星能资产:GPGPU成为市场公认的芯片领域新的投资热点

 

自从2018年的中兴事件和2019年的华为事件之后,国家对于集成电路半导体行业推出了一系列支持政策。资本市场上也涌现出了芯片投资热潮,不少创业公司投身半导体行业,其中也包括了以BAT为首的互联网巨头。时至今日,这些创业公司有的已经发展成为行业独角兽,有的已经成功在科创板上市。

 

过去几年,随着人工智能、深度学习广泛研发和应用。如在高性能计算(HPC)应用等领域需要用深度学习处理大量数据和大型的模型。随着模型的复杂程度和数量呈指数级增长,对算力提出了极大挑战。数据中心传统x86架构已经难以满足AI算法的并行计算要求。2007年以前,AI研究和应用受制于算法与数据量,对算力要求并不高,使用普通的CPU芯片即可满足计算要求。然而在2007年之后,互联网兴起,可获得的数据量飙升,算法不断更新,CPU渐渐无法满足运算要求。擅长并行计算的GPU进入人们的视野在这一算力需求的推动下,技术迅速迭代,原有GPU技术快速细分化,形成了在大规模并行计算下的GPU、GPGPU、ASIC、FPGA多种技术路径。

 

 

如果简单地来比喻而言,我们传统的计算机架构相当于一家以数据为原材料进行加工生产的企业,CPU就是总经理办公室,GPU相当于流水线,总经理办公室负责调度、协调整个工厂,流水线负责大规模生产,但只能生产视频数据。ASIC类人工智能芯片相当于一条可以完全定制化的生产车间,用多少工人、流水线布局、生产什么产品都可以根据客户定制,这就是完全定制化芯片;FPGA芯片相当于一条半定制化生产车间,使用者不能决定用多少员工、流水线布局,但可以定制其所生产的产品。但是上述两种芯片不能单独存在,因为没有CPU也就是总经理办公室的调度,生产车间没有生产指令也就不会开工,因此GPGPU出现了,这一类芯片相当于在生产车间内设置一个负责管理的“副总经理”,因此GPGPU芯片不仅可以承担大量的并行计算工作,更可以承担部分CPU在计算管理上的功能,且GPGPU在软件层面上可以自由编程,因此其适用性是人工智能芯片中的佼佼者。

 

作为“硬科技”代表的芯片赛道,GPGPU成为资本关注的焦点。据统计,仅2020~2021年,GPGPU领域就有近20起融资事件发生。

 

 

01

AI已经成为未来十年

半导体市场增长的关键驱动因素之一

 

 

GPU作为计算机显卡的核心,承担着图像处理和输出显示的任务。GPU基于大吞吐量设计,拥有更多的计算单元用于数据处理,采用流式并行计算模式,适合对密集数据进行并行处理,擅长大规模并发计算。

 

 

 

GPGPU,即通用图形处理器,利用图形处理器进行非图形渲染的高性能计算。为了进一步专注通用计算,GPGPU去掉或减弱GPU的图形显示部分能力,将其余部分全部投入通用计算,并成为AI加速卡(一种并行计算硬件)的核心。

 

 

02

市场应用空间广阔

国产替代意愿强烈

 

GPGPU可以覆盖的计算精度从4bit到64bit,特别是在32bit、64bit上,GPGPU非常适合高性能计算场景。这也是为什么在如信号处理、三维医学成像、民用雷达、能源等重要的工业、国防、科研领域,GPGPU被广泛看好的原因。如今GPGPU在高性能计算的优势已经被大企业、政府、学术界和工业界广泛认可。其最典型的应用例如基因测序工作中海量计算可以不再用国家超级计算中心排队,仅需要搭建一台专用的HPC(高速计算机),利用其中的GPGPU即可完成。

 

 

目前在超算、大数据处理、人工智能等对算力要求非常高的应用场景中,算力大都采用CPU+GPGPU或搭配专用加速芯片的构建方式。以超算领域为例,2020年全球超算系统TOP500中,有七成采用GPGPU,在TOP25中,有20个采用GPGPU。

 

如今,我国GPGPU市场正体现出强劲的发展势头。根据有关数据预测,到2025年,我国GPGPU芯片板卡的市场规模将达458亿元,年复合增长率高达32%。作为一个足够大的赛道,未来也一定会诞生出行业巨头和独角兽企业。

 

但是从生态与落地来看,目前中国GPGPU 90%的市场都被以英伟达为代表的外企瓜分。比如数据中心是算力需求最大的地方,也是替代最难的领域。客户对算力要求大、价格敏感,且都有长期使用英伟达的习惯。中国的云端AI训练芯片市场上,英伟达的市场份额达到90%。

 

像GPGPU这样一个广泛应用于政府、企业、国防、科研领域的产品,处于外企一家独大的局面,从产业链的角度显然难言安全,特别是在如今中美科技战,以及国内强调产业链自主可控的大背景下,可以说GPGPU产品国产化势在必行。

 

 

03

国产GPGPU落地元年

 

 

针对高性能通用计算的GPGPU属于大芯片范畴,开发难度大、专利壁垒高,有极强的准入门槛。

 

技术门槛:高端GPGPU普遍是7nm起步,甚至是5nm。

 

资金门槛:芯片流片费用动则上亿元,12nm需要5000万美元;7nm、5nm等制程需要1-1.5亿美元,需要稳定、充裕的资金支持。

 

开发周期:由于开发周期长,2-3年才可能有市场收益。

 

人才门槛:核心团队的能力和建制是重要指标,非常需要具有先进制程成功交付经验的人才。

 

高算力的GPGPU芯片,在量产前要经历冗长的设计测试流程。通常一款高端芯片前端和后端设计要耗时1~3年,设计完成后流片环节需要3~6个月,期间还会有流片失败一切重来的风险。即使成功流片,还需经过3~12个月的产品测试调优,才能开启量产。

 

一款GPGPU芯片从研发到最终落地,10亿元人民币只能说是最基本的下限。高投入意味着必须要高产出才能盈利,因此产品落地量产势在必行。产品高性能下的性价比,性价比决定出货量。目前国内GPGPU领域企业格局已经初步恒定。短时间内不会出现新的玩家,头部效应将会越来越明显,接下来将会进入比拼产品的阶段。比如2021年成功推出了两款可覆盖双精度(64位)的7纳米工艺制程GPGPU的红山微电子。

 

 

【红山微电子】

 

红山微电子成立于2019年4月,是一家覆盖全精度的GPGPU芯片设计公司,兼具计算芯片和存储芯片研发设计能力。创始人赵先明先生曾担任中兴通讯董事长兼CEO,核心团队来自原中兴微电子。

 

红山微电子2021年8月已经实现国内首款7nm制程双精度高性能智算芯片——“红山SC3”芯片的量产。得到了包括基因工程、生物制药、智能汽车等多个行业的多个龙头企业的认可。特别是通过深化行业应用,目前基于该协处理器的基因信息分析适配已经完成,在高通量基因分析领域实现了对GATK 的国产替代。

 

 

2021年12月第二款同是7纳米先进工艺制程的GPGPU “红山SC3s”成功流片。以极致的性价比作为设计理念;有望以极强的可分割性,极高的能效优势占领包括个人工作站在内的诸多应用场景。目前红山微电子已收到了高达50000片的期货意向订单。

 

红山微电子拟在2022年推出全球首款5纳米先进工艺制程的下一代GPGPU,拟进一步强化张量计算(Tensor)区域,推动人工智能迈入2.0时代,将以此完善我国自主可控的高性能通用型芯片的研发和迭代。

 

红山微电子拥有顶尖的专家团队和雄厚的研发实力,实现了知识产权的自主可控。在大型终端用户方面已与华大基因、安诺优达等多家基因测序公司达成合作。相关GPGPU芯片可广泛应用于包括云计算、大数据分析等技术和智慧城市、智慧交通、医疗健康、生命科学等领域。

 

GPGPU作为GPU未来重要趋势之一,已经成为市场重点关注与投资的核心领域。因为芯片需要具体场景的验证才能证明其可靠性,真正为下游产生价值,才能达到国产替代的目标。从投资的角度来看,我们要关注掌握自主核心技术,团队完善,产品能够量产落地的相关龙头企业,我们投资人才能从中分享到半导体产业发展带来的行业红利。