在英偉達於2000年收購3DFX，以及AMD在2006年收購ATI之後，桌面GPU這個市場本來就已經塵埃落定。
英偉達是GPU市場當之無愧的巨頭，AMD的GPU則掙扎前行，而Intel則依靠其CPU的號召力，在集成顯卡市場擁有絕對的號召力，但在獨立顯卡市場，無論是之前的Intel 740還是後續的Larrabee都無疾而終。
但在Alex Krizhevsky使用英偉達GPU成功訓練出了深度卷積神經網絡AlexNet，並憑藉該網絡在圖像分類識別領域大幅提升了性能之後。人工智慧新時代正式開啟。也正是從這個時候開始，GPU市場開始進入了一個新階段。英偉達則成為這個時代當之無愧的大贏家。
英偉達從2012年到現在的股價走勢
英偉達叱吒AI時代的兩大利器
回看圖形處理器的發展史，據相關資料顯示，MIT在1951年製造的Whirlwind也許是世界上第一個3D圖形系統，但這不是現代GPU的基礎。據報道，現在的GPU雛形是基於上世紀70年代中期的所謂視頻移位器（video shifters）和視頻地址生成器（video address generators）組成的。
在歷經大型系統、小型工作站的發展後，圖像處理器在90年代中後期於PC上的3D遊戲而發揚光大，在此期間，不少公司湧入其中，英偉達也是其中的一家。據英偉達官網介紹，在他們成立的1993年，全球有超過二十家的圖形晶片公司，到1997年，這個數字猛增至70家。但到2006年，英偉達是唯一仍在運營的獨立公司，他們也成為最後的贏家。被其衝上沙灘的前浪包括了ATI、S3 Graphics和3DFx等競爭對手。
和其他玩家一樣，英偉達最初成立的時候也只是聚焦於顯卡市場，最初推出的兩款產品NV1和NV2也市場反響平平平。但英偉達不氣餒，投入大量的經歷去研發NV3，並在1997年推出。作為全球首個128位3D處理器，NV3在推出四個月後的出貨就突破一百萬。因為NV3能對OpenGL的良好支持，英偉達自NV3開始，逐漸打敗了當時市場占比高達85%的3DFx，成為了顯卡市場的霸主。
值得一提的是，英偉達表示，他們在1999年發明了GPU（ 這是NVIDIA首創的詞彙，GPU即是Graphics Processing Unit的縮寫），而當年推出GeForce 256就是全世界第一款GPU。
如果英偉達接下來，還是只盯著圖形市場，那麼他們的充其量就就只是下一個3DFx，但黃仁勛有更大的野心，那就是把GPU推到通用市場，這就是大家所熟悉的GPGPU。
據半導體行業觀察之前的報道：「在2000年左右，學術界對於使用GPU做通用計算（GPGPU）產生了興趣。當時，主要面向執行通用算法的CPU是執行科學計算的主力，但是CPU為了能在通用算法上都有較好的性能，因此很多晶片面積事實上用在了片上內存和分支預測等控制邏輯，而真正用於計算的單元並不多。相反，GPU架構中的控制邏輯較為簡單，絕大多數晶片面積都用於渲染、多邊形等計算。學術界發現，科學運算中的矩陣等計算可以很簡單地映射到GPU的處理單元，因此能實現非常高的計算性能。」
報道進一步指出，當時，GPGPU最主要的瓶頸在於難以使用。由於GPU是面向圖像應用而開發，因此要在其編程模型中支持通用高性能計算並不容易，需要許多手工調試和編碼，因此造成了很高的門檻，能熟練使用的人並不多。
為了讓GPU從軟硬體都走向通用，英偉達在2006年推出了Tesla架構，一改之前使用矢量計算單元做渲染的做法，而是把一個矢量計算單元拆成了多個標量計算渲染單元。這就使得基於這個架構的GPU除了渲染能力強以外，還適合做通用計算。
也就是在這一年，英偉達推出了CUDA。按照他們的說法，這是一種用於通用GPU計算的革命性架構。CUDA將使科學家和研究人員能夠利用GPU的並行處理能力來應對其最複雜的計算挑戰。
正是得益於這兩個方向的布局，英偉達在AI時代如魚得水。
據行業專家所說，現在的雲端AI晶片市場，除了谷歌自用的TPU外，其他絕大多數的廠商都是使用英偉達的GPU來做相關的模型訓練，這讓英偉達在雲端AI晶片的市場居高不下。這也讓英偉達的業績在過去幾年屢創新高。根據賽迪顧文的預測數據顯示，光是國內的雲端AI晶片市場，在2019年到2021年間的累計增長將高達152%，麥肯錫也預測，在未來幾年，訓練市場將成長迅猛，且在未來十年，這還將是英偉達GPU的天下。
看到這個數據需求和預測，國外就湧現出了類似Graphcore IPU和Google TPU等ASIC產品，計劃在訓練市場挑戰英偉達。Intel和AMD則希望在GPU硬扛英偉達。
AMD和Intel的蠢蠢欲動
其實早在英偉達進軍GPGPU的前後，AMD也有了相應的計劃。但和英偉達屬在過去多年裡大力投入推行CUDA開發環境不一樣，AMD將雞蛋都放在了「OpenCL」這個籃子裡面，這就導致即使他們在2017年發布了ROCm平台來提供深度學習支持，但也改變不了他們GPU在AI時代幾無所獲的結局。
但AMD不甘心。為了與Nvidia競爭，AMD在今年三月份推出了新的CDNA架構。據介紹，這是AMD針對數據中心和其他用途的，專注於計算的GPU體系結構。AMD針對CDNA的目標既簡單又直接：構建一個大型的，功能強大的GPU系列，這些GPU針對一般的計算和數據中心使用進行了優化。
據介紹，新架構中很大一部分的性能提升將會體現在機器學習方面，這意味著支持更快地執行較小數據類型（例如INT4 / INT8 / FP16），而AMD在介紹新架構的時候也明確提到了張量運算。此外，新架構可以通過Infinity Fabric互連總線靈活設計性能，並支持增強的企業級RAS特性、安全、虛擬化技術，還將提供更高的能效比，從而降低企業TCO成本。
基於這個架構，AMD在本月中發布了新一代的Instinct MI100計算卡。數據顯示，新的架構可提供高達11.5 TFLOPS的FP64峰值吞吐量，這使其成為第一個在FP64中突破10 TFLOPS的GPU。與上一代MI50相比，新加速卡的性能提高了3倍。它還在FP32工作負載中擁有23.1 TFLOPS的峰值吞吐量。數據顯示，AMD的新加速卡在這兩個類別中都擊敗了Nvidia的A100 GPU。
Instinct MI100還支持AMD的新Matrix Core技術，該技術可提高FP32，FP16，bFloat 16，INT8和INT4等單精度和混合精度矩陣運算的性能，還可將FP32性能提高到46.1 TFLOPS。
為了更好地與英偉達競爭，AMD還表示，其開源ROCm 4.0開發人員軟體現在具有開源編譯器，並統一支持OpenMP 5.0，HIP，PyTorch和Tensorflow。
除了AMD外，Intel在最近幾年也加大在其GPU的投入，想在AI這個市場分一杯羹。
據英特爾介紹，公司的Xe架構GPU將覆蓋從集成顯卡到高性能計算的所有範圍。其中代號為Ponte Vecchio的獨立GPU則是公司面對HPC建模和仿真以及AI訓練而推出的設計。Ponte Vecchio將採用英特爾的7納米技術製造，並將成為英特爾首款針對HPC和AI工作負載進行了優化的基於Xe的GPU。但直到目前為止，尚未看到Intel的這款新品。
此外，為了更好地在包括AI在內的應用市場中發揮其包括CPU、GPU、FPGA和AISC在內的晶片的為例，方便開發者編程，Intel還推出了擁有遠達理想的OneAPI。在開發者看來，這是一個不錯的規劃，但同時也是一個極具挑戰的任務。
中國廠商加速入局
在GPU重要性日益凸顯的今日，國內越來越多的廠商開始投入到這個市場中去。這些廠商中除了有之前一直在這個市場布局的景嘉微、兆芯和航錦外，還有一些新進入這個領域的企業。當中尤其以壁仭、沐曦、海飛科、芯瞳最為知名。
首先看壁仞科技，據官網介紹，該公司創立於2019年，團隊由國內外晶片和雲計算領域核心專業人員、研發人員組成，在GPU、DSA（專用加速器）和計算機體系結構等領域具有深厚的技術積累和獨到的行業洞見。
在產品方面，壁仞科技致力於開發原創性的通用計算體系，建立高效的軟硬體平台，同時在智能計算領域提供一體化的解決方案。從發展路徑上，壁仞科技將首先聚焦雲端通用智能計算，逐步在人工智慧訓練和推理、圖形渲染、高性能通用計算等多個領域趕超現有解決方案，實現國產高端通用智能計算晶片的突破。
再看沐曦，則是由AMD前高管離職創立的公司。據介紹，沐曦集成電路成立於2020年9月，核心團隊來自世界一流的GPU晶片公司，平均擁有15年以上高性能GPU晶片設計經驗和豐富的5nm流片和7nm晶片量產經驗。公司致力於研發生產擁有自主智慧財產權的、安全可靠的高性能GPU晶片，服務數據中心、雲遊戲、人工智慧等需要高算力的諸多重要領域，填補國內高性能GPU晶片自主可控的空白。
海飛科(Hexaflake)則成立於2019年，是一家高科技初創公司，致力於AI高性能處理器晶片和軟硬體全棧系統解決方案的研發，是能夠在該領域與國際巨頭並駕齊驅的頭部AI通用型處理器公司。主要創始人及核心團隊匯聚中美各地多位國際頂級資深專家；專長涵蓋並行計算與AI處理器體系架構、GPU等超大規模SoC晶片以及處理器系統軟體的研發；並曾在國際領先企業核心研發部門長期任職，成功研製多款晶片和系統產品。他們公司成立的目的是共同打造新一代通用型AI處理器晶片及其軟硬體生態環境。
芯瞳半導體成立於2018年。在接受媒體採訪的時候，他們表示公司的GPU瞄準的應用領域有三個方面：嵌入式、辦公PC和雲遊戲。此外，還有授權了Imagination IP的芯動、繼承了相關GPU專利的兆芯以及一直做國產CPU的龍芯也是GPU市場的玩家。
考慮到國內的GPU現狀和中美之間的貿易狀況，上述GPU廠商除了有看中AI市場的玩家外，也有希望在圖形GPU市場有突破的創業者。
不過正如行業專家告訴筆者，無論是在圖形還是通用計算市場，對於GPU而言，更重要的是軟體和開發者生態。只有做好了這個，才是GPU能夠商用的前提。國內廠商中何時會有廠商能夠真正突圍成功的？這值得我們觀望。