給我100億，我要造一個超越英偉達的國產GPU，這事你信嗎？
看似天方夜譚的事情，正在中國真實發生著。
近兩年，國產初創GPU公司累計拿下了超百億的融資，成立18個月的壁仞科技融資總額超過50億，摩爾執行緒一年融資30億，沐曦積體電路第五輪融資10億元，天數智芯拿下10億元C輪融資。
這樣的鉅額融資，看的出資本市場堅信國產GPU光明的未來，比融資額更吸引人眼球的，是國產初創GPU的豪言壯語。
摩爾執行緒在不到300天的時間裡，宣稱完成了首顆國產全功能GPU的研製，紙面算力相當於2016年推出的英偉達GTX 1070。
壁仞科技更為激進，不到3年時間就推出了首款通用GPU產品BR100系列，宣稱其旗艦產品的峰值算力超過了英偉達目前在售的旗艦計算產品A100 GPU的3倍。
剛剛登陸科創板的龍芯中科則在招股書中稱，募資額中的12。58億會投入先進製程晶片研發及產業化專案。
其實，這並不是中國造芯第一次讓人看到朦朧的希望。新世紀以來，中國投入大量人力與財力，試圖在消費級CPU領域取得突破，卻誕生出“漢芯”這種騙取上億元科研基金的鬧劇。後來，華為多年的臥薪嚐膽，終於讓海思晶片在智慧手機領域擁有競爭力，但被封鎖後再次無以為繼。
但不管有多難，這一次，中國造芯的步點已經踩在了GPU上，為什麼是GPU？這會是一場資本泡沫嗎？能成功嗎？在我們看來，中國自主研發GPU，有必要，有機會，但也難度巨大。
首先，國產GPU有必要，但不是讓你買回家打遊戲用的。普通使用者對顯示卡的需求無非是打遊戲或者渲染影片。
然而除此之外，在眼下的科技行業，GPU正顯得越來越重要。相較於CPU，GPU擁有更多計算單元，這讓它適合用於數字貨幣“挖礦”，也更適合用於人工智慧深度學習。由於AI的深度學習都要跑海量資料，所以GPU往往比一般CPU更有效率。
像當下的大風口自動駕駛，就離不開深度學習在影象識別領域的應用，如果說自動駕駛是智慧汽車行業的基建，那GPU就是這個基建的基建。其它領域裡，從普通人生活中的人臉識別、智慧音箱，到下圍棋的阿爾法狗、大片裡的演員換臉，也都需要AI透過GPU進行深度學習。
GPU扛把子英偉達的財報就顯示，他們增長最迅猛的業務當屬資料中心。2021全年收入67億美元，同比增長高達124%。這項業務的核心硬體基礎之一就是A系列伺服器。
這個資料中心其實就是英偉達提供算力，幫助企業進行AI訓練的，從公開材料中可以看到，提高微信搜一搜的搜尋效率，部署智慧交通預警平臺，醫療領域的基因測序等等，都是由英偉達的GPU來提供算力支援的。
特別是自動駕駛領域，英偉達也處於領先地位。自動駕駛演算法公司可以用英偉達的GPU進行研發加速，整車企業則可以直接購買內建GPU的英偉達自動駕駛晶片，老黃這次又贏麻了。
目前中國人工智慧行業可以說方興未艾，如果在重要行業的基礎設施上過分依賴外國晶片公司，大概並不是一件值得過分稱道的事情。畢竟類似斷供、後門這樣的負面詞彙，我們聽過了太多。
總而言之，在未來充滿太多不確定性的情況下，中國的GPU創業潮難度雖大，但還是非常有必要的。
而跟過去20年一直在說的國產CPU相比，國產GPU除了有必要，還有可能。
其實早在1994年，當時聯想的總工倪光南提出要造國產CPU開始，方舟、龍芯、申威和飛騰等公司相繼開展研究，而他們遇到的最困難問題之一就是，拿不到x86架構的指令集授權。
大家常用的電腦程式都使用英特爾x86架構的指令集，沒有它，國產CPU就不能執行這些程式，即使能執行，效率也低。
打個簡單的比方，指令集就好比乘法口訣，英特爾有這本乘法口訣的版權，不讓其他企業使用，沒有口訣算個5×7，都要掰手指頭算半天，更何況CPU是算的是“6378×122。6”。
但事情在GPU上發生了變化。一方面，與CPU基本被x86架構統治不同，GPU初創公司可以拿到一些國外晶片設計公司的公版架構設計。
江湖傳聞，這一輪國產GPU創業潮，就與擁有中資背景的英國晶片設計公司Imagination放開授權，擁有一定聯絡。這家公司手上有相當多成熟的GPU設計方案。
另一方面，做GPU對指令集的依賴稍小，而相對較為重要的API介面方面，國內公司是比較輕鬆可以獲取的。API介面可以起到連線應用程式和顯示卡驅動的橋樑作用。
所以從拿到入場券的角度來看，GPU確實比CPU要容易一些。除了入場券，國產GPU的可能性還體現在核心結構上。
剛才說過，GPU具有大吞吐平行計算方面的優勢，但相對的，它遠不如能理解上萬指令的CPU“聰明”，通常只能理解十幾種指令種類。這也就意味著，相比有著更多控制單元、快取單元，以及更復雜計算單元的CPU，GPU的控制和快取單元更少，整個GPU核心大約90%都由數目巨大的計算單元組成，設計難度相對較低。
說到這，國產GPU有必要，有可能，但同時也有很大難度。
GPU是典型入門容易畢業難的行業，近期英特爾時隔24年重回獨立GPU市場，拉開架勢釋出的新品，表面看疊了不少buff，實際到了最考驗功底的驅動程式方面，卻被英偉達按在地上摩擦。
所以對於新品牌的顯示卡來說，引數的意義往往有限。
要知道，2021年英偉達僅在顯示卡驅動測試工作上的投入就高達180萬小時。
而多年近乎壟斷的行業地位，形成了很強的生態效應，讓軟體開發商更願意為N卡進行針對性適配。
比如遊戲的“次時代”技術光線追蹤，就是英偉達率先引入遊戲市場的，效果也比AMD更好；
專業領域也是如此，像Adobe等專業設計軟體使用英偉達顯示卡時可以開啟CUDA加速，從而實現更快的渲染速度。
再看國產GPU，雖然目前很多廠商的紙面資料，已經可以和英偉達2016年的10系掰掰手腕，但在除錯以及軟體適配方面的差距，不可能是一朝一夕就可以完成的。
曾有人拿2019年的景嘉微號稱對標GTX 1080的JM7201測試，結果卻連英特爾10代酷睿CPU的核顯都不如。
況且在消費級市場，無法有效降低成本的國產晶片，往往價格偏高，就像龍芯、兆芯等國產CPU筆記本一樣。
不過，國產公司也有突破點，那就是企業級GPU市場，以及需要自主可控產品的一些行業。國內B端客戶更看重安全性和可靠性，不存在C端那種明顯的生態壟斷，國產GPU在這方面也已經有了一些成功案例。
比如近期完成取證試飛不久的國產大飛機C919，用的就是翔騰微電子HKM9000 GPU的航電系統。壁仞科技剛釋出的BR100系列GPU，與全球前三的伺服器廠商浪潮簽約了AI伺服器相關協議。芯動科技風華GPU第二代，則獲得了中國能建5億元金額的採購大單。
所以對國產GPU來說，更現實的是先在B端“打怪升級買裝備”，等基礎好了，口碑有了，未來挑戰老黃蘇媽，或許真的就不僅僅是一個夢想了。
當然對於國產GPU這一輪創業浪潮，也有不少懷疑的聲音。有從業者指出，目前國內企業與英偉達、AMD等大廠的技術差距在10年以上，而一塊GPU的研發週期從立項到上市至少需要3-5年，拿到鉅額融資的國產GPU公司，是否能說服資本保持足夠的耐心去等待？
冷靜下來看這件事情，確實有很多魔幻的地方，有些國產GPU公司起步就要對標英偉達最先進的產品，是否步子賣的有些過大；另外大量產品將GPU的製程工藝定在7nm，而這樣的生產工藝嚴重依賴臺積電和三星，如果出現華為一樣被制裁的情況如何收場？還是要等中芯國際實現7nm的量產？
這些問題將在國產GPU成長的路上持續存在，不過從一個科技愛好者的角度出發，我們真心的希望在GPU領域，能有中國企業可以站上國際舞臺，和巨頭們掰掰手腕，希望不遠的未來，我們都能用上一塊完全來自中國的頂級顯示卡。
參考資料：
1，GPU深度報告，三大巨頭，十四個國內玩家一文看懂，，智東西，2021。03。14；
2，Worst We‘ve Tested： Broken Intel Arc GPU Drivers，Gamers Nexus2022。08。02；
3，Nvidia spent 1。8M hours testing GPU drivers in 2021，PCGamer，2022。04。28；
4，NVIDIA TensorRT助力騰訊加速微信搜一搜，，英偉達中國，2022。07。12；
5，星雲Clustar 基於GPU打造智慧交通預警系統，，英偉達中國，2020。03。17；
6，2021 NVIDIA CORPORATION ANNUAL REVIEW，NVIDIA CORPORATION，2021；
7，首發國產4K級顯示卡 芯動科技拿下5億元GPU大單，快科技，2022。08。03；
8，CPU和GPU到底有什麼區別？牛排，2020。07。05；
9，從國產大飛機C919上的國產GPU看GPU的架構設計，Challey，2022。06。10；
10，他不懂技術，卻破紀錄在18個月融了47億做晶片，中國企業家雜誌，2022。07。18；
11，【風車體驗】體驗為負——國產顯示卡景嘉微JM7201，半島的風車，2020。08。02；
12，國產CPU的路線鬥爭，遠川研究所，2020。11。30；
13，漫畫 | 20多年了，為什麼國產CPU還是不行？碼農翻身，2021。04。10；
14，國產 GPU 創業潮 喧囂下的資本遊戲，鐵君公眾號，2022。07。30；
15，Is it more difficult to build a video card than a CPU？Eugene Kuznetsov，2017；
16，大廠華人改做中國芯！摩爾執行緒、壁仞科技釋出GPU，對標英偉達，新智元，2022。04。01；
17，壁仞科技釋出首款通用GPU晶片，創全球算力新紀錄，壁仞科技，2022。08。09。