根據“牧村波動”（Makimoto’s Wave）顯示，半導體產品未來可能將沿著“標準化”與“定制化”交替發展的路線前進，每十年波動一次。2020 年將至，過去數年我們一直在呼喚AI 芯片和高性能計算芯片，如果 “牧村波動”仍然奏效，那么下一個波峰將是超高靈活度集成的芯片。而這也解釋了為什么英偉達所開創的GPGPU在過去幾年里賺的缽滿盆滿。

其實仔細想想，除了“牧村波動”所昭示的進化規則，通用GPU之所以能夠成為當前的主流趨勢，并引來眾多企業趨之若鶩，至少有一明一潛兩大驅動因素。明面上，現在是異構計算的天下，近年來傳統以CPU為核心的服務器市場增長比較平緩，而GPU服務器的增速迅猛，年增長率據稱超60%。

潛在因素，5G時代的到來推動了物聯網的迅猛發展，應用場景更加豐富多元，這要求云端的計算資源能應對各種復雜場景的需求提供豐富靈活的計算支撐，工程師們肯定更愿意將能“通吃”的芯片焊在服務器上。

打鐵還需自身硬

想要吃到通用GPU這份蛋糕還是需要企業有足夠深厚的功底。相較于開發定制化的AI芯片等，通用GPU在技術上有更高的難度。從硬件角度看，最核心的是指令集。指令集的覆蓋面、顆粒度、效率等決定一款芯片能否覆蓋到足夠寬的應用市場領域，并對軟件開發和產品迭代足夠友好。無論是英偉達還是AMD的GPGPU，指令集都在千條量級，而目前國內的AI芯片指令集大多數都在百條以內。類型與數量的差別映射到硬件高效實現的復雜程度，差距是巨大的，在這方面國內的團隊還存在著一定的差距。另一個重要方面就是基于硬件層的任務管理和智能調度，這可以讓芯片從硬件層即提高算力的利用率，也就是大家常說的實際算力。大多數AI芯片的做法是完全依賴于軟件層的調度實現，但這種方式第一增加了軟件開發的復雜度，第二降低了硬件算力的利用率，第三減緩了軟件棧迭代更新的速度，這在AI領域，面向算法模型、開發環境、應用場景加速更新的大背景下無疑大大增加了產品落地與工程化的難度。

在軟件方面，毫無疑問，最重要的必然是開發生態，GPGPU通過英偉達十多年的耕耘，已經建立起了一個超過160萬開發用戶的龐大而成熟的生態-CUDA。AI芯片則需要搭建全新的生態，它會帶來兩個維度顯著的問題，第一個維度是客戶端，客戶需要冗長的適配期，從原有的開發環境切換到新的軟件生態，這不僅帶來了資源投入，推遲了業務部署時間窗口，增加了業務的不確定性，更嚴重的是不利于保護已有的軟件投資，軟件的很多部分都要重新來寫并適配，這對企業級用戶來講恰恰是非常敏感與慎重的事情。另一個維度是產品開發端，從底層芯片與系統軟件，跳過CUDA層去直接支持開發框架，必然帶來巨大的軟件投入，不停得追趕現有框架的新版本，以及生態巨頭的新框架，這在底層軟件人員缺乏的背景下矛盾顯得尤其突出。

而以上兩點說到底都是需要人來解決的，恰恰在這方面的人才是目前中國企業最缺少的。目前只有英偉達和AMD擁有豐富的團隊，這也側面證明了為什么Intel自己折騰幾年，最后還是請了原AMD RTG顯卡部門負責人Raja、Zen架構的功勛領袖Jim Keller、顯卡技術市場總監Damien Triolet這幾位大神。

曲線救國還是正面突破？

圍繞GPGPU，國外已是龍爭虎斗，反觀國內，能夠洞悉GPGPU發展機遇并付諸行動的芯片廠商少之又少。

華為是為數不多看到通用GPU趨勢的芯片廠商之一，而且看起來正在嘗試兩條腿走路通往GPGPU的路上。一條路是，華為通過其在手機芯片方面的積累，希望從移動端GPU出發，逐步延展至平板電腦端、桌面端、服務器端，走這種從簡單到復雜、從小芯片到大芯片的路徑。

另一條路有點“天龍寺眾高僧合練六脈神劍”的意思。通用GPU復雜、難做，華為就“化繁為簡”，今天先做AI-GPU，明天再做“區塊鏈GPU”，后天再做“超算GPU”……到最后再來個“集大成”，“六脈神劍”通用GPU就成了?？雌饋砗馨魧Π?？但是這種想法可能過于理想化了。通用GPU不是簡單的“1+1”，十個人會一陽指，也及不上一個人會六脈神劍，一個道理。

筆者還聽說，阿里旗下的芯片部門也想做GPGPU，只不過阿里巴巴的野心大則大矣，只是眼下還沒有足夠大的技術團隊能支持這件事。

其他廠商中，包括寒武紀、依圖、比特大陸、燧原科技等企業，目前也都重點布局于AI芯片，并分別利用自身的優勢走出了自己的風格和水平。

而在GPGPU賽道上，一家名為“天數智芯”的公司選擇了正面“剛”。這家公司目前圍繞GPGPU的系統研發已聚集了一支百余人的技術團隊，其中不乏AMD在美國和上海做 GPU的核心團隊成員、行業經驗超20年的世界級技術專家。今年剛剛試水發布了一款邊緣端芯片，并計劃明年正式發布GPGPU大芯片產品。

國內企業的機遇與挑戰

有一點毋庸置疑，算力經濟時代，整個世界正面臨半導體市場的增長大潮，市場上也涌現出越來越多的半導體企業百舸爭流。而英偉達早早憑借強大的GPU+CUDA方案切入各個領域，用大筆研發投入和時間堆積起堅不可摧的生態城墻，而這恰恰是國內外其他玩家的薄弱環節。

國產芯片企業，特別是處在創業初期的那些，“正確選擇勝過百倍努力”。筆者認為可通用的GPU確然是個非常值得投入的方向。GPGPU誕生也只有十數年時間，“護城河”并非堅不可摧。

只不過在現階段，國產替代方案還要在CUDA生態的基礎上推廣自己的芯片產品，在兼容CUDA的同時，建設新生態。在這個過程中，每一步都關鍵且充滿挑戰。