没有合适的资源?快使用搜索试试~ 我知道了~
GPU行业研究报告:AI与自动驾驶打造GPU强力增长引擎.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 37 浏览量
2023-09-30
19:51:42
上传
评论
收藏 294KB DOCX 举报
温馨提示
试读
14页
GPU行业研究报告:AI与自动驾驶打造GPU强力增长引擎.docx
资源推荐
资源详情
资源评论
GPU 行业研究报告:AI 与自动驾驶打造 GPU 强力增长引擎
一、 数字经济、AI、智能驾驶视角下看算力需求
1.1 演变趋势:从通用计算到智能计算,从分散独立到云网边协同
宏观角度下,数字经济建设及人工智能发展掀起了新一代算力革命,算力基建成为国家 数字化转型和经济发展的重要
竞争策略。从 1964 年戈登·摩尔提出著名的摩尔定律后, CPU 性能的发展便遵循这一规律,但目前数字经济与人工
智能的高速发展,基于 CPU 的摩尔定律已经失效,如何突破“算力墙”,满足新时代各种算力需求,成为各国主要 的
竞争焦点。
微观角度下,算力形式逐渐由通用计算过渡为高性能计算,从分散独立的端计算向云网 边协同计算演变。当前,常见
的高性能计算可以分为科学、工程计算与智能计算;算力 资源服务可以分为云计算、混合计算及算力网络。1)科学、
工程计算。这类计算主要利用超级计算机实现并行计算,是一种算法优化和 硬件集群结合的计算模式。高性能计算由
于具有较高的性能、效率及计算精度,可以广 泛的用于大规模复杂科学计算,比如工程模拟仿真、航空航天、地震预
测等,同时也能 支持人工智能、智慧城市等新兴领域。2)智能计算。智能计算以智能芯片为计算算力底座,可以较好
的满足 AI 领域模型训练 所需的智能运算需求,因此用于支持专一的人工智能应用场景。基于智能计算搭建的人 工智
能计算中心,通过将各种交叉技术集成,广泛的应用于智能语音处理、机器视觉、 自然语言(文本)处理等不用的领
域。3)云计算、混合计算、算力网络属于新型算力资源服务模式。云计算通过 World Wide Web(万维网)向用户提
供包括服务器、存储、数据库等在内的各项计算服务,因为万维网以网页为核心,因此云计算主要面向消费互联网;而
算力网络主要以算法及算力协 同为核心,通过协同联动云计算、边缘计算、端计算及通信网络,能够实现对复杂计算
任务的分解及高效调度。
1.2 战略地位:算力属于基础设施建设,是智能时代发展的物理承载
整体架构层面,算法、算力及数据是实现人工智能的三要素,其中算力是构筑智能时 代的物理基础。人工智能离不开
算力、算法及数据,其发展需要在建立在庞大的数据 集、优秀的深度学习算法及强大的计算能力基础之上,而算力作
为底层基础设施,是 开启智能时代的关键因素,其核心于智能芯片的技术进步。
实际发展层面,全球数据量正以指数级速度增长,“算力荒”问题日益凸显。据 IDC 数据 显示,2018 年至 2019 年全
球大数据存储量分别为 33Z B、41 ZB,而 2020 年全球数据 量达到了 60 ZB,同比增长 46%;庞大的数据集必然
依赖强大的数据处理能力,进而要 求宏观算力快速发展,NTCysd 预计 2021-2028 年全球算力规模将以超过 40%
的速度增 长,2028 年将达到 7510 EFlops。
1.3 应用驱动:数字经济搭建整体框架,AI 大模型、智能驾驶持续拉升
市场方面,数字经济建设、AI 大模型、智能驾驶成为开启智能时代的确定性研究方向。其中,数字经济建设搭建数字
化布局整体框架,并提供政策支持;AI 大模型及智能驾驶 率先落地,成为拉动算力需求的核心驱动力。
1)全球正加快数字经济建设,算力发展成为主要战略竞争点之一。目前,全球正处于 经济数字化转型阶段,据中国信
通院发布的《全球数字经济白皮书》显示,数字经济已 经成为各国发展 GDP 的核心战略,具体数据来看,2020 年
全球 47 个国家数字经济增 加值达到 32.6 万亿美元,占 GDP 比重为 43.7%,同比名义增长 3%。此外,数字经济
已经成为我国稳增长促转型的重要引擎,出台多项政策支持算力发展,截至 2022 年我 国数字经济规模已达 50.2 亿
元,数字基础设施规模能级大幅提升,在用数据中心算例 总规模超 180 EFlops,位居世界第二。
2)AI 大模型的快速扩张是算力需求的关键驱动力。由于 AI 大模型通常需要在大规模 无标注的数据集上进行重复的
训练,因此相比于传统的小模型在应用场景上更具有普 适性。但与此同时,数据集的快速增长以及模型不断迭代优化
使得 AI 大模型尺寸快速 膨胀,GPU 算力也遵循着同样的增长规律。据 OpenAI 数据显示,GPT-3 175B 相比 于
GPT-3 Small,总计算力(Flops)及参数量增长了约 1400 倍;而据 Semianalysis 最新分析指出,GPT-4 模型尺寸进
一步扩张,在其 120 层模型中总共包含了 1.8 万亿参 数,约 GPT-3 175B 参数量的 10 倍。
3)汽车智能化功能升级,智能驾驶将贡献算力需求的全新增量。汽车正逐渐步入智能 化时代,传感器数量的增加及交
互能力的提升,将带来数据的几何式增长,这必然要求 车端拥有强大的数据分析和处理能力。据华经产业研究院预测,
2025 年我国 L3、L5 级别智能驾驶渗透率将分别达到 14%、1%,到 2030 年两者将分别达到 40%、12%。而 L3
级别及以上智能驾驶汽车,不仅需要处理人机交互等指令,还需要与外界环境、云数 据中心进行交互。据分析,L3、L5
级别智能驾驶算力需求将分别达到 30-60 TOPS、 100T OPS,未来随着智能驾驶汽车渗透率的提升,将会持续带动智
能 驾 驶 市 场 整 体 算 力 需 求 的 增 加 , 预 计 2025、 2030 年 智 能 驾 驶 市 场 算 力 需 求 达 到 1.9 万 、 19 万 TOPS ,
2021-2025 CAGR 达 112%。
1.4 优化路径:提升芯片性能及创新存算架构是研究主流
系统算力主要受处理器性能与数据传输能力影响,当数据处理能力与传输能力不匹配时,计算能力由两者中较低者决定。
处理性能主要与指令复杂程度、频率、并行度有 关,一般来说,指令越复杂、计算频率越高、并行程度越大,处理器
性能就越好;而 数据传输的能力与处理器内部存算架构有关,在计算机体系里,根据访问延迟及容量 大小将存储结构
剩余13页未读,继续阅读
资源评论
产品经理自我修养
- 粉丝: 230
- 资源: 7326
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功