AI算力芯片分类及厂商布局进展如何？

算力芯片需求高增，国产 GPU 持续发力。

云端智能芯片及加速卡是云服务器、数据中心等进行人工智能处理的核心器件， 其主要作用是为云计算和数据中心场景下的人工智能应用程序提供高计算密度、高 能效的硬件计算资源，支撑该类场景下复杂度和数据吞吐量高速增长的人工智能处 理任务。 AI 算力芯片分为通用型 AI 芯片和专用型 AI 芯片。1、通用型 AI 芯片主要包 括 CPU、GPU、DSP、FPGA 等。1）GPU 最初用于图形渲染，随着深度学习的发 展，在 AI 领域的应用越来越广泛。GPU 具有大量并行计算单元，适用于大规模并 行计算任务，尤其在深度学习模型训练中表现出色。2）FPGA 是现场可编程门阵 列，具有可编程逻辑，可以根据需要重新配置，适合定制 AI 加速器。FPGA 在通 信设备和数据中心加速中应用较多。2、专用型 AI 芯片主要包括 TPU、DPU、NPU 等。1）TPU：张量处理器，专用于机器学习，提供高效的计算能力。2）DPU：数 据中心处理器，用于数据中心计算场景，提升数据中心和云平台的深度学习任务性能。3）NPU：神经网络处理器，模拟人类神经元和突触，适用于深度学习指令集 处理数据。AI芯片中GPU用量最大，2022年中国AI芯片市场中GPU占比89.0% ， NPU 占比 9.6% 。

英伟达：2024 年发布 Blackwell 系列芯片。Blackwell 架构系列 AI 旗舰芯片包 括 B100、B200、GB200 超级芯片。其中，B200 有 2080 亿颗晶体管，前代 H100 晶体管数量为 800 亿颗；B200 提供高达 20 petaflops 的 FP4 算力，H100 的 FP4 性能为 4 petaflops。 GB200 采用 Chiplet 技术，把 2 颗 B200 和 1 颗 72 核 Grace CPU 相连；GB200 采用了台积电的 CoWoS-L 封装工艺。 英特尔：2024 年发布 AI 芯片 Gaudi 3，对标英伟达 H100。Gaudi 3 采用 5nm 工艺制造，具有 64 个第五代张量处理核心、8 个矩阵计算引擎，24 个 200 Gbps 以 太网 RDMA NIC，以太网的通用标准能连接数万个加速器，最高 16 条 PCIe 5.0 总线。与 Gaudi 2 相比，Gaudi 3 的 FP8 吞吐量达到 1835 TFLOPS，BF16 性能提升 四倍，网络带宽提升两倍，内存带宽提升 1.5 倍。英特尔 Gaudi 系列面向 AI 应用 场景，其推理能力也在不断提升，Gaudi 3 的模型训练速度提升 40%，推理速度提 升 50%。

中国 AI 芯片市场规模快速增加。根据中商产业研究院数据，2022 年，中国 AI 芯片市场规模达到 850 亿元，同比增长 94.6% ；2024 年，中国 AI 芯片市场规 模将增长至 2302 亿元。

国产 GPU 持续发力，竞争力不断提升。国产 GPU 领域，华为、寒武纪、海 光信息等厂商在 GPU 领域进行了布局。通过不断的技术创新和设计优化，国产 GPU 实现了产品的多次迭代更新，通过产品性能的提高和功能的丰富，不断提升竞争力。 华为：AI 布局日益全面，涵盖了从底层硬件到上层应用的多个环节，形成了 以芯片、盘古大模型、鸿蒙系统、欧拉操作系统、昇腾 AI 处理器为核心的全方位 技术体系。昇腾 910 采用 7nm 工艺，拥有 32 核自研达芬奇架构。昇腾 910 算力 参数：半精度（FP 16）算力达到 256 TeraFLOPS ；整数精度（INT8）算力达到 512 TeraOPS 。

寒武纪：云端产品线目前包括云端智能芯片、加速卡及训练整机。寒武纪先后 推出了基于思元 270、思元 290 芯片和思元 370 的云端智能加速卡系列产品。其中， 寒武纪智能处理器 IP 产品已集成于超过 1 亿台智能手机及其他智能终端设备中， 思元系列产品也已应用于浪潮、联想等多家服务器厂商的产品中。思元 290 （MLU290）芯片是寒武纪首款云端训练智能芯片，采用了 7nm 工艺，在 4 位和 8 位定点运算下，理论峰值性能分别高达 1024TOPS、512TOPS。思元 370（MLU370） 芯片是寒武纪首款采用 Chiplet 技术的人工智能芯片，是寒武纪第二代云端推理产 品思元 270 算力的 2 倍。

海光信息：海光 DCU 系列产品以 GPGPU 架构为基础，兼容通用的“类 CUDA” 环境，可广泛应用于大数据处理、人工智能、商业计算等应用领域。海光 DCU 按 照代际进行升级迭代，每代际产品细分为 8000 系列的各个型号。海光 8000 系列具 有全精度浮点数据和各种常见整型数据计算能力，能够充分挖掘应用的并行性，发 挥其大规模并行计算的能力，快速开发高能效的应用程序。在 AIGC 持续快速发展 的时代背景下，海光DCU能够支持全精度模型训练，实现了LLaMa、GPT、Bloom、 ChatGLM、悟道、紫东太初等为代表的大模型的全面应用，与国内包括文心一言、 通义千问等大模型全面适配，达到国内领先水平。

性能方面，英伟达 GPU 芯片在浮点运算能力、并行处理能力等性能指标方面 优势显著，可满足大规模数据处理和复杂计算任务需求。与英伟达 GPU 芯片相比， 国产 GPU 仍有较大进步空间。国内人工智能芯片设计公司成立时间相对较晚，在 综合技术积累方面与国际集成电路设计龙头企业有一定差距，但在人工智能算法和 针对人工智能应用场景的专用芯片设计方面有一定的技术优势。随着人工智能应用 的逐步成熟，国内人工智能芯片企业迎来了快速发展机会，国产 GPU 放量在即。