电子商务|【芯调查】国产GPU不讲武德( 三 )


据集微网了解 , GPU 的IP主要涉及三大类 , 一是模拟IP , 包括PCIe、Displayport和HDMI等等 , 这方面国内厂商占有率较低;二是Memory;三是数字IP , 包括基于Arm或RISC-V的微控制器IP、编解码芯片IP以及最核心的GPU IP等 。 核心IP国内有Imagination、芯原、格兰菲等厂商 , 相对而言 , Imagination认可度较高 , 芯原是后起之秀 , 而格兰菲主要面向特定领域用户 。
在李明看来 , 国内核心IP能力至少比英伟达、AMD等落后十年左右 。 而整体而言 , GPGPU企业与国际大厂技术差距约3年 , 渲染GPU与国际大厂差距约10年左右 。
李锴认为 , 国内GPU底层技术空白点较多 , IP大多受制于国外厂商 , 产品前端稳定性不理想 , 目前又很难在主线中高端电子产品上得到普及化应用 , 需多年沉淀形成自主IP积累才能具有一定替代性 。
需要指出的是 , 外购IP并不意味着无法自主可控 , 但对GPU企业的能力要求很高 。
据何颖介绍 , 芯动科技与Imagination的合作是与苹果一样的架构授权 , 基于该初始架构芯动科技探索了很多自己的方案 , 包括自研的Cache一致性Innolink Chiplet技术 , 内置国产物理不可克隆iUnique Security PUF信息安全加密技术等 。
“芯动科技去年推出的渲染GPU‘风华1号’80%以上的IP都属于自主研发 。 既然已经获得了架构授权 , 芯动科技就可以不受限制地自行改进 , 能够做到自主可控 。 ”何颖说 。
五、生态之路 道阻且长
除了硬件性能上的比拼 , 高性能芯片的生态搭建也是绕不过去的一道坎儿 。 某种程度上 , 生态比硬件更重要 。
步日欣表示 , 在最终量产和商业化产品出来之前 , 国产GPU还没到谈论生态和应用层面的地步 , 而杨建认为 , GPU生态是除产品外初创企业能否活下来的重要因素 , 是一开始就要考虑的问题 。
对于渲染GPU和GPGPU而言 , 构建生态的难度截然不同 。
渲染GPU在技术层面来相对复杂 , 但是好处在于有很多业界成熟的标准的API , 如OpenGL、OpenGL ES、DirectX、Vulkan等 。 只要打通了整个驱动程序层和编译器生态 , 就基本完成90% 。
而在GPGPU领域 , 几乎是被英伟达一手打造的CUDA生态所垄断 。
“GPGPU的生态非常复杂 , 要求一路打通到应用层 , 提供面向所有应用的全面支持 , 甚至要自主开发以支持一个新的应用领域 。 ”杨建指出 。
虽然不少GPU初创公司推出的产品都号称兼容CUDA生态 , 但李明认为存在兼容多少的问题 , 水分较大 , 比较重要的特性中可能60%-70%都无法支持 。

而据集微网了解 , 兼容CUDA并非易事 , 需要投入工程师的数量巨大 。 涉及50个驱动、50个编译器、50个数学库、300个应用层工程师 , 3-5年的时间 。 功能的验证 , 用户的培养需要额外3-5年 , 每年还要至少开支1000万-3000万元资助外部开发者 。
“使用的人越多 , 生态越占统治地位 , 看看国内的初创GPU企业 , 哪些是已经开始编写教材、在高校开课和开展合作项目、组织比赛等做这些人才培养方面的工作 , 就知道谁真正在沉下心来做生态了 。 ”李明说 。
何颖指出 , 国产GPU业应采取开放合作的心态 , 学会站在巨人的肩膀上 , 善于利用现有架构和生态 , 设计契合市场需求的优秀产品 , 打造全球化设计水平的开发团队 。 国产GPU在起步阶段兼容现有生态更容易发展 , 先求生存;长期还是要摆脱兼容思路 , 站稳脚跟后再求发展自有的核心技术 。
在GPU生态中 , 软件的权重已越来越高 。 Imagination中国区战略市场与生态副总裁时昕博士提及 , GPU软件极为复杂 , 包括各种图形API和计算接口、基础库、与上层应用对接适配等等 , 开发工作量巨大 。
从应用角度来看 , 国内GPU生态的发展更需要“众人拾柴” 。 时昕认为 , 要加快打造国产GPU产业链 , 下游的整机厂商需要对国产GPU给予更多包容 。
“国产GPU可能99%已达标了 , 如果能帮助国产GPU厂商一起将这百分之一影响体验的最后一步补齐 , 做到更完善 , 这对其发展是非常重要的 。 ”时昕强调 。
六、掘金市场 盈利维艰
对于GPU创企而言 , 巨大的研发费用和资本开支是必需 , 但长期、持续的利润支撑才是GPU跨代发展的强劲驱动力 。 也就是说 , GPU的成功和成熟需要大量的验证和出货 , 这就需要国产GPU厂商瞄准目标应用市场发力 。
步日欣认为 , 对于初创企业而言 , 渲染GPU涉及到生态建设的完善度 , 所以从信创、军工、工业等领域切入较为稳妥 。 而GPGPU市场从人工智能、服务器、高性能计算等领域切入是最优选择 。