概述：

◼ 从世界巨头寻找发展的足迹。GPU的优势在于多核，每个核拥有的缓存相对较小，数字逻辑运算单元少且简单。GPU市场已经进入寡头竞争时代，PC端方面主要以Intel, NVIDIA，AMD为主。Intel借助其CPU在PCv = { d H及服务器的绝对优势，在GPU市场方面也占据优势地位;NVIDIA与AMD则凭借领先的技术，在独立GPU领域占据优势。我们通过分析GPU的特性K q Q，以及NVIDIA与5 v x | U VAMD的发展历程，得出两点结论：第一，外延并购加强研发才能提升市场竞争力；第二，独立显卡由于其优秀的性能将会是未来的主要发r ~ y f . =展方向。

◼ 捕捉GPU应用的三大方向之一：追求极致的娱乐与性能平衡。全球游戏市场蓬勃发展，L f Z V o = }带动PC出货量上升。在多种PC当中，游戏本受到的关注最多。游戏本的出货的上升在较大的程度上是由于支持光追技术的游戏本增加。但是高性能的GPU相对笨重且功耗大，未来笔记本会向轻薄化与强性能方% 1 q K Y 0 h .向发展。

◼ 捕捉GPU应用的三大方向之二：人工智能与深度学习。人工智能已经成为经济发展的助推器。人工智能起始于深度学习。深度学习分为“训练”与“推理”两个过程。在“训练”阶段，GPU由于其多核特性，适用于u m % T d并行计算；在“推理”阶段，由于目前FPGA与ASIC的技术尚未成熟，GPU仍是较为主要芯片。

◼ 捕捉GPU应用的三大方向之三：自动驾驶。自动驾驶技术已经成为整个汽车产业的最新发展方向，市场空间广阔。目前，全球多个GPU公司已经在自动驾驶方面布局。GPU由于其并行计算的优势能较0 E / O | D J {好地处理图像与媒体信息。_ n r * e目前GPU是自动驾驶领域的主流方案。

一、从世界巨头寻找发展的足迹

1.1 GPU 的作用与分类

一般而言，消费者在选@ 6 0 w i : 4购消费电子产品的时候，例如在选购移动电话或者笔记本时，会更加关注 CPU（Central Processing Unit，中央处理器）的性能，例如 CPU 的品^ g p & Y ( !牌、系列、核心数量等等，而 GPU 受到的关注就相对较少。GPU（Graphic Processing Unit），及图形处理器,是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。在 PCK p 3 7 s F 诞生之初，并存在 GPU的概念，所S * g ^ 7 3 _ l有的图形计算都由f v Z O CPU 进行计算。然而，使用 CPU 做图形计算速度较慢，于是就设计了专门的图形加速卡用以帮助处) y H ! { .理图形计算。再后来，NVIDIA 提出了 GPy 2 l ^ l U G XU 的概念，将 GPP [ rU 提升带Q ? S Y C F了一个单独的计算单元的地位, @ 9 3 a ] + . 6。

CPU 一般由逻辑运算单元、控制单元和存储单元组成。CPU 虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存;CPU 有足够多的数字和逻辑运算单元，并辅助有m i Q w I H 5很多加速分支判断甚至更复杂的逻辑判断9 ] d N p 7 Z D的硬件。因此，CPU 拥有超强的逻辑能力。GPU的优势在于多核，( ? ( q n ! ,核数远超 CPU，可以达到数百个，每个核拥有的缓存相对较小，数字逻辑运算单元少且q m u R简单。因此，GPU 相对于 CPU 更适用于处理数据并行计算问题。

GPU 具有两种分类方式，一种根据与3 / g s b ! h X R CPU 的关系，另一种是根据 GPU 所在的应用端类别。根据与 CPU 的关系，GPU 可以分为独立 CPU 和 GPU。独立 GPU 一般焊接在显卡的电路板上，位置在显卡的s K p 9 A f 2风扇下面。独6 I & } 1 v D d 3立 GS | v f e | 5PU 使用的是专用的显示存储器，显存带宽决定了和GPU 的连接速度。集成 GPU 一般与 CPU 集成在一起。集h 6 c H I c * s成 GPU 与 CPU 共有一个风扇和缓存。集成 GPU 由于设计制作、驱动程序都由 CPU 厂家完成，因此兼容性较好；此外,由于 CPU 与; J * GPU 实现了集成，因此，集成 GPU 的占用空间小；实现 GPU 与 CPU 的适配与兼容，集成 GPU 的性能相对独立X X b Q M ( 5 GP2 w P eU 较弱，因此功耗和成本相对独立 GPU 较低。独立 GPU由于拥有独立的显存，更大的空间和更好的散热，因此在性能上面独立显卡更好；但需要额外的空间，能够满足复杂庞大的图形处理需求，并提供高效的视频[ I e D k编码应用。然而，强劲的性能意味着更高W X q的耗能，独立 GPU 需要额外的供电，并且成本也更高。

根据应用终端类别，可以分为 PC GPU,服务器 GPU，移动 GPU。PC GPU 应用于 PC 端。根据其所在产品定位既可以使用集成 GPU，也可y a v u ) ) k 以使用独立 GPU。例如，若 PC 以轻办公，文字编纂为主，一般产品会选择搭载集成 GPU;若 PC 需要制作高清图片，编辑视频，渲染游戏等，则选择的产品搭载独立 GPU。服务器 GPU 应用于服务器，可e t l ]做专业可视化、计算加速、深度学习等应用，根据云计算、人工K 8 E r : { t智能等一系列技术的发展，服务器 GPU将会以独立 GPU 为主。移动端轻薄化已经成为趋势，终端内部净m N Q d空间由于多种功能模组的增加已经快速下降；同时就目前移动端需要T . F k G p处理的视频和图像而言，集成 GPU 已经能够满足。所以移动 GPU 一般采用集成 GPU。

1.2 GPU 市场：寡头竞争时代已经来临

PC GPU 市场，Intel 优势明显。根据 Jon Peddie Research 的数据显示，全球 2019 年第四季度 PC 领域 GPU 出货量，Intel 是全球最大的处理器供应商。7 1 ` y h目前主流的处理器架构是 X86，主要的供应商B ? k E z是 Intel，AMD，VIA。截至 2019 年第四季度，消费级 x86 CPU市场中，包括桌面品台，移动端平台（笔记本和平台 LOT 物联网）中，Intel 占据了 84.4%的市场份额，AMD 占据了 15.5%的市场份额。Intel 凭借在 CPU 出货量上的优势，通过销售集成 GPU，实现了在 GPU 市场的m = S霸主地位。Intel 以 63%的市场份额排名第一，对比 2019 年第三季度环比下滑了 2 个百分点；AMD 作为全球第二大的 X86 架构处理器供应商，既受益于 CPU 出货带动的集成 GPU 出货量，也受益于自身优秀的独立 GPU 的出货。

AMD 以 19%的/ } V )市场份额排名二，环比上升 3 个百分点；NVIDIA 是全球领先的独立 GPU 供应商，同时结合 ARM 架构处理器，出货集成 GPU，市场份额为 18%，环比下降了 1 个百分点。

独立 GPU 领域，AMD 奋起直追。根据 Jon Peddie Research 发布的 AIB 数据显示，截至2019 年第四季度，在独立 GPU 域中，NVIDIA 以 68.92%的市场份额占据较大的优势。AMD方面，AMD 得益于在 2018Q4 所推出 RX 5500 及 RX 5600 系列，以及 RX 5700 系列的放量，多方因素共同促使 AMD 显卡份额大涨，从 2018 年 18.77%上升至 31.08%。AMD 推出的Radeon 系列部分型号采! ~ 8用# F | V 7nm 工艺，并且在与 NVIDIA 的产品对比中（RTX2070 对标RX5700，RTX2070S 对标 5700XT），同系列 AMD 性能略强，价格更低，重点是功耗一样。更强的性能，更低的功耗，AMD 的产品无疑对 NVIDIA 的市场份额造成了挑战。

五雄争霸，手机厂商不甘寂寞。在移动 GPU 领域，主要以 Imagination、ARM、R ! 0 O T 7 $ Qualcomm、Vivante、NVIDIA 为e K = ,主。高通3 t J e l C { V E目前是 Android 阵营最大的处理器供应商。移? 4 G D C动端主Z g S 6 = R要使用集成 GPU，因此，高通d s T { x D q GPU 因其处理器的市场优势也有所受益。ARM MailN R p e q ; 9 { GPU 的主要使用者是华为和三星。ARM Mail 的 GPU 性能相对较弱，/ G b o a Y因此华为在2018年通过推出 GPUTurbo 软硬. n ) D f m件优化弥补短板。三星方面已经与 AMD 前敌多年的 IP 授权，AMD 将向三星授权最新的 7nmz M [ n RDNA 架构 Radeon 显卡 IP,并且尝试自研 GPU。苹果在与 Imagination取消合作两年后，再次选择与 Imagination 合作，并给予支付授权费。虽然目前手机巨头都是采取购买 GPU 厂商 IP 的方式，但是目前三星、苹果、华为等有相关计划进行 GPU 自研项目。手机已经进入同质化时代，手机之间的差异性已经成为手机厂商竞争优势的关键。公版 GPU 难以使手机厂商产生本质的差异性。因此，手机需要通过自研d 0 ~ P GPU 以及 CPU 实现手机性能的差W t 3 U p , G异化，从而获得市场的竞争优势。

1.3 从世界巨头发展足迹寻找启示

1.3.1 世界独立 GPU 领先者——NVIDIA

怀着梦想，高歌猛进。1993 年 4 月，从集成电路生产商 LSI Logic 出来的黄仁勋，联合Sun 公司两位年轻工程师——Chris Malach[ 9 n M 4 7 % dowsky 和 Curtis Priem 共同创立了 NVIDIA，他们的初衷是研发一种专用芯片，用来加快电子游戏中 3D 图像的渲染速度，带来更逼真的显示效果。他们相信，PC 终{ 2 8 6将会成为享受游戏和多v v ~ :媒体的消费级设备。最初几年，由于技术上的g k K优势，NVIDIA 发展颇为迅速。发布了多款优秀的产品，例如 NVIDIASTG-2000X、RIVA 128 等，并在 1998 年与~ | , H @ % ` X台积电签署了多年战略合作伙伴关系协议。台积电开始协助制造 NVIDIA 产品v z X W。

高低起跌，成长并非一帆风顺。1999 年，NVIDIA 在纳斯达克挂牌上市。同年 8 月，NVIDIA推出第一款以 GeFop ~ V 9 jrce 命名的显示核心——GG U N D a 1 e AeForce256，并首次提出 GPU 概念。次年底，NVIDIA 以 7000 万美元? b x i p : B :现金、100 万股公司股票，将 3Dfx 收入囊中。此时的H / U M NVIDIA 已经成为了行业的领头羊。2000 年，微软宣布选择 NVIDIA 为其首款 Xbox 游戏机提供图形处理器。在合作过程中，双方因交付价格问题产生矛盾。最终，y 1 ; Z ( g微软把订单交给了 NVIDIA的竞争对手 ATI。这次合作的失败让 NVIDIA 遭受了沉重的打击，不仅 2003 年营收减少，还错过了微软 DirectX C @ # z9 规格确立的重要消息，( G Z直接导致当年推出的J = h = u K , GeForce FX 由于兼l d p容性问题败给 ATI 的 Radeon9700。在与微软合作失败的同时，英特尔也开始扶持 ATIU s [ S n i O。

面对如此严峻的局面，NVIDIA 开始寻求走出困境之道。首先，主动与微软和解，争取再次合作；同时和英特尔达成了专利交叉许可协议。j T h第三，扩展自己客户源，包括争取到为索尼的 PlayStation 3 游戏机开发处理器；与暴雪娱乐（Blizzard Entertainment）合作，发布了 3D 图形世界的《魔兽世界》，推动大型多人在线游戏成为全L { . Z D b : %球最受欢迎的游戏。

外延并购d J o ` t r，强化技术本领才是硬实力。自 NVIDIA 创立以来，一直坚持技术创新，提升自身的实力。提升自身的技术实力有] p h h H R两种方式，一种是外延并购，一种是修炼内功。在外延并购方面，NVIDIA 自 1999 年上市，主要实施了 9 次并购活动。在这 9 次并购活动中，我们发现，NVIDIA 不仅通过并购活动巩固自身的技术优势，例如在 2000 年对 3dfx的并购；也有不断延伸自身业务范围的并购，例如，2006 年对 Hybrid Graphics 的并购，曾帮助公~ Y Q司开始d I [ R ( ` c I I进行嵌入式 2D 和 3D 图形软件的开发；2008 年对 AQ l !GEIA 的并购则是则是增项游戏中的视觉体验；2013 年对 Portland Group 的并购则是推Z j ]动为加速计算革命创建开发工具的进程。NVIDIA 通过并购活动不断拓展自身的业务范围，提升公司在市场的竞争力。

NVIDIA 积极修炼内功。自 2016 年起，公司的研发费用逐年增高。2015 年公司研发费用为 13.31 亿美元，2016 年公司研发费用为 14.63 亿美元，同比增长 9.9# { ~ !2%；2017 年更是达到 17.79 亿美元，同比增长达到 22.83%。从 2017 年起，公司每年的研发费用保持双位数的增长，在 2018 年更是达到了e 8 v w | 32.22%的增长。在人才储备方面，自 2014 年起，公司的研发人员比例，维持在 71%以上，即使当前全公司总人数已经达到 13775 人，公司的研发人员数量也有 9823 人。强劲的研发费用以及庞大的研发团队造就了 NVIDIA 一次又一次的技术创新，例如用于增强并行计算的 CUDA 架构、全球首V q % R V l / }款h B g面向家庭的高清 3D立体解决方9 + @ T q p E ;案，后期更有高级驾驶辅助系统、轻松创建和部署用于制造、配送、零售、智能城市等的 AI 机器人应用程序、为超级计算提供协助的加速器等一系列面向未来的高端技术。T c D q

面向未来，拓展业务，形成生态。从 NVIDIA 的发展史可以看出，公司最早是以生产图形加速器起家，并逐步成为微软、索尼、暴雪等知H P $ 1 ) 0 V - ^名游戏品牌的合作商。同时] 8 1 Q H，通过一系列的外延并1 a S购已经获得了视觉渲染的技术，并在游N T $ - ? T / .戏领域中实现应用。游戏与视觉化技术仅仅是 NVIDIA 的一部分业务，多年的技术积累与创新使 NVIDIA 可以不断拓展自身的领域，布局未来产业。2012 年，多伦K I B + P多大学 Alex Krizhevsky 创建了能够从 100 万样6 O y本中自动学习识别图像的深度神经网络。仅在两块 NVIDIA GTX580 GPU 上Z c v A 7 M _训练数天，“Alexq z , NetD 6 . [ x ;”就赢得了当年的 Image Net 竞赛，击败了磨练几v Z p十年的所有人类专家算法。认识深度学习的强大后，斯坦福的 Andrew Ng$ u F 与 NV2 t gIDIA 研究室合作开发了一种使用大规模GPU 计算系统训练网络的方法。这引起了全球关注。自此之后，深度神经网络技术迅速发展，Nvidia 也一举成为深度学习领域最炙手可热的公司。NVIR P u 2 [ ;DIA 在发布了“Fermi”架构后，在2015年发布了用于训练深度神经网络的最强大的处理器NVIDIA GeForce GTX TITAN X，2016 年发布世界上第一款台式深度学习超级计算机，可增强人工智能应用 N4 c & = c JVIDIADGX-1™。从架构到处理器再到超级计算机，NVIDIA 在不断地完善自身的生态。不仅是在深度学习领域，在自动驾驶领域，NVIDIA 也表现出色。自 NV& T C L 6 1 EIDIA 入局自动驾驶技术后，不断的研究开放式人工智能车辆计算平台，在 2015 年推出世界上第一块车载超级大脑第一代 Drive PX。随着技术的不断更新，优势也越来越大，NVIDIA已经成为自动驾驶硬件的前沿公司。目前的 NVIDIA 已经和 70 多个知名的车企合作，其中也包括一些交通网络提供商和自动驾驶技术公Z J b ` J t K司。

大数据、人工智能、自动驾驶k . b n } B是社会未来发展的趋势，公司通过自身的技术a | ? 7 ~ 9 7 H 7积累，重锤出击g ; 8 ; ^ h _ ` N。目前相关业务已经形成了较好的发展势头。据公司财报显示，2019 年公司实现营收 109.18 亿美元，其中游戏业务实现营收 55.18 亿美元，同比下降 11.66%，专业可视化业务实现营] 5 I r + t收 12.12 亿美元，同比增长 7.36%，数据中心业务实现营收 29.83 亿美元，同比增长 1o C w 4 Y %.74%；自动驾驶业务实现营收 7 亿美元，同比增长 9.2W X `0%。目前游戏业务在公司营收中占据主要部分，达到 50%以上，但是可以看到，专业可视化、数据中9 c ^ # , 5 i n心、自动驾驶等业务在营收中的占比逐步增加。我们认为，随着 5G 时代的来临，消费者对信息消费的需求增加，AR/VR、云游戏等一系列应用的推广，公司的游戏业务的有望重回上升轨道，专业可视化业务继续攀升；推动信息化社会进程加速的背后需要大数据、人h o 6 b ] S工智能、自动驾驶等技术的配合，因为公司数据中心与自动驾驶业务未来将会$ Y继续收益。

1.3.2 掌握处理器、集成 GPU、独立 GPU 三大技术公司——AMD

起于代工，与开始 Intel 蜜月期。AMD 成立于 1969 年。刚开始的时候，AMD 没有资金和技术V a 9 {优势{ | A r x ] @，O 6 q ? 5 3 *一直是采取低价策略争取成为各类产品的第二供应商。由于 IBM，促成了 AMD与 Intel 的合作，并拿到了 Intel 的 X86 指令集的授权。IBM 的采购原则是必须两家以上的公司参与竞标，于是 Intel 开放技术，全面授权 AMD 生产 X86 系列处理器，AMD 成为 8086 和 8088 处理器的第二供应商。这也间接的提升了 AMD 的技术水平。1982 年，Intel发布 80286 处理器，这是历史上两家公司第一次同时打上双方 logo 的产品。这块产品在市场上反应也比较好，在 6 年内，全世界基于 286 处理器的个人计算机便达到了 1500万台。

蜜月结束，顽强生存。AMD 在获得 286 处理器授权后便开始生产自己的 286 芯片，模仿286 制造了克隆体“Am286”。Intel 在意识到威胁后，英特尔终止了与 AMD 的技术合作协议。AMD 没U L A r有放弃，于 1989 年自- 1 8 k G M v主研发了性能与 286 相似的 AM386 处理器，通过不断生产兼容 Intel 的处理器，以低廉的价格打入市场，使得 AMD 顽强的生存着。Intel 在1997 年推出 Pentium MMX 后，退出 Socket 7 市场，这与 Intel 之前一直靠兼容性占领CPU 市场的策略背道而驰。AMD 迅速反应，抓住 Intel 战略失误的机会，坚决地在 Socket7架构上推出z n g S K6，并提出 Super Socket7 架z ? F % 8 ; ] q构（向下兼容 Socket7），获得了众多厂商的支持。更关键的是，AMD 基于 Socket 接口先于 Intel 生产出了 100MHz 外频的产品，性能上也更优异。在 1999-2003 年间，Intel 发布了 PeT @ 3 p tntium III，并向 Pentium 4 过渡。AMD 也不甘落后，发布 Athlon、- Y o K ` Z mAthlon XP 等多款产品。这个阶段双方的产品在性能上旗鼓相当，但是 AMD 一般价格上更便宜，在这段激烈的竞争中 AMD 市占率逐步提升。从2003 年到 2006 年，Intel 在 CPU 的市场份额出现下滑，到 2006 年，AMD 已占据 CPU 一半的市场份额。

坠入谷底，获得契机。Intel 在 2006 年提出 Tick-Tock 战略，即工艺制程每 2 年实现一次进步，正是基于这个策略o x M 9 i y 2006 年后 Intel 逆转了局面。IU 6 I e Pnt; ] * [ % y / n Yel 在 2006 年发布 Core2，采用的是 65nm 工艺，使得Q ^ 8 } ? T :性能增长 40%，同时功耗减少 40%。这让 AMD 的 Athlon 优势全无，性能上的优势重新回到 Intel。虽然 AMD 发布了四核 Phenom，但是因为性能不足，敌不过 Intel。在 2006 年 AMD 以 54 亿美m ~ ) i & f Z元收购显卡巨头 ATI。从这一刻开始，AMD 变成了世界上少数既能制造处理器 又能制造图形芯片的厂商。在 2009 年 1 月，AMD 将自身的移动部门以 6400 万美元卖给了高通。AMD 的处境处于谷底之中。

冲出谷底，再起起飞。虽然当时 AMD 的处境不佳，但是在家用o P ^ q n游戏机市场，AMD 还是称霸全场6 2 & 6 q 的，在现在的 xbox.ps 系列游戏机上，它们的核心就是 AMD 提供的，这样的发展也算是对 AMD 的一种优势。2017 年e . T % _ D a g AMD 发布 Ryzen 处理器，性能出色，价格大幅低于Intel。Ryzen 处理器性能实际提升幅度高达 52%，Ryzen 在游戏行业和新兴的K F n a ] c 9 B加密货币市场上均出现了稳定的需求，Intel 只好全线降价应对。Ryzen CPU 在 2017 年中发布，主流型号 Ryzen 5 1600 短短不到一年就成为 AMD 历史上销量最好的产品。正是借助于Ryzen，AMD 在 C* 4 9 $ SPU 的市场份额从 2006 年以来首次出现连续几个季度增长，终于在 2017年] # b t = u g h三季度实现扭亏为盈，股价同时也大幅上涨。AMD 在 2l 6 + A018 年第一季度末发布的 Ryzen2 代，采6 j p i U用 12nm 工- ! [ [ * K艺，对 i9 也直接发起了挑战。

不只W h t是 CPU，GPU 同等优秀。GPU 方面，不论是 14nm 工艺的还是 7nm 工艺的，GCN 架构时代已X Y ` B c经过去，Radeon VII 已经停产，当前的主力架构是 7nm RDNA 架构。2018 年，AMD宣布新k ( G D k v o }品有台积电代工，并于 2019 年 6 月，发布 Radeon RX5700 系列游戏显卡，采用% . } ? L 1 3 /新一代 R[ f & ` F /DNA 架构以及台积电 7nm 工艺，性能获得大幅提升。目前 AMD 正在开发 RDNA 2架构。AMD 在新一代架构上实现硬件光追。从进度上来看，RDNA2 架构的产品有望在 2020年发布。AMD 的 GPU 不仅是在 PC 端发力，在移动端- g , 9 3 v方面也不甘落后。虽然过去# = Y z | 1 AMD 因为运营问题将移动部分出售高通，高通成为移动端 GPU 的领先者。然而，这都不妨碍公司在 GPU 领域的布局。2019 年 6 月 4 日，三星集团与 AMD 公司一起正式宣布，AMD 将把刚刚才发布的 RDNA 图新架构的定制图形 IP 授权给三星集团。三星计2 & 3 S [ M划把这些技术用在未来的移动 SoC 身上。AMD 和三星双方将以 Radeon 显示卡技术为基础，在超低功耗、高性能行动图形处理器 IP 上展开为期多年的合作。通过与三星的合作，AMD 进入智能终端GPU 领域，发挥. b $ 5 h . r r f自身在 GPU 领域的优势， b x抢占市场份额。

1.3.3 获得启示

1、强化自身实力才是硬道理。无论是 NVIDIA 还是 AMD，都曾经在发展的过程中出现一段低谷期。在低谷期中，两家公司都通过一系列的方式不断发展自身的技术，例如 NVIDIA收购 Media Q 提升自身的无线图形和多媒体技术，AMD 收购 ATI 公司获得图形处理器的技术。在获得技术后，两家D j - 7 f !公司技术进行吸收，并在后期推出了相关的重要产品，带领公司走出困境，获得市场的竞争优势。

2、独立 G. ( k ~ - K sPU 才是未来的方向。从 NVIDIA 发布的产品、技术以及财报看，NVIDIA 已经信息化z ` Y s Q J和数据化产V - Z A业广泛布局，例如发布的超级计算机、自动驾驶系统以及深度学习的解决方案等。这一系列的产品布局有充分地说明 NVIDIA 对数据时代来临的看好。无独有偶，AMD 方面拥有 XP F F : j b ( 1 s86 架构的技术，已经在服务Z ! k D , 8 4 % t器产品上广泛布局。两大 GPU 公司都看好未来对大数据处理的需求。此外，2018 年 6 月，英特尔宣t } o X g G o + B布旗下首款独立显卡将于2020 年正式推出，英特尔正式进入独立显卡市场，未来将和 NVIDIA、AMD 展开直接竞争。大数据涉及信息消费，人工智能、自动驾驶等方方面面。对大数据的处理需要大量的并行计算。根据我们的分析，独立 GPU 拥有独立的内存可以发挥更强的性能，适合大规模处理并行计算。随着 5G 进程的加快，数据流量即将爆发，云计算、云游戏、人工智能、车联网等一系列应用都需要p v O q T 1 K消耗大量的计算能力，对并行计算的需求将会增加。因此，独立 GPG U w o c u HU 具有广泛的市场空间。

二、捕捉 GPU 应用的三大方向之一：追求极致的娱乐与性能平衡

2.1 全球游戏市场稳步发展

移动端占据主要市场，PC 端游戏市场规模继续扩大。近年来，随着移动终端与 PC 终h X 8端的普及率不断提升，游戏开发商提供各类吸引玩家的游戏，游戏市场出现了蓬勃发展。根据 Newzoo 数据显示，2019 年，全球游戏市场预计将产生 1521 亿美元的收入，8 ~ | ] I -年同比增长 9.6%；~ 3 $ F并且预计全球游戏市场从 2018 年到 2022t 0 O s 年会维持稳定增长，年复合增长率达到 9%，到 2020 年全球游戏市场收入达到 1960 亿美元。2019 年，在各类游戏中，移动游戏（智能手机及平板电脑）是最大的细分市，产生 685 亿美元的Y ( l 4 o市场收入，& I H [ / o占据全球游戏市场规模的 45%。由于越来越多玩家转向了移动端，网页游戏的市场收入同比下滑 15.1%，但是5 r S S PC 游戏收入规模同比增长 4%。因此，PC 端游戏市场整体规模维持上升态势。

2.2 游戏发展，电竞市场功不可没

电竞圈人气快速攀升。游戏市场的蓬勃发展离不开电竞A | a . c k市场的贡献。暴雪集团推出了《魔兽争霸》、《星际争霸》、《Dota》等w ^ 5 X p ) 5 A一系列经典爆款游戏，玩家人数不断上升。为提升游戏的知名度，吸引更u - F a i B 5 2多的玩家，游戏圈举办了相关的电子竞技比赛。随着游戏行业的不断发展，游戏行业已经产生多款适用于电子竞技的热门产品，端游方面有 Dota2 、英雄联盟X $ m 8 6 5 Y A、风暴英雄等；手游方面有王者荣耀、绝地求生等。. + ` e #热门游戏C Y } a ;的推出加上相关的赛事的宣传，全球电竞圈人气愈发旺盛。根据N y 3 o N & U z E Newzoo 数据显示，2018 年，全球电竞观众人数为 3.95 亿，其中电竞爱好者人数为 1.763 亿；预计 2023 年，全球电竞观众人数达到 6.46 亿，同比增f w d J I - D d长 10.4%。

中国是全球电子竞技产业重点区域。根据 Newzoo 数v $ [ q据显示，2018 年，全球电- x P T O 6 % ` 6子竞技收入规模为 7.76 亿美元；2019 年，全球电子竞技总收入为 9.50 亿美元，同比增长 22.4%，实现0 ? g G & O 5快速增长; o F q m j v P z。当前，电子1 O _ : % l竞技产业已经在全球多B ) z K n 4 _个地区开展，以英雄联盟为例，中国赛区为 LPL 赛区，北美赛区为 LCS 赛区，韩国为 LCK 赛区等，还有部分外卡队伍所在区域。根据前瞻产业研究院数据T ( $ Y ( 3 j 0 ;显示，2018 年，北美地区的电子竞^ ! F 2 # R技收入在全球电子竞- . @ i } ^ f技行业所有地区的收入中，排名第一，为 38.1%；西欧赛区为 18.7%，排名第二；中国赛区排名第三，为 18.10%。

中国赛区具备良好的电竞市场土壤，市场规模巨大。中国电竞用户分布更为分k I a 5 : d :散。根据前瞻产业研究院数n t | 1 _ b j ? _据显示，中国有 48.1%的电竞用户是在 24 岁以下的学龄段用户，更有高达 28.1%的 30 岁以上用户。广泛的年龄段分布意味着中国电竞市场受众人数较多，基础良好，具备顺延性。第二，中国的电竞用户有下沉趋势。从区域的角度来看，三线及以下城市电竞. ! , y n . F用户占比达到 51.5%，下沉趋势明显。第三，中国有优秀的电竞产业链y c | % e，内容授权方面有腾讯} Q / E e -游戏、完美世界等；赛事内容有 LPL、KPL；电竞战队有 LGD、RNG、IG 等；赛事承办方有阿里体育，联盟电竞等等；还有内容传播商斗鱼、虎牙直播、企鹅电竞等。广大的电竞全体、电竞用户群不断下城，叠加完善的电竞产业链造就了中国电竞市场的快速发展。2016 年，中国电竞产业为 532.2 亿元，2017 年为 772.8 亿元，2018年已经达到912.6亿元，年复合增长率为30.9%。预计2019年中国电竞产业规模为1150.6亿元F r + L E n，到 2024 达到 2720 亿元，年复合增长率为 18.79%+ 4 ` 7，有望维持快速增长。~ S M ~ 4 h L I

中国电竞市场的快速发展离不开电竞用户规模的快速增长。根据MOB 研究院数据显示，2017W , G | 年中国电竞用户为 1.3 亿人，全球为 3.4 亿人9 0 i，中国电竞: 7 - a g E市场用户在全球中占比为38h o , O j / !.24%。2018 年，中国电竞用户已经达到 2.1 亿人，同比上升 61.54%，占全球电竞用户超过 50%。MOB 研究院预测，2022 年中国电竞用户人数快速增长，将达到 4.3 亿人，年复合$ R [增长（从 2012 年开始计算）为 3. D & 35.91%，占全球电竞用户数 53.75%。

2.3 电5 C m 6 N竞市场带到相关设备出货增加

即使游戏市场中 PC 端游戏的市场份额收到终端游戏的压制，但是由于整体市场规模不断发展，PC 端游戏市场规模也在扩大；叠加电竞市场的蓬勃发展，电竞观众以及电竞用户的规模的增长，对电竞产业相关的用品的关注度也会相应地增加，其中包括运行游戏的笔记本。根据 ZOL 数W @ : $ M | }据显示，2019d } 5 年，游戏本关注度为 36.61%，较 2018 年增长约 2个百分点，在各: H b N 类笔记本中关注度排名第一。对游戏本的关注度增加更是体现在游戏 PC和游戏显示器的出货量增加。根据 IDC 数据显示，2019 年第二季度全球游戏 PC 和游戏显示器出货量同比增长 16.G p : ] x Q S , T5%。 W ] 4 lIDP ! C o P W aC 表示，在笔记本方面，M R c N : r 3 9 ,游戏笔记本电脑的销量同比增长了 12.7%。

2.4 追求极致的视觉体验-光追技术

IDC 认为，这是 2019 年第二季度游戏笔记本销量的增加是因为“支持光线追f ~ ^ T G }踪游戏本机型的大量推出”D ] m 2 / n # % a。“光追技术”即光线追踪技术。在 SIGGRAPH 201J p ^ 98 计算机图形与交互技术大会上，NVI} t b / ,DIA 推出世界上第一款光线追踪 GPU，并推出了最新光线追踪 GPU QuadroRTX 家族。光追技术能够完美地计算光线反射、折射、散射等路; q $ +线，渲染的画面J a U 8 8较为逼真，几乎与真实世界真假莫辨。由于这种技术的计算量非常大，因此实时光线追踪技术过去只在影视作品的 CG 制作中出现，一般渲染复杂的特殊效果可能需要数天乃至数周的时间，所以此前该项技术一直仅限于高成本的电影制作中，最直观的效果就是显示更真实。

目前该项技术以及可以应用到游戏当中，即为游戏开发者提p N 1 # L T V供电影级画质/ ( 0 8 G T的实时渲染。更具体的来说，就是在真实世界中，我们看到的 3D 物体被光源照亮，且光子可以在N e q 9到达观看者的眼睛以前从一个物体反弹到另一个物体。光线追踪技} U { G w术则反过来，通过从观者眼睛（观景w t E z { E G式照相机）反向追踪光线捕捉这些效果，v x P 7 s , g w通过追踪 2D 视表面上每个像素的光线的路径，并应用到场景的 3D 模型中。此前的游戏渲染都是将 3D 图形2 W 5 h _ 2 t投射到 2D的屏幕上，在后期进行阴影处理，所以效果会比较粗糙，而 RTX 则通过追踪光线的轨迹来计算物品对光线的反射和折射，更真实地还原物品在现实中的颜色。

根据以上分析，光追技术可以增强玩家的游戏体验。在电竞市场日益发展的今天，支持光追技术是未来 GPU 的2 1 `趋势。目前，除了 NVIDIA 发布具备光追技术的 GPU 外，并没有其他公司发布相关产品，但是 GPU 领域的另外两大公司——微软与 AMD 表示正在积极研发支持光追技术的 GPU。

2.5 即使轻薄化也不能降低 GPU 性能——Max-Q 技术

对于未来笔记本的发展，IDC 认为，未来笔记本将朝着性能更强和厚度更薄的方向发展。根据 ZOL 的数据显示，2019 年轻薄本的关注度为 26Y o I * z o , N !.83%，较 2018 年关注度上升约 5 个百分点。轻薄本由于其便携性、长续航以及优秀的外观往往成为通勤者、商务人士、女性的选择。虽然有如此点多的优点，但是轻薄本也有不足之处，性能不如一般的笔记本。因为要保持较长额续航能力，所以性能与功耗往往会受到限制。

为了让消费者在体验到轻薄化带来的便携性同时享受性能的强悍，NVID5 H L B X qIA 推出了 MAX-Q技术。显卡在提高频率带来性能提高的同时，功耗也必然随之增加，但随着功耗的提升，性能的提升幅度逐渐缩小。在达到某一平衡点之后，即使大幅度提升功耗也只能带Y q 6 7来非常微小的提升。NVIDIA 正是利用这样的原理，通过计算获得最佳的平衡, X y h 5 [点，巧妙平衡显卡的性能和功耗，在降低 40%显卡功耗的同时r 6 7 p . !依然能支持 90%左右的性能，从而达到性能与功耗的最佳平衡。

除了硬件上的调校之外，软件层面也做出了相当深度的优化，与硬件方面的思路十分接近，GeForce Experience 软件新增的 Whie o g E W ( !sperModU x ? ; o .e（静默模式）可以智能优化游戏画质，通过降低一些对画面观感影响很小的o q 9 Q F $ 7 s特效，大幅v 6 B度降低显卡的f a ! Y U压力并将帧率控制在60FPS 或者设定的某一水平上，同3 n U $ {时也让显卡运行游戏时的功耗进一步降低。而这样的优} 0 W化并不会对游戏画质和体验$ m c h 5 ;造成明显的影响显卡更低的功耗水平则意味着更低的发热水平，也就不需要传统游戏本大规模的散热模组，搭载旗舰级的 GTX 1K Q h H z z - =080 MAX-Q 显卡的笔记本产品甚至可以做到 18mm 甚至更低的厚度，而这一厚度已经接近作为G [ & 2 ! $ b 7 轻薄本存在的 MacBook Pro。n M E u M重量也相比传统游戏本有着大幅度的降低。例如外星人系列推出的 m15 与 51m 两款笔记本。M15 使用 RTX 2070 含MaW | { Rx-Q 技术的显卡，51m 使用 RTX 2070 显卡，在重量上，m15 为 12.16 KG,51m 为 3.87KG。

2.6 对消费电子类 GPU 的思考

2009 年，Onlive 在 GDC 上展示了孤岛危机的云游戏版本，并联合了 EA、育碧等: X } (游戏厂商为其提供内容支持。虽然平台上线后同样因传输问题而流产，但是在 Onlive 实践启发下，o Z F索尼、NVIDIA 等厂 H 4 & % O T商陆续进入云A _ } o n n游戏领域。2017 年后，各大厂商明显加快了云游戏布w ; M 5局；其中，NVIDIA 在 2017 年发布了 GeForce Now 平台，EA、谷歌、微软也在 2018年公布了云游戏计划。# | J } z 82019 年，NVIDIA 在 GTC ChinI ) W Ha 宣布与腾讯合作推出 Start 云游戏服务，为其提供 GPU 支持。由于云游戏是基于云计算开展的，当玩家发送操作指令后，; G ;所有的计算过程都将由云端服务器完成，包括画面渲染、交互逻辑等，运算完成后再回传到玩家的显示终端。在( M = w U _ 2 e这个过程当中，玩家并不需要通过配置高性能的计算机参与其中，只需要拥有显示终端，即可体验到大型游戏制作，降低了玩家进入高配游戏的门槛，有助于吸引过去由@ M b / _于硬件配置跟不? + S 6 f上而被挡在门外的玩家。

云游戏的g $ F `出现是否意味着消费电子不需要配备高性能 GPU 呢？我们认为，消费电子对高性能 GPU 依然存在。虽然云游戏的画面渲染与交互逻辑等计算过程都在云端服务器中完成，可能会减少了游戏端对 GPU 性能的需求，但是 GPU 的作用不仅是体现在对游戏的渲染Q 8 ? ; x 7 5，还体现在对图片W d h O、视频的渲染与后期_ D + * N ` / . O制作，对部分模型; % d n v ; k的模拟与处理。所以，消费电子对于高性能 GPU 的需求依然会维持。

三、捕捉 GPU 应用的三大方向之二：- [ a / k c U y 1人工智能与深度学习

3.1 未& ~ t c H y {来经济社会发展的助推器——人工智能

人工智能影响深远，三大因素驱动发展。当前，人工智能已进入新一轮爆发期，主要驱动因素来自三个方面：一是互联网发展提供了海量大数据资源，大大提升了算法有效性；二是计算机变革降低了硬件成本，缩短了运算时间，推动人工智能再次崛起；三是基础算法和 AI 平台自身创新加速，克服了传统算法和人类手工总结不完备的缺点，实现算法有效性大幅提升。人工智能快速发展，人工智能已经成为新一轮科技革命和产业变革的核心驱动力，正在对世界经济、经济进步和人类生活产生极其深刻的影n Z 4 W ]响。根据麦肯锡报告预测，人工智能将为全球贡献 13 万亿美元增量 GDP，在 2018 年的基础上增长 15%，平均每年给 GDP 贡献 1.2 个百分点的增长，对经济社) R 8 会具有巨大贡献潜力，并P x h Y O 2 7 !可能从根本上改变人类社会的生产方式。

人工智能前景广阔，是经济社会发展的一大助h p * ( U推器，吸引世界主要国家争& X & Y相布局。近1 C [ d j (年来，美国、中国、日本、英国、法国、韩国、欧盟委员会都发布了促进 AI 研究、开发和应用的战略，积极在人工智V R b e能领域进行卡位：美国于 2011 年推出s D . w e《国家机器人计划》，推出 2.0 版机器人路线图并大力发展协作机器人；2013 年公布《推进. 6 h g 8 Y P创新神经技术脑研究计划》，计划在未来 12 年投入 45 亿美元，用于探索人类大脑工作机_ ? 8 8制；日本于2015年 1 月公布2 g E - c ^ B q《机器人新战略》，计划到 2020 年，通过包括政府制度改革在内的多种政策，扩大机器人开发投资，推进千亿日元规模机器人的扶持项目；欧盟的Z * Y ) d人脑计划则于2013 年入选了欧盟的未来旗舰d o R 3 C u A K技术项* R b &目，15 个欧洲国家参与其中，预期将获得欧盟 10亿欧元的资金支持。

我国：三步走战略积极推动 AI 发展。于 2016 年 8 月发布《“十三五5 + T”国家科技创新规划》，明确将人工智能作为发展新一代信息技术的主要方向；2017 年 7 月，国务院颁布《新一M p C k 9代人工智能发展规划》，制定了三步走的战略目标：①在 2020 年人工智能总体技术和应b | ) L e用于世界先进水平同步，人工智能产业成为新的重要经济增长点；②到 2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，AI 成O Z $ 4 ! 4 U 3 9为b K l v ` X带动我国产业升级和经济转型的主要动力；③到 2030 年，我国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。

全球人工智能市场将在未来几年经历现象级的增长。德勤预测，未来 2025 年世界人工智能市K U / v ^场将超过 6 万亿美元，2017-2025 年复合增长率达 30%。根据信通院数据，我国2017 年人工智能产业规模为 206.9N { e ; B 亿元，2018 年将达到 339.0 亿元，同比增长t ( 0 63.85%；x } y c z到 2020 年人工智能带动规模将达到 710.0 亿元t ] $ [ v i ~ t B，2017-2020 年复合增速为 48.37%。

3.2 GB ` z /PU 是人工智{ Z v , { = y (能的重要组成部分4 6 * p } l

人工智能是实现数字化和智能化社会必不可少的条件。人工智能的三大要素：数据、算力、算法。数据是人工智能算法的原材料。人工智能需要对大数据的处理与分析，挖掘出数据背后的信息与规律。算力是对大数据进行处理的能力。算法是| | + Z * . Y s a计算机通过对数据的处理获得的数据模型。深度学习的本质是通过对大@ y ! u R n N数据的处理并建立的算法模型，可以实现各行业的 AI 应用，算法将数据和算力连到一起，共同针对不同细分场景，提供效率优化方案。

人工智能运行过程中有两部分：d J s ^ ? n | g训练与推理。“训练”可以看作算法G Q # ) t产生的过程。具体而言就是，在现有数据基础上，经过大量计算，@ u c 确定模型参数，即建立d e C . D H算法模型的过程。“推u 9 # 4 P S &理”可以看作将算法应用的过程，即在已建立的算法模型基础上，将新数据通过算法模型处理，( : G U 8 8 m 3 q得出结果的过程。

“训练”阶段 GPU 具备明显优势。虽然 CPU 的功能模块较多，但是大部分晶体管主要用于构建控制电路和高速缓冲存储器，只有少部分的晶/ $ W - F G D , u体管可以组成各类专用电路。CPU的优点在于调度、管理、, W 1 . [ ~协调能力强，计算能力不是重点。因此，从运算d 7 q p性能和效率看，CPUq ` G 不是计U p ! W } R ! N P算芯片的最佳选择。深j h a h & 3 g M度学习算法需要处理海量数据，需要进行@ + Q % Q Z t大量V ! G , S的简单运算，因此，深度学习对并行计算计算能力有较高的要求。在这] $ z q ? F D一方面，GPU 拥有较强的优势N 4 h % / 3，尤其是在训练过程中。首先，GPU 提供了多个并行计算的基础结构，并且核心数较多+ X f D，可以执行海量数据的并行s v n % B * J计算；第二，GPU 拥有更高. ] r 8 E Y D q :的访存速度；第三，GPU拥有更高的浮点运算能力。因为人工智能时代需要大量的多媒体与 3D 图形，所以更高的浮L 6 , N $ c点计算能力意味着对图形与媒体的快速处理。

“推理”阶段 GPU 是其中一种选择。训练与推理阶段对运算的要求有所不同，训练阶段需要大量繁复的运算，并且为了让人工智能模型获得更佳的参数调整数据，运算的精准细腻度较高，而推理- ^ 5阶段则相反，模型已经训练完成，不再需要庞大运算量，且为了尽快获得推理结果，允许以较低的精度运算。因此，在推理过程中，芯片X C P ( Z * w有多种选择，主要用 CPU、GP2 G R s s fU、FPGA、ASIC 四种芯片。CPU：适合进f A }行逻辑控制、串行计算等通用计算；GPU 并行计算能力强，但是 W 8 D无法? $ 8 S $单独工作，必须由 CPU 进行控制调用才能工作；FPGA 适用于多指令，单数S T x e q Y D据流{ 9 K @的分析，因此常用于预测阶段，如云端。但是 FPGG * 9 f lA 在实现复杂算法方面有一定的难度，运算量相对 GPU 小，量产成本高；ASIC 专用性强，但是开发周期较长，开发环境需要底层硬件编程，开发难度极高。

3.3 GPU 在深度学习领域空间广阔

芯片是人工智能领域不可或缺的成分。随着 AI 使用的广泛使用，带动 AI 芯片常常的蓬勃发展。根据赛迪顾问数据显示，2019 年-2021 年，中国 AI 芯片市场规模为 124 亿元\\193.7 亿元\\305.7 亿元，分别同比增长 53.^ % 9 U c i6%\\56.) * + ) 1 h # @ U21%\\57.82%，年复合增长率为 57.01%。其中云端芯片市场份额最大，接近 50%，市场规模从 2019 年的 61.4亿元增长至 2020 年139.43 2 L 亿元。

根据我们的分析，GPU 提供了多个并行计算的基础结构，并且核心数较多，可以进行海量数据的并行计算；拥有更高的访存速度z ? a 7 E ) m；第三，GPU 拥有更高的浮点运算能力。因此，GPU 是 AI“训练”阶段较为适合的芯片。GPU 在 AI 时代的云端训练芯片中占据较大的份额，达到 64.%。虽然后期由于 FPGA 以及 ASIC 技术的突破，GPU 的市场份额有所下降，但是仍然是云端训练市场份; & 9 ] c额最大的芯片，2019 年-2021 年年复合增长率达到 40%。

从目前的技= f R ` y术看，FPGA 由于量产成本高，并且设置需要 FPGA 硬件姿势，编程和配置较高；ASIC 由于开发周期较长，开发难度，GPU 在云端推理阶段仍然是较为合适的芯片，但是有 GPU 也存在功耗高，量产成本w Z a u _ K X ; |高等问题，所以 GPU 在云端推理阶段的市场份额并没有明天优势，约为 41.84%，年复合! r +增长率为 56.5%。

随着人工智能应用的推进，人工智能生态不断完善，在终端设备上将会出现越来越多的越来越多的 AI 应用，对推断计算的需求会越来越多，终端推断芯片的需求也会随之增加。未来f 1 U ^ $ ; / T，随着终端细分场景的落地，终端推断芯片将呈现出专业化发展趋势，同时7 ? x . Y P 9 6 d由于终端对于_ c A / { [ l n性H ` J ~ )能、功耗、成本都更为敏感，这也使得相比 GPU、FPGA 更为专用、能效更高、5 Y / w z g成本更低的 ASIC 芯片将呈现快速增长势头。但是 GPU 目前依然是主流终端设备中的必须器件，所以市场份额不会R X ] @ ? c下降太多。

四、捕捉 GPU 应用的A r z | B三大方向之三：自动驾驶

4.1 自动驾驶市场空间广~ 9 ] ; $ . c阔

当前，汽车正由人工操控的机械产品逐步向电子信息; 5 ^ ` u e系统控制的智能产品转变。智能汽车是指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶n ` z o t . n s a功能，逐步成为智能移动空间和应用终端的新一代汽车。当前，自动驾驶技W W q术已经成为整个汽车产业的} S R D u i最新发展方向。应用自动驾驶技术可以全面提升S J d [ N汽车驾驶的各方面性能，满足更高层次的市场需求。 5G 的加速推进使自动驾驶的落地可能性在不断增大，同时近两年随着感知技术、算法、芯片、决策控制、系统融合等关键技术的快速发展。据全球市场调研机构% * K Y 5 h IHS Market 预测，2025 年全球自动驾驶汽车销量将达到 60 万辆，2035 年将达到 2100 万辆a 6 D B 5。预计 2020 年 L1/2 渗透率有望达到 40%，2025 年 L3、L4/5 渗透率分别有望达到 15%、5%。伴随 5G 推动 L4/5 自动驾驶逐步落地，2030 年中国自动驾驶出行服务收入规模有望突破万亿。根据《智能汽/ H k . ; 5车创新发展) 5 q + , 4 } C战略》，到 2025 年，中国实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境) / ~ B { [ s - .下市场化应用。

4.2 国外龙头企业积极布局

NVIDII e n ^ H | bA：2019a = J ) h 9 年 12 月，NVIDIA 发布了软件定义的自动驾驶汽车平台? R B - ! z i 6——DRIVE AGX Orin，其中内置h ; x d了 NVIDIA 自研的全新的自动驾[ } f ` K & 7 $ 2驶芯片 Orin，这是一款系统级芯片，晶体管数量高达 170 亿个，集成 NVIDIA 新一代 GPU 内核k I Q z h v和 Arm Hercules CPU 内核以及全新深度学习和计算机视觉加速器，性能高达 200 TOPS，大约是上一代 Xavp w Z $ E 1ier 的 7 倍。O1 9 W k ( S *rin 可处6 Z m 2 理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络，并且达到了 ISO 26262 ASIL-D 等系统安全标准，能够支持从 L2 级到 L5 级完全自动驾驶汽车开发的兼容架构平台，助力 OEM 开发大型复杂的软件产品系列。

此外，NVIDIA 与滴滴进行合作。为帮助滴滴实现自动驾驶，NVIDIA DRIVE 借助Y , x 9 x t N b 5多个深度神经网络融合来自各类传感器（摄像头、激光雷达、雷达等）的数据,为滴滴 L4 级自动驾驶汽车提供推理能力，从而实现对汽车周围环境 360 度全方位的理解，并规划出安全的行驶路径。为了训练这些深度神经网络，滴滴将采用 NV: R S J 0 U F 8IDIA GPU 数据中心服务器。

高通：高通已经获得了超过 70 亿美元的汽车订单，22 D B h % $019 年全年 242 亿美元的营C 9 ( R H i l ]收中，有 6 亿美元来P t 3 Z + U H . Q自汽车相关业务，且该金额预计到 2024 年将上升至 15 亿美元。在 2020 CESD r u前夕，高通发| e - ? c布自动驾驶v [ z x ]平台 Snapdragon Ride，包括安全芯片、安全加速器和自动驾驶软件栈，支) O ` i [持 L1 到 L5 级别的自动驾驶，这也是其首次推出系统化的自动驾驶芯片产品。高通v T C有望在 2020 年上半年向客户运送芯片和o c U & , S . ( @系统，并预计装备有这些技术和芯片的汽车将于 2023 年开始生产。

英特尔：201q * 3 ) u7 年，英特尔以 153 亿美c V m m ] F元收购 Mobileye。MobileyeS Y z 0 9 主要从事 ADASV . D I g % 3 , 系统和自动驾驶视觉技术开发，同时还拥有针对自动驾驶领域自z ] X + 6 [ A主研发的 EyV O P I o g p T ]eQ 系列视觉处理芯片。目前，Mobileye 已与全球 25 家主机厂商和 13 家汽车制造厂商达成合作，全球搭载 MobileyeADAS 安全方案的车辆已经超过 2700 万辆。目前，Mobileye 旗下的几款产品已经占到 ADAP z v ] j C S 领域 90%市场份额。在收购 Mobileye 之前，英特尔先后收购了 FPGA 芯片巨头 Altera、视觉算法公司 Movidius，以此形成了自动驾驶端到端的完整解决方案。

4.3 自动驾驶目前以 GPU 为主

过去汽车电子芯片以与传感器一一对应的电子控制单元（ECU）为主，主要分布与发动机等核心部件上。随着汽车智能化的发展，汽车传感器越来越多，传统的分布式架构逐渐落后，由中心化架构 DCU、MDC 逐步替代。

自动驾驶的实现，需要依赖感知传感器对道路环境的信息进行采集，包括超声波、摄像头、毫米波雷达、激光雷达等，采集的好的数据需要传送到汽车中央处理器进行处理，用来识别障碍物、可行道路等，最后依据识别的结果，规N . 9 Z A划路径、制定速度，自动驱使汽车行驶。R n O M * S U |整个过程需要在瞬时完成，w u ` x T @ r延时 , R ? N I `必须| 6 ,要控制在毫秒甚至微秒级别，才能保证自动驾驶的行2 W k Y e H _ j D驶安全。因此，对中央处理器的算力要求非常高。

以用于感知道路环境的摄像头为例。一般而言，自动驾驶车身需要配置 12 个摄像头。为了f g F k B j N识别障碍物，处理器需要对多路摄像头实时拍摄的数据进行解析。因此，单颗 1080P的高清摄像头每秒可以产生超过 1r j , y 8 =G 的数据。12 个摄像头每秒产生 12G 数据量。瞬时海量的数据处理对计算能力要求非常高，GPU 有着较强的优势。相比 GPU 在传统的车载仪表盘渲染能力要求，ADAS 更强调 GPU 的并行计算能力，已实现对图像进行分析和处理。ADAS 和全自动驾驶平台将使用 GPU 来分析传感器数据，以此迅速做出反应。这些数据不仅来自传感器，还来自摄像头。图像处理本身需要的是能对计算密集度较高得并行计算做出反应，在并行计算方面，GPU 有着较强的优势。

目前，自动驾驶的主流方案是 GPU + CPU 。这是由于 FPGA 的技术门槛较高，处于创业类自动驾驶公司而言在短期内掌握足够熟练的 FPGA 编程技术并F , 5 c * c x实现硬件可靠性设计的难度太大，因此使用通用型 CPU+GPU 来做自w z q 5 . + +动驾驶计算平台或域控制器的开发成为当前的主- + 4流。