GPU决战新时代，本土厂商加速入局
点击：392次 发布时间：2021-08-10 数据来源：东莞艾迪科
在英伟达于2000年收购3DFX，以及AMD在2006年收购ATI之后，桌面GPU这个市场本来就已经尘埃落定。英伟达是GPU市场当之无愧的巨头，AMD的GPU则挣扎前行，而Intel则依靠其CPU的号召力，在集成显卡市场拥有绝对的号召力，但在独立显卡市场，无论是之前的Intel 740还是后续的Larrabee都无疾而终。但在Alex Krizhevsky使用英伟达GPU成功训练出了深度卷积神经网络AlexNet，并凭借该网络在图像分类识别领域大幅提升了性能之后。人工智能新时代正式开启。也正是从这个时候开始，GPU市场开始进入了一个新阶段。英伟达则成为这个时代当之无愧的大赢家。回看图形处理器的发展史，据相关资料显示，MIT在1951年制造的Whirlwind也许是世界上第一个3D图形系统，但这不是现代GPU的基础。据报道，现在的GPU雏形是基于上世纪70年代中期的所谓视频移位器（video shifters）和视频地址生成器（video address generators）组成的。在历经大型系统、小型工作站的发展后，图像处理器在90年代中后期于PC上的3D游戏而发扬光大，在此期间，不少公司涌入其中，英伟达也是其中的一家。据英伟达官网介绍，在他们成立的1993年，全球有超过二十家的图形芯片公司，到1997年，这个数字猛增至70家。但到2006年，英伟达是唯一仍在运营的独立公司，他们也成为最后的赢家。被其冲上沙滩的前浪包括了ATI、S3 Graphics和3DFx等竞争对手。和其他玩家一样，英伟达最初成立的时候也只是聚焦于显卡市场，最初推出的两款产品NV1和NV2也市场反响平平平。但英伟达不气馁，投入大量的经历去研发NV3，并在1997年推出。作为全球首个128位3D处理器，NV3在推出四个月后的出货就突破一百万。因为NV3能对OpenGL的良好支持，英伟达自NV3开始，逐渐打败了当时市场占比高达85%的3DFx，成为了显卡市场的霸主。值得一提的是，英伟达表示，他们在1999年发明了GPU（ 这是NVIDIA首创的词汇，GPU即是Graphics Processing Unit的缩写），而当年推出GeForce 256就是全世界第一款GPU。如果英伟达接下来，还是只盯着图形市场，那么他们的充其量就就只是下一个3DFx，但黄仁勋有更大的野心，那就是把GPU推到通用市场，这就是大家所熟悉的GPGPU。据半导体行业观察之前的报道：“在2000年左右，学术界对于使用GPU做通用计算（GPGPU）产生了兴趣。当时，主要面向执行通用算法的CPU是执行科学计算的主力，但是CPU为了能在通用算法上都有较好的性能，因此很多芯片面积事实上用在了片上内存和分支预测等控制逻辑，而真正用于计算的单元并不多。相反，GPU架构中的控制逻辑较为简单，绝大多数芯片面积都用于渲染、多边形等计算。学术界发现，科学运算中的矩阵等计算可以很简单地映射到GPU的处理单元，因此能实现非常高的计算性能。”报道进一步指出，当时，GPGPU最主要的瓶颈在于难以使用。由于GPU是面向图像应用而开发，因此要在其编程模型中支持通用高性能计算并不容易，需要许多手工调试和编码，因此造成了很高的门槛，能熟练使用的人并不多。为了让GPU从软硬件都走向通用，英伟达在2006年推出了Tesla架构，一改之前使用矢量计算单元做渲染的做法，而是把一个矢量计算单元拆成了多个标量计算渲染单元。这就使得基于这个架构的GPU除了渲染能力强以外，还适合做通用计算。也就是在这一年，英伟达推出了CUDA。按照他们的说法，这是一种用于通用GPU计算的革命性架构。CUDA将使科学家和研究人员能够利用GPU的并行处理能力来应对其最复杂的计算挑战。正是得益于这两个方向的布局，英伟达在AI时代如鱼得水。据行业专家所说，现在的云端AI芯片市场，除了谷歌自用的TPU外，其他绝大多数的厂商都是使用英伟达的GPU来做相关的模型训练，这让英伟达在云端AI芯片的市场居高不下。这也让英伟达的业绩在过去几年屡创新高。根据赛迪顾文的预测数据显示，光是国内的云端AI芯片市场，在2019年到2021年间的累计增长将高达152%，麦肯锡也预测，在未来几年，训练市场将成长迅猛，且在未来十年，这还将是英伟达GPU的天下。看到这个数据需求和预测，国外就涌现出了类似Graphcore IPU和Google TPU等ASIC产品，计划在训练市场挑战英伟达。Intel和AMD则希望在GPU硬扛英伟达。其实早在英伟达进军GPGPU的前后，AMD也有了相应的计划。但和英伟达属在过去多年里大力投入推行CUDA开发环境不一样，AMD将鸡蛋都放在了“OpenCL”这个篮子里面，这就导致即使他们在2017年发布了ROCm平台来提供深度学习支持，但也改变不了他们GPU在AI时代几无所获的结局。
但AMD不甘心。为了与Nvidia竞争，AMD在今年三月份推出了新的CDNA架构。据介绍，这是AMD针对数据中心和其他用途的，专注于计算的GPU体系结构。AMD针对CDNA的目标既简单又直接：构建一个大型的，功能强大的GPU系列，这些GPU针对一般的计算和数据中心使用进行了优化。据介绍，新架构中很大一部分的性能提升将会体现在机器学习方面，这意味着支持更快地执行较小数据类型（例如INT4 / INT8 / FP16），而AMD在介绍新架构的时候也明确提到了张量运算。此外，新架构可以通过Infinity Fabric互连总线灵活设计性能，并支持增强的企业级RAS特性、安全、虚拟化技术，还将提供更高的能效比，从而降低企业TCO成本。基于这个架构，AMD在本月中发布了新一代的Instinct MI100计算卡。数据显示，新的架构可提供高达11.5 TFLOPS的FP64峰值吞吐量，这使其成为第一个在FP64中突破10 TFLOPS的GPU。与上一代MI50相比，新加速卡的性能提高了3倍。它还在FP32工作负载中拥有23.1 TFLOPS的峰值吞吐量。数据显示，AMD的新加速卡在这两个类别中都击败了Nvidia的A100 GPU。Instinct MI100还支持AMD的新Matrix Core技术，该技术可提高FP32，FP16，bFloat 16，INT8和INT4等单精度和混合精度矩阵运算的性能，还可将FP32性能提高到46.1 TFLOPS。为了更好地与英伟达竞争，AMD还表示，其开源ROCm 4.0开发人员软件现在具有开源编译器，并统一支持OpenMP 5.0，HIP，PyTorch和Tensorflow。除了AMD外，Intel在最近几年也加大在其GPU的投入，想在AI这个市场分一杯羹。据英特尔介绍，公司的Xe架构GPU将覆盖从集成显卡到高性能计算的所有范围。其中代号为Ponte Vecchio的独立GPU则是公司面对HPC建模和仿真以及AI训练而推出的设计。Ponte Vecchio将采用英特尔的7纳米技术制造，并将成为英特尔首款针对HPC和AI工作负载进行了优化的基于Xe的GPU。但直到目前为止，尚未看到Intel的这款新品。此外，为了更好地在包括AI在内的应用市场中发挥其包括CPU、GPU、FPGA和AISC在内的芯片的为例，方便开发者编程，Intel还推出了拥有远达理想的OneAPI。在开发者看来，这是一个不错的规划，但同时也是一个极具挑战的任务。在GPU重要性日益凸显的今日，国内越来越多的厂商开始投入到这个市场中去。这些厂商中除了有之前一直在这个市场布局的景嘉微、兆芯和航锦外，还有一些新进入这个领域的企业。当中尤其以壁仭、沐曦、海飞科、芯瞳最为知名。首先看壁仞科技，据官网介绍，该公司创立于2019年，团队由国内外芯片和云计算领域核心专业人员、研发人员组成，在GPU、DSA（专用加速器）和计算机体系结构等领域具有深厚的技术积累和独到的行业洞见。在产品方面，壁仞科技致力于开发原创性的通用计算体系，建立高效的软硬件平台，同时在智能计算领域提供一体化的解决方案。从发展路径上，壁仞科技将首先聚焦云端通用智能计算，逐步在人工智能训练和推理、图形渲染、高性能通用计算等多个领域赶超现有解决方案，实现国产高端通用智能计算芯片的突破。再看沐曦，则是由AMD前高管离职创立的公司。据介绍，沐曦集成电路成立于2020年9月，核心团队来自世界一流的GPU芯片公司，平均拥有15年以上高性能GPU芯片设计经验和丰富的5nm流片和7nm芯片量产经验。公司致力于研发生产拥有自主知识产权的、安全可靠的高性能GPU芯片，服务数据中心、云游戏、人工智能等需要高算力的诸多重要领域，填补国内高性能GPU芯片自主可控的空白。海飞科(Hexaflake)则成立于2019年，是一家高科技初创公司，致力于AI高性能处理器芯片和软硬件全栈系统解决方案的研发，是能够在该领域与国际巨头并驾齐驱的头部AI通用型处理器公司。主要创始人及核心团队汇聚中美各地多位国际顶级资深专家；专长涵盖并行计算与AI处理器体系架构、GPU等超大规模SoC芯片以及处理器系统软件的研发；并曾在国际领先企业核心研发部门长期任职，成功研制多款芯片和系统产品。他们公司成立的目的是共同打造新一代通用型AI处理器芯片及其软硬件生态环境。芯瞳半导体成立于2018年。在接受媒体采访的时候，他们表示公司的GPU瞄准的应用领域有三个方面：嵌入式、办公PC和云游戏。此外，还有授权了Imagination IP的芯动、继承了相关GPU专利的兆芯以及一直做国产CPU的龙芯也是GPU市场的玩家。考虑到国内的GPU现状和中美之间的贸易状况，上述GPU厂商除了有看中AI市场的玩家外，也有希望在图形GPU市场有突破的创业者。不过正如行业专家告诉笔者，无论是在图形还是通用计算市场，对于GPU而言，更重要的是软件和开发者生态。只有做好了这个，才是GPU能够商用的前提。国内厂商中何时会有厂商能够真正突围成功的？这值得我们观望。
深圳市卓精微智能机器人设备有限公司成立于2010年，是一家专业研究IC（集成电路）的烧录、功能测试、物料、标识、包装转换以及CCD来料检查等技术的高科技企业。公司拥有多项国家级软件和技术专利类自主知识产权，拥有一批由博士后、博士、硕士组成的专家级技术团队，公司自主经营、自主品牌，是国内IC烧录/测试智能设备行业的领军型企业。