高性能GPU芯片国产化进程提速，业内大咖呼吁在三方面“补短板”

最近国际贸易政策的变化引起了国内GPU芯片的关注GPU有什么应用价值国内替换高性能GPU的进展如何解放日报上官记者采访了业内人士

在他们看来，高性能GPU的国产化进程正在加快，未来三年有望取得更大突破，另一方面，中国大陆在先进集成电路制造工艺，先进封装，端到端EDA工具等方面与国际领先水平的差距，可能会成为GPU国产化的制约因素因此，业界和学术界应该在IC产业链的上下游共同努力，实现GPU产业的可持续发展

人工智能让GPU的应用越来越广泛。

GPU是GPU的英文缩写，存在于我们平时使用的个人电脑，手机，平板电脑中它用于处理与图像和图形相关的操作GPU作为计算机显卡的核心部件，减少了显卡对CPU的依赖，可以控制显示器的正确显示尤其是在处理3D图形的时候，计算机GPU的性能非常重要

伴随着人工智能产业的兴起，高性能GPU的应用价值越来越大牧溪集成电路股份有限公司联合创始人兼首席技术官杨坚博士介绍，从技术架构来看，运行人工智能算法的芯片可以分为四类:GPU芯片，FPGA芯片，ASIC芯片和类脑芯片，其中GPU芯片的应用范围最广

这类芯片凭借强大的并行数据计算能力，成为数字经济发展中计算能力的基石，主要应用于人工智能模型训练和推理，高性能计算两个领域。

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数据训练人工智能系统，开发具有特定功能的神经网络模型推理就是将新的数据输入到训练好的模型中，让它推理出各种结论与训练和推理所需的GPU不同，用于训练的GPU往往部署在云端，即安装在服务器中，专注于绝对的计算能力，推理芯片注重综合指标，用在云端或者设备上需要考虑单位能耗计算能力，时间延迟，成本等因素

在高性能计算领域，GPU也发挥着重要作用用于数据中心，科学计算，工业设计等应用场景，可以进行海量数据的并行计算比如在科学计算中，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，杨健说以高性能GPU作为计算能力的支撑，正在成为科学前沿探索的主流方法

许多国内初创企业获得了巨额投资。

最近几年来，国内很多GPU初创企业发展迅速，获得资本青睐富弼科技总融资额已超过50亿元，摩尔线程一年融资30亿元，牧溪IC Pre—B轮融资10亿元，天之信C轮融资10亿元

巨额投资加速了国产GPU的R&D进程牧溪首款采用7 nm技术的异构GPU产品已于今年1月流片，预计将于明年初量产有望成为智能计算中心的高端计算芯片，应用于主流人工智能计算场景该公司开发的第二款异构GPU产品计划于今年第四季度流式传输，希望填补科学计算和人工智能训练领域高性能GPU国产化的空白

今年8月，富弼科技在沪发布首款自主研发的通用GPU芯片BR100采用7纳米工艺，16位浮点运算能力超过1000T，8位定点运算能力超过2000T，单芯片峰值运算能力达到PFLOPS级别在最近的世界人工智能大会上，这款芯片获得了SAIL奖

从三个方面补齐短板迎接国际挑战

虽然国内部分企业发展势头良好，但高性能GPU竞争激烈，开发门槛高，周期长，需要从业者静下心来，遵循产业发展规律。

目前，国内智能计算技术仍然面临着巨大的挑战人工智能云推理和训练芯片的国产化程度比较低，缺乏适合科学计算的芯片牧溪创始人兼董事长陈伟良认为，中国GPU产业可以从三个方面补齐短板，迎接国际环境变化带来的挑战

一是加快培养R&D高端人才人才是高新技术产业发展的基础中国高端GPU产业面临的困难之一是金字塔顶端人才匮乏，极大地制约了GPU企业的竞争力从根本上解决人才问题，需要政府，企业，高校共同努力，开辟产学研合作渠道，通过聘请企业导师，校企联合培养人才，共建实习基地和实验室，定期技术交流，定向招聘等方式加强校企合作只有遵循人才发展规律，让高校培养的优秀年轻人进入GPU企业，经过长期的行业经验积累，才有可能爬到金字塔的顶端，成为世界级的人才有了更多的一流人才，才能有更多的一流企业陈伟良说

第二，产业链上下游的协同研究IC产业链很长，中国大陆在先进制造工艺，先进封装，端到端EDA工具等环节的对外依赖依然存在，这可能成为高性能GPU等高端IC产品国产化的制约因素因此，产业链上下游的创新主体必须通力合作，尽快突破关键核心技术

三是避免资源分散的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在内的诸多产业领域存在一窝蜂和重复建设，导致资金和人才分流，不利于产业发展政府要支持有足够技术实力的企业集中资源，人才，资本，让这些企业尽快实现产品变现，壮大产业生态