GPU的核心竞争力在于架构等因素决定的性能先进性和计算生态壁垒。国内GPU厂商纷纷大力投入研发快速迭代架构，推动产业开放构建自主生态，加速追赶全球头部企业。国产替代需求持续释放叠加国际局势不确定性加剧，AI&数据中心、智能汽车、游戏等GPU需求有望高增，国产GPU迎来发展黄金期，我们看好国产GPU公司的发展与投资机遇。

第一，我们从性能和生态2个维度构建了GPU完整的研究体系。1）性能：决定GPU是否“高效”，其中微架构/制程是影响GPU性能的核心要素。2）生态：CUDA构筑通用计算坚固壁垒。

第二，提出在评估GPU性能的指标的重要性上：微架构、制程、流处理器数量、核心频率对GPU性能影响较大。我们详细梳理了GPU的微架构、制程、显存容量/位宽/带宽/频率、核心频率等各类性能参数及重要性程度，并利用“核心数*核心频率*2”公式对性能算力进行量化，揭示可用3DMark、MLPerf 等GPU软件跑分进行相关性能测试评估。

第三，详细拆解了NVIDIA Fermi和Hopper两大典型微架构的具体硬件实现，在顶点处理、光栅化计算、纹理贴图、像素处理的图形渲染流水线上对Fermi架构进行了拆分；在指令接收、调度、分配、计算执行的通用计算流水线上对Hopper架构进行了简单易懂的描述，并指明更多、更专、更智能等未来架构升级迭代的方向。

第四，明晰了生态是构建通用计算壁垒的基石。提出GPU研发难度在图形渲染硬件和通用计算软件生态层面， 电子元器件采购网 在IP、软件栈方面研发门槛较高，需要较长的积累，先发者优势明显。CUDA生态从2006年推出至今，经过不断发展完善，几乎已在行业生态内处于垄断地位。

第五，深度复盘Nvidia/AMD（ATI）的产品迭代和竞争发展史，通过对NVIDIA长期保持领先和AMD（ATI）反超进行总结得出结论：架构创新升级和新兴领域前瞻探索是领跑GPU行业的关键。

第六，梳理和测算了国内GPU在AI&数据中心、智能汽车、游戏行业的市场空间和发展趋势。

以下为报告原文，节选部分内容，更多内容请参看原报告“GPU研究框架（2023）”，以及“服务器基础知识全解（终极版）-182页PPT”，“服务器基础知识全解（终极版）-182页PDF”。

以上内容节选部分内容，更多内容请参看原报告“GPU研究框架（2023）”，以及“服务器基础知识全解(终极版)-182页PPT”，“服务器基础知识全解(终极版)-182页PDF”。

• GPU
• 架构
• 生态
• 研究
• 框架