近日大火的聊天機器人程序ChatGPT，最終還是崩了！多位用戶反映，其網站因為運算量過大，出現了無法回復的情況。
翻譯：我們出現了遠超預想的(運算)需求，請再堅持一下并等待我們將系統擴展。
事實上，ChatGPT出現崩潰只是算力緊張的一個縮影。近日隨著百度、京東、騰訊等國內廠商宣布參與智能聊天機器人領域的競爭，未來類似ChatGPT這樣的程序將越來越多。人工智能發展是大勢所趨，全球市場對于算力的需求也將出現快速的增長。
GPU的“變種”在算力領域“擠走”CPU
提到算力，首先不得不說的就是CPU(Central Processing Unit，中央處理器)。1971年，英特爾生產的4004微處理器將運算器和控制器集成在一個芯片上，標志著CPU的誕生，這也是大規模機器運算的開始。后來從四位運算開始，每隔幾年處理器的性能就會翻倍。
再之后，單純的運算位數增加已不再滿足復雜的運算需求，CPU逐漸向更多核心，更高并行度發展。典型的代表有英特爾的酷睿系列處理器和AMD的銳龍系列處理器。
CPU最大的特點是全能，作為中央處理器，其性能被平均分為多個模塊，也因此CPU可以完成絕大多數指令下的任務，整體屬于一款較為均衡的產品。
與此同時，由于電腦顯示器的出現，傳統的GPU(Graphics Processing Unit，圖形處理器)也應運而生。顯示器上的圖形顯示需要大量的重復運算(顯示各種顏色，甚至三維圖像)，其對于算力的要求要遠高于以處理指令為主的CPU。因此不同于CPU，GPU更強調了并行計算的方法，這也讓GPU無論是算力還是運算速度，都要高于CPU。
隨著顯示器分辨率的不斷提升，特別是多款大型游戲對于顯示器分辨率的要求越來越高，GPU的運算性能也在飛速提升，而且提升速度快于CPU。
在這一方面，英偉達占據了GPU市場的頭把交椅，不少人應該都有過為了某款熱門游戲，而單獨安裝英偉達顯卡的經歷。
很長一段時間以來，CPU負責中央控制和各種運算，GPU負責少量處理和大量重復運算，兩者相輔相成，各自擔負起了對應的職能。
然而，有人看到了GPU相對于CPU高算力的優勢，于是一種去掉了GPU圖形處理部分內容，而僅保留了科學計算，AI訓練、推理任務等通用計算類型的GPGPU(General-Purpose computing on Graphics Processing Units，通用圖形處理器)誕生了。
GPGPU，可以說是特化版的運算芯片，GPGPU通過 GPU 多條流水線的并行計算來實現大量計算。超長流水線的設計以吞吐量的最大化為目標，在對大規模的數據流并行處理方面具有明顯的優勢。
如果說普通CPU的計算能力是小溪流，那么GPGPU的計算能力就是并行了注入多條河流的大江長河。在未來人工智能爆發的時代，其遠優于CPU的運算性能，決定了這個GPU家族的“變種”在算力領域將“擠走”傳統的CPU，大規模應用于算力市場中。
事實上，此前就有消息表示，ChatGPT已導入了至少1萬個英偉達高端的GPGPU，不論此消息是否屬實，ChatGPT至少很大概率使用了大量的GPGPU，并且好像已投入的部分還不夠用，需要更多。一個高端GPGPU動輒數十上百萬，這樣看來，GPGPU的市場空間可能會非常大。
GPGPU生態：英偉達業內領先，國內生態初見雛形
事實上，一般的GPGPU確實具備了超快速的運算能力，然而，要想達到ChatGPT這種真正具備一定解決問題能力的成型AI系統，仍需要大量的開發工作，特別是需要海量的深度學習支持。AI才能面對并有效處理海量的問題。深度學習與GPU的圖形處理有一些相通的地方，它需要大量的數據來“訓練”模型。比如一個貓圖識別AI，需要提供數以萬計的貓圖供其“學習”。而每一張貓圖的學習又與其他貓圖沒有先后關系，每一張貓圖，其實就相當于一次學習。
?而如果缺少這些必要的開發學習支持，否則的話，GPGPU空有大量的運算能力，卻不一定能夠做出正確的運算。例如，前兩天谷歌Bard的發布會中，就犯了事實性的錯誤，在一個“關于詹姆斯·韋伯太空望遠鏡(JWST)，我可以告訴我9歲的孩子它有哪些新發現？”的問題中，Bard給出的一個答案是：太陽系外行星的第一張照片，是用JWST拍攝的。然而事實上，2004年，第一張系外行星照片是由歐洲南方天文臺的甚大望遠鏡(VLT)拍攝的。
這種學習、運算與開發的過程，往往需要一個統一的開發架構，架構越優秀、越適配GPGPU。開發的效果也會越好。在這一領域，英偉達的優勢比較明顯，英偉達的CUDA(Compute Unified Device Architecture，統一計算架構)集成技術，占據了全球八成以上的GPGPU開發市場。通過這個技術，用戶可利用英偉達的GPU進行圖像處理之外的運算。由于絕大多數架構都是針對CPU進行編程的，更突顯出了英偉達該架構的稀缺性。
不過，最近英偉達也遇到了越來越多的挑戰，首先是一款新的架構PyTorch在AI開發領域大有后來居上的架勢，由于其將支持更多GPU，相比于英偉達對GPU領域的壟斷，受到了很多廠家的歡迎。而后續OpenAI(推出ChatGPT的公司)又發布了一款開源的GPU開發架構Triton。其雖然可以看作簡化版的CUDA，但由于其采用較易編碼的Python進行開發，且性能不輸CUDA太多，最重要的是：其代碼開源也意味著開發者享受著自由的環境，因此該開發架構也受到了很多開發者的歡迎。盡管目前Triton還只支持英偉達的GPGPU芯片，但其負責人員表示未來會支持更多廠商的芯片，做到真正的自由開發。
國內的GPGPU生態起步較晚，但近年來不斷的投入，也在2022年有了一定的成績。首先是在RISC-V(一種開源架構)中國峰會上，清華大學集成電路學院何虎副教授團隊發布了基于RISC-V的開源GPGPU實現方案，名為“承影”(Ventus)，同時還給出了映射方案、指令集和微架構的實現。
而上海交大在GPGPU架構領域，同樣取得了不小的突破。2022年8月，上海交大團隊正式對外發布了自研開源GPGPU平臺“青花瓷”。“地緣政治所帶來的不確定性在這幾年有增無減，國產化的勢在必行。利用開源及開源生態所創造的芯片，就有可能解決卡脖子的困境。發布這款芯片的團隊主要成員梁教授表示。“通過十年的努力打造屬于中國的GPGPU生態，做人人都用得起GPGPU，這是我們的愿景”。
國內GPGPU公司：有所突破，但仍任重道遠
有了多樣的生態，國內的一些GPGPU公司也在研發的道路上不懈努力，推出了一些有競爭力的產品。
2022年9月，壁仞科技首次展出了BR100系列GPGPU芯片，算力創下全球紀錄。壁仞科技首款通用GPU芯片BR100，基于壁仞科技原創芯片架構研發，采用的是7nm先進制程工藝，可容納770億顆晶體管，16位浮點算力達到1000T(1T=1024G)以上、8位定點算力達到2000T以上。BR100芯片在國內率先采用Chiplet(先進封裝)技術，使得中國的通用GPU芯片邁入“每秒千萬億次計算”新時代，最為振奮人心的是，這是第一次全球通用GPU算力紀錄由中國企業制造。
隨后，浪潮AI服務器成功搭載壁仞科技自研的高端通用GPU，在多項比拼中獲評全球最佳性能，實現了國產芯片在國際AI賽場上的精彩亮相，取得了歷史性的突破。
在A股上市公司當中，目前還沒有以GPGPU為絕對主業的公司，但仍有與GPU業務有一定關系的上市公司，其中景嘉微經過多年的研發積累，公司在傳統GPU設計及特定領域應用方面形成一定的技術、品牌等綜合優勢。公司在半年報中指出，其已在通用GPU(即GPGPU)領域有所延申，正持續研發并提供相關產品。
而以CPU為主要產品的海光信息，也已研發出了基于GPGPU的DPU(Data Processing Unit，中央處理器分散單元)產品，該產品其實是GPGPU的一種。其兼容“類 CUDA”環境，解決了產品推廣過程中的軟件生態兼容性問題。公司通過參與開源軟件項目，并實現與 GPGPU 主流開發平臺的兼容。
圖片來源：海光信息招股說明書
值得注意的是，盡管這兩家公司只是與GPGPU業務有一定關系，但兩家公司近日雙雙大漲，其中2月9日景嘉微20cm漲停，海光信息也大漲超13%。市場或許也已意識到算力爆發背景下，GPGPU產業的投資機會。
除了上述公司外，登臨科技、芯動力、沐曦半導體等公司，也正在GPGPU這條賽道上不斷努力著。如果這些仍未上市的GPGPU公司選擇上市，投資者也可以關注他們的動態，選擇參與打新或二級市場的投資。
綜合來看，盡管國內近兩年在GPGPU領域已取得了很多的突破，但也要看到國外一些大型廠商已在該領域經歷了數十年的發展，積累了豐富的經驗和技術，并擁有著大量的上下游市場資源。而我國的GPGPU產品不僅在生態和開發領域面臨著國外大廠卡脖子的挑戰，即使是在各自的芯片研發領域也面臨著研發周期長、投入量大、產品成功概率偏低等一系列問題。我國以CPU和GPU為代表的高端芯片設計行業的整體研發實力、創新能力和應用推廣能力仍有待提升。面對事關未來時代變革的重要產品，或許需要政府、高校和研發企業共同努力，互相共享經驗和成果，才能真正在這一領域縮小與國外的差距，實現真正的國產替代、自主可控。
