一个人看的免费高清视频,在线观看免费网址大全,亚洲另类天堂

來源：《中國電子商情》

本文采訪深度科技研究院院長張孝榮、國際知名科技作家陳根、中國民營科技實業家協會元宇宙工作委員會秘書長吳高斌、中國數實融合50人論壇智庫專家洪勇。

人工智能 AI或將改變人們的生產和生活方式，甚至影響人類對自身、社會和世界的認知。

目前AI重點研究的領域包括自然語言處理、機器人、語言識別等，圍繞這些領域的競爭日益激烈，產業生態體系也日趨成熟，中國的人工智能產業迎來了前所未有的發展機遇。IDC《中國半年度加速計算市場（2022下半年）跟蹤》報告顯示，2022年加速服務器市場規模達到67億美元，同比增長24%。其中，GPU服務器依然是主導地位，占據89%的市場份額，達到60億美元。同時NPU、ASIC和FPGA等非GPU加速服務器以同比12%的增速占有了11%的市場份額，達到7億美元。IDC預測，到2027年中國加速服務器市場規模將達到164億美元。其中非GPU服務器市場規模將超過13%。

圖注：在2022年中國人工智能芯片市場中，GPU占據主導地位

GPU原本專為游戲和多媒體等復雜的圖像和視頻處理應用而設計，同樣適用于數據密集型深度學習任務，快速處理大量數據并生成有用的結果，其運算能力對于需要同時執行數百萬次數學計算的大規模機器學習和深度學習模型至關重要，可以被用于實時決策和自動駕駛汽車、個性化醫療和自然語言處理等高級應用。

解鎖AI應用的關鍵

為什么是GPU？

GPU在AI深度學習和神經網絡中的應用已經得到運用，以GPT-3自然語言處理（NLP）模型為例，在訓練和測試時都需要大規模的計算資源支持，通常需要使用成千上萬個GPU。相比CPU、FPGA、ASIC等其他類型芯片，為什么GPU更加適合人工智能，與專門設計用于人工智能的DPU、NPU相比，GPU又具備哪些優勢？主要是GPU具有以下特點：

并行計算能力強。GPU具備數千個核心，這些核心可以同時處理不同的任務，使得GPU能夠支持巨大的計算工作負載，并在短時間內完成運算，提高了深度學習和神經網絡的訓練效率。相比于CPU、FPGA、ASIC等其他芯片，GPU不僅能夠同時完成多個任務，而且處理大量數據的速度更快。GPU的執行速度大約是CPU的20-100倍。

高帶寬和大存儲空間。GPU為深度學習和神經網絡提供了高帶寬的內存訪問，這使得它們能夠處理大量的數據并支持模型訓練。GPU還提供了大存儲空間，確保了大量數據集在訓練期間的存儲能力。靈活性。相比于專門設計用于AI的DPU和NPU，GPU可以運行各種類型的模型訓練，例如深度神經網絡、卷積神經網絡等等，這使得GPU具有更高的靈活性，適用于更廣泛的應用場景。雖然專門設計用于AI的DPU和NPU能夠提供更高的精度，但是它們通常只能運行特定類型的神經網絡，因此相比之下GPU更加靈活。

GPU的差異化主要集中在以架構和整理能力。以NVIDIA的GPU為例，其產品和其他廠商相比，領先之處在于GPU架構的設計方式不同，在顯存調度方面，NVIDIA的GPU擁有更加強大、智能的顯存調度器，可以更好地利用顯存的帶寬和存儲空間，在處理復雜的計算任務時更加高效。同時，NVIDIA也有許多自主研發的技術，例如CUDA核心技術和Tensor Cores技術，以及采用異構計算模式和整合GPU、CPU等架構的理念，這樣可以更好地發揮GPU在計算中的優勢。

此外，在芯片的設計和制造過程中，NVIDIA也采用了更為先進、精細的制造工藝，例如使用TSMC 7nm工藝，Ampere系列GPU可以提供更高的集成密度和效率。同時，NVIDIA還在硬件、軟件和智能化方面進行了深入的研發和優化，這使得其GPU在處理人工智能、圖形渲染等大型計算領域的性能優勢更加明顯。

需求涌現

GPU價格水漲船高

深度學習、圖像識別和語音識別等領域都需要大量GPU，GPU供應量并沒有跟隨這種需求的增長而同步增長，因為GPU的制造過程比CPU更為復雜，需要更多投資和技術支持，GPU廠商并不能快速地增加產能，導致市場供應緊張。深度科技研究院院長張孝榮介紹，“國產GPU發展較晚，市面產品大多屬于低端產品，主要用于商用機或服務器領域，個人消費級產品很少，技術水平距離國外巨頭當前的水平約有五年。”國產化疊加AI計算需求日益擴大，國產GPU未來會有更大的發展空間，AI大模型的熱潮促進了GPU市場的活躍，國外先進GPU價格昂貴供不應求，國產GPU也得到了國內廠商的一部分訂單，市場份額逐漸擴大。

圖注：國際知名科技作家陳根

國際知名科技作家陳根提到：“ChatGPT背后的大模型需要大量GPU的支持，這也導致了GPU價格的上漲。未來，隨著需求的不斷增加，GPU供需關系也將發生變化。預計GPU價格會繼續上漲，但同時也會有更多的GPU廠商進入市場，從而增加供給。總的來說，國內GPU廠商雖然目前處于較為落后的水平，但在人工智能領域仍有著廣闊的發展前景。未來，GPU價格和供需關系也將發生變化，市場將更加競爭激烈，消費者也將有更多的選擇。”03

國產化

研發符合需求的GPU

在GPU芯片市場，我國GPU領域的企業短期內仍然以消費類應用為主，面向未來，發展人工智能和GPU產業具有重要意義，只有通過集中研發力量來不斷提升產品性能、不斷推出新產品，才能在激烈的全球市場競爭中占據先機。

圖注：中國民營科技實業家協會元宇宙工作委員會秘書長吳高斌

中國民營科技實業家協會元宇宙工作委員會秘書長吳高斌表示：“目前國產的GPU，最好的性能大概能到NVIDIA A100 70%左右的性能，如果再考慮性能在使用過程中的衰減情況，差距會更大一些，短時間之內要想趕超NVIDIA與AMD還不現實。對于國產GPU的廠商而言，最直接的機會就是產品需要快速放大。”他認為，GPU國產化不是一個可選項的問題，是沒有選擇的問題。基于這一點，本土GPU廠商面對絕佳發展機遇，國內市場提供了許多應用的場景以及性能優化的實戰條件，對于研發優化會有很大的幫助。短時間對于國廠GPU需求的放大，會造成供需波動，必然會引發產品價格的上漲。但對于本土GPU廠商而言，目前必須要留意的是不要盲目擴大產能，而是要集中研發力量來優化產品性能。同時也要看到，海外GPU廠商目前仍能為中國市場提供減配版GPU，一旦這種產品能嘗試成功的話，一些大廠還會優先選擇減配版，至少性能更穩定。在實際應用中，本土GPU廠商可針對國內市場的需求，加大在追蹤本土GPU用戶需求方面的投入，使得本土GPU產品有更好的適應性和用戶體驗，從而形成市場競爭力。在成本上，國際知名GPU廠商通常面臨采購及遠程運輸等成本的影響，而作為本土生產商，成本更可以得到更好的控制及降低。通常來說，GPU的需求主要考察幾個指標，包括：

工作負載。根據你所需要完成的任務的類型和規模來選擇GPU型號。如果你需要處理大規模的數據，那么你可能需要擁有一款具有更高內存容量和處理速度的GPU。

芯片性能。在比較GPU產品的性能時，需要關注芯片的實際性能，而不只是簡單的GPU型號或內存容量。比如，同樣是8GB內存的GPU，但是一款實際性能更好的顯卡可能比另一款內存更大的顯卡更適合你的工作負載。

成本。盡管高性能GPU在處理大規模數據時效率更高，但是成本也更高昂。如果你無法承受高成本，那么需要尋找一款價格適中，在性能和成本之間找到平衡點的GPU產品。

兼容性。在使用GPU時需要考慮其硬件和軟件的兼容性。因此，需要確保所選GPU與你的系統和軟件相兼容。中國數實融合50人論壇智庫專家洪勇說道：“國內GPU廠商有機會在人工智能領域進行技術創新。他們可以利用本土市場的需求和行業特點，推動硬件和軟件的創新，提供更加適用于人工智能任務的高性能GPU產品。我國擁有龐大的人工智能市場和應用需求，包括機器學習、深度學習、自然語言處理等領域。國內GPU廠商可以通過提供適應本土需求的產品和解決方案，滿足人工智能應用的需求。”此外他還提到，政府對人工智能領域的支持力度較大，包括政策扶持、資金投入等方面，這有助于加快技術研發和市場推廣。政策在本土GPU獲取市場份額過程中可以起到許多作用，相關政策和規定支持本土GPU生產商和相關產業的發展，鼓勵本土企業進行技術創新和研發。資金支持和優惠政策幫助本土GPU生產商開展生產、研發和推廣工作，促進產業的快速發展。市場監管及質量監控體系保障本土GPU產品的質量與穩定性，對市場進行研究及管理。官方層面積極推廣本土GPU產品，為本地廠商開辟更多的國內市場，提高本土GPU產品在國內市場的知名度和市場份額。04小結總的來說，GPU在人工智能領域的應用正在變得越來越廣泛，在加速深度學習、圖像識別、語音處理等任務方面發揮著非常重要的作用。由于深度學習需要大量的計算資源，GPU在深度學習的應用中被廣泛使用，同時，隨著深度學習技術的不斷發展，GPU的性能和速度也在不斷提高。

END

歡迎加入Imagination GPU與人工智能交流2群

入群請加小編微信：eetrend89

（添加請備注公司名和職稱）

推薦閱讀 對話Imagination中國區董事長：以GPU為支點加強軟硬件協同，助力數字化轉型

Imagination Technologies是一家總部位于英國的公司，致力于研發芯片和軟件知識產權（IP），基于Imagination IP的產品已在全球數十億人的電話、汽車、家庭和工作場所中使用。獲取更多物聯網、智能穿戴、通信、汽車電子、圖形圖像開發等前沿技術信息，歡迎關注 Imagination Tech！

原文標題：技術差距約5年，四位專家評論GPU的國產化之路

文章出處：【微信公眾號：Imagination Tech】歡迎添加關注！文章轉載請注明出處。

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。舉報投訴