2025年處理器精選報告報告

　　8月19日，「2016年全球異構計算HSA峰會」在北京亦莊召開。本次會議以「擁抱CPU+時代」為主題，由下一代處理器國際標準化聯盟之一的全球異構系統架構（HSA）協會和中國半導體行業協會聯合主辦，華夏芯、聯發科、超威半導體、進想科技、樂金電子等承辦，而這也是中國首次舉辦下一代處理器全球峰會。

　　據電子信息行業市場調查分析報告 了解，長期以來，中央處理器（CPU）一直是電子信息產業的核心，近年來，隨著雲計算、大數據、物聯網等新應用的蓬勃發展，CPU與GPU、DSP、FPGA等其它處理器的深度融合（即異構計算），已經成為產業發展的必然選擇，CPU正在悄然升級。本次峰會的舉辦，將促進我國在制定全球下一代處理器的標準協議和構建軟硬體國際生態系統等相關方面發揮更大的影響力。

　　國家網際網路信息辦公室、工業和信息化部、國務院信息化專家委員會、中國工程院倪光南院士等領導和專家，以及國家發改委、科技部有關負責人出席了本次峰會。

　　在這次峰會上，各承辦單位還就全球異構計算晶片最新發展做了主題演講。Cadence、Synopsys、Ceva等海外企業與申威、北大眾志、元心科技、復旦大學、國防科大、上海交大、中山大學等數十家相關單位，圍繞機器視覺、人工智慧、雲計算、虛擬現實、軟體無線電等多方面應用對高性能計算的需求做了主題報告。

　　HSA協會主席John Glossner介紹稱，與傳統CPU處理器相比，「CPU+」或者說下一代異構多核處理器的主要性能實現了幾倍甚至十幾倍的提升，可使各種電子信息產品更加智能便捷，續航時間更長。更重要的是，「CPU+」可以大幅降低下游整機廠商的開發時間，削減開發成本。因此，「CPU+」的應用前景非常廣闊。預計在未來數年內，「CPU+」產品將在電子信息產業的各個方面快速普及。

　　中國工程院院士倪光南說：「異構計算是目前世界上高性能處理器的發展趨勢，隨著雲計算、大數據、移動網際網路、智能智慧城市等新一代技術的發展，以及人工智慧、無人駕駛、AR、VR等前沿技術的進步，傳統的CPU已經不能滿足處理的所有要求，因此需要發展像GPU、DPU等各種各樣特定需求的處理器以及融合這些多種處理器的新架構。」

　　工信部電子信息司司長刁石京則表示，中國在CPU等領域所取得的成就，為異構計算發展奠定了基礎。同時，中國廣闊的市場和多樣性需求也為異構計算提供了巨大的發展空間和機會。「作為行業管理部門，工信部高度關注並積極支持異構計算的產業發展。」刁石京說。

　　「傳統的以CPU為主導的時代正在逐漸退去，新一代以CPU+GPU異構融合的時代正在到來。」國家信息化專家諮詢委員會常務副主任周宏仁說，中國在異構計算領域與國際先進水平的差距相對較小，在某些方面甚至同國外處在同一起跑線上。所以，如果我們能夠超前部署、集中攻關，很有可能實現從跟跑、並跑到領跑的轉變。而就微處理器而言，目前中國每年進口價值2000多億美元的晶片，這麼大的市場一定可以培育出新的世界級公司。

　　華夏芯CEO李科奕認為，隨著物聯網、雲計算等新應用的蓬勃發展，當前CPU在各種處理器中的計算量或者說工作量已經急劇下降，而並行計算的工作量已經占據了整個計算平台的80%甚至更高。因此，必然要求CPU與更為擅長並行計算的GPU、DSP、FPGA、ASIC等各種處理器深度融合，異構計算是當前國際處理器發展的必然趨勢，「CPU+」時代已經呼之欲出。

　　華夏芯方面的專家表示，公司是全球主要的異構多核處理器IP核供應商，目前已擁有完全自主智慧財產權且符合HSA國際標準的「CPU+」技術體系。目前主推的64位高性能處理器是華夏芯第一款「CPU+」產品。按照計劃，公司將在明年發布性能更加先進的「CPU+」全套解決方案。

　　3D圖形繪製技術已經滲透到各種移動設備中。相對於桌面PC,移 動設備圖形處理需要以更低的功耗、更有限的內存帶寬和較低的運算能力實現高性能、高質量的圖形顯示效果。以下為圖形處理器發展現狀的分析。

　　圖形處理器(英語：Graphics Processing Unit，縮寫：GPU)，又稱顯示核心、視覺處理器、顯示晶片，是一種專門在個人電腦、工作站、遊戲機和一些移動設備(如平板電腦、智慧型手機等)上圖像運算工作的微處理器。

　　用途是將計算機系統所需要的顯示信息進行轉換驅動，並向顯示器提供行掃描信號，控制顯示器的正確顯示，是連接顯示器和個人電腦主板的重要元件，也是「人機對話」的重要設備之一。顯卡作為電腦主機里的一個重要組成部分，承擔輸出顯示圖形的任務，對於從事專業圖形設計的人來說顯卡非常重要。

　　GPU在高性能計算領域的使用，使得CPU不再是計算晶片的唯一選擇。與CPU相比，GPU具有更強大的計算能力(目前Nvidia最新K80具有4992個core，雙精度浮點計算能力高達2.9TFlops，內部存儲帶寬480GB/s)，任務處理模式更為簡單，逐漸應用於高性能計算的各領域，助力行業快速發展。

　　通過對圖形處理器發展現狀分析，作為高性能計算新的應用領域，深度學習(Deep Learning)是近年來機器學習的熱點，在圖像識別、語音識別等領域取得了突破性進展，其應用模式採用大數據+深度神經網絡模型相結合，以GPU集群方式對數據或深度網絡模型進行並行化，加速程序執行效率。

　　利用GPU來加速深度學習，訓練深度學習網絡，可以充分發揮GPU數以千計計算核心的高效並行計算能力，在使用海量數據訓練數據場景下，所耗費時間大幅縮短，占用的伺服器也更少。採用GPU集群作為基礎架構搭建深度學習/機器學習平台，已成為目前該領域首選解決方案，並廣泛應用於Google、百度、Facebook等公司。

　　通過對圖形處理器發展現狀分析，GPU在並行計算、浮點以及矩陣運算方面的強大性能，使其獲得了需要大量並行計算的深度學習等高性能運算市場的青睞。與傳統的CPU伺服器相比，採用GPU加速的伺服器在達到相同計算精度條件下，可將訓練速度提高5~10倍。

　　集成在遊戲PC中，用於圖形處理的GEFORCEGTX1080Ti顯卡功耗達到了250W，專用於A.I數據中心的Tesla系列加速卡功率也基本都在300W左右。用於PC的英特爾酷睿i系列CPU功耗一般在50-70W之間;用於伺服器端的英特爾XeonE系列CPU功耗也只在90-130W之間。

　　當前國內市場上還在出售的遊戲顯卡價格從2千元到1萬元不等。這還是以京東商城上低配版的最低價格計算。新推出的顯卡基本在5千到1萬左右，價格較為昂貴。以上便是圖形處理器發展現狀的所有分析了需要了解更多內容請關注2018-2023年圖形處理器市場行情監測及投資可行性研究報告。