯網設備需要額外的 CPU 處理能力來支持可升級的額外功能。因此，針對特定的物聯網應用程序的 CPU 不僅必須支持安全特性，而且必須同時具有可擴展的性能，實現更高的時鐘頻率。物聯網應用處理器芯片具有面向高集成度、高抗干擾能力和低功耗的發展趨勢。

3、GPU 等 AI 芯片廣泛應用于高性能運算、深度學習等場景

AI 芯片主要指面向人工智能應用的芯片。大致包含三類：

1）通用、半定制化芯片：經過軟硬件優化可以高效支持 AI 應用的通用芯片，如 GPU，FPGA；

2）專門為特定的 AI 產品或者服務而設計的芯片：側重加速機器學習（尤其是神經網絡、深度學習），如 ASIC；

3）神經形態計算芯片：不采用經典的馮·諾依曼架構，而是基于神經形態架構設計，類似人腦，具備較高的集成度和能效比，以 IBM Truenorth 為代表。

國產算力芯片市占率低，具備廣闊拓展空間。算力芯片目前國產廠商份額極低。CPU 目前從市場占有率來說，Intel 依靠其強大的 X86 生態體系，在通用 CPU 市場占據領先地位，市場份額常年保持在 80%左右，AMD 近期追趕勢頭明顯，其他廠商整體市場份額不超過 1%。

2022 年，數據中心領域 Intel 市場占有率為 71%，較 21年下降 10pcts，AMD 在 22 年市占率快速提升 8pcts 至 20%，亞馬遜、Ampere 等新興玩家份額快速提升，給總計份額不足 5%的國產廠商發展帶來了借鑒意義。在獨立顯卡市場上，NVIDIA、AMD 和英特爾 2022 年 Q4 全球 GPU 市場占有率分別為82%、9%和 9%。

多數參數我國 CPU 具備比肩能力，IPC 性能是最主要差距。目前通過公開信息可以看出，主頻、核心數、內存類型等指標我國 CPU 廠商差異不大，具備一定的比肩能力，但落實到具體性能決定指標 IPC，僅 Intel 和 AMD 會公布 IPC“相比上一代提升了多少”，其他國產 CPU 從 IPC 性能來看大致落后于 Intel、AMD 幾年水平。

國產廠商的機遇一：數據中心帶來新需求。根據工信部信息通信發展司數據，2017年我國數據中心市場總機架數量 166 萬架，2022 年預測達到 670 萬架，2017-2022E 復合增速達 32.2%。目前東數西算工程將通過構建數據中心、云計算、大數據一體化的新型算力網絡體系，于 2022 年 2 月，在京津冀、長三角、粵港澳大灣區等 8 地啟動建設國家算力樞紐節點，規劃了 10 個國家數據中心集群。各地數據中心都將集聚大量服務器，如韶關數據中心預計到 2025 年將建成 50 萬架標準機架、500 萬臺服務器規模，投資超 500 億元（不含服務器及軟件）。

國產廠商的機遇二：國產化浪潮。政府及國有企事業單位為國產 CPU 主陣地。據測算，今年 PC 芯片市場規模在 162-330 億元之間，2022 年服務器芯片市場規模則已達 130 億美元。在企業級市場中，也不僅是國有企業，能源、交通、金融、電信、教育等重要領域或規模較大的民營企業也存在設備國產化需求。消費級市場對產業生態的要求最高，對性價比較為敏感，迭代周期短，是國產 CPU 長期需突破的目標市場。

國產廠商的機遇三：通過封測技術彎道超車。后摩爾時代的到來，一方面，CPU 制程進入后摩爾定律時期升級速度趨緩，國產 CPU 性能與國際主流水平逐步縮小，存在趕超的可能；另一方面，先進封裝技術成為兵家競爭新賽道，在封裝方面，我國封測廠商長電科技和通富微電在全球前五中占據兩席，通富與 AMD 緊密合作，先進封裝技術正成為集成電路產業發展的新引擎，我國 CPU 企業有望通過封測技術彎道超車，彌補先進制程能力不足的缺陷。目前國產 CPU 已經可以通過先進封裝技術實現性能提升與應用場景拓展。

審核編輯：黃飛

?