20160611_广发证券_从软件算法生态看GPU的发展与局限_23页_2mb

文档总结：从软件算法生态看GPU的发展与局限

核心内容

本文档探讨了GPU在计算机应用行业中的角色、发展现状以及未来面临的挑战和机会。核心内容包括：

• GPU作为协处理器，专为图形处理和大规模并行计算任务而设计，但并非适用于所有计算场景。
• 人工智能加速硬件技术路线尚未明确，GPU虽然在早期被广泛采用，但面临FPGA和专用AI芯片如TPU等的挑战。
• VR对图形计算能力要求极高，成为GPU市场增长的重要支撑之一。
• GPU在云计算和大数据处理中也有广泛应用前景。

主要观点

1. GPU的作用与局限性

• GPU是什么？
  GPU（Graphics Processing Unit）是图形处理器，最初用于协助CPU处理图像计算，后发展为专门处理大规模并行计算任务的协处理器。

• 为什么需要GPU？
  CPU无法满足图形计算的高并行度、高吞吐量、高实时性等特殊需求，因此需要专门的协处理器如GPU。

• GPU还能干什么？
  除了图形处理，GPU也可用于数值仿真、金融计算、搜索引擎等与图像处理相似的并行计算任务。

• GPU不适合干什么？
  GPU在处理带有较多分支判断、串行成分或网状数据流的计算任务时存在性能瓶颈，如控制系统、FFT等任务更适合由FPGA或专用芯片处理。

2. GPU在人工智能领域的挑战

• GPU在AI中的应用
  GPU在人工智能早期被广泛用于加速图像识别、自动驾驶等项目，但其在计算精度、实时性和延迟方面存在劣势。

• 谷歌TPU的出现
  谷歌于2016年推出TPU，其专为人工智能算法优化，能耗效率显著高于GPU，显示GPU并非AI加速的最终解决方案。

• TPU设计思路
  TPU通过裁剪计算精度和优化片上网络（NOC）结构，提升了人工智能计算的效率，表明AI专用硬件的发展趋势。

• GPU与FPGA的对比
  虽然FPGA在某些方面优于GPU，但其在片上网络优化方面仍存在不足，无法完全满足AI计算需求。

3. GPU的未来应用场景

• VR/AR市场
  VR对图形处理性能要求极高，GPU是其性能保障。未来VR设备将替代部分游戏主机和高清电视市场，推动高端GPU需求增长。

• 云计算与大数据
  GPU在云计算和大数据处理中具有重要价值，如亚马逊将GPU集成到EC2服务中，Hadoop部分组件也适合GPU加速。

• 云+GPU+游戏模式
  将GPU与云计算和游戏服务结合，可降低玩家的硬件成本，提升游戏体验，成为未来游戏产业的重要方向。

关键信息

• GPU市场现状
  NVIDIA在2015年独立显卡市场占有率高达81%，但未来SoC集成GPU将占据更大市场份额，NVIDIA的独立GPU市场份额将下滑。

• 市场增长预测
  VR设备将推动高端GPU市场增长，预计未来高性能GPU市场空间在游戏主机和高清电视市场之间。

• 风险提示
  GPU行业面临技术快速迭代和寡头垄断的风险，A股相关公司较少，难以与国际大厂竞争。

• 投资建议
  行业评级为“买入”，表明对GPU行业未来增长持乐观态度。

总结

GPU作为协处理器，在图形处理和大规模并行计算任务中具有显著优势，但其设计初衷决定了其在人工智能等新兴领域的局限性。随着TPU等专用AI芯片的出现，GPU在AI加速领域的主导地位可能受到挑战。然而，在VR、云计算和游戏服务等应用场景中，GPU仍具有广阔的发展前景。未来，随着AI商业化程度加深，专用AI芯片将逐步取代GPU等过渡方案，成为主流。同时，GPU行业存在较高的技术壁垒和市场集中度，A股公司需加快技术积累和市场拓展，以应对行业竞争。