2016年-数据局_广发证券：从软件算法生态看GPU的发展与局限_22页_2mb

计算机应用行业：GPU的发展与局限分析

核心内容

本报告分析了GPU在计算机系统中的角色及其在未来技术发展中的挑战与机遇。重点围绕GPU在人工智能、VR/AR、云计算/大数据等领域的应用前景，以及其在并行计算中的局限性进行探讨。

主要观点

1. GPU的基本定位与用途

• 定义：GPU（Graphics Processing Unit）是一种协处理器，最初用于图形显示计算，后扩展至大规模并行计算任务。
• 优势：在图形计算、数值仿真、金融计算等领域表现优异，特别是在计算并行度和吞吐量方面。
• 局限：在计算精度、实时性、延迟要求较高的任务中表现不佳，例如控制系统计算、金融账本处理等。
• 市场现状：PC/游戏机用独立中高端GPU市场是GPU整体市场中单价和利润率最高的部分，但未来SoC集成GPU将占据更大市场份额。

2. GPU在人工智能领域的挑战

• 早期应用：GPU因具备并行计算能力被广泛用于人工智能项目，如谷歌图像识别、AlphaGo、特斯拉/沃尔沃辅助驾驶系统等。
• 性能瓶颈：
  • 计算单元：GPU的计算单元针对图像处理优化，精度高但浪费资源。
  • 片上网络（NOC）：树状拓扑结构在高通信需求的神经网络计算中成为瓶颈。
• 替代方案出现：谷歌推出的TPU（Tensor Processing Unit）在能耗效率和性能上远超GPU，且已在多个商业项目中应用，预示人工智能专用芯片的崛起。

3. GPU在VR/AR领域的应用前景

• 性能需求：VR对图像处理能力要求远高于大众级显卡，需GPU提供低延迟、高刷新率、高分辨率等支持。
• 市场潜力：VR/AR设备将推动中高端GPU市场增长，预计其市场空间将介于游戏主机与高清电视市场之间。
• 应用场景：VR/AR游戏和影视是当前主要应用领域，未来可能扩展至独立一体机。

4. GPU在云计算与大数据中的应用

• 云计算：亚马逊EC2平台将GPU作为并行计算组件，用于大规模浮点运算任务。
• 大数据：Hadoop的Map-Reduce架构部分适合GPU加速，特别是在“Map”阶段。
• 发展趋势：Nvidia积极推广“云+GPU+游戏”模式，试图拓展新市场。

关键信息

GPU市场趋势

• 市场结构：未来GPU市场中，SoC集成GPU将占据主导地位，而独立GPU市场份额将下降。
• 增长点：VR/AR、云计算/大数据、游戏产业是GPU未来增长的重要领域。
• 风险提示：
  • GPU与人工智能、并行计算等前沿技术发展迅速，行业趋势易被新技术改变。
  • GPU产业长期被寡头垄断，A股相关公司极少，存在较大差距。

技术挑战与发展趋势

• 并行计算优化：大规模并行计算优化主要分为计算单元优化和片上网络优化两个方向。
• TPU的出现：谷歌TPU在计算效率和能耗上显著优于GPU，标志着人工智能专用芯片的崛起。
• 未来方向：随着人工智能商业化，专用加速芯片将逐步取代GPU等过渡方案。

未来展望

• GPU的适应场景：GPU在未来仍将在图形显示、VR/AR、云计算/大数据等领域发挥重要作用。
• 替代趋势：随着专用人工智能芯片（如TPU）的发展，GPU在人工智能领域的主导地位将受到挑战。
• 市场格局：GPU市场集中度不断提升，未来可能出现单寡头垄断格局。

图表索引（简要）

• 图1：计算机显示的基本过程
• 图2：独立GPU和SoC集成GPU
• 图3：CPU的设计性能偏向以及图形计算的要求
• 图4：一些较匹配GPU特性的计算任务要求雷达图
• 图5：不同并行计算芯片资源分配倾向
• 图6：GPU常用的树形片上网络拓扑传递计算单元数据
• 图7：GPU市场占有率变化
• 图8：击败李世石的人工智能计算集群中使用了TPU
• 图9：CPU与GPU的架构差别概要
• 图10：GPU/FPGA与神经网络计算需求的差异
• 图11：比较神经网络/GPU/FPGA的并行计算模型差别
• 图12：GPU计算节点片上通信原理
• 图13：FPGA计算节点片上通信原理
• 图14：游戏主机全球月销量
• 图15：高清电视出货量及同比增长率
• 图16：在AWS EC2中调用GPU的原理
• 图17：云、GPU和游戏结合的原理

行业评级

• 投资评级：买入
• 报告日期：2016-05-31
• 分析师：刘雪峰
• 联系人：张璋
• 邮箱：zhangzhang@gf.com.cn

免责声明

本报告仅供广发证券重点客户参考，不对外公开发布。报告内容仅供参考，不构成投资建议，广发证券对使用报告可能产生的后果不承担责任。