参考中国报告网发布《2017-2021年中国人工智能市场发展现状及投资方向研究报告》
人工智能领域出现频率最高的词语莫过于机器学习，而GPU（graphicsprocessingunit），即图形处理器，作为最适合机器学习的芯片也被大众所得知。1999年，总部设在美国加利福尼亚州的圣克拉拉市的NVIDIA发明了GPUGeForce256。这大大地推动了PC游戏市场的发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。现在，GPU与深度学习技术为现代人工智能时代带来了新动力。GPU能够在感知和理解世界的计算机、机器人和自动驾驶汽车中发挥着大脑的作用。
什么是GPU?
GPU（graphicsprocessingunit），即图形处理器，是一种专门为加速图像生成、处理所设计的集成电路。GPU广泛在嵌入式系统、智能手机、电脑、服务器、游戏主机上使用。现代GPU在图像处理与计算机视觉上非常有效，所以往往用在游戏、3D绘图等对图像要求高的领域。在个人电脑中GPU可以独立放在显卡中插入主板上（独立显卡），或集成在主板上（集成显卡）。显卡的主要供应商为NVIDIA和AMD。
GPU的发展历史
GPU在过去20年的主要发展阶段如下：
1995~2000年：截止到1995年，所有的PC显卡增加了2D加速功能，
GPU进入固定功能架构时代(fixedfunctionarchitecture)，1997年Fujitsu发布了第一个3D几何图形处理器，GPU发展全面进入3D时代。OpenGL、DirectX和Direct3D等API开始崭露头角，更好的促进了3D加速的发展。1999年NVIDIA发布的GeForce256是第一个具有硬件加速变换与光照（TransformandLighting）功能的显卡，从此3D图形加速卡发展进入快车道。
2000~2010年：NVIDIA首先发布了具有渲染功能的GeForce3，这个产品被用在微软游戏主机Xbox上。此后，可编程渲染逐步代替了T&L。2002年十月世界第一款Direct3D9.0图形加速器ATIRadeon9700发布，从此以后具有像素渲染功能的GPU在图像阵列处理方面逐步超过CPU。随着2006年NVIDIA通用并行计算架构CUDA（ComputeUnifiedDeviceArchitecture）的发布，GPU在并行计算上的优势逐渐体现，人们开发了GPGPU(General-purposeGPU)架构，可以在GPU上运行传统CPU上的应用。
2010~现在：移动互联网时代让GPU有着更加广阔的发展空间。2010年NVIDIA和奥迪合作，汽车中控面板上搭载了TegraGPU，来增加车辆导航与娱乐系统功能；智能手机上也出现了ARMGPU的身影；新一代游戏主机PS4和XboxOne使用了AMD的28纳米技术的RadeonHD显卡。
并行计算是GPU最大的特点：如下图所示，相对于串行CPU，GPU内部有很多独立相同的运算模块，虽然每个运算模块相比CPU性能有很大差距，但是可以相互独立、同步工作。在设计之初GPU主要用于屏幕上进行图像渲染，渲染本质上是可以并行处理的任务——即每个像素点的色彩可以独立计算，不需要考虑其它像素点，于是GPU成为比CPU更高效的图像渲染工具。在移动互联网时代之前，GPU主要用于游戏娱乐、专业3D绘图领域。
移动互联网是GPU发展的催化剂：大数据时代，数据量以几何级速度增长，由于摩尔定律即将步入尽头，传统串行处理器在大数据处理方面已经没有优势，GPU由于可以同时处理多个数据流，并行计算的优势逐渐体现出来，2015年NVIDIA发布了TitanXGPU，包含3072个CUDA核，8百万晶体管和12GB内存，把深度学习系统AlexNET的训练时间从1个月缩短到2.5天，预计未来几年还将再提高10倍。
GPU代表厂商英伟达
在PC市场，英伟达是目前GPU市场上绝对的霸主，在独立显卡领域，英伟达与AMD瓜分了几乎全部市场，2016年英伟达市占率接近70%。但是受到个人电脑的制约，电脑用独立显卡整体市场规模同比略有下降。
尽管GPU在个人电脑领域发展空间有限，但2016年以后，GPU在数据处理上的优势逐渐体现出来。目前GPU在人工智能芯片领域具有统治地位，占有36%的市场份额，而且有逐渐增长趋势。越来越多的社会组织加入到深度学习研发领域，包括高校、金融企业、工业、政府等。据英伟达数据，从2013年到2015年与英伟达合作的组织机构数目成长了35倍，达到3409个。
目前英伟达的GPU在人工智能领域正在飞速发展，2016年营收同比增长37%，归母净利润同比增长124%，均创历史新高。
2015年，谷歌和微软双双打破了ImageNet挑战赛中人类的最好成绩，2016年，AlphaGo击败了围棋冠军李世石，取得了历史性的胜利。在这些成就背后均有NVIDIAGPU的身影。
阿里巴巴、亚马逊、谷歌、IBM以及微软均在其云平台中部署了NVIDIAGPU。
NVIDIADRIVEPX2是一款可扩展的人工智能车载计算机，可贯穿于整个自动驾驶过程，现在已经与80多家企业在合作，包括特斯拉、奥迪、梅赛德斯奔驰、博士、百度等。
NVIDIAJetsonTX1是嵌入式人工智能计算机，可以用在数以亿计的智能设备中，例如无人机、机器人、排雷车等。
安防领域：到2020年全球预计将会有10亿台监控摄像头。我国安防龙头海康威视的刀锋服务器就是采用NVIDIADGX1处理器。
经过以上分析，我们认为具有并行计算能力的GPU将在大数据时代具有无可比拟的技术优势，目前看没有对手，以后将继续在机器人、医学和自动驾驶汽车等应用领域发挥作用。绝对龙头英伟达目前的地位无可撼动。AMD作为竞争对手，今年初也发布高性能计算芯片，具体成绩如何还需要时间验证。
人工智能领域出现频率最高的词语莫过于机器学习，而GPU（graphicsprocessingunit），即图形处理器，作为最适合机器学习的芯片也被大众所得知。1999年，总部设在美国加利福尼亚州的圣克拉拉市的NVIDIA发明了GPUGeForce256。这大大地推动了PC游戏市场的发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。现在，GPU与深度学习技术为现代人工智能时代带来了新动力。GPU能够在感知和理解世界的计算机、机器人和自动驾驶汽车中发挥着大脑的作用。
什么是GPU?
GPU（graphicsprocessingunit），即图形处理器，是一种专门为加速图像生成、处理所设计的集成电路。GPU广泛在嵌入式系统、智能手机、电脑、服务器、游戏主机上使用。现代GPU在图像处理与计算机视觉上非常有效，所以往往用在游戏、3D绘图等对图像要求高的领域。在个人电脑中GPU可以独立放在显卡中插入主板上（独立显卡），或集成在主板上（集成显卡）。显卡的主要供应商为NVIDIA和AMD。
Nvidia独立显卡
资料来源：中国报告网整理
GPU的发展历史
GPU在过去20年的主要发展阶段如下：
1995~2000年：截止到1995年，所有的PC显卡增加了2D加速功能，
GPU进入固定功能架构时代(fixedfunctionarchitecture)，1997年Fujitsu发布了第一个3D几何图形处理器，GPU发展全面进入3D时代。OpenGL、DirectX和Direct3D等API开始崭露头角，更好的促进了3D加速的发展。1999年NVIDIA发布的GeForce256是第一个具有硬件加速变换与光照（TransformandLighting）功能的显卡，从此3D图形加速卡发展进入快车道。
2000~2010年：NVIDIA首先发布了具有渲染功能的GeForce3，这个产品被用在微软游戏主机Xbox上。此后，可编程渲染逐步代替了T&L。2002年十月世界第一款Direct3D9.0图形加速器ATIRadeon9700发布，从此以后具有像素渲染功能的GPU在图像阵列处理方面逐步超过CPU。随着2006年NVIDIA通用并行计算架构CUDA（ComputeUnifiedDeviceArchitecture）的发布，GPU在并行计算上的优势逐渐体现，人们开发了GPGPU(General-purposeGPU)架构，可以在GPU上运行传统CPU上的应用。
2010~现在：移动互联网时代让GPU有着更加广阔的发展空间。2010年NVIDIA和奥迪合作，汽车中控面板上搭载了TegraGPU，来增加车辆导航与娱乐系统功能；智能手机上也出现了ARMGPU的身影；新一代游戏主机PS4和XboxOne使用了AMD的28纳米技术的RadeonHD显卡。
GPU发展路径
资料来源：中国报告网整理
GPU快速发展的原因——特殊的技术迎来了最好的的时代并行计算是GPU最大的特点：如下图所示，相对于串行CPU，GPU内部有很多独立相同的运算模块，虽然每个运算模块相比CPU性能有很大差距，但是可以相互独立、同步工作。在设计之初GPU主要用于屏幕上进行图像渲染，渲染本质上是可以并行处理的任务——即每个像素点的色彩可以独立计算，不需要考虑其它像素点，于是GPU成为比CPU更高效的图像渲染工具。在移动互联网时代之前，GPU主要用于游戏娱乐、专业3D绘图领域。
CPU与GPU架构对比
资料来源：中国报告网整理
NvidiaGeForce8并行架构
资料来源：中国报告网整理
移动互联网是GPU发展的催化剂：大数据时代，数据量以几何级速度增长，由于摩尔定律即将步入尽头，传统串行处理器在大数据处理方面已经没有优势，GPU由于可以同时处理多个数据流，并行计算的优势逐渐体现出来，2015年NVIDIA发布了TitanXGPU，包含3072个CUDA核，8百万晶体管和12GB内存，把深度学习系统AlexNET的训练时间从1个月缩短到2.5天，预计未来几年还将再提高10倍。
GPU代表厂商英伟达
在PC市场，英伟达是目前GPU市场上绝对的霸主，在独立显卡领域，英伟达与AMD瓜分了几乎全部市场，2016年英伟达市占率接近70%。但是受到个人电脑的制约，电脑用独立显卡整体市场规模同比略有下降。
英伟达与AMD在独立显卡领域市占率对比
资料来源：中国报告网整理
尽管GPU在个人电脑领域发展空间有限，但2016年以后，GPU在数据处理上的优势逐渐体现出来。目前GPU在人工智能芯片领域具有统治地位，占有36%的市场份额，而且有逐渐增长趋势。越来越多的社会组织加入到深度学习研发领域，包括高校、金融企业、工业、政府等。据英伟达数据，从2013年到2015年与英伟达合作的组织机构数目成长了35倍，达到3409个。
Nvidia最新人工智能系统
资料来源：中国报告网整理
英伟达合作组织数目增长情况
数据来源：中国报告网整理
目前英伟达的GPU在人工智能领域正在飞速发展，2016年营收同比增长37%，归母净利润同比增长124%，均创历史新高。
2015年，谷歌和微软双双打破了ImageNet挑战赛中人类的最好成绩，2016年，AlphaGo击败了围棋冠军李世石，取得了历史性的胜利。在这些成就背后均有NVIDIAGPU的身影。
阿里巴巴、亚马逊、谷歌、IBM以及微软均在其云平台中部署了NVIDIAGPU。
NVIDIADRIVEPX2是一款可扩展的人工智能车载计算机，可贯穿于整个自动驾驶过程，现在已经与80多家企业在合作，包括特斯拉、奥迪、梅赛德斯奔驰、博士、百度等。
NVIDIAJetsonTX1是嵌入式人工智能计算机，可以用在数以亿计的智能设备中，例如无人机、机器人、排雷车等。
安防领域：到2020年全球预计将会有10亿台监控摄像头。我国安防龙头海康威视的刀锋服务器就是采用NVIDIADGX1处理器。
英伟达营收及增长率
数据来源：中国报告网整理
英伟达归母净利润及增长率
数据来源：中国报告网整理
经过以上分析，我们认为具有并行计算能力的GPU将在大数据时代具有无可比拟的技术优势，目前看没有对手，以后将继续在机器人、医学和自动驾驶汽车等应用领域发挥作用。绝对龙头英伟达目前的地位无可撼动。AMD作为竞争对手，今年初也发布高性能计算芯片，具体成绩如何还需要时间验证。
资料来源：中国报告网整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
