GPGPU通用图形处理器技术

GPGPU通用图形处理器技术

GPGPU，即通用图形处理器（General-Purpose Graphics Processing Unit），一个从GPU衍生出的概念。如果说GPU是巨头的游戏场，GPGPU就是一块正在快速开发的新市场。

GPU芯片，就是常说的“显卡”，擅长做并行计算；CPU则长于横向计算。两者组成异构计算的一对黄金搭档。

计算领域正初步形成“专用”和“通用”的格局。随着人工智能产业爆炸式增长，导致计算复杂化和算力不足，加上CPU并行计算能力不及GPU，使得GPU的通用性计算优势愈发明显，在一众xPU中脱颖而出，成为算力时代VIP。

为了进一步专注通用计算，GPGPU便应运而生。

GPGPU并不比GPU更厉害，只是去掉GPU的图形显示部分，将其余部分全部投入通用计算，并成为AI加速卡（一种并行计算硬件）的核心。

本文参考文献链接

https://baijiahao.baidu.com/s?id=1722621354697019669&wfr=spider&for=pc

https://mp.weixin.qq.com/s/4M-V7fvv1IzVSQAvjCKwBw

https://36kr.com/p/1688148987876224

[1]https://www.imaginationtech.com/products/gpu/

[2]http://sam.zeloof.xyz/ic-design-tools-from-verilog-to-mask/

[3]https://encyclopedia2.thefreedictionary.com/VHSIC+hardware+description+language

翻开GPU的历史一查，满本都写着两个字是“通用”。

 

 

 GPU在图形领域的可编程性经历着不断演进的过程，直到2006年，英伟达 CUDA（Compute Unified Device Architecture，统一计算设备架构），及对应工业标准的OpenCL的出现，让GPU实现更广泛的通用计算功能，GPGPU的概念才算真正落地。

 

 

 GPU发展历程

在加入天数之前，吕坚平曾在英伟达、英特尔、三星、联发科等众多跨国半导体巨头担任要职，见证了GPU的改变。他坦言，在2000年初在英伟达研发GPU架构之际，团队“头脑风暴”就讨论过“两个图像如何相加”“原有图形上的通用计算如何实现”等问题，彼时就发现GPU可以做很多图形外的计算任务。

后来，英伟达经过多次迭代，发掘了许多图形之外的应用领域，诸如超算、医疗、科学运算等，并获得了不错的回报，并使用GTX/RTX和Tesla两个前缀区分显卡和AI加速卡。

近几年GPU大会显示的趋势是：GPU将会向大规模扩展计算能力的高性能计算（GPGPU）、人工智能计算（AIGPU）、更加逼真的图形展现（光线追踪 Ray Tracing GPU)三大主要方向发展[1]。

GPGPU是GPU未来重要趋势之一，也是国产的一次机会。

入场门槛极高，却诞生了一个奇迹

在显卡这个成熟市场，强势的英伟达、AMD令后来者难以立足，加之支持桌面级显示和游戏渲染的显卡，背后需要很多技术支持和迭代，因此市场由国外巨头长期把控。不过，该领域并非没有“叫板者”，只是门槛过高，强如Intel，也难以如愿。自1998年推出第一款GPU i740、2007年推出Larrabee都相继失败，而当这家巨头重启独立GPU计划时，已是2020年。

通过GPGPU占领市场，成为国产厂商的另一个选项，这是天数选择GPGPU赛道的原因。

实际上，巨头也做GPGPU，只不过，不同之处是：巨头如英伟达和AMD，在定制“数据中心级GPU”（实即GPGPU）时，只是删除了显示接口，留下图形部分；国产后进者在研发GPGPU时，则不仅去掉了GPU的显示功能，还去掉了图形渲染功能。去掉的功能虽多，但由于国产厂商的研发工作从零开始，难度依然与GPU相当。

高算力的GPGPU芯片，底层硬件如同迷宫，设计和生产的要求十分复杂、专业和苛刻。GPGPU芯片上会放很多运算单元，让这些运算单元最适当组合并拥有最高的运算效率实现难度极大，一个部分计算单位效率不佳，对整个芯片的影响将放大上千倍。

芯片量产前还要经历冗长的设计测试流程。通常一款高端芯片前端和后端设计要耗时1~3年，设计完成后流片环节需要3~6个月，期间还会有流片失败一切重来的风险。即使成功流片，还需经过3~12个月的产品测试调优，才能开启量产。

 

 

  最近几年大芯片投资赛道，数GPU热得发烫。一众初创公司涌现，大厂精英抱团创业，巨额融资不断刷新行业纪录。一些成立较早的企业，已经进入研发落地阶段，刚成立不久的厂商，也旋风般推出相关产品。

与GPU创业高热相伴的，是从未间断的质疑声：估值虚高，PPT发布，套壳马甲……一些国内GPU创企推出的产品，被认为已经背离了芯片研发规律，成为融资的工具跳板，后生们不讲武德，坏了规矩。

国产GPU创业领域目前存在哪些问题？应该以什么样的态度发展国产GPU？与海外巨头相比，有何差距与挑战？追赶的机会在哪？集微网同产业人士进行交流，探寻国产GPU创业浪潮风起云涌的背后。仔细丈量国产GPU的“成色”，或许有助于更加清醒地正视现实。

一、乱象丛生 泥沙俱下

近两年，受市场需求以及政策、资本的推动，GPU在国内受到疯狂追捧。地缘政治、大国博弈背景下，相较于已有一定积累的国产CPU，国产GPU的破局更具紧迫性和必要性。人才储备程度，科创板提供的退出机制，也为国产GPU的发展创造了良好契机。

于是，GPU成为继AI之后，最为性感的芯片投资赛道。资本的蜂拥而至吸引了来自英伟达、AMD、海思、高通等一众大厂精英创业。据不完全统计，目前该领域的初创企业已近20家，所有一线投资机构均参与其中。

谈及目前国内GPU创业领域的现状，行业人赛道过热且拥挤，市场鱼目混珠、泥沙俱下。

一些企业推出的产品，不管是在跑分还是在标准测试和应用方面都取得了进步，但也有不少产品和演示目前还处于“PPT”状态。对于那些成立一年左右就推出多款产品的公司，颠覆了行业认知。

一块GPU芯片的研发周期从立项到上市至少要3～5年，好的芯片要经过架构和应用打磨，这个过程也不可能低于两年。有的产品宣称是自主设计，但明显违反整个芯片的设计规律。GPU不可能一年半载就设计出来并跑通应用，有可能设计全是外包，或是将已流片的设计的Spec配置稍作修改。

一些GPU新势力尚没有明确细分市场，也没有想清楚未来长远的发展方向，只会用PPT吹牛，发布产品参数和性能对比时混淆视听，实际并不能够正常量产或进行流畅演示，真实性和可靠性大打问号。

有的芯片参数比较奇怪，宣称算力是6T Flops/s，存储能力是50GB/s，两者的比例达到120：1，但实际上GPU最理想的比例应该是25:1，这在应用层面非常尴尬，不知所用何处。此外，有的芯片带宽非常低，无论是用于AI计算还是图形，基本上都发挥不出功能。

行业看来，这样导致的结果是搅乱了市场，浮躁了人心，在GPU这样一个高门槛且重积累的领域，不讲诚信，违背市场、技术规律，待潮水退去后，只能是一地鸡毛。

二、资本裹挟蒙眼狂奔

GPU创企在产品上的乱象丛生，有些是迫不得已。

海思做GPU，前后花了4年半，在华为强大流程体系支持下尚且如此，初创企业难度更大。如果也做这么长时间才出产品，投资人不会答应。

有的GPU初创公司与投资方签下对赌协议，在某个时间点推出芯片产品，是决定拿到下一轮融资的入场券。

资本裹挟之下，一些配置错误、不合逻辑、完全不像正常产品的GPU芯片横空出世，冠以自研、国产、打破垄断之名。吃瓜群众亢奋，行业人士错愕。

很多国内GPU的研发，已经脱离了芯片开发的初衷，所有的成果展示和发布，其实是以融资为目的。

赛道的火热以及大规模的融资助推GPU初创企业估值一路走高。一些成立一两年的热门企业，估值已经达到两三百亿元，GPU成为高估值代名词。

不少业内人士呼吁，对于那些通过“放卫星”博眼球的方式来吸引关注的可疑产品公司，需要投资人和相关的市场机构进行甄别以及理性对待和评估。

北科建集团产业运营负责人李锴表示，国内GPU从整体而言，受到了政策推动的影响，有了积极进展，尤其包括“东数西算”政策、算力芯片和智慧化应用的市场打开。但目前阶段的投融资热度，还是一种行业聚焦惯性投资，依靠当前的政策性红利，大部分投资标的还属于高风险投资项目。

真正投进去，一是要考虑估值是不是虚高的问题，二是需要专业性的知识背景和能力，考验投资机构慧眼识珠的本领。

但独具慧眼似乎是少数，GPU赛道的玩家更多处于“蒙眼狂奔”中，几年过去，投资热度仍未消减。

不否认GPU赛道过热，但不认为GPU创企估值过高，因为GPU的价值摆在那。

如果真的中美脱钩，高性能GPU被卡脖子，中国一定要想办法替代。一个GPU工程师年薪50万，2000人的企业，人力一年就要10亿，每年二三十亿的整体开支跑不掉。投资方愿意投钱给不同的创业团队也有道理，谁都想赌一把中国的AMD和英伟达。

三、图形/计算 花开两朵

GPGPU、通用GPU、全功能GPU、图形GPU、渲染GPU、GPU+……在国内，GPU命名上的文字游戏已被厂商们玩坏，也让外界对这些产品一时云里雾里。

按功能划分，GPU主要分为侧重图形图像的渲染GPU和侧重通用计算的GPGPU。

目前国内初创GPU公司，结合优势和阶段性定位，分别采取了不同的切入路线。其中GPGPU公司包括壁仞、沐曦、登临、天数智芯、红山微电子、珠海芯动力等，渲染GPU企业包括摩尔线程、励算、深流微、瀚博、芯瞳、格兰菲等。

 

 

 GPGPU相当于大算力芯片，是传统计算的回归，GPGPU的创新等同于将一些专用加速功能变成GPU的一组指令集，芯片面积只有原来的1%-10%，却相当于实现了一个全新专有芯片的加持，同时具备通用计算的性能，这使得边际成本更低，更具价值。

渲染GPU约80%仍是GPGPU部分，20%则是固定渲染流水线（fixed function），例如geometry pipeline、rasterization pipeline等。固定渲染流水线涉及较多的数学公式，因此比较依靠编译器和驱动等软件能力，GPGPU在硬件和应用层面较为复杂。

从软硬件复杂度看，渲染GPU复杂度更高。从开发人员团队数量来看，GPGPU如需要200人的硬件团队，渲染GPU可能要再增加50人，但软件开发人员相比GPGPU或需增加三倍，需要更多的人员开发驱动和编译器等。

芯动科技首席SoC架构师认为，图形渲染GPU因为经过了十几年的演化进程，流水线长，实现起来复杂，设计上的挑战更大，同时存在很多专利陷阱。

芯动科技目前聚焦于渲染GPU领域，但GPGPU也在规划之中，芯动科技选择的是一个起步很难但可以走得很远的赛道。虽然GPGPU的价值很高，增长也不错，但图形渲染GPU在细分市场总的体量更大。

对于一家初创公司的首颗GPU产品来说，如果要同时自研渲染GPU的固定渲染流水线IP、统一着色器（shader）IP，需要的时间和人力成本将非初始的几百人团队可以承受。因此，沐曦采取先做GPGPU，再发展图形渲染GPU的模式。在自研GPGPU中，只有统一着色器IP，不需要固定渲染流水线，这样可以在自研GPU的道路上一步一个脚印稳健前行。

四、核心IP 十年差距

任何一款高端芯片的打造，都离不开基石——IP的“成全”，IP的质量很大程度上决定了国产GPU性能的底色。

在步日欣看来，GPU作为高性能的大芯片，在短期内出成果，必然需要依赖外部IP。国产GPU厂商能够快速推出相关产品，很大程度上依靠外购IP。

但打着自主研发之名，行外购之实，推出“马甲”产品就难免有忽悠之嫌，这样的案例在芯片领域本就不在少数。

自研IP越多，芯片设计上越有把握，产品的差异化更明显。但相对而言，资金、人员、时间上的成本投入也更高。王强告诉记者，GPU IP自研需要36-48个月以及200个工程师，采用外购IP的方式，可以减少12-18个月开发周期。

考虑到GPU的研发非常考验项目的目标管理能力，对于团队能力和组织工程能力要求很高，初创企业由于能力有限，短期内如果自研路线不顺利，会选择大量外购IP或“马甲”路线。但从长远看，公司团队的成长、市场定位以及盈亏平衡不能得到保证，会逐渐拉开跟行业领先公司的差距。

据集微网了解，GPU 的IP主要涉及三大类，一是模拟IP，包括PCIe、Displayport和HDMI等等，这方面国内厂商占有率较低；二是Memory；三是数字IP，包括基于Arm或RISC-V的微控制器IP、编解码芯片IP以及最核心的GPU IP等。核心IP国内有Imagination、芯原、格兰菲等厂商，相对而言，Imagination认可度较高，芯原是后起之秀，格兰菲主要面向特定领域用户。

国内核心IP能力至少比英伟达、AMD等落后十年左右。整体而言，GPGPU企业与国际大厂技术差距约3年，渲染GPU与国际大厂差距约10年左右。

李锴认为，国内GPU底层技术空白点较多，IP大多受制于国外厂商，产品前端稳定性不理想，目前又很难在主线中高端电子产品上得到普及化应用，需多年沉淀形成自主IP积累才能具有一定替代性。

外购IP并不意味着无法自主可控，但对GPU企业的能力要求很高。

芯动科技与Imagination的合作是与苹果一样的架构授权，基于该初始架构芯动科技探索了很多方案，包括自研的Cache一致性Innolink Chiplet技术，内置国产物理不可克隆iUnique Security PUF信息安全加密技术等。

芯动科技去年推出的渲染GPU‘风华1号’80%以上的IP都属于自主研发。既然已经获得了架构授权，芯动科技就可以不受限制地自行改进，能够做到自主可控。

五、生态之路 道阻且长

除了硬件性能上的比拼，高性能芯片的生态搭建也是绕不过去的一道坎儿。某种程度上，生态比硬件更重要。

在最终量产和商业化产品出来之前，国产GPU还没到谈论生态和应用层面的地步，GPU生态是除产品外初创企业能否活下来的重要因素，是一开始就要考虑的问题。

对于渲染GPU和GPGPU，构建生态的难度截然不同。

渲染GPU在技术层面来相对复杂，但是好处在于有很多业界成熟的标准的API，如OpenGL、OpenGL ES、DirectX、Vulkan等。只要打通了整个驱动程序层和编译器生态，就基本完成90%。

在GPGPU领域，几乎是被英伟达一手打造的CUDA生态所垄断。

GPGPU的生态非常复杂，要求一路打通到应用层，提供面向所有应用的全面支持，甚至要自主开发以支持一个新的应用领域。

虽然不少GPU初创公司推出的产品都号称兼容CUDA生态，但存在兼容多少的问题，水分较大，比较重要的特性中可能60%-70%都无法支持。

 

 

 兼容CUDA并非易事，需要投入工程师的数量巨大。涉及50个驱动、50个编译器、50个数学库、300个应用层工程师，3-5年的时间。功能的验证，用户的培养需要额外3-5年，每年还要至少开支1000万-3000万元资助外部开发者。

使用的人越多，生态越占统治地位，看看国内的初创GPU企业，哪些是已经开始编写教材、在高校开课和开展合作项目、组织比赛等做这些人才培养方面的工作，就知道谁真正在沉下心来做生态了。

国产GPU业应采取开放合作的心态，学会站在巨人的肩膀上，善于利用现有架构和生态，设计契合市场需求的优秀产品，打造全球化设计水平的开发团队。国产GPU在起步阶段兼容现有生态更容易发展，先求生存；长期还是要摆脱兼容思路，站稳脚跟后再求发展自有的核心技术。

在GPU生态中，软件的权重已越来越高。Imagination中国区战略市场与生态副总裁时昕博士提及，GPU软件极为复杂，包括各种图形API和计算接口、基础库、与上层应用对接适配等等，开发工作量巨大。

从应用角度来看，国内GPU生态的发展更需要“众人拾柴”。要加快打造国产GPU产业链，下游的整机厂商需要对国产GPU给予更多包容。

国产GPU可能99%已达标了，如果能帮助国产GPU厂商一起将这百分之一影响体验的最后一步补齐，做到更完善，这对其发展是非常重要的。

六、掘金市场 盈利维艰

对于GPU创企而言，巨大的研发费用和资本开支是必需，但长期、持续的利润支撑才是GPU跨代发展的强劲驱动力。GPU的成功和成熟需要大量的验证和出货，这就需要国产GPU厂商瞄准目标应用市场发力。

对于初创企业而言，渲染GPU涉及到生态建设的完善度，所以从信创、军工、工业等领域切入较为稳妥。GPGPU市场从人工智能、服务器、高性能计算等领域切入是最优选择。

但初创GPU企业掘金市场的现实却相对骨感。

比如，在渲染GPU的传统应用如视频、游戏等领域，英伟达和AMD构建的护城河可谓固若金汤，国内企业与之差距较大，这一市场全球容纳三四家都比较困难。

短期看，虽然国内信创市场提供了一定空间，但总量不大，且偏向于中低端。因此，如何分食这一“蛋糕”之下还能实现正循环，是国内渲染GPU厂商面临的问题。从中长期看，虽然云端渲染成为新的增长点，但元宇宙、云游戏、云手机等市场普遍认为将在2024年前后起势，因此当下如何获得盈利求生存也是艰难挑战。

在GPGPU方面，比如在AI计算领域，面临场景应用复杂且碎片化，以及国内众多竞争对手混战的局面。

游戏、3A大作对GPU的图形和计算相对要求比较全面，国内企业在Windows领域追赶难度较大，但在安卓手游、信创桌面和某些定制的服务器领域，以及自动驾驶领域，国内厂商有机会实现切入。目前，芯动科技的风华系列GPU瞄准国产信创桌面和服务器这两大细分领域。相较于信创市场，服务器显卡单价更高，实现盈利较有希望。

除生态之外，当下对于初创GPGPU企业生存而言，最大挑战是产能。

目前和AI相关的大芯片，因为需要Cowos等先进封装，所涉及的中介层原材料非常紧缺，在目前产能吃紧的情况下，对于已经推出一些产品的初创GPU企业，会面临短期盈利的问题。

七、弯道超车 路在何方

中国在高端GPU领域缺席多年，面对海外巨头固若金汤的专利、生态等壁垒，GPU业从战略布局成长为核心支柱，显然还有漫长征途。

国内GPU企业发展破局的关键在于找准定位，贴近市场。

国内的渲染GPU厂商应该着重于贴近市场的定位和创新，使得设计和能效能够贴近应用，力争在专有应用领域或局部领域实现突破，然后再进一步拓展和打磨经验和能力，使得最终在生态和应用上能跟技术创新良好结合，形成正向循环。

跟国外巨头相比，国产GPU在一些专用领域优化方面，并不是完全亦步亦趋。通过在这些领域发力，能够在计算密度或在工艺、节奏、带宽密度等面体现出差异化，可以使产品在性价比，在某些特种应用方面能够达到国外GPU的能效，甚至做得更好。

在GPGPU方面，英伟达没有百分百的优势，国内GPGPU在某些方面可以说是超越的。国内厂商在HPC和服务器、通用计算等领域可以依托Linux的开放性和可控性强的优势，实现有效突破。

在杨建看来，国内GPU厂商的最大优势在于本土支持。

如果整个市场是一个地图，国内GPU厂商可先撒点，针对一些特定市场循序渐进抢占生态，加强与国内厂商的紧密合作，积累一定的优势和声誉后，再由点及面布局寻求突破。

多位受访者提及，高端芯片研发周期长、投入大，没有足量资金支持无法取得成功，但过度的投资热潮容易滋生投机现象，互联网投资的模式并不适用于芯片领域，国产GPU要谨防重蹈AI芯片的覆辙，需要正视差距，脚踏实地前行。

烧钱的模式是难以为继的，只有踏踏实实服务客户，服务市场，并且能够不断的回收研发成本，进一步实现创新，才是国产GPU的成功之路。急功近利，疯狂招人，疯狂烧钱的模式，实际上不可能快速弥补国产GPU跟国外GPU之间的差距，因为国外的GPU是一个个应用打磨出来的，国产GPU一定要有耐心，才能够在这个领域实现创新和弯道超车。

国内GPU距离国际大厂还有很长的距离，特别是目前的竞争格局下，国内GPU还处于野蛮生长阶段，虽然资本市场较为关注，但同质化竞争和创业造成了很大的人才和资金的浪费，一定程度上制约了国产GPU的发展进程。

下一步这几十家GPU企业，肯定要面临一定程度洗牌，那个时候才是真正的国产替代、缩小差距的开始。

国产GPU为何“一夜杀到老黄城下”？

国产GPU，这波发展势头有点猛啊。

先是芯动科技在去年底推出一颗“风华1号”，剑指高性能桌面级/服务器级显卡市场。

现在摩尔线程仅用18个月时间，量产上市了一款全功能国产GPU。壁仞科技也紧跟着宣布首款通用GPU芯片点亮成功。

如此速度和成果，甚至引来外界惊叹：

这是一夕之间就杀到了老黄城墙下的节奏？

大家最关心的，一是产品本身，性能、价格、啥时能买到。

再就是背后的行业突然火爆的原因，“怎么就做到了？”、“专利咋就饶过了？”

热议之中，“IP授权”一词也逐渐浮出水面。

比如，在这轮讨论中被反复提及的，就有一家名为Imagination的芯片设计厂商。

坊间传闻，这一波GPU头部创企的新产品起势，有不少与其脱不开关系。

中资背景的芯片设计公司

Imagination Technologies，和大名鼎鼎的ARM一样，这是一家总部位于英国的芯片设计公司，依靠向其他厂商授权芯片IP，收取授权费盈利。

早年间，这家公司曾以“苹果御用IP授权商”而闻名。

从第一代iPhone到iPhone 7 Plus，A系列芯片中的图形处理器部分，都是基于Imagination的PowerVR的IP核设计开发。

事实上，不仅是苹果，英特尔、三星、联发科、华为海思等都是Imagination的客户。

统计数据显示，在2010年，全球售出了超过2.15亿枚包含PowerVR技术的芯片。

2012年，Imagination在移动GPU IP授权市场占比接近50%。

另外，据《金融时报》报道，英特尔和苹果都曾大量持有这家芯片设计公司的股份，以至于该公司一度陷于两强之间拉锯战。

2016年，还有媒体报道苹果已经与Imagination就收购进行了“高级谈判”。但最终这项收购案并没有下文。

 

 

 一个重大的转折发生在2017年。

2017年4月，苹果官宣与Imagination“分手”，开始自研GPU。

这使得Imagination的股价应声暴跌，跌幅一度超过70%——据《金融时报》报道，在当时，Imagination有一半以上的收入来自苹果。

在此之前，Imagination的GPU业务本就已遭受来自ARM Mali的冲击。

ARM为了拓展Mali GPU的市场份额，采取了“买CPU，送GPU”的策略，即购买CPU核授权，就能享GPU核折扣。

不少媒体评价认为，虽然Imagination在移动GPU技术上具有领先优势，但ARM的“买一送一”策略还是让不少手机芯片厂商选择调转阵营。

困境之下，最终是一家中资背景的私募基金抬了Imagination一手：主要资金来自国新基金的Canyon Bridge出资5.5亿英镑（约合49亿元人民币）收购了Imagination Technologies。

值得一提的是，Imagination还曾将CPU芯片架构MIPS收入囊中，但在牵手Canyon Bridge时对该业务进行了拆分出售。

虽然如今的移动GPU一号位已经被ARM抢占，但Imagination近几年的发展势头又起来了。

尤其是其在移动光追技术上的投入，现在已经初见成效。

虽然除了芯动科技以外，官方没有明确透露有哪些国产芯片厂商与Imagination达成了合作，但完美世界、腾讯游戏、网易游戏等游戏公司都出面为PowerVR Photon这个“移动GPU领域最先进光追架构”站过台。

苹果也已在2020年1月与Imagination重修旧好，达成了新的多年期授权协议。

IP授权是怎么个玩法

说了这么多，像Imagination这样的IP供应商，到底在GPU设计开发的过程中扮演怎样的角色？

首先要解释的是，芯片领域说的IP就是知识产权的那个IP(Intellectual Property)。

已验证的、可以重复使用的集成电路设计模块又称作IP核。

在早期，芯片公司会把开发好的、能完成特定功能的电路做成模块复用，也就是常说的“不要重复造轮子”。

随着集成电路规模越来越大，芯片功能越来越复杂，各类电子产品上市节奏也在加快。

一家芯片公司很难再独立完成所有模块的设计，使用已验证的成熟IP核就成了降低成本、缩短设计周期的必然选择和行业惯例。

专门提供IP核授权的供应商也从产业链中分化出来。

这方面最大的公司就是ARM，像高通和联发科等手机芯片CPU部分用的ARM Cortex-A710和X2等，就是以IP核形式授权的微架构。

 

 

 根据授权形式，IP核又分软核、固核和硬核三种。

软核是用Verilog/VHDL等硬件描述语言描述的电路模块，只提供源代码不涉及硬件部分。

 

 

 固核是在软核基础上完成了门电路层面的设计和验证，交付的是门级电路网表(Gate-level Netlist)。

 

 

 硬核进一步完成了物理上的布局布线、包括仿真验证等步骤，提供设计阶段的最终产品掩膜版图。

 

 

 从软到硬，购买IP核后需要完成的工序越少，可调整空间也越小。

不过，即使可以从第三方购买IP核，完整的GPU设计仍然不是一件容易的事。

以英伟达最新发布的Hopper为例，一个全功能GPU架构，光是运算部分就包括用于图像渲染的流处理器、用于数据计算的张量单元、再加上光栅化处理单元(ROPs)、光线追踪单元等。

周边还有显存、缓存、视频解码、电源管理、PCIe总线接口等。

 

 

 △ Nvidia Hopper架构

根据IBS统计，7nm制程下单颗芯片中可集成的IP核数量平均为178个，到5nm还会增长到218个。

要把这么多IP核集成到一起，保证高效协作依旧困难重重。

对于软IP需要做硬化、不同IP之间接口的统一、还有芯片整体的布局设计、整体验证和测试等……

有任何一点疏忽都可能造成流片失败，需要从头再来，上亿的流片费用和前期更多投入都血本无归。

GPU IP核授权市场上，ARM、Imagination、芯原微电子目前占有率排全球前三。

三家的风格和境遇也不尽相同。

ARM的Mali系列GPU主打移动端，被联发科、三星、华为海思选用。不过海思前景不明，三星也开始着手在AMD架构授权下自研IP。

Imagination更专注于GPU，PowerVR早年性能领先于高通和ARM，但收入来源单一，失去大客户苹果后遭重大打击，正在寻求开拓桌面、车载和高性能计算市场。

芯原微电子(VeriSilicon)是国内老牌IP供应商，同时提供一站式芯片设计服务，GPU业务收购自美国图芯(Vivante)。现在是国内排名第1、全球排名第7的芯片IP授权服务商。

 

 

 △图源：芯原2021年报

国产GPU最近一段时间借助IP授权多点开花，纷纷流片成功或量产，算是迈出了艰难的第一步。

IP授权模式除了能减少投入加速回报，还能迅速积累经验、逐步建立起人才队伍。

有了积累之后，才可能像苹果、三星一样攀登架构授权+IP自研之路。

事实上，就连苹果的自研IP也并非一帆风顺，分手3年后又回头重新与Imagination合作，据市场传闻有专利方面的原因。

IP核供应商早已用技术优势与专利权构筑起护城河，芯片设计公司想绕过就要付出更大的代价。

如手机GPU搭载光线追踪成为一大趋势，Imagination与高通走在前面，苹果如坚持自研，就要绕过已有专利提出新方法，如此则面临跟不上产品更新换代节奏的风险。

最后，一款GPU能否成功走入市场也不光是硬件的事，配套的编程接口和软件支持也很重要。

像英伟达能成为GPU市场上的霸主，除了硬件性能强大，CUDA计算平台生态也是一大原因。

AMD对应推出的ROCm开放计算平台，短时间内也难以撼动CUDA的统治地位。

像摩尔线程、壁仞科技这样的国产GPU创业公司，还有很长的路要走。

国产GPU，为何是现在？

国产芯片创业上一轮爆发与AI热潮同步，聚焦于数据计算，也就是各类DPU、NPU。

15年开始，诞生了地平线、寒武纪、燧原这一批AI芯片独角兽，随后BAT华为等大厂也纷纷亲自下场。

20年下半年开始，资本市场上讲出了包括图形渲染在内的全功能GPU的新故事。

壁仞科技、摩尔线程先后成立并大笔融资，芯动科技、兆芯等老牌芯片公司的独立显卡项目也在这附近官宣。

这段时间几件大事，或许都有影响在其中。

首先要说的是，2020年国家全面推广信创产业，其中涉及芯片、服务器的国产替代、自主可控。

芯动科技就把“信创”列为风华1号的主要应用方向之一，还与国产操作系统统信达成生态合作，完成国产GPU与国产OS的适配。

 

 

 △芯动科技官网

另外，受全球芯片短缺和挖矿影响，GPU本身的价格也从2020年开始暴涨。

GPU挖矿主要挖的是以太坊，其价格在一年间增长了4.8倍。而在这之前，芯动科技的业务之一是生产挖比特币用的ASIC矿机。

 

 

 △芯动科技官网

最后，元宇宙、数字人、AR/VR的火爆也把3D图形计算需求抬到新高度。

壁仞科技在应用方向上透露过重点关注自动驾驶和元宇宙、摩尔线程还特别提出“元计算”。

如此看来，2020年中段开始创业或立项，不到2年纷纷拿出量产或流片的成果，就是国产GPU现在的速度。

其中芯动科技的风华1号明确表示使用了Imagination的IMG B系列GPU IP，另外几家没有透露具体情况。

PS. 针对Imagination IP授权一事，我们问了问相关头部创企，对方未作回应。

参考链接

https://baijiahao.baidu.com/s?id=1722621354697019669&wfr=spider&for=pc

https://mp.weixin.qq.com/s/4M-V7fvv1IzVSQAvjCKwBw

https://36kr.com/p/1688148987876224

[1]https://www.imaginationtech.com/products/gpu/

[2]http://sam.zeloof.xyz/ic-design-tools-from-verilog-to-mask/

[3]https://encyclopedia2.thefreedictionary.com/VHSIC+hardware+description+language