2022年计算芯片（CPU/GPGPU/FPGA/AI/DPU）市场空间及发展趋势-技术圈

近年来，在云计算蓬勃发展的同时，异构计算市场也乘风得到了长足的发展。对芯片设计企业而言，过去进入服务器计算芯片市场只有通过有竞争力的 X86 CPU，而现在 GPU、FPGA、AI 芯片各类架构 CPU 等多种计算芯片均在服务器中得到广泛应用，为国产 CPU 及 AI 芯片公司，以及基于国产芯片的智能计算产业链提供了良好的发展机会。

云计算应用服务器，主要芯片构成为计算、存储和网络通信。本文选自“中国云计算生态蓝皮书（2022）”，主要关注计算芯片，包括 CPU、GPU/GPGPU（General-purpose Computing on Graphics Processing Units，通用图形处理器）、FPGA、AI 加速芯片等和以 DPU 为代表的网络通信芯片。

下载链接：

中国云计算生态蓝皮书（2022）

处理器芯片发展新趋势：开源芯片

SCM技术及趋势合集

NVM技术及趋势合集

技术层面上，传统 CPU 为中心的计算架构，已经不能满足信息应用需求，开始转向 CPU 来负责系统管理和应用程序，维持软硬件生态，各种 XPU（X Process Unit，各种处理器）来提供算力，各个芯片协同合作来实现数据中心降本增效。

CPU

CPU 中央处理器作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。CPU是整个 IT 生态的定义者，无论是服务器端的 X86 还是移动端的 ARM（安谋），都各自构建了稳固的生态系统，不仅形成技术生态圈，还形成闭合价值链。

数据中心应用 CPU 价格高，利润最为丰富，根据不同配置，CPU 占据服务器总成本约 1/3 到 1/2。根据中金证券研究数据，2021 年中国服务器 CPU 市场规模 60 亿美元，预计 2024 年达到 92 亿美元，3 年年均复合增长率 15%。

X86、ARM、RISC-V（ Reduced Instruction Set Computer-V，第五代精简指令集计算机）是 CPU 三大技术架构。服务器市场上 X86 处理器市占率超过 90%，占据绝对主导地位。其中英特尔市场占有率接近 90%，服务器市场贡献了英特尔主要的利润和营收。借助台积电先进制程，AMD 服务器CPU 霄龙强势崛起，根据 IDC 数据 2021 年第四季度，AMD 数据中心 CPU 市场占有率自 2016 年之后首超 10%。为应对新的挑战，英特尔 2021 年底历史第一次宣布开放 X86 指令集给第三方公司。

ARM 开放指令集以及在移动端构建的良好生态，数据中心巨大市场以及丰厚利润吸引各家巨头入局开发 ARM 架构服务器 CPU，其市场占有率稳步提升。除美满、富士通、英伟达、海思等传统芯片巨头之外，亚马逊、谷歌、阿里等手握资金、技术以及应用场景的新型互联网公司也加入这一战局，给市场带来变数。ARM 架构服务器 CPU 性能不断提升、生态不断完善，与 X86 架构正面竞争，蚕食之势不容小觑。

RISC-V 作为后起之秀发展迅速，英特尔在 2021 年提出 20 亿美元收购专注于高性能计算的 RISC-V初创公司 SiFIVE。RISC-V 是开源指令集，开放程度比 ARM 更好，支持指令集扩展。RISC-V 在专用领域的计算已经取得成效，比如国内初创公司希姆计算，把 RISC-V 作为 AI 加速卡计算核心，并扩展张量和矢量计算核，应用于互联网云端推理芯片，实现良好编程性，性价比相比传统 GPU 芯片提升 4 倍，产品即将在头部互联网公司内容和广告推荐场景开始大规模部署。

在信创市场驱动下，国产 CPU 各个技术赛道全方面布局，初步满足国产替代需求。CPU 进入门槛最高，Wintel（Windows-intel，微软和英特尔）联盟构建了又深又宽的护城河。信创市场场景相对简单，降低了 CPU 生态建立难度，另外市场规模大，能够支持国产芯片公司持续迭代产品，给国产 CPU 发展带来巨大市场机会。中国 CPU 另外一个特点就是各个技术赛道全方面布局。X86 架构有海光、兆芯，新兴 ARM 架构有飞腾、海思，MIPS（ Microprocessor without Interlocked Piped Stages ，无内部互锁流水级处理器）架构有龙芯，RISC-V 架构有阿里等。

GPU/GPGPU

传统 CPU 为核心的计算架构中所有数据和指令都由 CPU 来处理。然而 CPU 的架构不适合处理高并行度数据计算业务，更适合进行逻辑运算和整个计算机的管理。随着业务越来越复杂，数据流量呈现指数级增长，全部业务和数据靠 CPU 处理，性价比极低。因此出现了各种协处理器 XPU，专门帮助 CPU 处理各种特定应用场景业务。最早出现的就是计算机 3D 图形渲染专用加速芯片，特点是大量的并行小核，需要在 CPU 调度下工作。1999 年英伟达发布第一款 GPU 产品 NV10，在市场上第一次推出 GPU 概念。随后英伟达把 GPU 应用推广到 GPGPU 和 CUDA（ Compute Unified Device Architecture，统一计算设备架构）编程框架推广，GPU 成为并行计算的主力算力引擎。2012 年的ImageNet 比赛，取得突破的 AlexNet 的发明人亚历克斯使用了英伟达的 GPU，证明了 GPU 非常适合用于多并行计算的神经网络，从此 GPU 成为深度学习标配，引爆市场。

目前中国深度学习加速服务器 90%还是采用 GPU/GPGPU，根据中金证券测算，2021 年中国服务器应用 GPU/GPGPU 市场规模达到 25 亿美元，预计 2024 年市场规模达到 54 亿美元，3 年复合增长率达到 30%。

GPU 采用最先进的逻辑工艺，不考虑巨大的生态建设费用，单芯片研发成本 10 亿人民币起步，过去鲜有资本和创业团队涉足。在 GPU 成为 AI 主要算力芯片，海外英伟达股价屡创新高的示范效应下，叠加中国进口替代以及科创板对芯片产业支持带来的赚钱效应，资本市场对国产 GPU 赛道高度兴奋，GPU 初创公司不断涌现，融资金额屡创新高，估值动辄超百亿。英伟达、AMD 高管为主的创业团队，超一线 VC 机构重金支持，成为国产 GPU 初创公司范式。

FPGA

FPGA 是基于通用逻辑电路阵列的集成电路芯片，和 ASIC芯片不同，其最大的特点是芯片的具体功能在制造完成以后由用户配置决定。用户可通过配套的 FPGA 专用 EDA 软件实现具体功能，首先由专用 EDA 软件接受用硬件语言描述的用户电路，其次编译生成二进制位流数据，最后将位流下载到芯片中实现用户所需特定功能的集成电路芯片。每颗 FPGA 芯片均可以进行多次不同功能配置，从而实现不同的功能。

FPGA 芯片具有灵活性高、应用开发成本低、上市时间短等优势。数据中心是 FPGA 芯片的新兴应用市场之一，根据 Frost&sullivan 数据，2020 年应用于该领域的 FPGA 芯片中国销售额将达到 16.1亿元，占中国 FPGA 芯片市场份额的 10.7%，预计 2024 年将达到 30 亿元，2021 年至 2024 年年均复合增长率将达到 16.6%。

FPGA 芯片在数据中心领域主要用于硬件加速，数据中心使用 FPGA 芯片代替传统的 CPU 方案后，处理其自定义算法时可实现显著的加速效果。因此从 2016 年开始，微软 Azure、亚马逊 AWS、阿里云的服务器上都开始部署 FPGA 加速器用于运算加速。在云计算大面积应用的背景下，未来数据中心对芯片性能的要求将进一步提升，更多数据中心将采纳 FPGA 芯片方案，这将进一步提高FPGA 芯片在数据中心芯片中的价值占比。

FPGA 芯片向高集成化的现场可编程系统级芯片发展。英特尔 2015 年收购 Altera 阿尔特拉，AMD2022 年完成收购 Xilinx 赛灵思，CPU 和 FPGA 融合成为趋势。国际主流 FPGA 芯片公司逐渐形成了在 FPGA 芯片中加入处理器的技术路线，并产生了可编程系统级芯片这一新产物。和传统FPGA 芯片不同，现场可编程系统级芯片的特点是单芯片高度集成电子信息设备所需的 CPU、FPGA、存储接口、I/O(Input/Out put，输入输出)外设接口甚至人工智能专用引擎等所有模块，单颗芯片可完成应用情景的所有功能需求。

AI 加速芯片

深度学习涉及少量标量计算、大量的矢量计算和张量计算。GPU 是标量计算核，在处理深度学习数据时，需要消耗大量资源把矢量和张量计算转变为标量计算，因此 GPU 实际算力利用率最高只能达到 40%。固定算法的 ASIC 芯片利用率最高，但是不适合业务复杂、算法在一直更新的云计算应用，而更适合边缘端应用。因此专门针对深度学习应用，结合标量计算、矢量计算和张量计算的 DSA（Domain Specific Architectures，特定领域专用架构）架构应运而生，针对 AI 推理应用，实际算力利用率可超过 90%，并且其芯片提供最基本的深度学习算子，保证芯片在深度学习应用的通用性和扩展性，从而实现数据中心降本增效。2019 年英特尔 20 亿美元收购了以色列初创公司Habana Lab，证明了 DSA 架构在商业和技术上的成功。国内希姆计算、瀚博、燧原等初创公司都采用 DSA 架构技术路线，并开始商业落地。

根据中金证券测算，2021 年中国云计算应用 AI 加速芯片市场规模约 5 亿美元，预计 2024 年市场规模将达到 14 亿美元，三年年均复合增长率达到 47%。

互联网公司成为 AI 加速芯片主力。互联网公司直接面向终端提供服务，既拥有丰富的业务场景，又具备技术和资金实力，于是开始绕过英特尔、英伟达等传统芯片供应商下场自研芯片或者投资芯片初创公司，满足自身需求。比如谷歌 TPU，百度昆仑芯片，亚马逊，字节跳动等，都在结合自身应用场景自研 AI 加速芯片。

场景专用的云端 AI 推理加速芯片，依靠性价比取胜，加速取代 GPU 成为主要算力芯片。互联网公司推理应用场景主要是内容推荐和内容审核，内容和用户都已经完成向量化，对芯片实时性要求高，对芯片生态和通用性要求低。并且推理芯片的需求量和增速远高于训练芯片，根据 Facebook给出的预测，今后推理芯片和训练芯片的需求量是 9:1。专门针对 AI 云端推理计算的 DSA 架构 AI推理加速芯片，实际任务负载达到 90%以上，实现相同工艺节点 GPU 的 2 倍以上性价比。DSA 架构 AI 推理加速芯片正在加速取代 GPU 成为 AI 推理的主要算力芯片。

RISC-V 成为 AI 云端推理芯片最佳技术路线。RISC-V 是第五代开源精简指令集，允许用户自定义扩展指令集。MIPS 和 ARM 虽然也是精简指令集，但不允许用户去删减、扩展指令集，因此在特定场景应用下往往造成臃肿。而 RISC-V 扩散性好，对用户友好，且 RISC-V 是 CPU 指令集，构成了图灵完备，相比 DSP（Digital Signal Processor，数字信号处理器）指令集，芯片厂商自定义指令集，用户可以更方便地用 RISC-V 去描述任何新算子。

DPU

数据中心规模越来越大，任务越来越复杂，根据亚马逊统计仅处理网络通信就需消耗 CPU 30%的算力，亚马逊称之为“datacenter tax（数据中心税）”。DPU 是以数据为中心构造的专用处理器，支持数据中心底层存储、安全、服务质量管理等基础设施层服务。DPU 要解决的核心问题是基础设施的 “降本增效”，即将“CPU 处理效率低下、GPU 处理不了”的负载卸载到专用 DPU，提升整个计算系统的效率、降低整体系统的总体拥有成本（TCO）。

根据头豹研究院测算，2021 年中国云计算应用 DPU 市场规模约 4 亿美元，预计到 2024 年市场规模将达到 20 亿美元，三年年均复合增长率达 70%。

中国有机会出现 DPU 市场巨头。DPU 作为专门负责数据中心底层网络通信的算力芯片，是一个新兴赛道，国内外发展差距小。而且中国在云计算领域，市场规模、增速、特别是用户数量，相较国外都有巨大优势。在英伟达发布的 DPU 产品战略中将 DPU 定位为数据中心继 CPU 和 GPU 之后的 “第三颗主力芯片”，更掀起了一波行业热潮，2021 年 DPU 成为最热的投资赛道。