圖形處理器GPU行業研究GPU：核心計算底座GPU，指GraphicsProcessingUnit，圖形處理器，進行圖形和圖像相關運算工作的微處理器。在該產品基礎上，衍生出GPGPU，即GeneralPurposeGraphicsProcessingUnit，其在圖形處理器GPU的基礎上進行改造，使之可以進行部分科學計算和AI計算等的處理器。GPU概念自20世紀70年代末提出，其角色變換從最早分擔CPU壓力的附屬硬件，到由于能承擔大規模運算而逐漸被人們重視。摩爾定律放緩無法匹配爆發式算力需求，GPU興起歷史上，由于摩爾定律的存在，使得CPU處理器的性能可以滿足應用軟件不斷升級的需求。但近幾年隨著半導體技術改進達到物理極限，電路復雜度逐漸提升。2016年3月24日，英特爾宣布正式停用“Tick-Tock”處理器研發模式，未來研發周期將從兩年周期向三年期轉變。至此，摩爾定律對英特爾幾近失效。隨著互聯網用戶和各類網絡應用的快速增長，數據體量的急劇膨脹，數據中心對計算的需求也在迅猛上漲。諸如深度學習在線預測、直播中的視頻轉碼、圖片壓縮解壓縮以及HTTPS加密等各類應用對計算的需求已遠遠超出了傳統CPU處理器的能力所及。一方面處理器性能再無法按照摩爾定律進行增長，另一方面數據增長對計算性能要求超過了按“摩爾定律”增長的速度。CPU處理器本身無法滿足計算性能需求，導致需求和性能之間出現了缺口。解決方法是通過硬件加速，采用專用協處理器的異構計算方式來提升處理性能，而GPU憑借其相對通用靈活和適應并行計算等特性成為主要選擇。GPU在并行運算層面具備一定優勢當前主要興起的計算芯片分別為GPU、ASIC、FPGA等，其中GPU最初專用于圖形處理制作，后逐漸應用于計算。其內部包含大量的運算單元核心，盡管單個核心緩存較小，邏輯功能簡單，僅能執行有限類型的邏輯運算操作，但其多核心架構天然適合執行復雜的數學和幾何計算，且科學計算領域通用性較高，相比CPU，綜合性能更好。當前缺點在于功耗過高，效率不足。GPU是核心計算資源底座。雖然提供各類計算資源的芯片種類眾多，但GPU依然是市場的最為主要的支撐點。以在AI市場的應用為例，IDC研究發現，2021年上半年中國人工智能芯片中，GPU依然是實現數據中心加速的首選，占有90%以上的市場份額，而ASIC、FPGA、NPU等其他非GPU芯片也在各個行業和領域被越來越多地采用，整體市場份額接近10%。歷史復盤：當前GPU進入高速發展期前GPU時代，圖形處理器初具雛形：1981年世界上第一臺個人電腦IBM5150由IBM公司發布，其搭配黑白顯示適配器與彩色圖形適配器，是最早的圖形顯示控制器。20世紀80年代初期，出現了以GE芯片為標志的圖形處理器，GE芯片的具備四位向量的浮點運算功能，可以實現圖形渲染過程中的矩陣，裁剪，投影等運算，其出現標志著計算機圖形學進入以圖形處理器為主導的階段。后續隨著GE等圖形處理器功能不斷完善，圖形處理功能逐漸由CPU向GPU（前身）轉移。GeForce256橫空出世，GPU正式誕生：20世紀90年代，NVIDIA進入個人電腦3D市場，并于1999年推出具有標志意義的圖形處理器GeForce256，真正意義上的GPU第一次出現。相較過往圖形處理器，第二代GPUGeForce256將T&L硬件（用于處理圖形的整體角度旋轉與光暈陰影等三維效果）從CPU中分離出來并整合進GPU中，使得GPU可以獨立進行三維頂點的空間坐標變換，將CPU從繁重的光照計算中解脫出來。即便是低端CPU，搭配了支持硬件T&L的顯卡也可以流暢地玩游戲，這使得英偉達在市場競爭中能以產品價格獲得較大優勢，市占率持續提升。頂點編程確立GPU編程思路：經過2000年的顯卡廠商洗牌后，S3、SIS等廠商無力與英偉達和ATI競爭，逐漸淡出了顯卡市場，擁有產品高速迭代能力的ATI成為繼3Dfx后唯一有實力和英偉達競爭的廠商。2002年第三代GPU芯片陸續推出（如英偉達的GeForce4Ti與ATI的8500），其均具備頂點編程能力，可以通過賦予特定算法在工作中改變三維模型的外形。頂點編程能力的出現確立了GPU芯片的編程思路，使后續GPU芯片用于其他計算領域成為可能。但本時期GPU尚不支持像素級編程能力（片段編程能力），其編程自由度尚不完備。GPU用于通用計算，GPGPU概念出現：2003年SIGGRAPH大會上首次提出將GPU運用于通用運算，為GPGPU的出現打下基礎。其后3年，通過用統一的流處理器取代GPU中原有的不同著色單元的設計釋放了GPU的計算能力，第四代GPU均具有頂點編程和片段編程能力，完全可編程的GPU正式誕生。由于GPU的并行處理能力強于CPU，因此GPU可以在同一時間處理大量頂點數據，使其在人體CT、地質勘探、氣象數據、流體力學等科學可視化計算處理上具備較大優勢，足以滿足各項實時性任務。后續伴隨線性代數、物理仿真和光線跟蹤等各類算法向GPU芯片移植，GPU由專用圖形顯示向通用計算逐漸轉型。架構持續迭代，AI計算關注度漸起：2010年英偉達發布了全新GPU架構Fermi，其是支持CUDA的第三代GPU架構（第一代與第二代分別是G80架構與GT200架構）。彼時英偉達在Fermi架構的設計上并未對AI計算場景做特定設置，但GPU芯片在AI計算領域相較CPU芯片已擁有了較大優勢（GTX580峰值算力較i7-920峰值算力高出一個數量級）。隨后在2012、2014年陸續發布的Kepler架構、Maxwell架構中，盡管英偉達并未在硬件層面對AI計算做特定優化，但在軟件層面卻引入了深度神經網絡加速庫cuDNNv1.0，使英偉達GPU的AI計算性能與易用性得到提升。Pascal架構發布，AI計算專精版本到來：Pascal架構在2016年3月被推出，是英偉達面向AI計算場景發布的第一版架構。其硬件結構中加入了諸如FP16（半精度浮點數計算）、NVLink（總線通信協議，用于可用于單CPU配置多GPU）、HBM（提升訪存帶寬）、INT8格式支持（支持推理場景）等技術，而軟件層面也發布了面向推理加速場景的TensorRT與開源通信函數庫NCCL，Pascal架構在AI計算領域的前瞻性布局使得英偉達后續架構在競爭中具有著較大優勢。細分場景不斷追趕，GPU迎來高速發展期：繼Pascal架構后，面對GoogleTPU在AI計算層面帶來的壓力，英偉達先后更新了Volta（2017）、Turing（2018）、Ampere（2020）架構。AI計算領域的技術代差在Volta架構通過引入第一代TensorCore在訓練場景進行了拉平，隨后Turing架構的第二代TensorCore在推理場景上進行了拉平，直到Ampere時代，NV才算再次鞏固了自己在AI計算領域的龍頭地位。雙方激烈競爭下，GPU迎來高速發展期。多點開花，GPU市場高速成長我們認為，當前全社會對算力需求將長期保持提升態勢，而GPU作為支撐眾多科技領域發展的底層核心，是數據計算的核心底座，在商業計算、人工智能等諸多板塊均有著較為廣泛的使用，是科技行業的重要支撐。GPU的市場空間廣闊，正穩健增長。依據T4的統計數據，2020年全球GPU市場規模價值200億美元，預計2021年將增長15%，從2015年到2025年平均每年增長13%，從80億美元擴大到350億美元。而依據AlliedMarketResearch預測，2019年全球GPU市場規模為197.5億美元，預計到2027年將達到2008.5億美元，2020年至2027年的復合年增長率為33.6%，對比來看AlliedMarketResearch對GPU市場空間更為樂觀。從下游應用來看，GPU需求仍在快速增長期。游戲領域是GPU應用的傳統應用領域，參考GPU全球龍頭英偉達的營收數據，其游戲領域業務收入由2019年的55.18億元增長至2021年的124.62億元，近三年符合增長率31.20%，整體趨勢保持穩定增長，為英偉達占比最高的業務。另一方面，伴隨人工智能算法的不斷普及和應用，以及對商業計算和大數據處理的算力需求的不斷增長，全球范圍內數據中心對計算加速硬件的需求不斷上升。英偉達數據中心業務收入由2019年的29.83億美元增長至2021年的106.13億美元，近三年復合增長率高達52.66%，增速遠超其他板塊業務。NVIDIA數據中心業務收入的快速增長體現了下游數據中心市場對于泛人工智能類芯片（以GPU為主）的旺盛需求。國內需求不斷涌現，計算類GPU市場高速增長。依據前瞻產業研究院數據，2020年預計國內人工智能芯片市場規模約為178億元，且市場規模隨下游應用領域的拓展而高速增長。人工智能芯片由GPU、ASIC、FPGA與NPU構成，其中GPU以科學計算型為主，其憑借著在性能、能耗比與編程靈活性等領域的綜合優勢，在人工智能芯片中占據主要地位。據IDC數據顯示，2021年中國加速服務器市場中GPU約占人工智能芯片的88.4%，測算可得2021年計算型GPU市場規模約為222億元。多方需求驅動GPU市場持續增長。從載體層面分類，GPU在PC端與服務器端均可搭載，其中PC端多用于游戲影音娛樂，而服務器端則多用于科學計算。伴隨對海量數據的處理需求逐漸增大，具備矩陣運算能力的GPU需求高速上行。同時，受益于多核并行計算的基礎架構，GPU已在機器學習和自動駕駛等領域有了較大規模的使用。服務器層面，相對占比維度，據IDC數據顯示，2018年全年中國GPU服務器市場規模約為13.05億美金（約合人民幣90.05億元），同比增長131.2%。同時IDC預測，到2023年中國GPU服務器市場規模將達到43.2億美金（約合人民幣298億元），未來5年整體市場年復合增長率（CAGR）為27.1%。GPU服務器增速高于國內X86服務器出貨量增速，當前國內服務器中GPU服務器占比迅速抬升。全球格局：國際巨頭壟斷，國產廠商起步追趕競爭格局：國際巨頭三強壟斷全球GPU市場中，基本被Nvidia、Intel和AMD三家壟斷。據JPR統計，全球PCGPU在2022年Q2出貨量達到8400萬臺，同比下降34%，預計2022-2026GPU復合增長率為3.8%，在未來五年內dGPU在PC中滲透率增長至30%。從市場格局來看，Nvidia、Intel和AMD三家在2022年Q2市場占有率分別為18%、62%和20%，Intel憑借其集成顯卡在桌面端的優勢占據最大的市場份額。獨顯市場中，Nvidia占據領先地位。不同于整體市場，在獨顯市場中，Nvidia與AMD雙雄壟斷市場，其2022年Q2市占率分別約為80%和20%，可以看到近年來Nvidia不斷鞏固自己的優勢，其獨立顯卡市占率整體呈現上升趨勢。英偉達：GPU王國締造者，AI時代先行軍英偉達是一家專注于GPU半導體設計的企業。公司成立于1993年，由黃仁勛聯合SunMicrosystem公司兩位年輕工程師共同創立，1999年英偉達推出GeForce256芯片，并首次定義了GPU的概念；隨后創新性的提出CUDA架構，讓此前只做3D渲染的GPU實現通用計算功能；進入2010年代后，英偉達在AI行業發展初期市場皆不看好的情況下，前瞻性預見了GPU在AI市場的應用并全力以赴開展相關布局；當前，公司以數據中心、游戲、汽車、專業視覺四大類芯片為收入基礎，完成了硬件、系統軟件、軟件平臺、應用框架全棧生態的建設。追溯公司歷史，英偉達以技術創新為基，持續推動GPU行業的發展，可以稱得上是GPU時代奠基人。我們認為，英偉達公司發展史可簡單劃分為四個階段：（1）蓄力階段：1993年黃仁勛聯合SunMicrosystem公司兩位年輕工程師共同創立

英偉達，早期致力于圖形芯片的研發。但當時市場上有20多家圖形芯片公司，三年后這個數字飆升至70家，英偉達在其中并不突出。直到1997年英偉達決定放棄部分已有的專利，轉而全面支持DirectX（微軟標準），1997年公司推出RIVA128，這是公司第一款真正意義上取得成功的產品。（2）崛起階段：1999年公司推出GeForce256并定義GPU芯片，這是世界上第一款功能齊全，可從真正意義上替代CPU渲染圖形的芯片，并首次定義了GPU的概念，由此英偉達走上了重塑顯卡行業的道路。2000年，公司收購了顯卡先驅企業3Dfx，再次鞏固自身行業地位，在顯卡行業與ATi公司形成雙寡頭壟斷的格局。（3）制霸階段：2006年英偉達創新性推出CUDA架構。CUDA全稱ComputeUnifiedDeviceArchitecture，是英偉達基于自有GPU的一個并行計算平臺和編程模型。CUDA帶來兩方面巨大影響，于GPU行業而言，CUDA使得只做3D渲染的GPU得以實現通用計算功能，GPU的應用領域得以從游戲（圖形渲染）向外擴展至高性能計算、自動駕駛等多個領域；而對于英偉達公司本身來說，其在早期大力推廣CUDA，并對CUDA進行了編程語言擴展，如CUDAC/C++,CUDAFortran語言等，使得開發人員能夠輕易地對GPU進行編程，目前CUDA是最主流的兩個GPU編程庫之一，奠定了英偉達GPU生態得以成型的基礎。而在英偉達大力推廣統一平臺CUDA、不斷進行GPU架構迭代的同時，其最大的競爭對手ATi在被AMD收購后受其CPU業務拖累，發展受到限制，英偉達在GPU領域的競爭地位在這一階段進一步得到鞏固。（4）騰飛階段：押注AI，數據中心業務開啟第二成長曲線。2012年AlexKrizhevsky利用GPU進行深度學習，通過幾天訓練在ImageNet競賽中獲得冠軍，其將深度卷積神經網絡AlexNet的準確率提高了10.8%，震撼了學術界，從此開啟GPU應用于深度學習的大門，毫無意外，其使用的正是NVIDIAGTX580GPU芯片和CUDA計算模型。此后，英偉達

GPU和CUDA模型成為深度學習（尤其是訓練環節）的首選芯片，而英偉達也順勢推出海量專用于AI的芯片及配套產品，從顯卡硬件公司華麗轉型成為人工智能公司。在人工智能的推動下，公司數據中心業務2014~2022財年復合增速達到64.39%，其占收入比例也由2014年的不足5%提升至2022財年的40%。而總覽英偉達歷史，即使公司在不同時期存在不同發展重點，但貫穿始終的，是其卓越的創新能力、強大的芯片設計能力和穩定的決策執行能力。事實上，英偉達平均每兩年推出一代芯片架構、每半年推出一款新的產品，多年以來堅持不輟，從2009年的Fermi架構到當前的Hopper架構，公司產品性能穩步提升，并始終引領GPU芯片技術發展。截至目前，英偉達

GPU芯片已形成覆蓋數據中心、游戲、專業視覺和學術研究四大場景的芯片產品陣列，其中消費級GPU和數據中心GPU是最核心場景。與此同時，在英偉達領跑GPU市場的過程中，生態的建設也是不可缺少的一環。具體來看，我們認為英偉達生態的建立，主要應當歸功于以下兩方面原因：

（1）通過統一的計算平臺CUDA，構建開發者生態。CUDA的存在使得開發者使用GPU進行通用計算的難度大幅降低，使得開發者可以相對簡單有效地對英偉達GPU芯片進行編程。2006年CUDA推出后，英偉達承擔巨大成本壓力，堅持使其成為所有GPU芯片的統一計算平臺，而其競爭對手AMD經過重重考慮選擇應用開源計算框架OpenCL，其開源屬性決定其在效率上落后于CUDA。經過多年培育，目前英偉達基于CUDA平臺已培育近180萬開發者，2020年新增超過50個SDK，GPU開發者生態正在蓬勃發展。毋庸置疑，CUDA是迄今為止最發達、最廣泛的生態系統，也是深度學習庫最有力的支持。隨著人工智能領域的蓬勃發展，GPU和CUDA被從業者視為標配，使用GPU做加速計算已成為行業主流。雖然英偉達

GPU本身硬件平臺的算力卓越，但其強大的CUDA軟件生態才是推升GPU計算生態普及的關鍵力量，其幫助英偉達成為AI產業目前最大受益者，GPU生態效應使得英偉達處于領先地位。（2）與此同時，英偉達自身也在不遺余力的進行配套軟硬件研發，持續豐富各類GPU應用場景。目前英偉達構建了四層技術棧：硬件、系統軟件、軟件平臺、應用框架，同時針對不同場景（如醫療、智能機器人等）都有相關硬件和軟件平臺的開發，英偉達自身就是GPU應用生態的核心開發者。AMD：兼具CPU+GPU，卓越性能引領算力時代AMD是一家專門為計算機、通信和消費電子行業設計和制造各種創新的微處理器（CPU、GPU、APU、主板芯片組、電視卡芯片等）、閃存和低功率處理器解決方案的公司。公司成立于1969年，由曾工作于仙童半導體的銷售高管JerrySanders創立，成立之初生產邏輯芯片，后定位為高性價比的第二供應商，與英特爾深度合作X86處理器，后英特爾為鞏固自身優勢斬斷合作關系，兩者競爭加劇。2006年7月24日，AMD正式收購ATI，成為一家同時擁有CPU和GPU生產技術的半導體公司，GPU版圖由此展開。公司自成立以來收入波動較大，近五年開始實現持續高增。公司2021年營業收入164.34億元，同比大幅增長68.33%，2016-2021年CAGR30.92%。公司營業收入可分為數據中心、客戶端、游戲和嵌入式解決方案業務收入，其中數據中心和游戲業務收入增速最高，分別為119.23%和104.19%。細究AMD的GPU發展史，可將其分為兩大階段。第一階段是收購前的ATI時代，隨時代技術發展而進步，不斷推出Radeon系列，憑借性能與英偉達直面對抗；第二階段是收購后的AMD時代，憑借高性價比戰略在中端市場占據一席之地。第一階段，被收購前的互相追趕。1985年ATI由加拿大華人何國源與另外兩位華人LeeKaLau,BennyLau一起創辦成立，主攻圖形顯示芯片的研發。1985-1995年，PC圖形技術仍處于2D時代，ATI看到了圖形技術發展迅速，1987年推出EGAWonder顯卡系列，在技術和功能上相比IBM同期圖形適配器都有很大提升，是可應用于市場上任何一種圖形界面、軟件和顯示器的單卡，成為當時ATI主要的零售產品。1995年，隨著3D圖形顯示技術的發展，眾多圖形廠商都紛紛推出旗下的第一代3D顯示卡，例如NVIDIA的NV1、Matrox的Mlennium以及Mystique、PowerVR的PCX1、S3的Virge3D等等，ATI也推出3DRage進軍3D市場。1999年，英偉達推出GeForce256重新定義GPU芯片，并于2000年收購昔日王者3Dfx重塑行業格局，ATI發布Radeon256正式迎擊。2000-2006年期間，ATI于英偉達呈現雙寡頭壟斷格局，ATI不斷提升自身性能與英偉達直面競爭。但同時，ATI在產品的高成本投入加上市場的不良反應讓財務狀況出現問題，最終于2006年被AMD收購。第二階段，有的放矢，憑借高性價比牢牢占據一席之地。根據2022年5月，德國3Dcenter網站對市場上主流GPU的測評數據來看，在1080p分辨率中，AMDRadeonRX6950XT的性能指數是2230%，性能得分最強，但售價僅為1240-1400歐元，性價比指數為70%，大幅超過GeForceRTX3090Ti的41%。從整體來看，AMD目前市場主流顯卡的性價比得分超過100%個數明顯超過英偉達，具有較強的性價比優勢。AMD生態相對劣勢，但已推出ROCm生態。ROCm是一個開放式軟件平臺，為追求高靈活性和高性能而構建，針對加速式計算且不限定編程語言，讓機器學習和高性能計算社區的參與者能夠借助各種開源計算語言、編譯器、庫和重新設計的工具來加快代碼開發，適合大規模計算和支持多GPU計算，其創立目標是建立可替代CUDA的生態。龐大需求+國產替代，國產廠商迎來時代機遇總量與份額雙擊，國產廠商迎來發展黃金期中美摩擦不斷，國產替代緊迫性和重要性進一步提升。2022年8月9日，美國總統拜登簽署2022年美國芯片與科學法案，旨在為美國半導體的研究和生產提供約520億美元的政府補貼，來對抗中國及控制半導體產業鏈。8月31日，英偉達發布公告，美國政府對向中國和俄羅斯出口的A100和即將推出的H100芯片實施了新的許可要求。據路透社消息，AMDMI250芯片亦受到影響。高端GPU限制產品基本都是具備“64位浮點數字”（FP64）雙精度算力的高性能顯卡，主要應用于AI、數據分析和HPC應用場景。此次受限雖然只針對高端GPU型號，但依然為中國廠商敲響了警鐘，國產GPU落地有望加速推進。龐大的需求+逐漸成熟的產業預示著廣闊的發展空間。在元宇宙、人工智能、云游戲、自動駕駛等新場景和需求爆發式增長的背景下，我們判斷中國GPU市場將快速增長，相比于PC市場，新增市場空間或更大。相比于PC等傳統IT應用場景，中國在人工智能、自動駕駛領域與美國等強國處于同一競爭水平，且中國龐大市場有望為相應細分領域帶來更快的成長。另一方面，從國家安全角度，國產GPU勢在必行，對于國產GPU廠商而言是時代機遇。國內廠商奮力追趕，迎來時代黃金機遇部分優質國產GPU企業已逐步展現出發展潛力。中國部分國產廠商經歷了從特殊行業到黨政市場的應用迭代升級，正逐步向民用等商業市場布局拓展，如景嘉微在經過JM5系列和JM7系列應用升級，當前JM9系列已完成流片、封裝階段工作及初步測試工作。海光信息自2018年布局GPU行業以來，產品迭代進展迅速，2021年首款DCU產品深算一號便已實現規模化出貨，同時深算二號的研發也保持順利。壁仞科技公司主營業務為高端通用智能計算芯片。壁仞科技創立于2019年，公司致力于開發原創性的通用計算體系，建立高效的軟硬件平臺，同時在智能計算領域提供一體化的解決方案。從發展路徑上，公司將首先聚焦云端通用智能計算，逐步在人工智能訓練和推理、圖形渲染等多個領域趕超現有解決方案，實現國產高端通用智能計算芯片的突破。2022年3月，公司首款通用GPU芯片BR100成功點亮，后于2022年8月正式發布，創下全球算力的新紀錄。公司的產品體系主要涵蓋BR100系列通用GPU芯片、BIRENSUPA軟件開發平臺以及開發者云三大板塊。其中，BR100系列通用GPU芯片是公司的核心產品，目前主要包括BR100、BR104兩款芯片。BR100系列針對人工智能（AI）訓練、推理，及科學計算等更廣泛的通用計算場景開發，主要部署在大型數據中心，依托“壁立仞”原創架構，可提供高能效、高通用性的加速計算算力。BR100系列在性能、安全等方面具備多項核心優勢。公司致力于打造性能先進、競爭力強的GPU芯片，并為此采取了大量技術措施，具體包括：支持7nm制程，并創新性應用Chiplet與2.5DCoWoS封裝技術，兼顧高良率與高性能；支持PCIe5.0接口技術與CXL通信協議，雙向帶寬最高達128GB/s等。2022年公司正式推出壁礪?100，其峰值算力達到國際廠商在售旗艦的3倍以上，超越了國際廠商同類的在售旗艦產品，競爭優勢十分顯著。同時，在安全方面，BR100系列最高支持8個獨立實例，每個實例物理隔離并配備獨立的硬件資源，可獨立運行。摩爾線程摩爾線程是一家以GPU芯片設計為主的集成電路高科技公司。公司誕生于2020年10月，專注于研發設計全功能GPU芯片及相關產品，支持3D高速圖形渲染、AI訓練推理加速、超高清視頻編解碼和高性能科學計算等多種組合工作負載，兼顧算力與算效，為中國科技生態合作伙伴提供強大的計算加速能力。在“元計算”賦能下一代互聯網的愿景下，公司將持續創新面向元計算應用的新一代GPU，構建融合視覺計算、3D圖形計算、科學計算及AI計算的綜合計算平臺，建立基于云原生GPU計算的生態系統，助力驅動數字經濟發展。公司的產品體系主要包括：MTTS60、MTTS2000、MTTS100等硬件產品；MTSmartMediaEngine、MTGPUManagementCenter、MTDirectStream、MTOCR等軟件產品；以及MUSA統一系統架構、DIGITALME數字人解決方案、元計算應用解決方案等其他產品。MTTS60具備先進的硬件規格。MTTS60顯卡由基于MUSA架構的GPU蘇堤核心晶片制成，采用12nm制程，包含2048個MUSA核心，單精度算力最高可達6TFlops，配置8GB顯存，基于MUSA軟件運行庫和驅動程序等軟件工具。在先進硬件規格的支撐下，MTTS60顯卡能夠在不同應用場景中展現多重優勢：豐富圖形API、4K/8K超高清顯示、領先的硬件視頻編解碼能力、通用AI功能支持等?；贛USA先進架構，MTTS2000致力于打造數據中心綠色多維算力。MTTS2000采用12nm制程，使用4096個MUSA核心，最大配置32GB顯存，單精度算力最高可達到12TFlops，支持H.264、H.265、AV1多路高清視頻編解碼，以及廣泛的AI模型算法加速。同時，MTTS2000還采用了被動散熱、單槽設計，以滿足數據中心高密度GPU配置方式。截至目前，MTTS2000已經能夠兼容X86、ARM等CPU架構以及主流Linux操作系統發行版，并與浪潮、新華三、聯想、清華同方等多家服務器合作伙伴建立了合作關系，產品生態持續完善。作為公司面向數據中心領域的GPU芯片，除了生態外，MTTS2000還具備全功能GPU、豐富的圖形API支持、綠色計算等優勢?；诙嗑S算力、生態完善等優勢，MTTS2000有望助力公司賦能PC云桌面、安卓云游戲、音視頻云處理、云端Unreal/Unity應用渲染和AI推理計算等多類應用場景。海思昇騰海思半導體成立于2004年，是全球領先的Fabless半導體與器件設計公司，旗下芯片共有五大系列，分別是用于智能設備的麒麟系列；用于數據中心的鯤鵬系列服務器CPU；

用于人工智能的場景AI芯片組昇騰系列SoC；用于通信連接的芯片（基站芯片天罡、終端芯片巴龍）；以及其他專用芯片（視頻監控、機頂盒芯片、智能電視、運動相機、物聯網等芯片）。海思半導體是華為全資子公司，核心管理團隊皆有深厚的華為背景。公司董事長徐直軍先生博士畢業于南京理工大學，早在1993年就加入了華為，歷任華為無線產品線總裁、戰略與Marketing總裁、產品與解決方案總裁、產品投資評審委員會主任、公司輪值CEO、戰略與發展委員會主任等。公司總經理徐文偉先生1991年加入了華為，歷任華為國際產品行銷及營銷總裁、歐洲片區總裁、戰略與Marketing總裁、銷售與服務總裁、片區聯席會議總裁、企業業務BGCEO、公司戰略Mar