引言

近日，登临科技获得中国互联网投资基金（简称“中网投”）独家投资。该公司成立于2017年底，专注于高性能通用计算平台的芯片研发与技术创新，致力于打造云边端一体、软硬件协同、训练推理融合的前沿芯片产品和平台化基础系统软件。

自公司成立以来，公司已经获得6轮投资，受到资本的关注。公司自主创新的GPU+（基于GPGPU的软件定义的片内异构计算架构）是获得资本青睐的关键因素。通过大量客户产品实测证明，针对AI计算，GPU+相比传统GPU在性能尤其是能效上有显著提升。

一般来说，我们对CPU、GPU是比较熟悉，而GPGPU是什么呢？行业发展情况如何，为什么资本这么青睐这个细分赛道，接下来一一揭秘。

GPGPU是什么

对GPU通用计算进行深入研究从2003年开始，并提出了GPGPU概念，前一个GP则表示通用目的，所以GPGPU一般也被称为通用图形处理器或通用GPU。

当我们谈论GPGPU时，可以将其简单地理解为一种利用图形处理单元（GPU）进行通用计算的技术。传统上，GPU主要用于处理图形和图像相关的任务，如游戏和图形渲染。但是，人们发现GPU具有强大的并行计算能力，可以用于加速各种非图形相关的计算任务。

通俗地说，就好比我们有一个非常强大的计算引擎，可以同时执行多个任务。传统的中央处理器（CPU）类似于一个全能选手，可以执行各种不同的任务，但在处理大量数据和复杂计算时可能速度较慢。而GPU就像是一个专门擅长处理大规模计算任务的选手，拥有更多的处理核心和更高的运算速度。

GPU的核心价值体现在图形图像渲染，GPGPU的重点在于算力，虽然都是由GPU的架构演进而来，但所关注的重点有明显区别。

GPGPU架构设计时，去掉了GPU为了图形处理而设计的加速硬件单元，保留了GPU的SIMT架构和通用计算单元，使之更适合高性能并行计算，并能使用更高级别的编程语言，在性能、易用性和通用性上更加强大。、

GPGPU市场驱动因素

可以看出，GPGPU是在计算机技术发展过程中逐步演化出来的，在未来也具有巨大的市场前景，驱动市场未来发展的主要因素有：

大数据和复杂计算需求

随着数据的快速增长和复杂计算任务的增加，对高性能计算的需求也在不断提高。GPGPU作为一种高效的计算技术，能够满足大数据和复杂计算需求，因此在市场上得到了广泛应用。

人工智能和深度学习的发展

人工智能和深度学习的迅猛发展为GPGPU带来了巨大的市场机会。深度学习模型的训练和推断需要进行大量的计算，而GPGPU的并行计算能力能够加速这一过程，因此在人工智能领域广泛应用。

云计算和边缘计算的兴起

云计算和边缘计算的兴起为GPGPU的应用提供了更多的平台和机会。云服务提供商和边缘设备提供商都在积极采用GPGPU技术，以提供高性能的计算服务和边缘计算能力，满足用户的需求。

高性能计算的需求增加

高性能计算在科学、工程、金融等领域具有重要意义。随着科学研究和工程项目的复杂性增加，对高性能计算的需求也在不断增加。GPGPU作为高性能计算的重要手段之一，能够满足这一需求，并在市场上得到广泛应用。

GPGPU生态

截至2022年6月，中国算力总规模超过150 EFlops，位列全球第二。有机构预测到2025年，中国GPGPU市场规模将达到458亿元。

然而在巨大的市场背后，市场格局却比较尴尬。

国外巨头寡头垄断。英伟达、AMD双雄凭借多年构筑的护城河优势，垄断了中国GPGPU的90%市场。针对高性能计算，英伟达从2016年开始，陆续推出了Pascal、Volta、Turing、Ampere、Hopper五个平台架构。其GPGPU去掉或减弱了GPU的图形显示部分能力，将其余部分全部投入与图形处理无关的通用计算。AMD是另一家在GPGPU市场具有重要地位的厂商。其GPU架构与NVIDIA不同，但同样提供了高性能计算和通用计算能力。AMD的ROCm平台和OpenCL编程模型是其在GPGPU领域的主要产品和技术。

国产替代化加速，任重道远。国内的一些GPGPU公司也在研发的道路上不懈努力，推出了一些有竞争力的产品。2022年9月，壁仞科技首次展出了BR100系列GPGPU芯片，算力创下全球纪录；浪潮AI服务器成功搭载壁仞科技自研的高端通用GPU，在多项比拼中获评全球最佳性能，实现了国产芯片在国际AI赛场上的精彩亮相，取得了历史性的突破；寒武纪及华为昇腾均自主研发通用AI芯片，昇腾910、寒武纪思元290与英伟达A100均采用7nm先进制程工艺，在性能功耗比上较为接近，均面向AI训练、推理任务。国内众多芯片公司都在研发芯片的关键技术和应用，逐步缩小与国际巨头的差距。

GPGPU应用领域

GPGPU凭借强大的性能，在新经济产业发展中发挥了巨大的作用，具体表现在：

科学计算与仿真

GPGPU在科学计算和仿真领域具有广泛应用。从天气预报到物理模拟，GPGPU可以加速大规模的计算任务，提供更快速、准确的计算结果。它在天文学、物理学、化学等科学领域的模拟和计算中发挥了重要作用。

人工智能与机器学习

GPGPU在人工智能和机器学习领域扮演着关键角色。深度学习算法的训练和推断过程需要进行大量的矩阵运算和并行计算，而GPU的强大并行计算能力使其成为理想的选择。GPGPU加速了图像识别、自然语言处理、语音识别等人工智能任务的执行效率。

数据分析与大数据处理

随着大数据时代的到来，数据分析和大数据处理变得越来越重要。GPGPU通过并行处理和高性能计算，加速了数据的处理和分析过程。它在数据挖掘、数据可视化、模式识别等领域的应用越来越受到重视。

虚拟现实与游戏开发

虚拟现实（VR）和增强现实（AR）技术的兴起带动了GPGPU在游戏开发和图形渲染领域的应用。GPGPU可以处理复杂的图形计算和物理模拟，为游戏和虚拟现实应用提供流畅、逼真的图像和交互体验。

其他领域的创新应用

除了上述领域，GPGPU还在许多其他领域展现出创新的应用。例如医学影像处理、金融风险分析、交通流量优化等。GPGPU的高性能计算能力和并行处理能力为这些领域带来了更多可能性。

GPGPU行业挑战

在GPGPU未来发展过程中，也面临着一些挑战：

计算能力和功耗平衡

随着GPGPU计算能力的提升，功耗问题也日益凸显。在未来的发展中，需要平衡计算能力和功耗，开发更加高效的算法和硬件架构，以提高能源利用率和性能。

软件优化与开发工具

GPGPU的广泛应用需要相应的软件优化和开发工具支持。优化算法、并行编程模型和工具的研发对于提高GPGPU应用的效率和可靠性至关重要。

数据隐私和安全性

随着数据应用的扩大，数据隐私和安全性成为关注的焦点。在GPGPU应用中，保护用户数据的隐私和确保数据的安全性是一个重要的挑战，需要在硬件和软件层面上进行相应的安全防护措施。

总结

通过前面可以看出，GPGPU行业的发展是未来计算扩容的主要方案，其在产品性能上、市场发展空间上都具有较大的前景，因此也成为资本的必争之地。相信在未来，将会有具有全球竞争力的公司出现，引领新一代计算技术的发展。