GPU：迈向 985 亿美元市场规模的璀璨之路

一、GPU 市场现状

全球 GPU 市场规模今年有望突破 985 亿美元，这一数字令人瞩目。目前，全球有 20 家公司和 7 家 IP 供应商正在开发独立、集成和嵌入式 GPU。其中，大多数 GPU 是入门级集成 GPU，但高性能独立 GPU，尤其是面向游戏玩家的高端显卡，仍是市场关注的焦点。

然而，真正为 GPU 厂商带来巨额收入的，却是那些并不直接用于图形处理的 AI 和 HPC GPU。尽管这些芯片的年销量仅为数百万颗，但其高昂的价格使其为英伟达、AMD 等公司贡献了数十亿美元的营收。例如，仅在 2025 财年前两个季度，英伟达就从 AI 和 HPC GPU 业务中获得了 420 亿美元的收入，预计全年该业务的销售额将超过 900 亿美元。AMD 则预计其 AI GPU 的销售额将超过 30 亿美元。虽然难以准确评估像 Biren 和 MetaX 等新兴公司的具体营收，但可以肯定的是，他们的 AI GPU 销售额与 AMD 相比仍有一定差距。

Jon Peddie Research 总裁 Jon Peddie 博士表示：“GPU 已经无处不在，几乎所有现代工业、科学、商业和消费产品中都能找到它的身影。虽然 AI 等领域因其快速增长和高平均售价而备受瞩目，但与其他市场相比，其销量仍相对较低。” 然而，尽管 AI GPU 市场规模相对较小，但所有新进入 GPU 市场的新兴企业，都将目光聚焦于数据中心 AI GPU 而非游戏 GPU。这也反映出 AI 领域对 GPU 的巨大需求和未来发展潜力。

二、主要厂商及份额

（一）国际巨头主导

英伟达作为全球 GPU 市场的绝对领导者，其 A100、H100 系列 GPU 在 AI 训练和高性能计算领域独占鳌头。例如，在生成式 AI 目前仍处于发展初期，云端服务器供应商大量采购高端服务器 GPU 中，英伟达占有率极高。2024 年高端服务器 GPU 产值比重超过 80%，预估将达到 1022 亿美元，其中英伟达占有率 92.5%。英伟达不断推动技术创新，以应对日益增长的计算需求，通过高带宽内存、Chiplet 先进封装和片内互联等技术的创新组合，提升系统级性能和能效。

AMD 作为英伟达的主要竞争对手，在 GPU 市场同样占据重要地位。其 Radeon 系列 GPU 在游戏市场与英伟达分庭抗礼，同时在数据中心领域推出 Instinct 系列加速卡，以卓越的计算力和能效比，领跑 AI 训练和推理领域。例如，AMD 推出新款芯片 MI325X，并随之更新了 AI 芯片路线图，在大获成功的 MI300X 基础上再进一步，着重增强了 HBM 内存部分。

英特尔在 GPU 市场虽然起步较晚，但凭借其深厚的计算技术积累，正逐步扩大市场份额。英特尔推出的基于 Xe 架构的高性能 GPU，不仅在集成 GPU 领域领先，更在数据中心和专业图形市场谋求更大份额。例如，2023 年英特尔成为无畏契约职业赛中国区官方特约合作伙伴，其锐炫显卡为官方推荐显卡，为电竞玩家带来更加火热赛事的同时，为玩家打造更高能的舞台。

（二）国产厂商崛起

华为、景嘉微、壁仞科技等国产 GPU 厂商正迅速崛起。景嘉微电子是国产 GPU 的主要参与者，也是唯一自主开发并已经大规模商用的企业。2014 年成功研发出国内首款国产高可靠、低功耗 GPU 芯片 – JM5400，具有完全自主知识产权，打破了国外产品长期垄断我国 GPU 市场的局面。

壁仞科技在 2022 年推出了全球最大算力芯片，也是当时唯一一家号称性能超越英伟达最新 GPU 的中国厂商。2024 年，壁仞科技在上海证监局办理辅导备案登记。

摩尔线程是一家拥有自主知识产权的全功能 GPU 创新企业，2023 年 12 月，发布首个全国产千卡千亿模型训练平台 ——KUAE 夸娥智算中心揭幕，宣告国内首个以全功能 GPU 为底座的大规模算力集群正式落地。2024 年，摩尔线程的智算集群解决方案已经从千卡级别大幅扩展至万卡级别。2024 年 11 月，摩尔线程在北京证监局办理辅导备案登记，正式启动 A 股上市进程。

虽然国产厂商与国际巨头有差距，但在国家政策与市场需求助力下，有望在特定领域树立竞争优势。国家政策支持国产 GPU 产业发展，国内企业在 GPU 设计、制造和封装等环节均取得显著进步，逐步建立起完整的产业链。随着技术的不断突破和市场需求的持续增长，国产 GPU 将在特定领域实现更大规模的市场应用。

三、市场增长驱动因素

（一）人工智能需求

2008 年，NEC 实验室的一个模型使用了一个包含 6.33 x 10⁸（6.33 亿）数据点的训练包。到 2023 年，阿布扎比的一个实验室使用了一个具有 2.63 x 10¹²（2.63 万亿）数据点的训练数据集，比 15 年前大了 10000 倍。大型语言模型如 OpenAI 的 ChatGPT 和谷歌的 Bard，在各种任务上的表现都超过了人类，部分原因是越来越大的训练数据集。这些大型语言模型的训练需要强大的计算能力，对高性能计算的需求推动了 GPU 市场的增长。

（二）自动驾驶汽车

自动驾驶汽车从一系列车载传感器中收集大量数据，每年可能在 380 到 5100 兆字节之间。一种方法将车载处理能力与云资源相结合，即使在网络延迟高达 3 秒的情况下，也能在模拟时速高达 45 英里的车辆时防止碰撞。当云响应时间减少到半秒时，速度提高到了每小时 50 英里。找到一种有效、高效的方式来处理这些信息一直是汽车制造商关注的重点，而结合云资源的方案促进了 GPU 云计算市场的发展。

（三）医药研究

现代药物开发通常始于对数百万个候选分子进行计算机模拟，以寻找潜在的匹配，从而推进昂贵的实验室测试。通常情况下，这些操作运行在稀缺的高性能计算资源上，可能需要数周或数月才能完成。最近一项使用云的研究，能够在大约两天内完成一个典型的数据集，与二级超级计算机的性能和速度相当。药物开发借助云资源可快速处理候选分子数据，提高了研发效率，也推动了 GPU 市场的需求。

（四）下一代游戏

云上的流媒体游戏是一笔巨款，微软今年斥资 687 亿美元收购了《使命召唤》出版商动视暴雪，巩固了其本已可观的市场份额。根据向英国竞争与市场管理局提交的文件，微软的 xCloud 在 2022 年占据了全球云游戏市场 50 – 60% 的份额，是第二名英伟达的两倍。另一方面，谷歌的 Stadia 在 2023 年 1 月结束运营时，其市场份额不到 5%。云上流媒体游戏市场的巨大潜力，使得微软、英伟达等企业竞争激烈，推动了 GPU 需求。

（五）边缘计算

当延迟对应用程序至关重要时，云设施和用户之间的距离越短越好。边缘计算，因为处理发生在网络的 “边缘” 而得名，在医疗保健和自动驾驶汽车等各种行业中变得至关重要，在这些行业中，每一秒都很重要。全球 GPU 云市场预计将从 2023 年的 32 亿美元，到 2030 年增长至 255 亿美元，复合年增长率高达 34.8%。在对延迟要求高的行业，边缘计算的重要性凸显，带动了 GPU 云市场的增长。

四、行业发展趋势

（一）技术融合

随着技术的不断进步，集成 GPU 与独立 GPU 的性能差距正在逐渐缩小。一方面，集成 GPU 不断优化架构，提高核心频率和显存带宽，逐渐具备了处理一些中等强度图形任务的能力。例如，在一些轻薄笔记本电脑中，集成 GPU 已经能够流畅运行部分主流网络游戏。另一方面，独立 GPU 也在不断降低功耗、缩小体积，以适应更多不同类型的设备需求。这种性能逐渐接近的趋势可能会导致市场发生变化，一些对图形性能要求不高的用户可能会更倾向于选择集成 GPU 的设备，以降低成本和功耗。同时，这也将推动 GPU 技术的创新，促使厂商不断研发新的技术和解决方案，以在竞争激烈的市场中脱颖而出。

（二）云 GPU 崛起

随着云计算的普及，云 GPU 服务正逐渐成为新的发展机遇。云 GPU 服务具有灵活性高、成本效益好等优点，吸引了众多企业和开发者。与传统的购买和维护物理 GPU 设备相比，云 GPU 服务可以根据实际需求进行弹性扩展，无需大量资金投入和硬件维护成本。例如，一些小型创业公司可以通过租用云 GPU 服务来进行深度学习、图形渲染等任务，大大降低了前期的投入成本。同时，云 GPU 服务提供商也在不断提升服务质量和性能，提供更多的功能和工具，以满足不同用户的需求。

（三）定制 GPU 兴起

为了满足特定应用领域的需求，定制 GPU 正逐渐增多。不同的行业和应用场景对 GPU 的性能、功能和功耗等方面有着不同的要求。例如，在医疗影像处理领域，需要 GPU 具备高精度的图像渲染能力和快速的数据处理速度；在工业自动化领域，需要 GPU 能够适应恶劣的工作环境和长时间稳定运行。因此，市场上将出现更多专业化的定制 GPU 产品。这些定制 GPU 将针对特定的应用场景进行优化，提供更好的性能和用户体验。

（四）技术革新

制程技术的不断进步将提升 GPU 的集成度和性能。随着半导体工艺的不断发展，GPU 的芯片尺寸将越来越小，集成度将越来越高。这将使得 GPU 能够在更小的空间内集成更多的计算单元和缓存，提高性能和能效比。同时，异构计算的普及也将提高 GPU 的计算效率。异构计算将不同类型的处理器（如 CPU、GPU、FPGA 等）结合起来，充分发挥各自的优势，实现更高效的计算。此外，AI 专用 GPU 的发展也将成为热点。随着人工智能技术的不断发展，对专门用于人工智能计算的 GPU 的需求将越来越大。这些 AI 专用 GPU 将针对深度学习、机器学习等任务进行优化，提供更高的计算性能和能效比。

（五）面临挑战

GPU 市场也面临着一些挑战。首先，供应链的不稳定可能会影响 GPU 的生产和供应。由于 GPU 制造涉及到复杂的产业链，包括芯片设计、晶圆制造、封装测试等环节，任何一个环节出现问题都可能导致供应链中断。其次，竞争加剧也是一个挑战。随着越来越多的厂商进入 GPU 市场，竞争将变得更加激烈。厂商需要不断创新和提升产品性能，以在市场中占据一席之地。此外，环境影响也是一个需要考虑的问题。GPU 的生产和使用会消耗大量的能源，产生大量的热量和电子垃圾。因此，厂商需要在产品设计和生产过程中注重环保，降低能源消耗和环境污染。

免费小程序《字形绘梦》上线啦！

欢迎大家体验！