20160531-广发证券-计算机应用行业深度研究：从软件算法生态看GPU的发展与局限_2mb

文档总结：从软件算法生态看GPU的发展与局限

核心内容

本文主要分析了GPU在当前计算机应用行业中的角色、优势、局限以及未来面临的挑战与机遇，特别是从人工智能和VR/AR等新兴应用场景出发，探讨GPU是否仍将是未来并行计算的核心。

主要观点

1. GPU的基本角色与特性

• 定义：GPU（Graphics Processing Unit）是图形处理器，最初用于协助CPU处理图像计算，后因其并行计算能力被扩展至其他领域。
• 优势：GPU专为图像处理和大规模并行计算任务优化，尤其擅长高并行度和高吞吐量的计算。
• 局限：GPU在计算延迟、实时性、片上网络优化等方面存在不足，不适合所有并行计算任务。
• 市场现状：
  • PC/游戏机用独立中高端GPU是GPU市场中单价和利润率最高的部分。
  • SoC集成GPU将占据未来GPU市场的主要份额。
  • GPU行业集中度不断提升，市场被寡头垄断，A股相关公司稀缺。

2. GPU在人工智能领域的挑战

• 现状：GPU因并行计算能力被广泛用于人工智能算法加速，如谷歌图像识别、AlphaGo、特斯拉/沃尔沃的辅助驾驶系统等。
• 挑战：
  • 计算单元优化：GPU的计算单元针对图像处理设计，精度高但存在资源浪费。
  • 片上网络优化：GPU采用树状NoC拓扑结构，难以满足神经网络计算的复杂数据流需求。
  • 替代方案：FPGA和TPU等专用人工智能协处理器在能效和性能上对GPU构成挑战。
  • TPU的出现：谷歌在2016年推出的TPU在能耗效率上比传统GPU方案提升一个数量级，显示出专用芯片的潜力。

3. GPU的未来适应场景

• VR/AR应用：
  • VR对图形计算性能要求远高于普通显卡，需要高端GPU支持。
  • 未来VR设备可能替代游戏主机和高清电视市场，带动高性能GPU需求。
  • VR设备对延迟、分辨率、刷新率等指标有严格要求，目前大众显卡难以满足。
• 云计算与大数据：
  • GPU在云计算中被广泛应用，如亚马逊EC2平台。
  • Hadoop等大数据架构部分组件适合GPU加速。
  • 云计算+GPU+游戏模式成为新的发展方向，尽管尚未大规模商用。
• 军用市场：
  • 军用GPU市场与民用市场需求差异较大，民用市场注重画面性能，军用市场注重可靠性与耐用性。
  • 军用GPU设计与制造难度高，对技术与生态要求严苛。

关键信息

1. GPU的性能维度

• GPU适用于高并行度、高吞吐量、容忍高延迟的计算任务。
• 不适合带有较多分支判断、串行成分或反馈算法的并行计算任务。
• 在处理网状数据流任务（如FFT）上表现较差。

2. 人工智能加速方案对比

• GPU：广泛用于早期人工智能项目，但存在精度高、能效低等问题。
• FPGA：在某些并行计算任务中能效优于GPU，但计算单元能力较弱。
• TPU：谷歌专用人工智能协处理器，能耗效率比传统方案提升一个数量级，显示出未来趋势。

3. 市场趋势预测

• VR市场：预计将成为GPU市场增长的重要支撑。
• 云计算市场：GPU在数据中心和云服务中的应用正在扩大。
• 行业集中度：GPU市场将被寡头垄断，A股相关公司面临巨大挑战。

风险提示

• 技术风险：GPU、人工智能和并行计算等前沿技术领域易受新技术冲击。
• 市场风险：GPU行业长期被寡头垄断，A股相关公司较少，竞争劣势明显。

投资要点

• GPU作为协处理器，主要服务于图形计算和并行计算任务。
• 随着人工智能商用化，专用协处理器（如TPU）可能对GPU构成挑战。
• VR/AR、云计算、大数据是GPU未来的主要应用场景。
• 云计算+GPU+游戏模式是未来游戏产业发展的潜在方向。
• 军用GPU市场与民用市场存在显著差异，技术门槛高，竞争激烈。

相关研究

• “度秘”机器（2016-04-26）
• 企业级（2016-03-02）
• SaaS方兴未艾，三细分方向或有大机遇

分析师信息

• 分析师：刘雪峰（S0260514030002）
• 联系人：张璋（021-60759787）
• 邮箱：zhangzhang@gf.com.cn
• 报告日期：2016-05-31
• 行业评级：买入
• 公司评级：买入、谨慎增持、持有、卖出

图表索引

• 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

总结

GPU作为并行计算的重要协处理器，在图像处理、游戏、云计算等领域发挥着关键作用。然而，随着人工智能技术的发展，专用协处理器如TPU正逐步成为更优选择。未来，VR/AR、云计算、大数据等新兴领域将为GPU提供新的增长点，但其在高性能计算任务中的局限性也愈发明显。GPU市场长期被寡头垄断，A股相关公司面临巨大挑战，行业集中度将进一步提升。