GPU的核心競爭力在于架構等因素決定的性能先進性和計算生態壁壘。國內GPU廠商紛紛大力投入研發快速迭代架構，推動產業開放構建自主生態，加速追趕全球頭部企業。國產替代需求持續釋放疊加國際局勢不確定性加劇，AI&數據中心、智能汽車、游戲等GPU需求有望高增，國產GPU迎來發展黃金期，我們看好國產GPU公司的發展與投資機遇。

第一，我們從性能和生態2個維度構建了GPU完整的研究體系。1）性能：決定GPU是否“高效”，其中微架構/制程是影響GPU性能的核心要素。2）生態：CUDA構筑通用計算堅固壁壘。

第二，提出在評估GPU性能的指標的重要性上：微架構、制程、流處理器數量、核心頻率對GPU性能影響較大。我們詳細梳理了GPU的微架構、制程、顯存容量/位寬/帶寬/頻率、核心頻率等各類性能參數及重要性程度，并利用“核心數*核心頻率*2”公式對性能算力進行量化，揭示可用3DMark、MLPerf 等GPU軟件跑分進行相關性能測試評估。

第三，詳細拆解了NVIDIA Fermi和Hopper兩大典型微架構的具體硬件實現，在頂點處理、光柵化計算、紋理貼圖、像素處理的圖形渲染流水線上對Fermi架構進行了拆分；在指令接收、調度、分配、計算執行的通用計算流水線上對Hopper架構進行了簡單易懂的描述，并指明更多、更專、更智能等未來架構升級迭代的方向。

第四，明晰了生態是構建通用計算壁壘的基石。提出GPU研發難度在圖形渲染硬件和通用計算軟件生態層面，在IP、軟件棧方面研發門檻較高，需要較長的積累，先發者優勢明顯。CUDA生態從2006年推出至今，經過不斷發展完善，幾乎已在行業生態內處于壟斷地位。

第五，深度復盤Nvidia/AMD（ATI）的產品迭代和競爭發展史，通過對NVIDIA長期保持領先和AMD（ATI）反超進行總結得出結論：架構創新升級和新興領域前瞻探索是領跑GPU行業的關鍵。

第六，梳理和測算了國內GPU在AI&數據中心、智能汽車、游戲行業的市場空間和發展趨勢。

以下為報告原文，節選部分內容，更多內容請參看原報告“GPU研究框架（2023）”，以及“服務器基礎知識全解（終極版）-182頁PPT”，“服務器基礎知識全解（終極版）-182頁PDF”。

以上內容節選部分內容，更多內容請參看原報告“GPU研究框架（2023）”，以及“服務器基礎知識全解(終極版)-182頁PPT”，“服務器基礎知識全解(終極版)-182頁PDF”。