擴張與洗牌並存 國產GPU廠商發力AI生態

證券時報記者 王一鳴

前幾年廣受資本追捧的GPU（圖形處理器）這一硬核賽道正在步入洗牌期，一些原本備受矚目的通用GPU設計企業先後陷入經營困境。與此同時，有頭部企業繼續求新求變，已步入AI（人工智能）核心戰場。

對於行業現狀，北京社科院研究員王鵬向證券時報記者分析，當前國產GPU產業處於快速發展與洗牌並存的階段。一方面，隨着AI大模型的需求激增，國產GPU市場迅速崛起，涌現出如摩爾線程、壁仞科技等一批具有創新能力的企業。這些企業在技術研發、產品創新等方面取得了顯著進展，爲國產GPU行業注入了新的活力。另一方面，市場競爭也日益激烈，部分初創企業由於資金鍊斷裂、技術瓶頸等問題陷入困境，甚至面臨裁員、訴訟等風險。

“長遠來看，國產GPU行業仍具有廣闊的發展前景。這源於人工智能、大數據、雲計算等技術的快速發展，對高性能GPU的需求持續增長；同時，國家政策對半導體產業的支持力度不斷加大，爲國產GPU行業提供了良好的發展環境。此外，隨着國產芯片公司在生態構建、技術創新等方面的不斷努力，國產GPU有望逐步縮小與國際領先水平的差距。”王鵬說。

幾家歡喜幾家愁

近日，國產GPU獨角獸壁仞科技一則動態引起業內關注。該公司在上海證監局辦理IPO輔導備案登記，輔導券商爲國泰君安。這是繼今年8月26日燧原科技輔導備案報告公佈後，又一家啓動IPO的上海AI芯片企業。

壁仞科技創立於2019年，致力於研發原創性的通用計算體系，建立高效的軟硬件平臺，同時在智能計算領域提供一體化的解決方案。截至目前，公司已完成多輪融資，公開融資總額超過50億元，投資方包括啓明創投、IDG資本、中芯聚源、格力創投等。

目前，壁仞科技首款國產高端通用GPU（GPGPU）壁礪系列已量產。在9月舉行的2024全球AI芯片峰會上，壁仞科技還首次公佈了其自研的異構GPU協同訓練方案，該方案突破了大模型異構算力孤島難題，實現了在本土異構多GPU芯片算力訓練技術領域的首次突破。

另一家國內GPU獨角獸企業也有新動作。今年7月，摩爾線程宣佈對其誇娥（KUAE）智算集羣解決方案進行重大升級，從當前千卡級別大幅擴展至萬卡規模。摩爾線程創始人兼CEO張建中表示，在多元趨勢下，萬卡已是AI模型訓練主戰場的標配。

事實上，在國內，萬卡集羣建設正高歌猛進。去年7月，華爲昇騰AI集羣規模從最初的4000卡集羣擴展至16000卡，是國內首個萬卡AI集羣。

不過，當前國產GPU產業的分化亦十分明顯，一些原本備受矚目的企業接連陷入困境。今年8月底，曾獲得2024年度重慶市“獨角獸企業”稱號的象帝先被曝約400位員工被裁。公司在迴應中坦陳：“發展面臨一定的市場調整壓力……正在進行組織結構和人員配置的優化等……並尋找外部融資機會。”另一方面，象帝先股東還在起訴其創始人唐志敏，因其未能籌集到承諾的5億元B輪融資。

在象帝先陷入困境之前，同處在GPU賽道的礪算科技也曾預警。至今年8月19日，東芯股份公告擬以不超過2億元收購礪算科技37.88%股份，礪算科技的資金緊張局面方得以緩解。

GPU佔AI芯片

八成份額

在中關村物聯網產業聯盟副秘書長袁帥看來，當前國產GPU行業處於一個複雜而關鍵的轉型期，短期行業出現降溫和分化，主要是由於市場競爭加劇、技術門檻提高、資本退潮等因素導致企業資金壓力增大。在此背景下，部分實力較弱的初創企業在面對挑戰時往往更加脆弱，而頭部企業則憑藉其技術實力、市場佈局和資金優勢逐漸嶄露頭角。

按定義和應用看，GPU起初是一種顯示芯片，用於加速計算機上的圖像處理。隨着技術進步和應用範圍的擴大，GPU衍生出了GPGPU，後者是通過利用GPU並行處理能力特別強、計算能效比高的特點，處理更爲複雜的計算任務（如AI模型訓練與推理等）。基於此，如今的GPU已被廣泛應用於人工智能、虛擬現實、遊戲、科學計算等諸多領域。

IDC數據顯示，預計到2025年，GPU仍將佔據全球AI芯片八成市場份額。Gartner此前預測，2023年全球人工智能芯片（包含GPU、TPU等）的市場規模達到530億美元，並預計在2024年增長至671億美元。到2027年，全球人工智能芯片市場規模預計達到1194億美元。

從行業格局來看，作爲GPU的發明者，英偉達佔據絕對領先地位。Jon Peddie Research（JPR）數據顯示，2024年第一季度英偉達的全球AIB顯卡（也稱獨立GPU）市場份額飆升至88%，而AMD的市場份額下降至12%。JPR預計，2024年第二季度，AI訓練器GPU的出貨量將繼續增加，而遊戲AIB市場可能持平或走低。在AI芯片主戰場，據TechInsights數據，英偉達2023年的數據中心GPU出貨量約爲376萬片，比2022年多出近100萬片，市場佔比98%，收入達362億美元。壓倒性擊敗了AMD和英特爾等競爭對手。

微軟公司和Meta等數據中心運營商使用英偉達的芯片來開發和運行AI模型，巨大的需求使其銷售額和股價飆升。英偉達市值在今年6月曾登頂全球第一，達到3.33萬億美元。最新財報顯示，在英偉達Hopper（GPU構架平臺）、GPU計算和網絡平臺強勁需求的推動下，公司數據中心今年第二季度收入達到262.72億美元。

英偉達達成如今成績憑的是什麼？袁帥告訴證券時報記者，這主要源於英偉達在GPU設計、製造工藝以及軟件優化等方面具有深厚的技術積累，其產品在性能、功耗比和穩定性等方面均處於行業領先地位。同時，該公司建立了完善的生態系統，包括CUDA平臺、軟件開發工具包（SDK）以及豐富的第三方應用支持等，爲開發者提供了便捷的開發環境和廣泛的應用場景。

“英偉達的芯片產品先進且功能強大，配套軟件生態完善滲透率高，並且產品迭代進化速度快速，所以市場地位尚難以撼動。”深度科技研究院院長張孝榮認爲。

機遇和挑戰並存

國內市場方面，自2019年以來，一批國產GPU初創公司先後成立，其中涌現了壁仞科技、摩爾線程、燧原科技等AI芯片設計獨角獸。同時，還有一批老牌芯片設計公司也入局GPU領域。

這些公司的機會在於美國出口管制背景下的國產替代。2022年10月，美國政府禁止英偉達向中國出口高性能H100、A100芯片。英偉達隨後專門面向中國市場推出了不違反美國出口管制要求的A800和H800芯片，至去年10月，這兩項芯片也被限制。2024年2月，英偉達向中國市場特供的H20芯片接受預訂，但該芯片與H100配置相比，GPU核心數量減少41%，性能降低28%。對此，英偉達2023年11月曾透露，數據中心業務兩成以上受出口管制影響。

與此同時，國內GPU廠商正迎頭趕上。IDC在2023年中發佈的一項中國AI加速卡（公開市場）出貨量統計顯示，2022年上半年到2023年上半年，中國AI加速卡出貨約109萬張，英偉達市場份額爲85%，華爲市佔率爲10%，百度市佔率爲2%，寒武紀和燧原科技均爲1%。

從國內產品成果來看，不僅華爲昇騰系列表現突出。2024年5月份，摩爾線程與智譜AI開展了新一輪GPU大模型適配、性能測試。結果表明，在推理方面，摩爾線程自研全功能GPU顯著優於基準對比產品RTX 3090和RTX 4090；在訓練方面，摩爾線程誇娥千卡智算集羣的訓練精度與A100集羣相比，誤差在1%以內，而集羣性能擴展係數超過90%，模型算力利用率（MFU）與A100集羣相當。

壁仞科技則於2022年8月推出採用7nm製程的GPGPU芯片BR100，該芯片峰值算力達到國際廠商彼時在售旗艦產品3倍以上，創下國內互連帶寬紀錄。

不過，挑戰也隨之而來，一些行業領先企業先後被美國政府“盯上”。2022年12月，寒武紀等36家被美國政府列入“實體清單”。2023年10月，壁仞科技、摩爾線程等亦被添加到實體清單中。

這對相關企業影響幾何？寒武紀在2024年半年報中表示，公司及部分子公司已被列入“實體清單”，將對公司供應鏈的穩定造成一定風險。受“實體清單”等供應鏈不利因素影響，公司上半年營收6476.53萬元，較上年同期下降43.42%。

生態建設待完善

王鵬指出，當前國際政治經濟環境的變化對GPU行業產生了一定影響。特別是美國對中國AI產業的打壓政策限制了國內相關企業的進口渠道和供應鏈穩定性。

袁帥向證券時報記者表示，在面臨外部封鎖前提下，國產GPU廠商要站穩腳跟並在高端AI芯片領域爭得一席之地並非易事。在硬件層面，國內芯片代工企業在高端工藝和產能方面相對不足，難以完全滿足國產GPU設計廠商對高端AI芯片的生產需求；在軟件層面，英偉達等國際巨頭在軟件生態（CUDA等）和IP授權方面擁有強大優勢。國產GPU廠商在構建和完善軟件生態以及獲取關鍵IP授權領域仍顯薄弱。

事實上，CUDA被業內普遍認爲是英偉達最大護城河。英偉達CEO黃仁勳在今年也曾強調CUDA軟件系統生態對於AI時代的重要性。“目前，CUDA已實現良性的發展循環，全球擁有500萬開發者，覆蓋醫療保健、金融服務、計算機行業、汽車行業等領域。”黃仁勳說。

中國工程院院士，高性能計算研究所所長鄭緯民在今年7月7日的信息化百人會上指出：“這些年國產芯片無論是軟件硬件都有很大的進展，但是用戶不太喜歡用，原因是國產卡的生態系統不太好。”

鄭緯民認爲，這需要做好系統設計和相關軟件優化，具體包括十個方面：編程框架、並行加速、通信庫、算子庫、AI編譯器、編程語音、調度器、內存分配系統、容錯系統、存儲系統等。在他看來，在國產算力支撐大模型訓練時，國產AI芯片只能達到國外芯片60%的性能，但如果把前述十個方面的軟件生態做好了，客戶也會滿意。

國泰君安在今年3月發佈的《重視AI芯片配套的軟件生態》報告中總結：誰能做出中國版“CUDA”，就能佔領AI算力高地。國內各大廠商已在GPU生態上積極佈局，包括驅動程序、開發工具、應用程序接口（API）等，以確保其產品能夠更好地服務於人工智能、大數據處理、雲計算和遊戲等多樣化的應用場景。例如，華爲推出了CANN以及對應的生態體系，力求突破技術瓶頸。此外，像景嘉微、摩爾線程等公司也在自主研發GPU產品，並努力打造與之兼容的軟件環境，以減少對外部供應商的依賴，提升國產GPU的市場競爭力等。