近日国际贸易政策的变化，让国产gpu（图形处理器）芯片非常关注。gpu有什么应用价值？高性能gpu的国产替代进展如何？解放日报·上观新闻记者采访了业内人士。
在他们看来，高性能gpu的国产化进程正在提速，预计会在未来三年内取得更大突破；另一方面，在集成电路先进制程、先进封装、端到端的eda（电子设计自动化）工具等环节，中国大陆与国际领先水平的差距，有几率会成为gpu国产化的制约因素。因此，产业界和学术界要在集成电路产业链上下游一起努力，才能实现gpu产业的可持续发展。
gpu是图形处理器的英文缩写，在我们平时用的个人电脑、手机和平板电脑里就有，用来处理与图像和图形相关的运算。作为电脑显卡的核心部件，gpu使显卡减少了对cpu（中央处理器）的依赖，可控制显示器的正确显示。尤其在处理三维图形时，电脑gpu的性能至关重要。
随着AI产业的兴起，高性能gpu的应用价值慢慢的变大。沐曦集成电路（上海）有限公司联合创始人、首席技术官杨建博士介绍，从技术架构角度，运行AI算法的芯片可分为gpu芯片（通用芯片）、fpga芯片（半定制化芯片）、asic芯片（全定制化芯片）和类脑芯片等4类，其中gpu芯片的适合使用的范围最广。
凭借强大的并行数据计算能力，这类芯片已成为数字化的经济发展的算力基石，主要使用在在人工智能模型训练与推理、高性能计算两大领域。
在人工智能领域，大数据训练和推理这两个环节都离不开gpu。大数据训练是指用大量标记过的数据来训练AI系统，开发出具有特定功能的神经网络模型。推理则是将新的数据输入训练好的模型，让它推理出各种结论。训练和推理所需的gpu不一样，用于训练的gpu往往部署在云端，即安装在服务器里，注重绝对的计算能力；推理芯片则注重综合指标，用于云端或设备端，需通盘考虑单位能耗算力、时延、成本等因素。
在高性能计算领域，gpu也扮演着重要角色，用于数据中心、科学计算、工业设计等多种应用场景，能执行海量数据的并行计算。“比如在科学计算方面，计算流体力学、分子动力学、计算化学、生物信息学、地球物理学等很多学科都需要gpu，”杨建说，“把高性能gpu作为算力支撑，正在成为科学前沿探索的主流方法。”
近年来，国内多家gpu初创公司加快速度进行发展，获得了资本青睐。壁仞科技融资总额已超过50亿元，摩尔线亿元，沐曦集成电路pre-b轮融资10亿元，天数智芯c轮融资10亿元。
巨额投资加速了国产gpu研发进程。沐曦采用7纳米工艺的首款异构gpu产品今年1月流片，预计明年初实现量产，有望成为智能计算中心的高端算力芯片，并用于主流AI计算场景。公司研发的第二款异构gpu产品计划今年四季度流片，希望填补在科学计算、人工智能训练等领域的高性能gpu国产化空白。
今年8月，壁仞科技在上海发布了自主研发的首款通用gpu芯片br100。它采用7纳米工艺，16位浮点算力超过1000t，8位定点算力超过2000t，单芯片峰值算力达到pflops（1pflops等于1000万亿次浮点指令/秒）级别。近日举行的世界人工智能大会上，这款芯片荣获sail奖（卓越人工智能引领者奖）。
虽然国内一些企业未来的发展势头不错，但高性能gpu竞争非常激烈，开发门槛高且周期长，需要从业者沉下心来，遵循产业高质量发展规律做事。
“目前，国内智能计算技术仍面临很大挑战，人工智能云端推理和训练芯片的国产化程度比较低，适用于科学计算的芯片更是缺乏。”沐曦创始人、董事长陈维良认为，我国gpu产业可以从三个方面补短板，以应对国际环境变化带来的挑战。
一是加快培养高端研发人才。人才是高技术产业高质量发展的根本，我国高端gpu产业面临的难题之一就是金字塔尖人才的缺乏，这对gpu企业竞争力产生了极大限制。从根本上解决人才问题，需要政府、企业和高校一起努力，打通产学研合作渠道，通过高校聘用企业导师、校企联合培养人才、共建实习基地和联合实验室、定期技术交流、定向招聘等多种途径，加强校企合作。“只有遵循人才发展规律，让高校培养的优秀青年进入gpu企业，再经过长期的产业经验积累，他们就非常有可能登上金字塔尖，变成全球一流人才。有了更多的一流人才，才能有更多的一流企业。”陈维良说。
二是产业链上下游协同攻关。集成电路产业链很长，在先进制程、先进封装（系统集成）、端到端的eda工具等环节，中国大陆的对外依赖性依然存在，这有几率会成为高性能gpu及其他高端集成电路产品的国产化制约因素。为此，产业链上下游的创新主体须一起努力，以求尽快突破关键核心技术。
三是避免资源分散问题。在国家和地方政府推动集成电路发展的大环境下，包括gpu在内的多个产业领域存在“一窝蜂”和重复建设的现象，导致经费和人才“分流”，不利于产业高质量发展。政府应扶持有足够技术实力的企业，做到资源集中、人才集中和资本集中，让这一些企业尽快实现产品落地、做强产业生态。
