【东吴计算机周报】GPU的那些事儿：关于GPU的科普

本周行业策略

板块配置上我们持续推荐拐点较大，业绩持续兑现的信创方向。 2021 年招标体量较大，且 2020 年有部分收入延迟到 2021 年确认，因此 2021 年相关企业的收入有望达到翻倍以上，招标驱动相关公司股价继续反弹，推荐景嘉微、东方通、中国长城、中国软件、太极股份、神州数码，关注中科曙光、中孚信息等。其次我们推荐景气度高、估值便宜的网络安全，推荐奇安信、启明星辰、绿盟科技、安恒信息，关注深信服等；云计算方面，企业数字化国产化需求持续高景气，竞争格局逐渐清晰，龙头加速受益，标的上推荐：用友网络、金山办公、广联达，关注明源云、金蝶国际等。

GPU 赛道持续高景气度，未来 7 年复合增速超 30% 。 GPU 被广泛用于游戏，高清显示，元宇宙，数据中心，车联网等领域，下游需求旺盛。根据 Verified Market Research 数据， 2020 年全球 GPU 市场价值为 254.1 亿美元， 2027 年有望达到 1853.1 亿美元，年平均增速高达 32.82% 。我们估算 2020 年中国大陆的独立 GPU 市场规模为 47 亿美元， 2027 年市场规模超过 346 亿美元。

国产 GPU 龙头景嘉微技术领先， 7 系产品推动芯片业务快速增长。 景嘉微是国内唯一一家实现国产 GPU 大规模商业化生产的 GPU 公司，技术完全自主研发，公司 2018 年推出的 7 系产品已经广泛应用于党政信创市场，截至 2021 年 8 月，我们预计 2021 年出货量市占率接近 100% ，出货量有望达到 300 万片，芯片业务收入可达 6 亿元以上，同比实现 700% 以上增长；我们预计 2022 年出货量超过 500 万片。

景嘉微新一代 9 系产品支持高性能计算、高清显示和游戏， 2023 年有望推出 AR/VR 、 AI 计算系列产品。 公司新一代 9 系芯片有望 2021 年下半年推出， 9 系相对 7 系制程从 28nm 提升到 14nm ，应用领域从图形显控拓展到高性能计算，同时显控能力大幅提升可以支持 3D 显示和 4k 游戏； GPU 产品有望从信创领域拓展到民品市场，打开新的市场空间。

2. GPU是什么

GPU 最初是为了更好的做图形处理而专门设计的微处理器。 GPU 的全称是 GraphicsProcessing Unit ，图形处理单元。它最初的功能主要用于绘制图像和处理图元数据的特定芯片，后来增加了许多其他功能。

GPU 是显卡最核心的部件。 显卡（显示接口卡），负责把 CPU （ CentralProcessing Unit ，中央处理器）送来的影像数据（显示信号）处理成显示器可以认知的格式（一般电器信号），再送到显示屏上形成影像。 GPU 就是显卡的核心，决定如何处理屏幕上的每个像素点。显卡里除了 GPU 外，还有散热器、通讯元件、与主板和显示器连接的各类插槽。

3 . GPU的工作原理

GPU 将 3D 图形映射到相应的像素点上，对每个像素进行计算，确定最终颜色并完成输出。 其中工作内容包括： 1 ） 顶点处理 ， GPU 读取描述 3D 图形外观的顶点数据，并根据顶点数据确定 3D 图形的形状及位置，建立 3D 图形骨架。 2 ） 光栅化 ，显示器实际显示的图像是由像素点组成的。把一个矢量图形转换为一系列像素点的过程就称为光栅化。例如，把一条线段转化为阶梯状的连续像素点。 3 ）纹理贴图 ，顶点单元生成的多边形只构成了 3D 物体的外轮廓，纹理贴图将多边形的表面贴上相应的图片，从而生成完整的 3D 图形。 4 ）最终 输出 ，由 ROP （光栅化引擎）最终完成像素的输出， 1 帧图像渲染完毕后，被送到显存帧缓冲区。

GPU 比 CPU 擅长并行计算。 正如上段所说，一个 3D 图形最终会被分解为许多个像素点来计算，如果要渲染速度快，这就要求 GPU 的硬件结构是满足同时进行大量的简单计算的，这个需求导致了 GPU 与 CPU 的硬件架构不同。从芯片设计思路看， CPU 是以低延迟为导向的计算单元，通常由专为串行处理而优化的几个核心组成，而 GPU 是以吞吐量为导向的计算单元，由数以千计的更小、更高效的核心组成，专为并行多任务设计。微架构的不同最终导致 CPU 中大部分的晶体管用于构建控制电路和缓存，只有少部分的晶体管完成实际的运算工作，功能模块很多，擅长分支预测等复杂操作。 GPU 的流处理器（承担简单计算任务）和显存控制器占据了绝大部分晶体管，而控制器相对简单，擅长对大量数据进行简单操作，拥有远胜于 CPU 的强大浮点计算能力，从而更擅长并行计算，比如图像处理计算，物理仿真，深度学习等。

4 . GPU 发展史：从固定功能到统一渲染架构

4 .1. 2000 年之前：固定功能架构时代

一切的开端，计算图形学。 1962 年，麻省理工大学的博士伊凡·苏泽尔的论文以及他的画板程序奠定了计算机图形学的基础。 1962-1984 年，这一阶段，没有专门的图形处理硬件，图形处理任务都由 CPU 完成。

萌芽时期，专门的图形处理硬件出现。 随着计算机的发展，图像处理需求逐步增加。 1984 年，美国 SGI 公司推出了面向专业领域的高端图形工作站。 1984-1995 年， SGI 又不断研发出了一系列性能更好的图形工作站。但由于价格昂贵，无法面向消费级市场。在消费级领域，还没有专门的图形处理硬件。

茁壮成长，消费级显卡出现，图形处理硬件发展加速。 1995 年， 3DFX 公司发布一款消费级 3D 显卡 Voodoo 。此时，图形显示硬件赛道已经开始变得火热， AMD 、 ATI （ 2006 年被 AMD 收购）、 NVIDIA 都开始推出自己的显卡产品。 CPU 得以摆脱部分图形处理任务，但是顶点变换等任务仍需 CPU 完成。

GPU 时代来临。 1999 年 NVIDIA 发布的 GeForce 256 图形芯片，首次引入 GPU 的概念， GPU 时代来临。 GeForce 256 采用了“ T&L ”硬件，立方环境材质贴图和顶点混合等先进技术。

此阶段为固定功能架构时代。 在这一时期，各硬件单元形成一条图形处理流水线，每个流水级功能固定，硬化了一些给定的函数，多条像素流水线对各自的输入数据进行相同的操作，不可对硬件进行编程。

顶点渲染器和像素渲染器在硬件上相互分离。 顶点渲染器和像素渲染器在物理上是两部分硬件，不可相互通用，这个时期叫做分离渲染架构时代。

GPU 开始采用统一渲染架构。 传统的 GPU 采用分离架构，顶点处理（由 Vertex Shader 硬件单元完成）和像素处理（由 Pixel Shader 硬件单元完成）在硬件上相互分离，于是，当 GPU 核心设计完成时， PS 和 VS 的数量便确定下来了。但是不同的游戏对于两者处理量需求是不同的，这种固定比例的 PS VS 设计显然不够灵活。为了解决这个问题， DirectX10 规范中提出了统一渲染架构。在统一渲染架构中， PS 单元和 VS 单元都被通用的 US 单元所取代， NVIDIA 的产品中称其为 SP （ Streaming Processer ），即流处理器，这种 US 单元既可以处理顶点数据，又可以处理像素数据，因而 GPU 可以根据实际处理需求进行灵活的分配，这样便有效避免了传统分离式架构中 VS 和 PS 工作量不均的情况。

GPGPU 出现，功能从图形显示拓向高性能计算。 统一渲染架构的采用， GPU 硬件单元更加灵活，进一步增强了 GPU 的可编程属性。大数据时代的到来， GPU 并行计算的能力被进一步发掘， GPU 被用于图形处理之外的其他领域，如人工智能、挖矿等， GPGPU （通用 GPU ，指利用处理图形任务的 GPU 来处理原本由中央处理器处理的通用计算任务）的概念开始出现。 GPU 厂商们洞察到了这一商机，也开始从硬件和软件上提供对 GPGPU 的专门支持。 NVIDIA 毫无争议是这一商机的首先发现者与推进者，伴随着 Tesla 系列 GPU ， 2006 年发布了 CUDA 软件平台，来支持 GPU 用于非图形处理的其他用途。 AMD 也不甘示弱，针对 FireStream 系列 GPU ， 2016 年发布了 ROCm 软件平台。

进入统一渲染架构时代后， GPU 架构快速发展。 NVIDIA 的 GPU 架构历经多次变革，约 2 年更新一次。 NVIDIA 为了纪念物理学家，把每代 GPU 架构都用物理学家名字来命名：特斯拉（ Tesla ）、费米（ Fermi ）、开普勒（ Kepler ）、麦克斯韦（ Maxwell ）、帕斯卡（ Pascal ）、伏特（ Volta ）、安培（ Ampere ）。

2010 年发布的 Fermi 是第一个完整的 GPU 计算架构。 第一个基于 Fermi 架构的 GPU ，使用 30 亿个晶体管实现，共计 512 个 CUDA 内核（绿色小块，负责数学运算）。这 512 个 CUDA 内核被组织成 16 个 SM （流处理器， Streaming Multiprocessor ），每个 SM 是一个垂直的矩形条带 ( 红框 ) ，分别位于一个普通的 L2cache 周围，每个 SM 有 32 个 CUDA 内核。

GPU 中包含多个 GPC 。 GPC 可以被认为是一个独立的 GPU 。整个 GPU 有多个 GPC( 图形处理集群 ) ，单个 GPC 包含 1 个光栅引擎 (Raster Engine) ， 4 个 SM （流式多处理器），它们其中有很多连接。所有从 Fermi 开始的 NVIDIA GPU ，都有 GPC 。主机接口 (Host Interface ) 通过 PCI-Express 将 GPU 连接到 CPU 。 Giga Thread 全局调度器将线程块分发给 SM 线程调度器。

5 . GPU 重要参数解释及GPU性能比较

5 .1. GPU 重要参数解释

显存，全称显示内存，暂时储存显示芯片要处理的数据和处理完毕的数据。 图形核心的性能愈强，需要的显存也就越多。显存类型从原来的容量不大的 SDR ，发展到 DDR 、 SDRAM 、 DDR3 、 DDR4 等。从 Pascal 架构开始， NVIDIA 已经开始提供 HBM2 类型的显存，最新针对专业计算的 Tesla A100 采用 HBM2 ，显存容量可达 40GB ，为游戏设计的 RTX 8080 Ti 采用 DDR6 ，显存容量也可达 12GB 。显存主要由传统的内存制造商提供，比如三星、现代、 Kingston 等。

显存位宽，指一个时钟周期内能传输数据的位数（ bit ）。 显存位宽位数越大则瞬间所能传输的数据量越大，这是显存的重要参数之一。显存位宽越高，性能越好价格也就越高，因此 512 位宽的显存更多应用于高端显卡。

显存频率指显存在显卡上工作时的频率，以 MHz （兆赫兹）为单位。 显存频率一定程度上反应着该显存存取的速度。显存频率随着显存的类型、性能的不同而不同， DDR 、 SDRAM 显存则能提供较高的显存频率，因此是采用最为广泛的显存类型。近年来， GPU 显存频率已经从百级提升到万级， GTX 1080 Ti 的显存频率已经高达 10000MHz 。

显存带宽，指显示芯片与显存之间的数据传输速率，单位是字节 / 秒。 显卡的显存是由一块块的显存芯片构成的，显存总位宽同样也是由显存颗粒的位宽组成，显存带宽＝显存频率×显存位宽 /8 。显存带宽是决定显卡性能和速度最重要的因素之一。

制作工艺，指的是晶体管与晶体管之间的距离，单位是纳米。 制作工艺越小说明集成度越高，功耗越小，性能越好。目前 NVIDIA 最先进的 Tesla 采用 7nm 制程， GTX 1080 Ti 采用 16nm 制程。

像素填充速率，指 GPU 一秒钟内能处理多少个像素，单位是 GPixel/S （每秒十亿像素），或 MPixel/S （每秒百万像素）。 像素填充速率是较好衡量 GPU 图像显示功能的整体指标，说明了显卡能以多快的速度对图像进行光栅化处理。显卡的硬件指标对其速度具有直接影响。

纹理填充率，指对多边形图像进行纹理贴图、实现 3D 效果的速度，和像素填充率类似，单位是 GTexels/S 或 MTexels/S 。 游戏采用了多纹理贴图的方式，使画面具有更好的光影效果。像素填充率和纹理填充率反映的是 GPU 的性能，而显存带宽则体现了显存的性能。

功率，集显依靠 CPU 的主板连接提供电源，但独显性能较强，需要单独接电源。 如 RTX 3080 Ti 功率为 750w 。

总线接口，显示卡要插在主板上才能与主板互相交换数据，现在主流接口为 PCLe （ PCI-Express ）。 接口提供数据流量带宽，目前主流采用 PCLe4.0 版本， 16 个通道。

Directx 支持，简称 DX ，是一种应用程序接口（ API ）。 DX 由微软编写，由很多的 API 组成，包括显示、声音、输入和网络。 DirectX 11 还支持高质量实时渲染和预渲染场景，目前 DX 已发展到 Directx 12 版本，提高了多线程效率，可以充分发挥多线程硬件的潜力。

CUDA Core 和 Tensor Core ，为 GPU 提供计算能力的硬件单元。 CUDA core 也叫 Streaming Processor （ SP ），是单精度，组成 SM 的重要部分。 Tensor Core 已发展到第三代， Tensor Core 大幅减少了深度学习需要的时间。 Core 的数量越多，并行运算的线程越大，计算的峰值越高。

5 .2. 如何去对比GPU

GPU 性能最直接的体现就是画图的速度，对应的指标就是像素填充率和纹理填充率。其他一些指标，也可以间接的反应 GPU 的性能，如 CUDA Core 、 Tensor Core 的数量、核心频率（显示核心的工作频率）、显存位宽、显存频率等。这些值越大，往往意味着性能更强。

6. GPU投资机会及相关标的

人工智能时代来临， GPU 应用领域不断扩展，市场需求愈加旺盛。 自统一渲染架构提出以来， GPU 技术快速发展，新兴应用场景的不断涌现，如车载，摄像头等，有望进一步催生市场需求，打开更广阔的市场空间。在此背景下，我们预计 2027 年中国独立 GPU 市场规模有望超过 346 亿美元，推荐 GPU 相关标的景嘉微，关注中科曙光、航锦科技等。

风险提示：

1、 信息创新、网络安全进展低于预期： 网安政策进展低于预期，央企安全运营低于预期，智慧城市安全运营推进缓慢，工控、云安全需求低于预期；

2、 行业后周期性： 经济增长不及预期，计算机属于后周期性行业，会导致下游信息化投入放缓；

3、 疫情风险超预期： 疫情导致的风险偏好下降超过市场预期。

行业动态

人工智能

旷视科创板 IPO 过会：拟募资 60.18 亿元，阿里系为最大股东

9 月 9 日晚间，上交所披露科创板上市委 2021 年第 66 次审议会议结果：旷视科技首发过会。据其 9 月 2 日更新的招股书（上会稿）显示，旷视科技此次预计募集发行 2.53 亿份 CDR （存托凭证），拟募集资金 60.18 亿元。此次旷视科技从受理材料到过会历时 174 天，比起第一家以 CDR 方式登陆 A 股的九号公司（ 689009.SH ）缩短了整整 387 天。

来源： https://36kr.com/p/1392311767038976

AR 企业亮风台完成 2.7 亿 C+ 轮融资，发布 5G AR 眼镜 HiAR H100

9 月 9 日下午，国内老牌 AR 公司「亮风台」发布了 5G AR 智能眼镜 HiAR H100 以及物理世界的 AR“ 便利贴 ”PinNotes 。同时，亮风台还在发布会现场宣布完成 2.7 亿元 C+ 轮融资，本轮融资由 CPE 源峰领投，晶凯资本、源慧资本、大观资本、清控银杏、普超资本等跟投，源星资本、信熹资本、活水资本、 MYEG 等老股东追加。

此外，在发布会现场，亮风台还展示了新版台 HiAR Space v2.0 平台、 HiAR 操作系统 Rainbow 、 AR 远程通讯与协作平台 HiLeia ，以及应用于安防领域的双目 AR 眼镜 G210 、耳箍式智能终端 A928 、以及亮眼慧防泛安放智能平台，并宣布和中睿信、科比特分别签署战略合作协议。

来源： https://36kr.com/p/1391091049200641

2021 中国国际数字经济博览会圆满闭幕

9 月 8 日，以 “ 创新发展与数字经济 ” 为主题的 2021 中国国际数字经济博览会在石家庄圆满闭幕。 9 月 6 日，在主会场开幕式上，省直及各市涉及信息技术制造、人工智能、智能制造、大数据、物联网、新型基础设施建设等领域的 20 多个项目进行集中签约。大会汇聚最新成果——《中国数字商务指数报告（ 2020 ）》《我国物联网产业链与区域发展报告》《 2021 工业软件产业发展研究报告》等。商务部中国国际电子商务中心、国家工业信息安全发展研究中心、工业和信息化部电子第五研究所等单位，发布了十多项重量级权威研究成果。中科院和工信部部属 7 所高校集中发布了 700 余项数字经济领域科研成果，多项技术填补国内空白，具有较强的技术性和较高的实用性，并与河北达成一批合作意向。

来源： https://baijiahao.baidu.com/s?id=1710489212502271405&wfr=spider&for=pc

金融科技

企业SaaS

网络安全