本文摘自飞象网，原文地址：http://www.cctime.com/html/2021-9-9/1589504.htm，侵删。
" 我即将展示的产品，融合了新的 GPU 加速计算能力，拥有 Mellanox 高性能网络，补足我们最后一块拼图的产品是――全球首款专为 TB 级数据中心加速计算而设计的 CPU 处理器，它的秘密代号是 Grace。"
这是 2021 年 4 月英伟达（NVIDIA）CEO 黄仁勋在 GTC 峰会演讲中的一段话。然而，让人意想不到的是，直到 8 月 12 日英伟达自曝后人们才知道，这段不足 100 字、14 秒的演讲内容竟然不是黄仁勋本人出镜，而是使用了合成的 " 数字替身 "，即利用英伟达 GPU 处理器与 Omniverse 软件平台共同形成的 " 虚拟黄仁勋 " 形象。
这一事件引发了人们对虚拟现实、元宇宙、AI 换脸等技术和概念的激烈讨论，同时也让 " 英伟达 " 这家美国芯片霸主从半导体行业 " 出圈 "，走入了大众视野。
自 1993 年成立至今，在黄仁勋的带领下，英伟达成功创造且引领了 GPU（图形处理器）芯片这一类别，产品覆盖整个 PC 设备 GPU 至服务器 GPU 市场。过去五年内，英伟达市值从 310 亿美元增长到 5050 亿美元，跻身成为全球第七大半导体供应商，是人工智能（AI）芯片领域炙手可热的明星企业。
与此同时，在英伟达市值超过英特尔之后，国内半导体市场看到了 GPU、AI 芯片赛道更大的市场机会，景嘉微、天数智芯、登临科技、壁仞科技、燧原科技、寒武纪、沐曦集成电路等企业均在通用处理器这一赛道中集聚。
但作为全球芯片销量大国，中国却没有出现一家 " 英伟达 " 这样的芯片巨头，大市场并没有产生与之匹配的大公司。根据 IC Insight 的统计显示，2020 年全球半导体市场规模为 3957 亿美元，其中，中国大陆市场规模是 434 亿美元，为全球最大市场，占全球比例达到 36.24%。然而，总部位于中国大陆的半导体公司 2020 年总产值仅为 83 亿美元，仅占市场规模的 5.9%。
偌大的蛋糕，究竟谁能切下一角？半导体产业何时才能造出 " 中国英伟达 "？
GPU 图形处理器又被称为显示芯片、视觉处理器，最初于 1999 年由英伟达提出，是个人电脑、工作站、游戏主机以及移动设备（智能手机、平板电脑、VR 设备）上专门运行绘图运算的微处理器。
随着 GPU 的并行计算优势被逐步挖掘，GPU 的应用领域从图形处理扩展到高性能计算，逐步成为 Al 计算最成熟、应用最广泛的通用型芯片。2020 年 6 月，英伟达推出基于安培（Ampere）架构的 A100 Tensor Core GPU，成为全球性能最强的 AI 芯片。
以应用终端角度分类，GPU 可分为 PC 端 GPU、服务器 GPU 和移动端 GPU，对应三种架构，即与专用电路板及组件组成的独立显卡，共享集成显卡，以及移动端 GPU 与其他芯片或模块一起封装成高集成度的 SoC ――应用于手机、汽车电子、AI 在内的多个应用场景。
自从 AMD 在 2006 年收购加拿大 GPU 厂商 ATI 之后，目前，在 PC 及服务器 GPU 领域，全球 GPU 市场呈现 " 美国芯片三巨头 " ――英特尔、AMD 和英伟达垄断的局面。集成 GPU 市场英特尔优势明显，独立 GPU 市场英伟达和 AMD 两强割据。
根据研究机构 Jon Peddie Research 的数据显示，2021 年第一季度，全球 PC 端 GPU 市场中，英特尔（Intel）以 68% 市场份额位居榜首，AMD 和英伟达分别为 17% 和 14%，三家共计份额接近 100%；全球独立 GPU 领域中，英伟达是数据中心 GPU 市场领导者，占据 81% 的市场份额，拥有领先优势，AMD 则以占比 19% 位居第二。
仅 2019 年，英伟达凭借 V100 系列等产品，占据了中国 AI 训练芯片市场 90% 份额，牢牢掌握着中国这一庞大的 AI 芯片销售市场。
英伟达能持续作为 " 芯片霸主 " 地位的核心原因之一在于其 " 轻设计模式 "。英伟达不做芯片制造和封装，交由台积电代工完成，自身享受 7nm 等先进制程工艺技术红利。根据财报显示，2016 年至 2021 年期间，英伟达收入增长了 233%，营业利润翻了一番，达到 45 亿美元。在截至今年 5 月的三个月内，销售额同比猛增 84%，毛利率则达到了 64%。
事实上，中国很早就进入了 GPU 芯片设计领域，但结果并不如意。
从 20 世纪 70 年代开始，中国开始引进半导体与集成电路技术和生产线。但结果却是陷入了 " 代代引进、代代落后 " 的恶性循环，加上 " 汉芯一号 " 假芯片事件给社会带来的不良影响，让中国的 " 自主处理器 " 遭受严重挫败，以及中国积极推动 WTO 全球化等因素，从而错失了全球半导体产业发展的黄金时期，下游企业只能 " 造不如买 "。
到 2000 年，以国家 "18 号文件 " 出台为标志，中国半导体才逐渐形成设计、制造、封装测试 " 三业分离 " 的产业组织形态，引进以 " 中芯国际 " 为代表的一批芯片制造（Foundry）企业在华建设、投产，技术水平也因此得到快速提升。
目前，景嘉微、天数智芯、登临科技、壁仞科技、燧原科技、寒武纪、沐曦集成电路等企业均在通用处理器这一赛道中集聚。
2014 年，以军机图形显示控制模块起家的 " 景嘉微 "（300474.SH）成功研制出军用 GPU 芯片 JM5400，随后在 2018 年成功研发出 28nm 制程工艺的第二代 GPU 芯片 JM7200。景嘉微从军用定制走向通用 GPU，成为全球少数、国内唯一实现独立 GPU 商用量产的公司。
除景嘉微外，2021 年 3 月天数智芯发布了国内首颗 7 纳米工艺制造的 GPGPU（通用图形处理器），即去掉了传统 GPU 30% 的图形渲染部分，只为处理人工智能（AI）应用而生；燧原科技则在今年 6 月发布了迄今中国最大的 AI 计算芯片 " 邃思 2.0"AI 芯片、基于邃思 2.0 的 " 云燧 T20" 训练加速卡和 " 云燧 T21" 训练 OAM 模组。
但值得注意的是，景嘉微研发的 JM7200 芯片，性能只相当于 2012 年英伟达 GTX 640 水平，难以满足企业客户的应用需求。即便燧原科技的 " 邃思 2.0"AI 芯片，也仅和英伟达的 A100 达成平手，Benchmark 测试的 6 个项目中有 2 项大幅超越了英伟达 A100 的性能表现。（详见钛媒体 App 前文：《燧原科技发布中国最大的 AI 计算芯片，加速推进三大业务方向落地》）
背后的原因，主要由于中国半导体产业起步晚，芯片的技术门槛高、成本弹性大、产业高度集中，使得中国 GPU 芯片企业的整体研发投入、技术、人才都滞后于国外，从而在产品性能和技术上依然和芯片巨头有差距，下游企业依然难以脱离 " 美国芯片三巨头 " 的境地。
以研发投入为例，2011 年至 2020 年的十年间，景嘉微的研发投入费用总额为人民币 6.27 亿元，而英伟达 2020 年这一年的研发投入就达到 39.24 亿美元，约合人民币 253.23 亿元，十年间英伟达总计投入超过 1200 亿元人民币，两者相差超 190 倍。
在人才方面，截至 2021 年上半年，英伟达员工人数高达 18975 人，景嘉微总员工人数为 1174 人，远低于 AMD 在上海研发中心的 2000 名员工。
"AI 芯片、GPU 芯片市场比较特殊，跟传统的专用处理器不一样，技术十分复杂。它需要大量的数据，需要和特定的算法结合，才能够付诸市场运用。" 新思科技中国副总经理谢仲辉在今年 4 月接受钛媒体 App 独家专访时表示，如果企业想把首颗 AI 芯片做扎实，通常需要两三年以上。
在他看来，芯片半导体本身是一个投入大、周期长、见效慢的行业，技术完全国产化需要长期持续的资金、人才和技术积累，很难用 " 砸金钱见回报 " 这种互联网思维来处理。
此外，结合 CUDA 技术的软硬件生态，也是国内芯片企业与英伟达形成较大差距的另一重要原因。
2006 年，英伟达就发布了并行计算平台 CUDA，其中包含一系列开发工具，只有安装使用这个平台才能够进行复杂的并行计算，任何人只要拥有一台配有英伟达 GPU 的笔记本电脑，就可以利用 CUDA 可以进行科学、便捷编程计算，比如深度学习、AI 算法等，开发相关软件。过去十多年，英伟达坚持不懈地推广 CUDA，使更多政企级类型软件都基于该平台开发，将英伟达自研 GPU 硬件与 CUDA 软件相结合，高效实现应用落地。
相比之下，目前国内却没有一个类似 CUDA 和英伟达硬件深度绑定的系列平台，技术壁垒差距十分明显。大部分国产 GPU 厂商均采取兼容 CUDA 开源框架的策略，如天数智芯、登临等，准备在此基础上培育自己的软件生态。
" 短期来看，国产 GPU 兼容 CUDA 更容易发展，毕竟写算子是人力密集型行业，用户迁移的话是需要 100% 迁移、整套代码都要在你的片上跑，如果代码量很小，需要的算子不那么多，难度就比较低。但是长期来看，还是要摆脱兼容思路，发展自有的核心技术。" 芯片行业内人士表示，选择兼容主要是确保已有软件依然可用，未来会不断改进自家平台，使其更加匹配自己的芯片，从而吸引开发者迁移。
但也有企业选择不兼容 CUDA 生态，比如同时做 AI 训练和推理芯片的燧原科技，今年全面升级了其 " 驭算 TopsRider" 软件平台以及全新的 " 云燧集群 "，希望能拥有生态主导权。
总结来看，对标英伟达的这些国内芯片企业依然处在发展的初级阶段，AI 芯片技术的产业化、市场化能力较弱，没有产生实际的大规模使用，距离超越或取代 " 中国英伟达 " 仍然有很长的路要走。
中科驭数 CEO 鄢贵海在接受钛媒体 App 采访时表示，虽然目前中国需求侧虽然还是全球最大的单一市场，增速也名列前茅，" 需求侧 " 还是很强劲的，但在高端芯片方面无论是设计还是制造还有不小差距，" 供给侧 " 不够强大。他指出，供给侧的优劣不仅取决于一家企业，而是全产业链能力。短期内要想打造出这样大体量和全面引领性的企业还是不太现实的。
中科驭数成立于 2018 年，是一家专用计算架构研发商，孵化自中科院计算所的计算机体系结构国家重点实验室，如今公司估值已超 10 亿元。今年 7 月 27 日，中科驭数完成数亿元 A 轮融资，由华泰创新领投，灵均投资以及老股东国新思创跟投。
高瓴合伙人、高瓴创投软件与硬科技负责人黄立明在接受钛媒体 App 的独家专访时表示，虽然 GPU 市场前景广阔，但中国创业公司很难直接做成 " 英伟达 "。除了技术难度外，还要结合很强的应用来做――涉及到软件系统软件生态，这对创业公司来说要求是极高的。
高瓴于 2020 年 2 月推出独立 VC 品牌高瓴创投，此后其对芯片半导体领域进行投资入局，其中包括半导体 IP 企业芯耀辉、EDA 厂商芯华章，GPU 平台壁仞科技、DPU 公司星云智联，加上碳化硅方面的天科合达、光芯片领域的敏芯半导体、以及手机基带星思半导体等。
黄立明强调，能在这个方向跑出来的公司，无论海外还是国内，高瓴判断最终都不会有很多。
" 我们现在先不纠结于怎么去取代英伟达，路都是一步一步走的。我觉得首先中国得有国产 AI 芯片、通用 GPU、FPGA 等底层算力。只要国内有市场需求，我们一定有很多机会。" 华映资本主管合伙人章高男对钛媒体 App 表示，国内半导体产业风口已至，中国现在切入 GPU 市场是 " 天时、地利、人和 " 皆备，尤其半导体和下一代 AI 技术都是中国必须突围的领域。
章高男举了一个例子，金山办公产品虽然逊于微软 Office 套件，但市场给出 1100 多亿元市值，背后重要原因之一是，中国必须得有国产 office，同样道理也适用于国产的 GPU 市场。
华映资本是国内最早布局移动互联网和文化产业的私募股权基金之一，近几年 To B 领域也成为华映资本重点关注的投资领域。目前华映资本在 To B 领域投资的 30 余个项目，投资总额超 7 亿元生态，由技术型投资人章高男负责搭建。在数据中台及底层算力相关领域，华映资本投资布局了壁仞科技、天云大数据，中科海微等项目。
实际上，作为横跨视觉计算和 AI 计算的通用平台，GPU 拥有巨大的市场空间。据东吴证券测算，预计到 2027 年，GPU 领域国产替代的市场空间规模超过 341 亿美元。除了既有的游戏市场，在工业、医疗、军事航天等方向都有进一步的发挥空间。
今年 3 月，原商汤科技总裁张文联合创立的通用智能芯片设计商 " 壁仞科技 " 完成了 B 轮融资。2019 年 9 月成立以来，公司总融资额超 47 亿元人民币，投资方包括高瓴创投、华映资本、中国平安、招商局资本、BAI 资本、国盛集团国改基金等，估值已超过 100 亿元，成长半导体行业势头最为迅猛的 " 独角兽 " 企业之一。
除壁仞外，沐曦集成电路、摩尔线程等入局 GPU 领域的企业也都完成了融资。
8 月 25 日，GPU 厂商沐曦集成电路宣布完成 10 亿元人民币的 A 轮融资，创始人陈维良、杨建等均来自美国芯片巨头 AMD，投资方包括中国国有企业结构调整基金股份有限公司、中国互联网投资基金、经纬中国、和利资本、红杉中国、光速中国、国创中鼎、智慧互联产业基金、上海科创基金、联想创投等；而 2020 年成立的摩尔线程，宣称 100 天内就完成了两轮数十亿元融资，团队成员主要来自英伟达，投资方包括深创投、红杉资本中国基金、招商局创投、字节跳动、小马智行、五源资本等。
不过，一个有趣的现象是，壁仞、沐曦、摩尔线程上述三家初创企业是名副其实的 "PPT 融资造芯 "，融资时无一家完成首颗芯片的流片（流水线试生产）。
为何市场投资人愿意对此敞开钱包？数位投资人在接受钛媒体 App 采访时表示，这些项目能够获得大量资本支持，原因都为投资早期，主要看的还是团队、赛道两部分：AI 芯片赛道风口已至，高管团队也均出自 " 美国芯片三巨头 "。
" 我觉得需要给这些企业机会和耐心，不可能 500 个人都在写 PPT。制造芯片是一个 5 年到 10 年的事情，我们愿意去投的原因，并非是投机或者是忽悠。我认为，投半导体赛道本身风险就高，需要做好长周期的打算，需要有足够强的风险承担能力，这和投资互联网的模式创新完全不一样。" 上述投资人对钛媒体 App 表示。
但也有半导体行业投资人指出，上述投资项目本质上还是希望市值撑高，有更高的回报率，尤其 " 芯片热 " 环境下，风投机构需要不断在中早期寻找这些 GPU、AI 芯片企业标的，希望从中赌得一份更高的回报。
此外，在这一波 GPU 创业浪潮中，创始团队师出 " 美国芯片三巨头 "。例如，天数智芯首席科学家郑金山曾任 AMD 首席技术专家；沐曦的创始团队主要来自 AMD，CEO 陈维良曾在 AMD 担任图形研发高级总监，CTO 杨建曾任 AMD Fellow（院士）；壁仞科技最新上任的联席 CEO 李新荣，曾任 AMD 全球副总裁，壁仞科技高级副总裁陈文中也曾在 AMD 任职。
对此，章高男表示，AMD 是 GPU 领域排名前二的芯片巨头，关于 GPU 核心研发都在上海，而图形渲染的研发是在美国，企业可以去找 AMD 和英伟达两家公司高管去沟通，而最终选择的人肯定是半导体行业内的佼佼者。
鄢贵海认为，在细分新兴赛道，凭借需求侧的应用 " 势能 "，中国芯片企业集中优势兵力，立足服务本土企业，突出开发的敏捷性，是有机会在产品定义、方案迭代周期上超越 " 英伟达 " 这些芯片巨头。他预计，10 年内会出现一批技术领先的国产 GPU、DPU 企业。
" 芯片产业五个环节：设计、制造、封测、材料、EDA 五个环节中，与应用最相关的是设计，我们最大的优势又在于应用，所以非常有机会在 " 设计 " 这一环节取得突破，然后以点带面，逐步扩大胜利版图。所谓 " 弯道超车 " 还是追赶策略，切入面向未来的新赛道并且全力加速才更有可能占据新的战略制高点。希望能在 10 年内能出现一批技术领先、产品扎实而且富有战略意识的企业。" 鄢贵海对钛媒体 App 表示。
壁仞科技创始人张文表示，对芯片公司的能力要求从产品级提升到系统级和生态级。时间上不超过 5 年，中国在 AI 芯片设计领域赶上甚至领先国际水准。他强调，超越英伟达，需要重新定义一个产品，以及重新定义一个市场。
在黄仁勋看来，负责在数据中心传输和处理数据的数据处理单元（DPU），正与 CPU、GPU 共同组成 " 未来计算的三大支柱 "。当中国芯片企业发力 GPU 时，英伟达则把目光放在了 CPU、DPU 这两个新市场中。
2020 年 9 月，英伟达宣布拟以 400 亿美元，从日本软件集团处收购英国芯片设计商 Arm，预计写下半导体行业最大的并购案。但这笔交易存有争议，目前还等待欧盟、英国、美国和中国等政府的批准。但 2021 年 4 月，英伟达则宣布进军数据中心 CPU 市场，发布 Grace CPU 处理器，也就是本文开头黄仁勋所讲的那一段话。（详见钛媒体 App 前文：《英国政府出手干预，英伟达 400 亿美元并购 Arm 交易生变》）
CPU 和 GPU 之外，英伟达还在布局 DPU。2019 年，英伟达宣布以 69 亿美元全现金的形式收购以色列网络芯片商迈络思（Mellanox），并最终将其拿下。而这笔英伟达有史以来规模最大的收购，黄仁勋最看重的就是迈络思在数据中心技术等方面独步天下的能力。2020 年 10 月，英伟达首次推出了 DPU ― NVIDIA BlueField 系列数据处理器。
究其根本，一方面 DPU 更灵活安全，更重要的是，DPU 可以解放 CPU 的算力，释放服务器的负载，并凭借低功耗显著降低综合成本，甚至还可以改善 AI 和机器学习应用的性能。
据 IDC 统计，全球算力的需求每 3.5 个月就会翻一倍，远远超过了当前算力的增长速度。在此驱动下，全球计算、存储和网络基础设施也在发生根本转变：一些数据量过大的工作负载，过多占用 CPU 资源，与之协同作战的各种 "X"PU 芯片便应运而生，GPU、FPGA 等芯片之外，DPU 就是下一个 "X"PU。
业内人士就此做了一个形象的比喻，网络就像造马路，以前 1G 10G 时代马路已经不够宽了，车子越来越多，为了平衡压力，通过增加红绿灯和投入更多的交警来更高的协调资源，这样已经让原来的效率提高很多，但是仍然不够。必须第一扩大马路，这就是带宽增加，但是马路从 2 道变为 4 道，仅仅依靠红绿灯和有限的交警还是会堵塞，但是我们不能无限增加交警，这就需要马路能更加智能，帮助解决拥堵。
章高男指出，大量的网络管理在 CPU 里面，占据了容器能力，而 DPU 则是将服务器智能提供空间能力，大量虚拟化空间可以提高算力需求。
随着 2020 年，DPU 的名声超出了竞争对手英特尔所推出的基础设施处理器 ( IPU ) 和 SmartNIC，也让每个对数据中心业务虎视眈眈的企业都要在这个领域分一杯羹。DPU 成为了各大芯片巨头、初创公司争相研发的新赛道，国产 DPU 现在几乎处在百花齐放的状态，红杉、高瓴创投、鼎晖、软银中国都开始入场。
今年 4 月，天眼查数据显示，国产 DPU 芯片供应商 " 云豹智能 " 完成腾讯投资、红杉资本、耀途资本等联合的天使轮融资；5 月末，芯启源完成数亿元 Pre-A 轮融资，投资方包括软银中国、浦东科创集团等；7 月 27 日，DPU 芯片研发商 " 中科驭数 " 完成华泰创新领投的数亿元 A 轮融资；8 月 30 日，DPU 芯片研发商星云智联宣布完成了数亿元天使轮融资，由高瓴创投领投，鼎晖 VGC、华登国际中国基金参与跟投；9 月初，IDG 资本豪掷 " 云脉芯联 " 天使轮融资项目。
"DPU 有可能成为继 CPU 和 GPU 之后的第三颗算力芯片，但从结构上来看，DPU 会更异构、也更专用。" 鄢贵海在接受钛媒体 App 等采访时表示，DPU 产生的背景是智能时代数据爆发导致的端 - 边 - 云一体化趋势带来的对计算延迟、数据安全、资源虚拟化需求。CPU 对这些非业务性负载已不堪重负，迫切需要一个理想的对象来分担这些计算负载。
头豹研究院则预测，中国 DPU 市场规模预计将在 2025 年达到 37.4 亿美元。全球 DPU 市场规模 2025 年预计将达到 135.7 亿美元。同时报告也指出，数据流通是 DPU 最大的应用市场，其中裸金属服务其对 DPU 存在刚需。DPU 在电信市场的应用主要为边缘计算场景，渗透率不足 5%。针对智能驾驶领域的 DPU 仍在探索阶段，预计在 2023 年 DPU 才有望布局在智能驾驶领域。
鄢贵海指出，CPU 的性能从 5-10 年前每年 30% 的增幅，到三年前大概只有每年不到 3% 的性能增幅。而网络带宽每年依旧还有 35% 左右的增长。
以中泰证券为例，当时该公司遇到的挑战是，交易报单合规检查太慢，需要提高交易效率。于是，中科驭数与中泰证券、上交所技术有限责任公司联合研发了一套极速风控系统解决方案，来加速这一流程。中科驭数相继研发了超低时延智能网卡、数据计算加速卡等多套产品和解决方案，主要面向高带宽、低时延、数据密集型等场景。该公司今年已经实现千万级别的季度营收。中科驭数的下一代 DPU 芯片预计将于 2021 年底完成设计，预计可处理高达 200G 网络带宽数据。
不过，DPU 市场虽然火爆，但概念较新，未知更多，投资风险也会更大。
芯启源 CEO 卢笙指出，目前 DPU 细分赛道的壁垒还是相对较高的，除了技术壁垒之外，还有市场的壁垒，需要客户不断迭代，尤其是配合开源软件不断升级去适配客户快速变化的软硬件环境。因此 VC（风险投资）在投资之前，一定要先认可赛道，且有足够的耐心。他强调，投资人需要对市场进行不断地观察并调整判断，现在谁也无法预料未来 DPU 发展前景。
也有媒体认为，当英伟达进入新开辟的 CPU 和 DPU 战场，对中国的 GPU 厂商或许是个利好，尤其英伟达依然花大量精力放在 400 亿美元收购英国芯片设计商 Arm 公司的并购交易上，这对新创 GPU 企业而言，可能是个追赶的时机。
正如章高男对钛媒体 App 所说，" 从逻辑上讲，门槛不高的事情通常稀缺性都不高。（芯片半导体赛道）有些事情是很难的，需要长时间投入，虽然是高风险，但总归得有人去做。这是真正对国家有利的长远投入，其实应该鼓励投资。否则的话，这些需要长时间投入的难事，谁都不去做，你永远上不了台阶。"
章高男强调，虽然风险投资肯定要追求回报，但他认为，在整个资金分配合理情况下，拿出一部分投资半导体赛道的初创企业，不仅有极强的社会意义，更是某种长期价值投资的重要体现。
相关阅读 >>
smartisanos宣布回归！疑似界面提前曝光：能无线控制智慧屏
2022年再不学jax就晚了！github超1.6万星，reddit网友捧为「明日之星」
中科院院士陈彪：在南京神秘失踪，国家找寻28年，如今下落仍是谜
中国移动10月净增5g套餐用户1472万户 累计达5.72亿户
更多相关阅读请进入《新闻资讯》频道 >>
