曙光已现！通用GPU芯片加速破局，国内企业突破量产瓶颈

电子发烧友网报道（文/莫婷婷）当下，英伟达、AMD两大巨头占据全球超过80%的通用GPU市场。在算力需求激增的情况下，多家国内企业选择加入通用GPU赛道，例如天数智芯、沐曦、壁仞科技、登临科技等。就在2021年3月，天数智芯发布全自研云端训练通用GPU芯片——天垓100芯片，这也是国内第一款全自研、GPU架构下的7nm制程通用GPU训练芯片。
 
电子发烧友网记者了解到，天数智芯的7nm 通用GPU训练芯片已经获得安防、人工智能、超算中心等多个应用领域的客户订单，未来将持续往5nm、3nm等更高级的制程发力。那么，国内通用GPU芯片量产的技术瓶颈在哪里，国内企业如何实现突围？记者就相关问题与天数智芯副总裁郭为进行了交流。
 
为什么国产通用GPU芯片量产难度大？

通用GPU即通用图形处理器，可用于人工智能模型训练与推理，以及高性能计算。与CPU相比，GPU的平行处理能力、处理速度都优于CPU，这也加强了GPU的通用性，而通用GPU的出现让GPU更加专注通用性。可以说，通用GPU就是GPU里的另一个快速发展的细分市场。

 

市场机构的数据显示，2019年我国通用GPU芯片的市场规模已达86亿元，预计到2025年将保持32%的年复合增长率，达458亿元。面对如此巨大的市场，国内企业涉足通用GPU市场，面临哪些挑战？郭为向记者表示，通用GPU芯片在设计上主要面临的是两大挑战，一是通用架构，二是软件生态。
 
在架构方面，通用架构需要适配各种各样的算法，包括基础计算；同时考虑到应用场景的特殊性，对芯片功耗也有要求，这就需要对芯片架构的优化和设计，实现低功耗高算力；另一方面，记者了解到国内在人才方面还面临较大的缺口，培养一位成熟的工程师需要10年的时间。
 
在软件生态方面，通用GPU不仅仅是一颗芯片硬件，还涉及到整个软件栈、编译器等一系列的软件生态系统。
 
为了突破技术瓶颈，天数智芯从2018年开始正式启动通用GPU芯片设计，历时三年最终量产国内首款全自研的7nm 通用GPU芯片。据了解，该芯片采用2.5D CoWoS晶圆封装技术，集成240亿晶体管，支持多精度数据类型支持标准/混合训练。在软件上，该芯片兼容主流生态系统，采用自主研发的软件栈，从多方面实现算力升级。
 
目前，一些国际巨头在GPU行业中仍处于领先位置，国内厂商需要突破重重挑战才能实现GPU突围。郭为也提到，英伟达经过十几年的发展，不仅有自主完善芯片架构，同样也有完善的软件生态，相对于软件生态，它具有丰富的软件接口、底层加速库，通用GPU芯片的入场门槛更高，这些都是国产企业需要追赶的。
 
正是因为通用GPU行业的高门槛，天数智芯的不易与成功也让国产企业看到了另一个可能性。
 
天数智芯推出7nm通用GPU芯片时便得到了业内人士的认可。中国工程院院士倪光南表示，该芯片在性能指标方面并不亚于国外主流产品。电子发烧友网了解到，天数智芯的“天垓100芯片”比业内同类芯片的面积小了一半，却实现单精FP32性能37TFlops，半精FP16/BF16性能147TFlops。
 
国产通用GPU芯片落地，深挖应用场景

国产通用GPU芯片在AI领域将打开大规模的应用市场，而这些都需要云端训练。以安防摄像头为例，摄像头在工作过程中，需要进行车辆识别、人脸识别等，这部分更重要的是依赖云端训练出的模型，进行大量推理。
 
郭为提到，通用GPU芯片还可以用于安检机，以及快递行业，对大量的物品进行识别，不管是安防还是快递行业，这些行业对模型训练以及模型推理的速度要求都非常高。在这方面，天数智芯已有客户带来了落地应用案例。
 
通用GPU芯片最典型的应用场景是在人工智能，但随着技术的成熟，通用GPU芯片在5G、自动驾驶、大数据等领域的应用不断扩增。
 
自动驾驶最重要的是安全性，车上有大量的传感器获取路面情况，这些数据将被整合，再通过预先训练的模型预测路况，可以迅速作出决定。郭为指出，在这个过程中，需要大量的算力，同时考虑到汽车空间、电池功耗等问题，将大功耗或者大算力系统放在汽车内部也不太适合，最值得考虑的解决方案是将系统放在边缘侧，同时因为它需要迅速作出决定，要求边缘侧和汽车之间的通讯尽量地做到低时延，5G恰好可以实现这样的低时延。
 
在这些处理过程中，都需要用到通用GPU芯片。郭为认为，在达到理想的高算力低功耗的技术下，未来可以把高端的高算力的芯片直接放在汽车上面，应用场景也就更广了，这也是未来几年业内的研究方向。

 

对于未来的发展战略，天数智芯副总裁郭为提到了三大方面：
 
一是更强的算力。任何一个AI应用的模型都会越来越复杂，要求提供更高的算力，同时芯片制成提升会带来边际效应收窄，这时该如何进一步提升算力，实际上是任何一个通用GPU芯片都会面临的技术挑战。另一方面，自动驾驶、智慧医疗等各个行业的算法也在不断演进，此时，对于训练芯片来讲，更高的算力才能支持相应的算法运行。
 
二是更高的通用性。由于技术的快速迭代，云端训练芯片一定要有更高的通用性才能跟上智能驾驶、智慧医疗等高端市场需求。
 
三是隐私计算。智慧医疗场景涉及到患者，甚至医院的医疗数据隐私。而任何一个AI模型都需要大量的数据做训练，这时需要用到隐私计算，通过隐私加解密的方式，让这些敏感的数据做到可用。
 
“对于医疗这样的场景，隐私保护是相当重要的。云端训练芯片关于隐私保护这部分的解决方案，以及通用计算，也应当是后面的发展趋势。”郭为表示，天数智芯在未来会深挖隐私保护的相关应用场景，并且推出解决方案。
 
小结

如今，国内企业不断发力通用GPU芯片市场，随着技术的成熟也将给更多的应用场景带来多样化的可能性。当然，国内企业还需正视与国际企业的差距，并且在追赶的过程中，不断缩小差距，让国内的通用GPU芯片打开真正的用武之地。