GPU的核心競爭力在于架構(gòu)等因素決定的性能先進(jìn)性和計算生態(tài)壁壘。國內(nèi)GPU廠商紛紛大力投入研發(fā)快速迭代架構(gòu)，推動產(chǎn)業(yè)開放構(gòu)建自主生態(tài)，加速追趕全球頭部企業(yè)。國產(chǎn)替代需求持續(xù)釋放疊加國際局勢不確定性加劇，AI&數(shù)據(jù)中心、智能汽車、游戲等GPU需求有望高增，國產(chǎn)GPU迎來發(fā)展黃金期，我們看好國產(chǎn)GPU公司的發(fā)展與投資機(jī)遇。

第一，我們從性能和生態(tài)2個維度構(gòu)建了GPU完整的研究體系。1）性能：決定GPU是否“高效”，其中微架構(gòu)/制程是影響GPU性能的核心要素。2）生態(tài)：CUDA構(gòu)筑通用計算堅固壁壘。

第二，提出在評估GPU性能的指標(biāo)的重要性上：微架構(gòu)、制程、流處理器數(shù)量、核心頻率對GPU性能影響較大。我們詳細(xì)梳理了GPU的微架構(gòu)、制程、顯存容量/位寬/帶寬/頻率、核心頻率等各類性能參數(shù)及重要性程度，并利用“核心數(shù)*核心頻率*2”公式對性能算力進(jìn)行量化，揭示可用3DMark、MLPerf 等GPU軟件跑分進(jìn)行相關(guān)性能測試評估。

第三，詳細(xì)拆解了NVIDIA Fermi和Hopper兩大典型微架構(gòu)的具體硬件實(shí)現(xiàn)，在頂點(diǎn)處理、光柵化計算、紋理貼圖、像素處理的圖形渲染流水線上對Fermi架構(gòu)進(jìn)行了拆分；在指令接收、調(diào)度、分配、計算執(zhí)行的通用計算流水線上對Hopper架構(gòu)進(jìn)行了簡單易懂的描述，并指明更多、更專、更智能等未來架構(gòu)升級迭代的方向。

第四，明晰了生態(tài)是構(gòu)建通用計算壁壘的基石。提出GPU研發(fā)難度在圖形渲染硬件和通用計算軟件生態(tài)層面，在IP、軟件棧方面研發(fā)門檻較高，需要較長的積累，先發(fā)者優(yōu)勢明顯。CUDA生態(tài)從2006年推出至今，經(jīng)過不斷發(fā)展完善，幾乎已在行業(yè)生態(tài)內(nèi)處于壟斷地位。

第五，深度復(fù)盤Nvidia/AMD（ATI）的產(chǎn)品迭代和競爭發(fā)展史，通過對NVIDIA長期保持領(lǐng)先和AMD（ATI）反超進(jìn)行總結(jié)得出結(jié)論：架構(gòu)創(chuàng)新升級和新興領(lǐng)域前瞻探索是領(lǐng)跑GPU行業(yè)的關(guān)鍵。

第六，梳理和測算了國內(nèi)GPU在AI&數(shù)據(jù)中心、智能汽車、游戲行業(yè)的市場空間和發(fā)展趨勢。

以下為報告原文，節(jié)選部分內(nèi)容，更多內(nèi)容請參看原報告“GPU研究框架（2023）”，以及“服務(wù)器基礎(chǔ)知識全解（終極版）-182頁P(yáng)PT”，“服務(wù)器基礎(chǔ)知識全解（終極版）-182頁P(yáng)DF”。

以上內(nèi)容節(jié)選部分內(nèi)容，更多內(nèi)容請參看原報告“GPU研究框架（2023）”，以及“服務(wù)器基礎(chǔ)知識全解(終極版)-182頁P(yáng)PT”，“服務(wù)器基礎(chǔ)知識全解(終極版)-182頁P(yáng)DF”。