集成電路行業專題報告-從全球領先企業看GPU發展方向1、從世界巨頭尋找發展的足跡1.1GPU的作用與分類一般而言，消費者在選購消費電子產品的時候，例如在選購移動電話或者筆記本時，更加關注CPU（CentralProcessingUnit，中央處理器）的性能，例如CPU的品牌、系列、核心數量等等，而GPU受到的關注就相對較少。GPU（GraphicProcessingUnit），及圖形處理器,是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上做圖像和圖形相關運算工作的微處理器。在PC誕生之初，并存在GPU的概念，所有的圖形計算都由CPU進行計算。然而，使用CPU做圖形計算速度較慢，于是就設計了專門的圖形加速卡用以幫助處理圖形計算。再后來，NVIDIA提出了GPU的概念，將GPU提升帶了一個單獨的計算單元的地位。CPU一般由邏輯運算單元、控制單元和存儲單元組成。CPU雖然有多核，但總數沒有超過兩位數，每個核都有足夠大的緩存;CPU有足夠多的數字和邏輯運算單元，并輔助有很多加速分支判斷甚至更復雜的邏輯判斷的硬件。因此，CPU擁有超強的邏輯能力。GPU的優勢在于多核，核數遠超CPU，可以達到數百個，每個核擁有的緩存相對較小，數字邏輯運算單元少且簡單。因此，GPU相對于CPU更適用于處理數據并行計算問題。GPU具有兩種分類方式，一種根據與CPU的關系，另一種是根據GPU所在的應用端類別。根據與CPU的關系，GPU可以分為獨立CPU和GPU。獨立GPU一般焊接在顯卡的電路板上，位置在顯卡的風扇下面。獨立GPU使用的是專用的顯示存儲器，顯存帶寬決定了和GPU的連接速度。集成GPU一般與CPU集成在一起。集成GPU與CPU共有一個風扇和緩存。集成GPU由于設計制作、驅動程序都由CPU廠家完成，因此兼容性較好；此外,由于CPU與GPU實現了集成，因此，集成GPU的占用空間小；實現GPU與CPU的適配與兼容，集成GPU的性能相對獨立GPU較弱，因此功耗和成本相對獨立GPU較低。獨立GPU由于擁有獨立的顯存，更大的空間和更好的散熱，因此在性能上面獨立顯卡更好；但需要額外的空間，能夠滿足復雜龐大的圖形處理需求，并提供高效的視頻編碼應用。然而，強勁的性能意味著更高的耗能，獨立GPU需要額外的供電，并且成本也更高。根據應用終端類別，可以分為PCGPU,服務器GPU，移動GPU。PCGPU應用于PC端。根據其所在產品定位既可以使用集成GPU，也可以使用獨立GPU。例如，若PC以輕辦公，文字編纂為主，一般產品會選擇搭載集成GPU;若PC需要制作高清圖片，編輯視頻，渲染游戲等，則選擇的產品搭載獨立GPU。服務器GPU應用于服務器，可做專業可視化、計算加速、深度學習等應用，根據云計算、人工智能等一系列技術的發展，服務器GPU將會以獨立GPU為主。移動端輕薄化已經成為趨勢，終端內部凈空間由于多種功能模組的增加已經快速下降；同時就目前移動端需要處理的視頻和圖像而言，集成GPU已經能夠滿足。所以移動GPU一般采用集成GPU。1.2GPU市場：寡頭競爭時代已經來臨PCGPU市場，Intel優勢明顯。根據JonPeddieResearch的數據顯示，全球2019年第四季度PC領域GPU出貨量，Intel是全球最大的處理器供應商。目前主流的處理器架構是X86，主要的供應商是Intel，AMD，VIA。截至2019年第四季度，消費級x86CPU市場中，包括桌面品臺，移動端平臺（筆記本和平臺LOT物聯網）中，Intel占據了84.4%的市場份額，AMD占據了15.5%的市場份額。Intel憑借在CPU出貨量上的優勢，通過銷售集成GPU，實現了在GPU市場的霸主地位。Intel以63%的市場份額排名第一，對比2019年第三季度環比下滑了2個百分點；AMD作為全球第二大的X86架構處理器供應商，既受益于CPU出貨帶動的集成GPU出貨量，也受益于自身優秀的獨立GPU的出貨。AMD以19%的市場份額排名二，環比上升3個百分點；NVIDIA是全球領先的獨立GPU供應商，同時結合ARM架構處理器，出貨集成GPU，市場份額為18%，環比下降了1個百分點。獨立GPU領域，AMD奮起直追。根據JonPeddieResearch發布的AIB數據顯示，截至2019年第四季度，在獨立GPU域中，NVIDIA以68.92%的市場份額占據較大的優勢。AMD方面，AMD得益于在2018Q4所推出RX5500及RX5600系列，以及RX5700系列的放量，多方因素共同促使AMD顯卡份額大漲，從2018年18.77%上升至31.08%。AMD推出的Radeon系列部分型號采用7nm工藝，并且在與NVIDIA的產品對比中（RTX2070對標RX5700，RTX2070S對標5700XT），同系列AMD性能略強，價格更低，重點是功耗一樣。更強的性能，更低的功耗，AMD的產品無疑對NVIDIA的市場份額造成了挑戰。五雄爭霸，手機廠商不甘寂寞。在移動GPU領域，主要以Imagination、ARM、Qualcomm、Vivante、NVIDIA為主。目前是Android陣營最大的處理器供應商。移動端主要使用集成GPU，因此，高通GPU因其處理器的市場優勢也有所受益。ARMMailGPU的主要使用者是華為和三星。ARMMail的GPU性能相對較弱，因此華為在2018年通過推出GPUTurbo軟硬件優化彌補短板。三星方面已經與AMD前敵多年的IP授權，AMD將向三星授權最新的7nmRDNA架構Radeon顯卡IP,并且嘗試自研GPU。蘋果在與Imagination取消合作兩年后，再次選擇與Imagination合作，并給予支付授權費。雖然目前手機巨頭都是采取購買GPU廠商IP的方式，但是目前三星、蘋果、華為等有相關計劃進行GPU自研項目。手機已經進入同質化時代，手機之間的差異性已經成為手機廠商競爭優勢的關鍵。公版GPU難以使手機廠商產生本質的差異性。因此，手機需要通過自研GPU以及CPU實現手機性能的差異化，從而獲得市場的競爭優勢。1.3從世界巨頭發展足跡尋找啟示1.3.1世界獨立GPU領先者——NVIDIA懷著夢想，高歌猛進。1993年4月，從集成電路生產商LSILogic出來的黃仁勛，聯合Sun公司兩位年輕工程師——ChrisMalachowsky和CurtisPriem共同創立了NVIDIA，他們的初衷是研發一種專用芯片，用來加快電子游戲中3D圖像的渲染速度，帶來更逼真的顯示效果。他們相信，PC終將會成為享受游戲和多媒體的消費級設備。最初幾年，由于技術上的優勢，NVIDIA發展頗為迅速。發布了多款優秀的產品，例如NVIDIASTG-2000X、RIVA128等，并在1998年與簽署了多年戰略合作伙伴關系協議。臺積電開始協助制造NVIDIA產品。高低起跌，成長并非一帆風順。1999年，NVIDIA在納斯達克掛牌上市。同年8月，NVIDIA推出第一款以GeForce命名的顯示核心——GeForce256，并首次提出GPU概念。次年底，NVIDIA以7000萬美元現金、100萬股公司股票，將3Dfx收入囊中。此時的NVIDIA已經成為了行業的領頭羊。2000年，微軟宣布選擇NVIDIA為其首款Xbox游戲機提供圖形處理器。在合作過程中，雙方因交付價格問題產生矛盾。最終，微軟把訂單交給了NVIDIA的競爭對手ATI。這次合作的失敗讓NVIDIA遭受了沉重的打擊，不僅2003年營收減少，還錯過了微軟DirectX9規格確立的重要消息，直接導致當年推出的GeForceFX由于兼容性問題敗給ATI的Radeon9700。在與微軟合作失敗的同時，也開始扶持ATI。面對如此嚴峻的局面，NVIDIA開始尋求走出困境之道。首先，主動與微軟和解，爭取再次合作；同時和英特爾達成了專利交叉許可協議。第三，擴展自己客戶源，包括爭取到為索尼的PlayStation3游戲機開發處理器；與暴雪娛樂（BlizzardEntertainment）合作，發布了3D圖形世界的《魔獸世界》，推動大型多人在線游戲成為全球最受歡迎的游戲。外延并購，強化技術本領才是硬實力。自NVIDIA創立以來，一直堅持技術創新，提升自身的實力。提升自身的技術實力有兩種方式，一種是外延并購，一種是修煉內功。在外延并購方面，NVIDIA自1999年上市，主要實施了9次并購活動。在這9次并購活動中，我們發現，NVIDIA不僅通過并購活動鞏固自身的技術優勢，例如在2000年對3dfx的并購；也有不斷延伸自身業務范圍的并購，例如，2006年對HybridGraphics的并購，曾幫助公司開始進行嵌入式2D和3D圖形軟件的開發；2008年對AGEIA的并購則是則是增項游戲中的視覺體驗；2013年對PortlandGroup的并購則是推動為加速計算革命創建開發工具的進程。NVIDIA通過并購活動不斷拓展自身的業務范圍，提升公司在市場的競爭力。NVIDIA積極修煉內功。自2016年起，公司的研發費用逐年增高。2015年公司研發費用為13.31億美元，2016年公司研發費用為14.63億美元，同比增長9.92%；2017年更是達到17.79億美元，同比增長達到22.83%。從2017年起，公司每年的研發費用保持雙位數的增長，在2018年更是達到了32.22%的增長。在人才儲備方面，自2014年起，公司的研發人員比例，維持在71%以上，即使當前全公司總人數已經達到13775人，公司的研發人員數量也有9823人。強勁的研發費用以及龐大的研發團隊造就了NVIDIA一次又一次的技術創新，例如用于增強并行計算的CUDA架構、全球首款面向家庭的高清3D立體解決方案，后期更有高級駕駛輔助系統、輕松創建和部署用于制造、配送、零售、智能城市等的AI機器人應用程序、為超級計算提供協助的加速器等一系列面向未來的高端技術。面向未來，拓展業務，形成生態。從NVIDIA的發展史可以看出，公司最早是以生產圖形加速器起家，并逐步成為微軟、索尼、暴雪等知名游戲品牌的合作商。同時，通過一系列的外延并購已經獲得了視覺渲染的技術，并在游戲領域中實現應用。游戲與視覺化技術僅僅是NVIDIA的一部分業務，多年的技術積累與創新使NVIDIA可以不斷拓展自身的領域，布局未來產業。2012年，多倫多大學AlexKrizhevsky創建了能夠從100萬樣本中自動學習識別圖像的深度神經網絡。僅在兩塊NVIDIAGTX580GPU上訓練數天，“AlexNet”就贏得了當年的ImageNet競賽，擊敗了磨練幾十年的所有人類專家算法。認識深度學習的強大后，斯坦福的AndrewNg與NVIDIA研究室合作開發了一種使用大規模GPU計算系統訓練網絡的方法。這引起了全球關注。自此之后，深度神經網絡技術迅速發展，Nvidia也一舉成為深度學習領域最炙手可熱的公司。NVIDIA在發布了“Fermi”

架構后，在2015年發布了用于訓練深度神經網絡的最強大的處理器NVIDIAGeForceGTXTITANX，2016年發布世界上第一款臺式深度學習超級計算機，可增強人工智能應用NVIDIA?DGX-1?。從架構到處理器再到超級計算機，NVIDIA在不斷地完善自身的生態。不僅是在深度學習領域，在自動駕駛領域，NVIDIA也表現出色。自NVIDIA入局自動駕駛技術后，不斷的研究開放式人工智能車輛計算平臺，在2015年推出世界上第一塊車載超級大腦第一代DrivePX。隨著技術的不斷更新，優勢也越來越大，NVIDIA已經成為自動駕駛硬件的前沿公司。目前的NVIDIA已經和70多個知名的車企合作，其中也包括一些交通網絡提供商和自動駕駛技術公司。大數據、人工智能、自動駕駛是社會未來發展的趨勢，公司通過自身的技術積累，重錘出擊。目前相關業務已經形成了較好的發展勢頭。據公司財報顯示，2019年公司實現營收109.18億美元，其中游戲業務實現營收55.18億美元，同比下降11.66%，專業可視化業務實現營收12.12億美元，同比增長7.36%，數據中心業務實現營收29.83億美元，同比增長1.74%；自動駕駛業務實現營收7億美元，同比增長9.20%。目前游戲業務在公司營收中占據主要部分，達到50%以上，但是可以看到，專業可視化、數據中心、自動駕駛等業務在營收中的占比逐步增加。我們認為，隨著5G時代的來臨，消費者對信息消費的需求增加，AR/VR、云游戲等一系列應用的推廣，公司的游戲業務的有望重回上升軌道，專業可視化業務繼續攀升；推動信息化社會進程加速的背后需要大數據、人工智能、自動駕駛等技術的配合，因為公司數據中心與自動駕駛業務未來將會繼續收益。1.3.2掌握處理器、集成GPU、獨立GPU三大技術公司——AMD起于代工，與開始Intel蜜月期。AMD成立于1969年。剛開始的時候，AMD沒有資金和技術優勢，一直是采取低價策略爭取成為各類產品的第二供應商。由于IBM，促成了AMD與Intel的合作，并拿到了Intel的X86指令集的授權。IBM的采購原則是必須兩家以上的公司參與競標，于是Intel開放技術，全面授權AMD生產X86系列處理器，AMD成為8086和8088處理器的第二供應商。這也間接的提升了AMD的技術水平。1982年，Intel發布80286處理器，這是歷史上兩家公司第一次同時打上雙方logo的產品。這塊產品在市場上反應也比較好，在6年內，全世界基于286處理器的個人計算機便達到了1500萬臺。蜜月結束，頑強生存。AMD在獲得286處理器授權后便開始生產自己的286芯片，模仿286制造了克隆體“Am286”。Intel在意識到威脅后，終止了與AMD的技術合作協議。AMD沒有放棄，于1989年自主研發了性能與286相似的AM386處理器，通過不斷生產兼容Intel的處理器，以低廉的價格打入市場，使得AMD頑強的生存著。Intel在1997年推出PentiumMMX后，退出Socket7市場，這與Intel之前一直靠兼容性占領CPU市場的策略背道而馳。AMD迅速反應，抓住Intel戰略失誤的機會，堅決地在Socket7架構上推出K6，并提出SuperSocket7架構（向下兼容Socket7），獲得了眾多廠商的支持。更關鍵的是，AMD基于Socket接口先于Intel生產出了100MHz外頻的產品，性能上也更優異。在1999-2003年間，Intel發布了PentiumIII，并向Pentium4過渡。AMD也不甘落后，發布Athlon、AthlonXP等多款產品。這個階段雙方的產品在性能上旗鼓相當，但是AMD一般價格上更便宜，在這段激烈的競爭中AMD市占率逐步提升。從2003年到2006年，Intel在CPU的市場份額出現下滑，到2006年，AMD已占據CPU一半的市場份額。墜入谷底，獲得契機。Intel在2006年提出Tick-Tock戰略，即工藝制程每2年實現一次進步，正是基于這個策略2006年后Intel逆轉了局面。Intel在2006年發布Core2，采用的是65nm工藝，使得性能增長40%，同時功耗減少40%。這讓AMD的Athlon優勢全無，性能上的優勢重新回到Intel。雖然AMD發布了四核Phenom，但是因為性能不足，敵不過Intel。在2006年AMD以54億美元收購顯卡巨頭ATI。從這一刻開始，AMD變成了世界上少數既能制造處理器又能制造圖形芯片的廠商。在2009年1月，AMD將自身的移動部門以6400萬美元賣給了。AMD的處境處于谷底之中。沖出谷底，再起起飛。雖然當時AMD的處境不佳，但是在家用游戲機市場，AMD還是稱霸全場的，在現在的xbox.ps系列游戲機上，它們的核心就是AMD提供的，這樣的發展也算是對AMD的一種優勢。2017年AMD發布Ryzen處理器，性能出色，價格大幅低于Intel。Ryzen處理器性能實際提升幅度高達52%，Ryzen在游戲行業和新興的加密貨幣市場上均出現了穩定的需求，Intel只好全線降價應對。RyzenCPU在2017年中發布，主流型號Ryzen51600短短不到一年就成為AMD歷史上銷量最好的產品。正是借助于Ryzen，AMD在CPU的市場份額從2006年以來首次出現連續幾個季度增長，終于在2017年三季度實現扭虧為盈，股價同時也大幅上漲。AMD在2018年第一季度末發布的Ryzen2代，采用12nm工藝，對i9也直接發起了挑戰。不只是CPU，GPU同等優秀。GPU方面，不論是14nm工藝的還是7nm工藝的，GCN架構時代已經過去，RadeonVII已經停產，當前的主力架構是7nmRDNA架構。2018年，AMD宣布新品有代工，并于2019年6月，發布RadeonRX5700系列游戲顯卡，采用新一代RDNA架構以及臺積電7nm工藝，性能獲得大幅提升。目前AMD正在開發RDNA2架構。AMD在新一代架構上實現硬件光追。從進度上來看，RDNA2架構的產品有望在2020年發布。AMD的GPU不僅是在PC端發力，在移動端方面也不甘落后。雖然過去AMD因為運營問題將移動部分出售，高通成為移動端GPU的領先者。然而，這都不妨礙公司在GPU領域的布局。2019年6月4日，三星集團與AMD公司一起正式宣布，AMD將把剛剛才發布的RDNA圖新架構的定制圖形IP授權給三星集團。三星計劃把這些技術用在未來的移動SoC身上。AMD和三星雙方將以Radeon顯示卡技術為基礎，在超低功耗、高性能行動圖形處理器IP上展開為期多年的合作。通過與三星的合作，AMD進入智能終端GPU領域，發揮自身在GPU領域的優勢，搶占市場份額。1.3.3獲得啟示1、強化自身實力才是硬道理。無論是NVIDIA還是AMD，都曾經在發展的過程中出現一段低谷期。在低谷期中，兩家公司都通過一系列的方式不斷發展自身的技術，例如NVIDIA收購MediaQ提升自身的無線圖形和多媒體技術，AMD收購ATI公司獲得圖形處理器的技術。在獲得技術后，兩家公司技術進行吸收，并在后期推出了相關的重要產品，帶領公司走出困境，獲得市場的競爭優勢。2、獨立GPU才是未來的方向。從NVIDIA發布的產品、技術以及財報看，NVIDIA已經信息化和數據化產業廣泛布局，例如發布的超級計算機、自動駕駛系統以及深度學習的解決方案等。這一系列的產品布局有充分地說明NVIDIA對數據時代來臨的看好。無獨有偶，AMD方面擁有X86架構的技術，已經在服務器產品上廣泛布局。兩大GPU公司都看好未來對大數據處理的需求。此外，2018年6月，宣布旗下首款獨立顯卡將于2020年正式推出，英特爾正式進入獨立顯卡市場，未來將和NVIDIA、AMD展開直接競爭。大數據涉及信息消費，人工智能、自動駕駛等方方面面。對大數據的處理需要大量的并行計算。根據我們的分析，獨立GPU擁有獨立的內存可以發揮更強的性能，適合大規模處理并行計算。隨著5G進程的加快，數據流量即將爆發，云計算、云游戲、人工智能、車聯網等一系列應用都需要消耗大量的計算能力，對并行計算的需求將會增加。因此，獨立GPU具有廣泛的市場空間。2、捕捉GPU應用的三大方向之一：追求極致的娛樂與性能平衡2.1全球游戲市場穩步發展移動端占據主要市場，PC端游戲市場規模繼續擴大。近年來，隨著移動終端與PC終端的普及率不斷提升，游戲開發商提供各類吸引玩家的游戲，游戲市場出現了蓬勃發展。根據Newzoo數據顯示，2019年，全球游戲市場預計將產生1521億美元的收入，年同比增長9.6%；并且預計全球游戲市場從2018年到2022年會維持穩定增長，年復合增長率達到9%，到2020年全球游戲市場收入達到1960億美元。2019年，在各類游戲中，移動游戲（智能手機及平板電腦）是最大的細分市，產生685億美元的市場收入，占據全球游戲市場規模的45%。由于越來越多玩家轉向了移動端，網頁游戲的市場收入同比下滑15.1%，但是PC游戲收入規模同比增長4%。因此，PC端游戲市場整體規模維持上升態勢。2.2游戲發展，電競市場功不可沒電競圈人氣快速攀升。游戲市場的蓬勃發展離不開電競市場的貢獻。暴雪集團推出了《魔獸爭霸》、《星際爭霸》、《Dota》等一系列經典爆款游戲，玩家人數不斷上升。為提升游戲的知名度，吸引更多的玩家，游戲圈舉辦了相關的電子競技比賽。隨著游戲行業的不斷發展，游戲行業已經產生多款適用于電子競技的熱門產品，端游方面有Dota2、英雄聯盟、風暴英雄等；手游方面有王者榮耀、絕地求生等。熱門游戲的推出加上相關的賽事的宣傳，全球電競圈人氣愈發旺盛。根據Newzoo數據顯示，2018年，全球電競觀眾人數為3.95億，其中電競愛好者人數為1.763億；預計2023年，全球電競觀眾人數達到6.46億，同比增長10.4%。中國是全球電子競技產業重點區域。根據Newzoo數據顯示，2018年，全球電子競技收入規模為7.76億美元；2019年，全球電子競技總收入為9.50億美元，同比增長22.4%，實現快速增長。當前，電子競技產業已經在全球多個地區開展，以英雄聯盟為例，中國賽區為LPL賽區，北美賽區為LCS賽區，韓國為LCK賽區等，還有部分外卡隊伍所在區域。根據前瞻產業研究院數據顯示，2018年，北美地區的電子競技收入在全球電子競技行業所有地區的收入中，排名第一，為38.1%；西歐賽區為18.7%，排名第二；中國賽區排名第三，為18.10%。中國賽區具備良好的電競市場土壤，市場規模巨大。中國電競用戶分布更為分散。根據前瞻產業研究院數據顯示，中國有48.1%的電競用戶是在24歲以下的學齡段用戶，更有高達28.1%的30歲以上用戶。廣泛的年齡段分布意味著中國電競市場受眾人數較多，基礎良好，具備順延性。第二，中國的電競用戶有下沉趨勢。從區域的角度來看，三線及以下城市電競用戶占比達到51.5%，下沉趨勢明顯。第三，中國有優秀的電競產業鏈，內容授權方面有騰訊游戲、等；賽事內容有LPL、KPL；電競戰隊有LGD、RNG、IG等；賽事承辦方有阿里體育，聯盟電競等等；還有內容傳播商、虎牙直播、企鵝電競等。廣大的電競全體、電競用戶群不斷下城，疊加完善的電競產業鏈造就了中國電競市場的快速發展。2016年，中國電競產業為532.2億元，2017年為772.8億元，2018年已經達到912.6億元，年復合增長率為30.9%。預計2019年中國電競產業規模為1150.6億元，到2024達到2720億元，年復合增長率為18.79%，有望維持快速增長。中國電競市場的快速發展離不開電競用戶規模的快速增長。根據MOB研究院數據顯示，2017年中國電競用戶為1.3億人，全球為3.4億人，中國電競市場用戶在全球中占比為38.24%。2018年，中國電競用戶已經達到2.1億人，同比上升61.54%，占全球電競用戶超過50%。MOB研究院預測，2022年中國電競用戶人數快速增長，將達到4.3億人，年復合增長（從2012年開始計算）為35.91%，占全球電競用戶數53.75%。2.3電競市場帶到相關設備出貨增加即使游戲市場中PC端游戲的市場份額收到終端游戲的壓制，但是由于整體市場規模不斷發展，PC端游戲市場規模也在擴大；疊加電競市場的蓬勃發展，電競觀眾以及電競用戶的規模的增長，對電競產業相關的用品的關注度也會相應地增加，其中包括運行游戲的筆記本。根據ZOL數據顯示，2019年，游戲本關注度為36.61%，較2018年增長約2個百分點，在各類筆記本中關注度排名第一。對游戲本的關注度增加更是體現在游戲PC和游戲顯示器的出貨量增加。根據IDC數據顯示，2019年第二季度全球游戲PC和游戲顯示器出貨量同比增長16.5%。IDC表示，在筆記本方面，游戲筆記本電腦的銷量同比增長了12.7%。2.4追求極致的視覺體驗-光追技術IDC認為，這是2019年第二季度游戲筆記本銷量的增加是因為“支持光線追蹤游戲本機型的大量推出”。“光追技術”即光線追蹤技術。在SIGGRAPH2018計算機圖形與交互技術大會上，NVIDIA推出世界上第一款光線追蹤GPU，并推出了最新光線追蹤GPUQuadroRTX家族。光追技術能夠完美地計算光線反射、折射、散射等路線，渲染的畫面較為逼真，幾乎與真實世界真假莫辨。由于這種技術的計算量非常大，因此實時光線追蹤技術過去只在影視作品的CG制作中出現，一般渲染復雜的特殊效果可能需要數天乃至數周的時間，所以此前該項技術一直僅限于高成本的電影制作中，最直觀的效果就是顯示更真實。目前該項技術以及可以應用到游戲當中，即為游戲開發者提供電影級畫質的實時渲染。更具體的來說，就是在真實世界中，我們看到的3D物體被光源照亮，且光子可以在到達觀看者的眼睛以前從一個物體反彈到另一個物體。光線追蹤技術則反過來，通過從觀者眼睛（觀景式照相機）反向追蹤光線捕捉這些效果，通過追蹤2D視表面上每個像素的光線的路徑，并應用到場景的3D模型中。此前的游戲渲染都是將3D圖形投射到2D的屏幕上，在后期進行陰影處理，所以效果會比較粗糙，而RTX則通過追蹤光線的軌跡來計算物品對光線的反射和折射，更真實地還原物品在現實中的顏色。根據以上分析，光追技術可以增強玩家的游戲體驗。在電競市場日益發展的今天，支持光追技術是未來GPU的趨勢。目前，除了NVIDIA發布具備光追技術的GPU外，并沒有其他公司發布相關產品，但是GPU領域的另外兩大公司——微軟與AMD表示正在積極研發支持光追技術的GPU。2.5即使輕薄化也不能降低GPU性能——Max-Q技術對于未來筆記本的發展，IDC認為，未來筆記本將朝著性能更強和厚度更薄的方向發展。根據ZOL的數據顯示，2019年輕薄本的關注度為26.83%，較2018年關注度上升約5個百分點。輕薄本由于其便攜性、長續航以及優秀的外觀往往成為通勤者、商務人士、女性的選擇。雖然有如此點多的優點，但是輕薄本也有不足之處，性能不如一般的筆記本。因為要保持較長額續航能力，所以性能與功耗往往會受到限制。為了讓消費者在體驗到輕薄化帶來的便攜性同時享受性能的強悍，NVIDIA推出了MAX-Q技術。顯卡在提高頻率帶來性能提高的同時，功耗也必然隨之增加，但隨著功耗的提升，性能的提升幅度逐漸縮小。在達到某一平衡點之后，即使大幅度提升功耗也只能帶來非常微小的提升。NVIDIA正是利用這樣的原理，通過計算獲得最佳的平衡點，巧妙平衡顯卡的性能和功耗，在降低40%顯卡功耗的同時依然能支持90%左右的性能，從而達到性能與功耗的最佳平衡。除了硬件上的調校之外，軟件層面也做出了相當深度的優化，與硬件方面的思路十分接近，GeForceExperience軟件新增的WhisperMode（靜默模式）可以智能優化游戲畫質，通過降低一些對畫面觀感影響很小的特效，大幅度降低顯卡的壓力并將幀率控制在60FPS或者設定的某一水平上，同時也讓顯卡運行游戲時的功耗進一步降低。而這樣的優化并不會對游戲畫質和體驗造成明顯的影響顯卡更低的功耗水平則意味著更低的發熱水平，也就不需要傳統游戲本大規模的散熱模組，搭載旗艦級的GTX1080MAX-Q顯卡的筆記本產品甚至可以做到18mm甚至更低的厚度，而這一厚度已經接近作為輕薄本存在的MacBookPro。重量也相比傳統游戲本有著大幅度的降低。例如外星人系列推出的m15與51m兩款筆記本。M15使用RTX2070含Max-Q技術的顯卡，51m使用RTX2070顯卡，在重量上，m15為12.16KG,51m為3.87KG。在使用max-Q技術，筆記本的重量大幅降低，但是性能并沒有大幅下降，維持較高的水平。2.6對消費電子類GPU的思考2009年，Onlive在GDC上展示了孤島危機的云游戲版本，并聯合了EA、育碧等游戲廠商為其提供內容支持。雖然平臺上線后同樣因傳輸問題而流產，但是在Onlive實踐啟發下，索尼、NVIDIA等廠商陸續進入云游戲領域。2017年后，各大廠商明顯加快了云游戲布局；其中，NVIDIA在2017年發布了GeForceNow平臺，EA、谷歌、微軟也在2018年公布了云游戲計劃。2019年，NVIDIA在GTCChina宣布與騰訊合作推出Start云游戲服務，為其提供GPU支持。由于云游戲是基于云計算開展的，當玩家發送操作指令后，所有的計算過程都將由云端服務器完成，包括畫面渲染、交互邏輯等，運算完成后再回傳到玩家的顯示終端。在這個過程當中，玩家并不需要通過配置高性能的計算機參與其中，只需要擁有顯示終端，即可體驗到大型游戲制作，降低了玩家進入高配游戲的門檻，有助于吸引過去由于硬件配置跟不上而被擋在門外的玩家。云游戲的出現是否意味著消費電子不需要配備高性能GPU呢？我們認為，消費電子對高性能GPU依然存在。雖然云游戲的畫面渲染與交互邏輯等計算過程都在云端服務器中完成，可能會減少了游戲端對GPU性能的需求，但是GPU的作用不僅是體現在對游戲的渲染，還體現在對圖片、視頻的渲染與后期制作，對部分模型的模擬與處理。所以，消費電子對于高性能GPU的需求依然會維持。3、捕捉GPU應用的三大方向之二：人工智能與深度學習3.1未來經濟社會發展的助推器——人工智能人工智能影響深遠，三大因素驅動發展。當前，人工智能已進入新一輪爆發期，主要驅動因素來自三個方面：一是互聯網發展提供了海量大數據資源，大大提升了算法有效性；

二是計算機變革降低了硬件成本，縮短了運算時間，推動人工智能再次崛起；三是基礎算法和AI平臺自身創新加速，克服了傳統算法和人類手工總結不完備的缺點，實現算法有效性大幅提升。人工智能快速發展，人工智能已經成為新一輪科技革命和產業變革的核心驅動力，正在對世界經濟、經濟進步和人類生活產生極其深刻的影響。根據麥肯錫報告預測，人工智能將為全球貢獻13萬億美元增量GDP，在2018年的基礎上增長15%，平均每年給GDP貢獻1.2個百分點的增長，對經濟社會具有巨大貢獻潛力，并可能從根本上改變人類社會的生產方式。人工智能前景廣闊，是經濟社會發展的一大助推器，吸引世界主要國家爭相布局。近年來，美國、中國、日本、英國、法國、韓國、歐盟委員會都發布了促進AI研究、開發和應用的戰略，積極在人工智能領域進行卡位：美國于2011年推出《國家機器人計劃》，推出2.0版機器人路線圖并大力發展協作機器人；2013年公布《推進創新神經技術腦研究計劃》，計劃在未來12年投入45億美元，用于探索人類大腦工作機制；日本于2015年1月公布《機器人新戰略》，計劃到2020年，通過包括政府制度改革在內的多種政策，擴大機器人開發投資，推進千億日元規模機器人的扶持項目；歐盟的人腦計劃則于2013年入選了歐盟的未來旗艦技術項目，15個歐洲國家參與其中，預期將獲得歐盟10億歐元的資金支持。我國：三步走戰略積極推動AI發展。于2016年8月發布《“十三五”國家科技創新規劃》，明確將人工智能作為發展新一代信息技術的主要方向；2017年7月，國務院頒布《新一代人工智能發展規劃》，制定了三步走的戰略目標：①在2020年人工智能總體技術和應用于世界先進水平同步，人工智能產業成為新的重要經濟增長點；②到2025年，人工智能基礎理論實現重大突破，部分技術與應用達到世界領先水平，AI成為帶動我國產業升級和經濟轉型的主要動力；③到2030年，我國人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心。全球人工智能市場將在未來幾年經歷現象級的增長。德勤預測，未來2025年世界人工智能市場將超過6萬億美元，2017-2025年復合增長率達30%。根據信通院數據，我國2017年人工智能產業規模為206.9億元，2018年將達到339.0億元，同比增長63.85%；

到2020年人工智能帶動規模將達到710.0億元，2017-2020年復合增速為48.37%。3.2GPU是人工智能的重要組成部分人工智能是實現數字化和智能化社會必不可少的條件。人工智能的三大要素：數據、算力、算法。數據是人工智能算法的原材料。人工智能需要對大數據的處理與分析，挖掘出數據背后的信息與規律。算力是對大數據進行處理的能力。算法是計算機通過對數據的處理獲得的數據模型。深度學習的本質是通過對大數據的處理并建立的算法模型，可以實現各行業的AI應用，算法將數據和算力連到一起，共同針對不同細分場景，提供效率優化方案。人工智能運行過程中有兩部分：訓練與推理。“訓練”可以看作算法產生的過程。具體而言就是，在現有數據基礎上，經過大量計算，確定模型參數，即建立算法模型的過程。“推理”可以看作將算法應用的過程，即在已建立的算法模型基礎上，將新數據通過算法模型處理，得出結果的過程。“訓練”階段GPU具備明顯優勢。雖然CPU的功能模塊較多，但是大部分晶體管主要用于構建控制電路和高速緩沖存儲器，只有少部分的晶體管可以組成各類專用電路。CPU的優點在于調度、管理、協調能力強，計算能力不是重點。因此，從運算性能和效率看，CPU不是計算芯片的最佳選擇。深度學習算法需要處理海量數據，需要進行大量的簡單運算，因此，深度學習對并行計算計算能力有較高的要求。在這一方面，GPU擁有較強的優勢，尤其是在訓練過程中。首先，GPU提供了多個并行計算的基礎結構，并且核心數較多，可以執行海量數據的并行計算；第二，GPU擁有更高的訪存速度；第三，GPU擁有更高的浮點運算能力。因為人工智能時代需要大量的多媒體與3D圖形，所以更高的浮點計算能力意味著對圖形與媒體的快速處理。“推理”階段GPU是其中一種選擇。訓練與推理階段對運算的要求有所不同，訓練階段需要大量繁復的運算，并且為了讓人工智能模型獲得更佳的參數調整數據，運算的精準細膩度較高，而推理階段則相反，模型已經訓練完成，不再需要龐大運算量，且為了盡快獲得推理結果，允許以較低的精度運算。因此，在推理過程中，芯片有多種選擇，主要用CPU、GPU、FPGA、ASIC四種芯片。CPU：適合進行邏輯控制、串行計算等通用計算；

GPU并行計算能力強，但是無法單獨工作，必須由CPU進行控制調用才能工作；FPGA適用于多指令，單數據流的分析，因此常用于預測階段，如云端。但是FPGA在實現復雜算法方面有一定的難度，運算量相對GPU小，量產成本高；ASIC專用性強，但是開發周期較長，開發環境需要底層硬件編程，開發難度極高。3.3GPU在深度學習領域空間廣闊芯片是人工智能領域不可或缺的成分。隨著AI使用的廣泛使用，帶動AI芯片常常的蓬勃發展。根據數據顯示，2019年-2021年，中國AI芯片市場規模為124億元\193.7億元\305.7億元，分別同比增長53.6%\56.21%\57.82%，年復合增長率為57.01%。其中云端芯片市場份額最大，接近50%，市場規模從2019年的61.4億元增長至2020年139.4億元。根據我們的分析，GPU提供了多個并行計算的基礎結構，并且核心數較多，可以進行海量數據的并行計算；擁有更高的訪存速度；第三，GPU擁有更高的浮點運算能力。因此，GPU是AI“訓練”階段較為適合的芯片。GPU在AI時代的云端訓練芯片中占據較大的份額，達到64.%。雖然后期由于FPGA以及ASIC技術的突破，GPU的市場份額有所下降，但是仍然是云端訓練市場份額最大的芯片，2019年-2021年年復合增長率達到40%。從目前的技術看，FPGA由于量產成本高，并且設置需要FPGA硬件姿勢，編程和配置較高；ASIC由于開發周期較長，開發難度，GPU在云端推理階段仍然是較為合適的芯片，但是有GPU也存在功耗高，量產成本高等問題，所以GPU在云端推理階段的市場份額并沒有明天優勢，約為41.84%，年復合增長率為56.5%。隨著人工智能應用的推進，人工智能生態不斷完善，在終端設備上將會出現越來越多的越來越多的AI應用，對推斷計算的需求會越來越多，終端推斷芯片的需求也會隨之增加。未來，隨著終端細分場景的落地，終端推斷芯片將呈現出專業化發展趨勢，同時由于終端對于性能、功耗、成本都更為敏感，這也使得相比GPU、FPGA更為專用、能效更高、成本更低的ASIC芯片將呈現快速增長勢頭。但是GPU目前依然是主流終端設備中的必須器件，所以市場份額不會下降太多。4、捕捉GPU應用的三大方向之三：自動駕駛4.1自動駕駛市場空間廣闊當前，汽車正由人工操控的機械產品逐步向電子信息系統控制的智能產品轉變。智能汽車是指通過搭載先進傳感器等裝置，運用人工智能等新技術，具有自動駕駛功能，逐步成為智能移動空間和應用終端的新一代汽車。當前，自動駕駛技術已經成為整個汽車產業的最新發展方向。應用自動駕駛技術可以全面提升汽車駕駛的各方面性能，滿足更高層次的市場需求。5G的加速推進使自動駕駛的落地可能性在不斷增大，同時近兩年隨著感知技術、算法、芯片、決策控制、系統融合等關鍵技術的快速發展。據全球市場調研機構IHSMarket預測，2025年全球自動駕駛汽車銷量將達到60萬輛，2035年將達到2100萬輛。預計2020年L1/2滲透率有望達到40%，2025年L3、L4/5滲透率分別有望達到15%、5%。伴隨5G推動L4/5自動駕駛逐步落地，2030年中國自動駕駛出行服務收入規模有望突破萬億。根據《創新發展戰略》，到2025年，中國實現有條件自動駕駛的智能汽車達到規模化生產，實現高度自動駕駛的智能汽車在特定環境下市場化應用。4.2國外龍頭企業積極布局NVIDIA：2019年12月，NVIDIA發布了軟件定義的自動駕駛汽車平臺——DRIVEAGXOrin，其中內置了NVIDIA自研的全新的自動駕駛芯片Orin，這是一款系統級芯片，晶體管數量高達170億個，集成NVIDIA新一代GPU內核和ArmHerculesCPU內核以及全新深度學習和計算機視覺加速器，性能高達200TOPS，大約是上一代Xavier的7倍。Orin可處理在自動駕駛汽車和機器人中同時運行的大量應用和深度神經網絡，并且達到了ISO26262ASIL-D等系統安全標準，能