GPU行业深度报告( 112 页)

---

目录

01由专用走向通用，GPU赛道壁垒高筑

•  1.1 什么是GPU

• 1.2 始于图形处理设备

• 1.3 浮点计算能力与可编程性结合

• 1.4 GPU发展三大方向

• 1.5 英传达显卡发展历程

• 1.6 GeForce RTX 40系列，时代最强

• 1.7 英特尔的核显

• 1.8 核显与独显性能对比

• 1.9 图形流水线是GPU工作的通用模型

• 1.10 统一渲染架构的推出开启了通用计算大时代

• 1.11 从简单到越来越复杂的流水线

• 1.12 光线追踪时代开启

• 1.13 光线追踪算法要求的计算量巨大

• 1.14 走向新场景的GPGPU

• 1.15 GPU与GPGPU的对比

• 1.16 GPGPU与CPU的对比

• 1.17 并行计算发展的核心

• 1.18 SIMT，主流GPU的系统架构核心

• 1.19 GPGPU架构，以A100为例

• 1.20 Fermi是第一个完整的GPU计算架构

• 1.21 通用算力提升是英伟达GPU架构演进的重点之一

• 1.22 多方面构建的高壁垒

• 1.23 人才与研发投入，以英伟达为例

• 1.24 国外厂商多年间构筑了庞大的专利池

• 1.25 英伟达全栈布局构筑强大生态

• 1.26 走向异构，海外厂商横向布局不断

02产业化路径显现，全球AI竞赛再加速

• 2.1 AI技术赋能实体经济面临的瓶颈

• 2.2 ChatGPT的破圈

• 2.3 ChatGPT的成功离不开预训练大模型

• 2.4 预训练模型的发展历程

• 2.5 Transformer架构成主流

• 2.6 自监督学习与Transformer的结合

• 2.7 大模型的突现能力

• 2.8 参数量爆发式增长的ChatGPT

• 2.9 预训练大模型，第三波AI发展的重大拐点

• 2.10 生成式AI、边缘AI技术即将步入成熟期

• 2.11 大模型是大算力和强算法结合的产物

• 2.12 AI芯片三剑客

• 2.13 训练端GPU担纲

• 2.14 数据中心迈入“高算力”时代，兵家必争

• 2.15 英伟达数据中心业务快速增长

• 2.16 自动驾驶研发两大商业路线

• 2.17 自动驾驶实现的两种技术路线

• 2.18 单车智能化推动算力升级加速

• 2.19 自动驾驶具备广阔市场前景

03全维智能化大时代，国产算力行则必至

• 3.1 全球数据中心负载任务量快速增长

• 3.2 全球计算产业投资空间巨大

• 3.3 预训练大模型对于GPU的需求

• 3.4 国内市场需求将保持高增长

• 3.5 云计算及云部署方式

• 3.6 不同云部署方式的市场占比

• 3.7 企业上云持续向细分行业渗透

• 3.8 从“资源上云”迈入“深度用云”

• 3.9 信创从试点走向推广

• 3.10 公有云主要参与厂商

• 3.11 云计算产业链

• 3.12 集成显卡与独立显卡市场份额

• 3.13 独立显卡英伟达一家独大

• 3.14 性能强大的H100

• 3.15 国产厂商两条发展路径：GPU和GPGPU

• 3.16 先求有，再求好

• 3.17 生态先兼容主流，未来将走向自建

• 3.18 国产之路已开启，部分国产GPU设计厂商列表

• 3.19 GPU发展离不开全球产业链的支撑

• 3.20 制程升级对于算力芯片性能提升具有较高贡献度

• 3.21 摩尔定律发展趋缓

• 3.22 Chiplet技术潜力大

• 3.23 Chiplet技术发展历程

• 3.24 行业巨头推动，产业加速落地

• 3.25 采用Chiplet技术的产品不断出现

• 3.26 算力两大演进方向：更大算力&更多样化应用

• 3.27 存量替代与增量成长并存

• 3.28 高吞吐量离不开高速传输

• 3.29 光通信前景可期

04建议关注

• 4.1 瑞芯微

• 4.2 晶晨股份

• 4.3 星宸科技（待上市）

• 4.4 全志科技

• 4.5 北京君正

• 4.6 中科蓝讯

• 4.7 富瀚微

• 4.8 恒玄科技

05产业相关

• 5.1 海光信息

• 5.2 龙芯中科

• 5.3 景嘉微

• 5.4 寒武纪-U

• 5.5 中芯国际

• 5.6 芯原股份-U

• 5.7 华大九天

• 5.8 概伦电子

• 5.9 长电科技

• 5.10 华天科技

• 5.11 通富微电

• 5.12 炬芯科技

• 5.13 源杰科技

• 5.14 光迅科技

• 5.15 摩尔线程（未上市）

06风险提示