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-CSDN文库

版权申诉

37 浏览量 2023-09-30 19:51:42 上传评论收藏 294KB DOCX 举报

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

内容反馈

版权申诉

产品经理自我修养

粉丝: 230
资源: 7326

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip