CPU和GPGPU市场现状及趋势

信创“2+8+N”稳步推进，芯片是整个产业的核心，国产替代需求旺盛。信创产业主要由基础硬件、基础软件、应用软件、信息安 全组成，芯片是整个产业的核心。经过信创元年的集中爆发，2021 年信创产业逐 步走向应用落地阶段，“适配生态”、“竞标中标”、“产品迭代”等关键词凸 显了信创产业在“2+8”行业应用中的良好态势。

八大重点行业中，金融行业信创推进速度最快，电信紧随其后，之后是能源、交通、航空航天，教育、 医疗也在逐步进行政策推进和试点。

1、CPU：服务器需求稳健增长，x86 依旧为当前主流 

CPU 是计算机的控制核心，主要包括控制单元、运算单元和运算单元。CPU 是计 算机的运算和控制核心，是信息处理、程序运行的最终执行单元，是计算机的核 心组成部件。

CPU 的本质是超大规模集成电路，用于解释计算机指令和处理计算 机软件中的数据，并负责控制、调配计算机的所有软硬件资源。CPU 主要包括控 制单元、运算单元和运算单元，控制单元从存储单元中获取可执行的代码，通过指令译码将其转换为可执行的指令，进而运算单元基于获取的指令对存储单元中 的数据进行运算。

CPU 指令集可以分为复杂指令集（CISC）和精简指令集（RISC）两大类。计算机 的程序最终需要转化为“指令”才能在 CPU 上运行，所以采用的指令集对于 CPU 的设计尤为重要。复杂指令集架构与精简指令集架构是基于两种不同的指令集思 路进行设计，这两种架构有着各自不同的特点：复杂指令集指令丰富、寻址方式 灵活，以微程序控制器为核心，指令长度可变，功能强大，复杂程序执行效率高；精简指令集指令结构简单、易于设计，具有较高的执行能效比。

其中，x86 架构 是复杂指令集的代表，而 ARM 架构、MIPS 架构和 Alpha 架构等是精简指令集的代 表。

CPU 可以广泛应用在各类设备中，海光 CPU 主要应用于服务器和工作站等场景。CPU 可以应用在服务器、工作站、个人计算机（台式机、笔记本电脑）、移动终 端和嵌入式设备等不同设备上，根据应用领域的不同，其架构、功能、性能、可 靠性、能效比等技术指标也存在一定差异。

服务器具有高速的数据处理能力、强大的 I/O 数据吞 吐能力、良好的可扩展性，并需要长时间可靠运行，其 CPU 芯片在性能、可靠性、 可扩展性和可维护性等方面要求较为苛刻。因此，服务器处理器是数据处理能力 最强、设计工艺最复杂、可靠性最高的处理器。服务器的应用领域包括实时分析、 5G 应用、人工智能、机器学习、金融、大数据和云计算等领域。

x86 在服务器市场市占率超九成，依旧是当前市场的绝对主流。由于 x86 处理器 起步较早，生态环境较其他处理器具有明显优势，因此，应用 x86 处理器的服务 器销售额占全部服务器销售额的比例约为 91%，销售量占比超过 97%，处于显著领 先的地位。

根据 IDC 数据显示，2020 年全球 x86 服务器市场销售额为 826.5 亿美 元，较 2019 年增长 3.31%；全球 x86 服务器市场销售量为 1,180.2 万台，较 2019 年增长 1.82%。预计到 25 年中国 x86 服务器芯片出货量将达到 1066 万颗。

2、GPGPU：高算力场景不断涌现，协处理器市场快速爆发 

GPGPU 是 一 种 协 处 理 器 ， 辅 助 CPU 进 行 非 图 形 相 关 的 运 算 工 作 。GPGPU （General-purpose graphics processing unit），也叫做通用 GPU，可 以通俗的将 GPGPU 理解为辅助 CPU 的工具，它能够帮助 CPU 进行非图形相关程序 的运算。GPU（Graphics processing unit）最初的设计目标是为了提升计算机对图形、图像、视频等数据的处理性能，解决 CPU 在图形图像领域处理效率低的难题。

随着 GPU 在并行计算方面性能优势的逐步显现以及并行计算应用范围的逐步 拓展，GPU 逐渐分化成两条分支：

(1) GPU 方向：延续专门用于图形图像处理用途，内置了视频编解码加速引擎、 2D 加速引擎、3D 加速引擎、图像渲染等专用运算模块；

(2) 通用 GPU 方向：GPGPU 作为运算协处理器，并针对不同应用领域的需求，增 加了专用向量、张量、矩阵运算指令，提升了浮点运算的精度和性能，以满 足不同计算场景的需要。

GPGPU 是当前人工智能最主要的协处理器方案，当前已广泛用于商业计算和大数 据处理。目前，GPGPU 已经广泛用于商业计算和大数据处理，如天气预报、工业 设计、基因工程、药物发现、金融工程等。

在人工智能领域，使用 GPGPU 在云端 运行模型训练算法，可以显著缩短海量训练数据的训练时长，减少能源消耗，从 而进一步降低人工智能的应用成本。与此同时，GPGPU 能够提供完善的软件生态 系统，便于各种已有应用程序的移植和新算法的开发，因此全球人工智能相关处 理器解决方案仍然是以 GPGPU 为主。因此，GPGPU 是人工智能领域最主要的协处 理器解决方案，占据人工智能 90%以上的市场份额，在智能工厂、无人驾驶、智 慧城市等领域具有广泛的市场空间。

根据 Cisco 的预计，2021 年全球数据中心负载任务量将超 过 2016 年的两倍，从 2016 年的不到 250 万个负载任务量增长到 2021 年的近 570 万个负载任务量随着云计算的不断发展，全球范围内云数据中心、超级数据中心 的建设速度不断加快，Cisco 预计到 2021 年，计算能力更强的超级数据中心将达 到 628 座，占数据中心总量的 53%。

GPGPU 未来的技术演变方向。随着 GPGPU 在大数据处理、人工智能、商业计算领 域的广泛应用，呈现了以下发展趋势。

(1) 高算力运算需求不断涌现：进一步提升工艺制程、增加运算核心数量、采用 更高带宽的片上存储器、提高存储器的带宽和容量，持续提升 GPGPU 产品性 能；另一方面，高带宽、低延时的片间互连总线结构也是未来产品优化提升 的方向之一，以此来满足不断涌现的大数据量、多任务应用的需求； 

(2) GPGPU 将成为运算协处理器的主流：运算协处理器存在多条技术路线，包括 GPGPU、ASIC、FPGA 等，综合考虑性能、能效比和编程灵活性等方面的因素， GPGPU 在协处理器应用领域具有非常明显的优势；

(3) CPU 与 GPGPU 的异构计算：CPU 和 GPGPU 的结构特点不同，适用于不同的应用 场景，把两者结合起来可以充分发挥各自优势，CPU 处理复杂的逻辑控制并 进行运算管理，GPGPU 用于对各种大规模并行计算进行加速。CPU+GPGPU 的异 构运算架构可以让系统具有更大灵活性，满足复杂场景的不同需求，能够较 大幅度地提升单独使用 CPU 或 GPGPU 的任务执行效率。此外，CPU 和 GPGPU 之间还可以通过内存共享等方式进行数据交互，发挥异构计算的优势。

审核编辑：汤梓红