GUP创业潮杂谈

国产GPU频频传出好消息。景嘉微宣布其JM9系列第二款GPU已经完成流片、封装阶段工作。芯动科技在去年底推出一颗“风华1号”，填补了国产4K级桌面显卡和服务器级显卡两大空白。2020年成立的摩尔线程在1年后发布了第一代MUSA系统架构GPU，并可量产交付。壁仞科技也紧跟着宣布首款通用GPU芯片点亮成功。

在市场和政策的推动下，曾经蒙尘的国产GPU开始闪烁自己的光芒。这是国产GPU的黄金时代。

参考文献链接

https://m.thepaper.cn/baijiahao_18262027

https://baijiahao.baidu.com/s?id=1730498025296299437&wfr=spider&for=pc

https://new.qq.com/rain/a/20220607A04TJK00

国产GPU的发展到什么地步？

据Verified Market Research数据显示，2020年中国大陆的独立GPU市场规模为47.39亿美元，预计2027年中国大陆GPU市场规模将超过345.57亿美元。

如此广阔的中国市场中，国产GPU的市占比却少的可怜。2019年，中国芯片的自给率仅为30%左右，从中国主要芯片国产化率来看，射频芯片、移动通信终端、模拟芯片、闪存、微控制器、内存、可编辑逻辑器件的国产化率分别为40%、24%、15%、5%、3%、1%、1%。谨慎估计GPU芯片的国产化规模约37亿元。

但属于高端芯片的GPU研发却并不容易。Intel一直想踏足高端GPU领域，但仍未成功。英特尔最早的GPU研发可以追溯到 1997 年，英特尔通过收购C&T 获得了 2D 显示核心技术，3D 技术源于拥有 20%股权的 Real3D。但直到2022年4月，Intel仍未推出自己消费级的独立 GPU 产品。

国内GPU究竟达到国际的什么水平？

从国内GPU龙头景嘉微的产品来看，景嘉微在2021年9月推出的JM9231和JM9271将采用业界主流的统一渲染架构，支持 OpenGL4.5接口，可以无缝兼容市面上主流的CPU、操作系统和应用程序。

国产GPU不讲武德

 集微网报道 最近几年大芯片投资赛道，数GPU热得发烫。一众初创公司涌现，大厂精英抱团创业，巨额融资不断刷新行业纪录。一些成立较早的企业，已经进入研发落地阶段，刚成立不久的厂商，也旋风般推出相关产品。

与GPU创业高热相伴的，是从未间断的质疑声：估值虚高，PPT发布，套壳马甲……一些国内GPU创企推出的产品，被认为已经背离了芯片研发规律，成为融资的工具跳板，后生们不讲武德，坏了规矩。

国产GPU创业领域目前存在哪些问题？应该以什么样的态度发展国产GPU？与海外巨头相比，有何差距与挑战？追赶的机会在哪？集微网同产业人士进行交流，探寻国产GPU创业浪潮风起云涌的背后。仔细丈量国产GPU的“成色”，或许有助于更加清醒地正视现实。

一、乱象丛生泥沙俱下

近两年，受市场需求以及政策、资本的推动，GPU在国内受到疯狂追捧。地缘政治、大国博弈背景下，相较于已有一定积累的国产CPU，国产GPU的破局更具紧迫性和必要性。人才储备程度，科创板提供的退出机制，也为国产GPU的发展创造了良好契机。

于是，GPU成为继AI之后，最为性感的芯片投资赛道。资本的蜂拥而至吸引了来自英伟达、AMD、海思、高通等一众大厂精英创业。据不完全统计，目前该领域的初创企业已近20家，所有一线投资机构均参与其中。

谈及目前国内GPU创业领域的现状，行业人士李明（化名）认为赛道过热且拥挤，市场鱼目混珠、泥沙俱下。

李明并不否认看到一些企业推出的产品，不管是在跑分还是在标准测试和应用方面都取得了进步，但也有不少产品和演示目前还处于“PPT”状态。对于那些成立一年左右就推出多款产品的公司，在行业摸爬滚打了20多年的李明称“颠覆了自己的行业认知”。

“一块GPU芯片的研发周期从立项到上市至少要3～5年，好的芯片要经过架构和应用打磨，这个过程也不可能低于两年。有的产品宣称是自主设计，但明显违反整个芯片的设计规律。GPU不可能一年半载就设计出来并跑通应用，有可能设计全是外包，或是将已流片的设计的Spec配置稍作修改。”李明分析称。

另一位GPU企业高管王强（化名）认为，一些GPU新势力尚没有明确自己的细分市场，也没有想清楚未来长远的发展方向，只会用PPT吹牛，发布产品参数和性能对比时混淆视听，实际并不能够正常量产或进行流畅演示，真实性和可靠性大打问号。

“有的芯片参数比较奇怪，宣称算力是6T Flops/s，存储能力是50GB/s，两者的比例达到120：1，但实际上GPU最理想的比例应该是25:1，这在应用层面非常尴尬，不知所用何处。此外，有的芯片带宽非常低，无论是用于AI计算还是图形，基本上都发挥不出功能。”谈及诸多费解之处，王强直摇头。

行业看来，这样导致的结果是搅乱了市场，浮躁了人心，在GPU这样一个高门槛且重积累的领域，不讲诚信，违背市场、技术规律，待潮水退去后，只能是一地鸡毛。

二、资本裹挟 蒙眼狂奔

GPU创企在产品上的乱象丛生，在行业投资人士张帅（化名）看来，有些是迫不得已。

“海思做GPU，前后花了4年半，在华为强大流程体系支持下尚且如此，初创企业难度更大。如果也做这么长时间才出产品，投资人不会答应。”张帅说。

据张帅透露，有的GPU初创公司与投资方签下对赌协议，在某个时间点推出芯片产品，是决定其拿到下一轮融资的入场券。

资本裹挟之下，一些配置错误、不合逻辑、完全不像正常产品的GPU芯片横空出世，冠以自研、国产、打破垄断之名。吃瓜群众亢奋，行业人士错愕。

“很多国内GPU的研发，其实已经脱离了芯片开发的初衷，所有的成果展示和发布，其实是以融资为目的。”创道投资咨询合伙人步日欣直言。

赛道的火热以及大规模的融资助推GPU初创企业估值一路走高。一些成立一两年的热门企业，估值已经达到两三百亿元，GPU成为高估值代名词。

不少业内人士呼吁，对于那些通过“放卫星”博眼球的方式来吸引关注的可疑产品公司，需要投资人和相关的市场机构进行甄别以及理性对待和评估。

北科建集团产业运营负责人李锴表示，国内GPU从整体而言，受到了政策推动的影响，有了积极进展，尤其包括“东数西算”政策、算力芯片和智慧化应用的市场打开。但目前阶段的投融资热度，还是一种行业聚焦惯性投资，依靠当前的政策性红利，大部分投资标的还属于高风险投资项目。

“真正投进去，一是要考虑估值是不是虚高的问题，二是需要专业性的知识背景和能力，考验投资机构慧眼识珠的本领。”李锴说。

但独具慧眼似乎是少数，GPU赛道的玩家更多处于“蒙眼狂奔”中，几年过去，投资热度仍未消减。

张帅不否认GPU赛道过热，但并不认为GPU创企估值过高，因为GPU的价值摆在那。

“如果真的中美脱钩，高性能GPU被卡脖子，中国一定要想办法替代。一个GPU工程师年薪50万，2000人的企业，人力一年就要10亿，每年二三十亿的整体开支跑不掉。投资方愿意投钱给不同的创业团队也有道理，谁都想赌一把中国的AMD和英伟达。”张帅说。

三、图形/计算花开两朵

GPGPU、通用GPU、全功能GPU、图形GPU、渲染GPU、GPU+……在国内，GPU命名上的文字游戏已被厂商们玩坏，也让外界对这些产品一时云里雾里。

按功能划分，GPU主要分为侧重图形图像的渲染GPU和侧重通用计算的GPGPU。

目前国内初创GPU公司，结合自己的优势和阶段性定位，分别采取了不同的切入路线。其中GPGPU公司包括壁仞、沐曦、登临、天数智芯、红山微电子、珠海芯动力等，渲染GPU企业包括摩尔线程、励算、深流微、瀚博、芯瞳、格兰菲等。

 沐曦CTO杨建博士指出，GPGPU相当于大算力芯片，是传统计算的回归，GPGPU的创新等同于将一些专用加速功能变成GPU的一组指令集，芯片面积只有原来的1%-10%，却相当于实现了一个全新专有芯片的加持，同时具备通用计算的性能，这使得边际成本更低，更具价值。

而渲染GPU约80%仍是GPGPU部分，20%则是固定渲染流水线（fixed function），例如geometry pipeline、rasterization pipeline等。固定渲染流水线涉及较多的数学公式，因此比较依靠编译器和驱动等软件能力，而GPGPU在硬件和应用层面较为复杂。

“从软硬件复杂度看，渲染GPU复杂度更高。从开发人员团队数量来看，GPGPU如需要200人的硬件团队，渲染GPU可能要再增加50人，但软件开发人员相比GPGPU或需增加三倍，需要更多的人员开发驱动和编译器等。”杨建说。

芯动科技首席SoC架构师何颖认为，图形渲染GPU因为经过了十几年的演化进程，流水线长，实现起来复杂，设计上的挑战更大，同时存在很多专利陷阱。

“芯动科技目前聚焦于渲染GPU领域，但GPGPU也在规划之中，芯动科技选择的是一个起步很难但可以走得很远的赛道。虽然GPGPU的价值很高，增长也不错，但图形渲染GPU在细分市场总的体量更大。”何颖告诉集微网。

但杨建认为，对于一家初创公司的首颗GPU产品来说，如果要同时自研渲染GPU的固定渲染流水线IP、统一着色器（shader）IP，需要的时间和人力成本将非初始的几百人团队可以承受。因此，沐曦采取先做GPGPU，再发展图形渲染GPU的模式。在自研GPGPU中，只有统一着色器IP，不需要固定渲染流水线，这样可以在自研GPU的道路上一步一个脚印稳健前行。

四、核心IP 十年差距

任何一款高端芯片的打造，都离不开基石——IP的“成全”，IP的质量很大程度上决定了国产GPU性能的底色。

在步日欣看来，GPU作为高性能的大芯片，想在短期内出成果，必然需要依赖外部IP。国产GPU厂商能够快速推出相关产品，很大程度上依靠外购IP。

但打着自主研发之名，行外购之实，推出“马甲”产品就难免有忽悠之嫌，这样的案例在芯片领域本就不在少数。

自研IP越多，芯片设计上越有把握，产品的差异化更明显。但相对而言，资金、人员、时间上的成本投入也更高。王强告诉记者，GPU IP自研需要36-48个月以及200个工程师，而采用外购IP的方式，可以减少12-18个月开发周期。

李明则表示，考虑到GPU的研发非常考验项目的目标管理能力，对于团队能力和组织工程能力要求很高，初创企业由于能力有限，短期内如果自研路线不顺利，会选择大量外购IP或“马甲”路线。但从长远看，公司团队的成长、市场定位以及盈亏平衡不能得到保证，而且会逐渐拉开跟行业领先公司的差距。

据集微网了解，GPU 的IP主要涉及三大类，一是模拟IP，包括PCIe、Displayport和HDMI等等，这方面国内厂商占有率较低；二是Memory；三是数字IP，包括基于Arm或RISC-V的微控制器IP、编解码芯片IP以及最核心的GPU IP等。核心IP国内有Imagination、芯原、格兰菲等厂商，相对而言，Imagination认可度较高，芯原是后起之秀，而格兰菲主要面向特定领域用户。

在李明看来，国内核心IP能力至少比英伟达、AMD等落后十年左右。而整体而言，GPGPU企业与国际大厂技术差距约3年，渲染GPU与国际大厂差距约10年左右。

李锴认为，国内GPU底层技术空白点较多，IP大多受制于国外厂商，产品前端稳定性不理想，目前又很难在主线中高端电子产品上得到普及化应用，需多年沉淀形成自主IP积累才能具有一定替代性。

需要指出的是，外购IP并不意味着无法自主可控，但对GPU企业的能力要求很高。

据何颖介绍，芯动科技与Imagination的合作是与苹果一样的架构授权，基于该初始架构芯动科技探索了很多自己的方案，包括自研的Cache一致性Innolink Chiplet技术，内置国产物理不可克隆iUnique Security PUF信息安全加密技术等。

“芯动科技去年推出的渲染GPU‘风华1号’80%以上的IP都属于自主研发。既然已经获得了架构授权，芯动科技就可以不受限制地自行改进，能够做到自主可控。”何颖说。

五、生态之路道阻且长

除了硬件性能上的比拼，高性能芯片的生态搭建也是绕不过去的一道坎儿。某种程度上，生态比硬件更重要。

步日欣表示，在最终量产和商业化产品出来之前，国产GPU还没到谈论生态和应用层面的地步，而杨建认为，GPU生态是除产品外初创企业能否活下来的重要因素，是一开始就要考虑的问题。

对于渲染GPU和GPGPU而言，构建生态的难度截然不同。

渲染GPU在技术层面来相对复杂，但是好处在于有很多业界成熟的标准的API，如OpenGL、OpenGL ES、DirectX、Vulkan等。只要打通了整个驱动程序层和编译器生态，就基本完成90%。

而在GPGPU领域，几乎是被英伟达一手打造的CUDA生态所垄断。

“GPGPU的生态非常复杂，要求一路打通到应用层，提供面向所有应用的全面支持，甚至要自主开发以支持一个新的应用领域。”杨建指出。

虽然不少GPU初创公司推出的产品都号称兼容CUDA生态，但李明认为存在兼容多少的问题，水分较大，比较重要的特性中可能60%-70%都无法支持。

 而据集微网了解，兼容CUDA并非易事，需要投入工程师的数量巨大。涉及50个驱动、50个编译器、50个数学库、300个应用层工程师，3-5年的时间。功能的验证，用户的培养需要额外3-5年，每年还要至少开支1000万-3000万元资助外部开发者。

“使用的人越多，生态越占统治地位，看看国内的初创GPU企业，哪些是已经开始编写教材、在高校开课和开展合作项目、组织比赛等做这些人才培养方面的工作，就知道谁真正在沉下心来做生态了。”李明说。

何颖指出，国产GPU业应采取开放合作的心态，学会站在巨人的肩膀上，善于利用现有架构和生态，设计契合市场需求的优秀产品，打造全球化设计水平的开发团队。国产GPU在起步阶段兼容现有生态更容易发展，先求生存；长期还是要摆脱兼容思路，站稳脚跟后再求发展自有的核心技术。

在GPU生态中，软件的权重已越来越高。Imagination中国区战略市场与生态副总裁时昕博士提及，GPU软件极为复杂，包括各种图形API和计算接口、基础库、与上层应用对接适配等等，开发工作量巨大。

从应用角度来看，国内GPU生态的发展更需要“众人拾柴”。时昕认为，要加快打造国产GPU产业链，下游的整机厂商需要对国产GPU给予更多包容。

“国产GPU可能99%已达标了，如果能帮助国产GPU厂商一起将这百分之一影响体验的最后一步补齐，做到更完善，这对其发展是非常重要的。”时昕强调。

六、掘金市场盈利维艰

对于GPU创企而言，巨大的研发费用和资本开支是必需，但长期、持续的利润支撑才是GPU跨代发展的强劲驱动力。也就是说，GPU的成功和成熟需要大量的验证和出货，这就需要国产GPU厂商瞄准目标应用市场发力。

步日欣认为，对于初创企业而言，渲染GPU涉及到生态建设的完善度，所以从信创、军工、工业等领域切入较为稳妥。而GPGPU市场从人工智能、服务器、高性能计算等领域切入是最优选择。

但初创GPU企业掘金市场的现实却相对骨感。

比如，在渲染GPU的传统应用如视频、游戏等领域，英伟达和AMD构建的护城河可谓固若金汤，国内企业与之差距较大，而且这一市场全球容纳三四家都比较困难。

短期看，虽然国内信创市场提供了一定空间，但总量不大，且偏向于中低端。因此，如何分食这一“蛋糕”之下还能实现正循环，是国内渲染GPU厂商面临的问题。从中长期看，虽然云端渲染成为新的增长点，但元宇宙、云游戏、云手机等市场普遍认为将在2024年前后起势，因此当下如何获得盈利求生存也是艰难挑战。

而在GPGPU方面，比如在AI计算领域，则面临场景应用复杂且碎片化，以及国内众多竞争对手混战的局面。

何颖认为，游戏、3A大作对GPU的图形和计算相对要求比较全面，国内企业在Windows领域追赶难度较大，但在安卓手游、信创桌面和某些定制的服务器领域，以及自动驾驶领域，国内厂商有机会实现切入。目前，芯动科技的风华系列GPU瞄准国产信创桌面和服务器这两大细分领域。相较于信创市场，服务器显卡单价更高，实现盈利较有希望。

而杨建则指出，除生态之外，当下对于初创GPGPU企业生存而言，最大挑战是产能。

“目前和AI相关的大芯片，因为需要Cowos等先进封装，所涉及的中介层原材料非常紧缺，在目前产能吃紧的情况下，对于已经推出一些产品的初创GPU企业，会面临短期盈利的问题。”杨建说。

七、弯道超车路在何方

中国在高端GPU领域缺席多年，面对海外巨头固若金汤的专利、生态等壁垒，GPU业从战略布局成长为核心支柱，显然还有漫长征途。

行业人士看来，国内GPU企业发展破局的关键在于找准定位，贴近市场。

何颖特别强调，国内的渲染GPU厂商应该着重于贴近市场的定位和创新，使得设计和能效能够贴近应用，力争在专有应用领域或局部领域实现突破，然后再进一步拓展和打磨经验和能力，使得最终在生态和应用上能跟技术创新良好结合，形成正向循环。

“跟国外巨头相比，国产GPU在一些专用领域优化方面，并不是完全亦步亦趋。通过在这些领域发力，能够在计算密度或在工艺、节奏、带宽密度等面体现出差异化，可以使产品在性价比，在某些特种应用方面能够达到国外GPU的能效，甚至做得更好。”何颖说。

杨建则表示，在GPGPU方面，英伟达没有百分百的优势，国内GPGPU在某些方面可以说是超越的。国内厂商在HPC和服务器、通用计算等领域可以依托Linux的开放性和可控性强的优势，实现有效突破。

在杨建看来，国内GPU厂商的最大优势在于本土支持。

“如果整个市场是一个地图，国内GPU厂商可先撒点，针对一些特定市场循序渐进抢占生态，加强与国内厂商的紧密合作，积累一定的优势和声誉后，再由点及面布局寻求突破。”杨建建议。

多位受访者提及，高端芯片研发周期长、投入大，没有足量资金支持无法取得成功，但过度的投资热潮容易滋生投机现象，互联网投资的模式并不适用于芯片领域，国产GPU要谨防重蹈AI芯片的覆辙，需要正视差距，脚踏实地前行。

“烧钱的模式是难以为继的，只有踏踏实实服务客户，服务市场，并且能够不断的回收研发成本，进一步实现创新，才是国产GPU的成功之路。急功近利，疯狂招人，疯狂烧钱的模式，实际上不可能快速弥补国产GPU跟国外GPU之间的差距，因为国外的GPU是一个个应用打磨出来的，国产GPU一定要有耐心，才能够在这个领域实现创新和弯道超车。”何颖说。

步日欣指出，国内GPU距离国际大厂还有很长的距离，特别是目前的竞争格局下，国内GPU还处于野蛮生长阶段，虽然资本市场较为关注，但同质化竞争和创业造成了很大的人才和资金的浪费，一定程度上制约了国产GPU的发展进程。

“下一步这几十家GPU企业，肯定要面临一定程度洗牌，那个时候才是真正的国产替代、缩小差距的开始。”步日欣说。

2020 年 6 到 8 月，一家成立刚刚半年的 GPU 公司壁仞科技密集披露了 3 轮大额融资，几乎网罗了市场上最知名的财务机构和产业资本，包括启明创投、IDG、高瓴、华登国际 、中芯聚源等。“每三周就融一轮。” 一位投资圈人士回忆壁仞给市场带来的震撼。

在这前后，另外两家新 GPU 公司，摩尔线程和沐曦也在 2020 年年中成立，吸引了红杉、五源、GGV、深创投、字节、腾讯、联想创投、和利资本、真格、经纬、光速中国等投资方。

到去年年底，这三家主要的 GPU 创业公司合计融资约 100 亿元人民币，其中壁仞融资超过 47 亿元；壁仞、摩尔的估值逼近 200 亿元。中国 GPU 创业潮浮出水面。

这本来是一个不该存在的机会。

在 1990 年代起步的 GPU（图像处理器，也被称为显卡），早已经历过创业潮到巨头独大的转变。这个市场一度有英伟达、ATI、S3、Trident 等 70 多个玩家，现在除了手机和电脑里的集成 GPU，整个市场只剩下英伟达、 AMD 两家巨头。去年 11 月末，两家公司的市值之和已经超过万亿美元。如果完全看商业竞争，这里没有新公司的立足之地。

过去 20 多年里，中国有过院校、国资主导的芯片创业，在最能代表芯片技术的 CPU 领域。1990 年代末以来，在政府推动下，以院校、国企为主体，诞生了一批希望实现自主可控 CPU 的公司，但多局限在信创等特定市场，期间还出现了汉芯这样震动一时的造假事件。

中国也有过民营芯片创业潮，但多集中在蓝牙、WiFi 芯片、MP3 主控芯片等相对中低端、投入可控的领域，这里竞争没有那么白热。华为海思是一个例外，是一个成熟大公司，在主营业务有强大盈利能力的基础上，向产业链上游的成功探索。

这一轮 GPU 创业潮却具有截然不同的特点：吸引了前所未有的大额投资、高级别人才和资源，也是民营创业力量，第一次剑指一个回报丰厚，但已被巨头掌控的高难度市场。

得益于全球化的退潮：2018 年以来的中美科技竞争和脱钩趋势，为 GPU 带来了国产 CPU 曾不具备的更大市场。

也离不开过去几十年里的芯片业的全球合作：这批 GPU 公司的创始团队和核心人员，多有在海外或外企中国部门的多年工作经验。

很长一段年时间里，这群人没有跳出来的契机。一位 GPU 公司创始成员告诉：“这些人一直在学习，学习了 20 年，才迎来一个非常大、非常好的机会。”

这种学习机会短时间内难再复制。包括 GPU 在内的这轮大芯片创业潮是中国芯片设计行业有史以来最大一次机会，也可能是长时间里的最后一次。

在长周期的芯片行业，以这批公司普遍约 2 年的发展时间，尚难判断结局走向。但从行业已经显现的各种状态里，可以寻找答案的蛛丝马迹。

一个门外汉搅起热潮

中国 GPU 创业开始吸引大资本关注，始于壁仞。

作为擦亮火柴的人，创立壁仞的张文并不像一个传统意义的芯片创业者。出生 1970 年代，本科学电子工程，后进入哈佛法学院深造，做过律师，和中芯国际创始人张汝京在上海做过 LED 产业园和一家 LED 公司，管过基金，2017 年加入商汤担任总裁，负责战略运营、销售、政府事务等。以教科书般的精英形象示人：西装笔挺、相貌英俊。张文此前没有任何 GPU 公司的开发或管理经验。

张文曾在一些场合调侃说，自己对中国 GPU 行业的一大贡献就是 “降低了创业门槛”。

在壁仞开始筹建的 2019 年中，GPU 的机会还不像后来那样明朗。

诞生在 90 年代的 GPU，原本为游戏图像渲染设计，但 2012 年以来，人们发现 GPU 的并行计算模式非常适于处理人工智能中的深度学习算法。GPU 帮深度学习突破了算力瓶颈，由此获得了广阔的增量市场，包括数据中心 AI 计算、通用计算和自动驾驶等，成为了云计算和智能时代最重要的基础芯片。

到 2021 年 Q4，数据中心 GPU 已占到英伟达总收入的 43%，比 2018 年初时翻了一番。不带图像渲染能力，专门用于数据中心通用计算的 GPU 被称为 GPGPU（General-Purpose Graphics Processing Units），即通用计算 GPU，这是现在中国 GPU 创业最主流的方向。

英伟达的股价也在 2016 年之后起飞，从 1999 年上市以来常年不到 10 美元的水平飙涨至去年底 330 美元的历史高点。

这是一个巨头仍在快速增长、持续扩大优势的市场。所以当 2018 年，中美科技竞争掀起国产替代浪潮时，并没有多少创业公司涉足 GPU。

敢于叫板的是实力雄厚的华为海思，在 2018 年搭建了 GPU 项目笛卡尔，汇聚了一个豪华团队，其中有后来壁仞的联合创始人兼首席架构师洪洲和沐曦联合创始人兼 CTO 杨建等。

也有一批创业公司另辟蹊径，选择以 AISC（Application Specific Integrated Circuit，专用集成电路）架构，即 AI 芯片进入英伟达、AMD 看中的云端 AI 计算、自动驾驶场景。ASIC 的设计思路是把一些算法固定到硬件上，复杂度和开发难度更低、前期投入更小，针对特定任务的效率更高，但灵活性和通用性不如 GPU，整体市场空间更小。寒武纪、燧原、瀚博、地平线、黑芝麻、比特大陆是这批公司的代表。

同一时刻，壁仞却试图讲述另一个宏大故事：一个从 0 起步正面对阵英伟达，向大量风投开放机会的 GPU 公司。

张文撬动市场的做法，是让最强的人才和最有影响力的资本相互说服。

一位接近壁仞的人士告诉，张文创业时并没有现成的班底，请朋友列了一个牛人名单，逐一去聊，最先接触到了在硅谷人脉甚广的阿里云 AI 基础架构负责人徐凌杰。经介绍认识了在海思负责自研 GPU 的洪洲、前高通 GPU 团队负责人焦国方，以及海光海外 GPU 部门副总裁张凌岚。

这些身处美国的人更早感受到了中美科技业的撕裂。张文告诉这是一个历史机遇，阿里等大公司的芯片更多是成本中心，与其做一个二线部门 CTO，不如一起出来做事业。徐凌杰、洪洲、焦国方、张凌岚都成为了壁仞的联合创始人。在加入壁仞前，有在英伟达、AMD、S3、Trident 等海外 GPU 公司的多年经验。

以这个超强阵容，张文在 2020 年初说服了启明创投、老牌科技投资机构 IDG 和知名半导体投资机构华登国际参与了壁仞的 A 轮。一位接近此事的人士称，张文创业之初，IDG 的某位合伙人曾说，如果能请到所列名单里的哪怕 1 个人，就投一轮，在看到招人的执行力后，IDG 后来连投了 3 轮。

熟悉张文的人称，在吸引人才上的思路是，既要有共同理念，也要分好利益。做过律师的张文借鉴律所合伙制，设计了特别的股权结构：公司创立时，张文与联创按不同比例持股，后续期权将从这些创始人的股份里按比例切出，以让后来的关键人员也能获得足够的利益。2021 年 8 月，壁仞成立 2 年后又引入了一位核心高管，AMD 前全球副总裁、统管大中华区的李新荣，目前是壁仞的联席 CEO。

多让利益、多找朋友的思路也表现在融资上：机构多、速度快，一如在商汤主导了密集的大额融资。

一位投资人告诉，2019 年出手壁仞的第一个机构投资者，启明创投曾投过 AI 四小龙，认可张文在四小龙竞争中为商汤发挥的作用，“完全赌这个人”。

2020 年 5 月之后，随着美国对华为禁令升级，台积电等芯片代工厂不能再服务华为，本来最有希望的海思 GPU 尚未流片就陷入停滞。GPU 创业公司的机会变得明朗。

壁仞在 2020 年 6 月之后，创造了 3 周就融一轮的速度。截止去年 3 月，壁仞的 5 轮融资汇聚了近 50 家机构。

但作为非 GPU 行业出身的创始人，协调一群技术出身的联创对张文是一个挑战。这是一些投资人没有投壁仞的原因。

一位壁仞前员工告诉，在开发阶段，壁仞核心技术人员曾有一场争论，一派主张精简验证流程，不用招那么大的验证团队，还可以加快速度；另一派认为 GPU 结构复杂，出 bug 的几率更高，打破常规验证流程会欲速不达。这时张文会向其他公司的技术朋友寻求意见。经过激烈的内部争论，壁仞最终达成共识，确定采用严格和完整的验证流程。

一批投资人转而支持更有芯片背景的团队。在壁仞密集融资的 2020 年年中，另外两家 GPU 公司，摩尔线程和沐曦相继成立。前者由英伟达中国区前负责人张建中创立，后者由 AMD 中国前图形研发高级总监陈维良创立。

沐曦的一位投资人强调，看中成建制的、有配合经验的团队和成功开发过产品的经验。沐曦的三位创始人，CEO 陈维良、负责软件的杨建和负责硬件的彭莉在 AMD 中国是多年的前同事。据了解，沐曦团队曾参与开发 Frontier 超级计算机使用的 AMD Instinct MI250X GPU，Frontier 在今年国际超算大会发布的 Top 500 榜单中排名第一。

不管是门外汉组局，还是资深从业者下场，整个行业的融资节奏自 2020 年年中以后大为加快。或是在观察已久后觉得时机已到，或是害怕错过，投资人蜂拥入场。

摩尔在成立不到 100 天内，于 2021 年 2 月获得了数十亿元的 Pre-A 轮融资。接近此事的人士称，只用一个月，摩尔就搞定了从确认估值、设计交易结构到交割的全流程。留给投资机构的时间只有 2-3 周，最快的投资方一星期就完成了交易。

一些更早成立、但融资缓慢的 GPU 公司，也在此时获得支持。2017 年成立的登临科技，在 2020 年宣布获得天使轮融资。2015 年成立，2017 年转向 GPU 领域的天数智芯，其 5 轮融资中的 3 轮发生在 2021 年之后。2007 年成立，一度做矿机芯片的芯动科技在 2020 年转向 GPU，并在当年底获得第一轮融资。

随着一批公司集中亮相，GPU 热潮轰然而至。

更快的速度，更大的产品

英伟达去年全球收入近 270 亿美元，中国市场占 1/4。一些投资人认为，如果一家 GPU 公司能从中国大盘子里切 5% 到 10%，就足以支撑起 1000 亿人民币的市值。

但能分到蛋糕的人很少。这是一个赢家通吃的市场，由开发、生产芯片硬件的规模效应，和与硬件配套的软件带来的生态壁垒构筑。中国这批新公司中只会有 1-2 个胜出者，其它人会沦为陪跑；更坏的情况则是全军覆没。

在融资热潮兴起 1 年多以后，现在这批 GPU 公司正加速来到产品面市的临界点。这是 GPU 淘汰赛的第一关。

一路狂奔而来，很难照顾姿势优雅，争议和质疑由此产生。

去年 10 月，壁仞宣布首款用于计算中心的 GPGPU BR 100 已交付流片；1 个月后，摩尔线程宣布其首款全功能 GPU 已研制成功，今年 3 月末，壁仞宣布 BR 100 成功点亮。

一些半导体从业者不屑 “交付流片”、“研制成功”、“成功点亮” 等说法。一款 GPU 从设计到量产，要经历设计、验证、流片（交给台积电等代工厂小规模试生产）、回片后的功能和性能测试（如数据通路没问题被称为点亮）、送往客户处测试、根据反馈进行软硬件调优、获取订单并交付工厂大规模生产的流程。

交付流片是芯片研发的必经环节，不代表成功；“成功点亮” 只代表功能没问题，客户是否用还是未知数；“研制成功” 更是意义不明。“这是为了融资发明的里程碑。” 一位从业者说。

 自动驾驶芯片公司地平线创始人余凯在今年 4 月发布了一条言辞强烈的朋友圈，说现在国内芯片创业，流片成功此起彼伏，“投资小白” 不了解，在当前条件下，数字芯片想要流片失败都挺难，流片成功毫无意义，卖出去才是水平。“量产呢？！量产呢？！再问一句——量产呢？革命的春天不是叫出来的，是做出来的好不好。” 这条朋友圈如此结尾。

其实去年 5 月时，地平线的官方公众号也曾发文章称，其第三代车规级芯片征程 5“一次性流片成功且顺利点亮”。在激烈的融资、招人竞争中，芯片公司不得不更早、更高频地放出进展。

更大的争议来自超出寻常的研发速度。

主要面向军用、信创市场，由国防科大团队创立的景嘉微研发中国第一款 GPU （2014 年发布）用了约 5 年，又过了 4 年，才发布第二款产品。

新一批 GPU 企业中，壁仞的第一款产品在 2020 年 3 月立项，19 个月后交付流片，又 5 个月后点亮。沐曦也曾透露，会在今年发布首款芯片；据了解，沐曦的产品也已交付流片。摩尔的速度最为惊人，在今年 3 月末正式发布第一代产品，这距离研发启动只有 14 个月，是正常节奏的 2 倍。

加班加点和精简流程，可以部分解释创业公司超常的开发速度。但起更大作用的是一种多数公司不会提及的做法——买 IP。

IP 是能实现一些功能的成熟设计模块，就像搭建芯片的积木，在买来的 IP 上做整体架构和完整设计，可以节省工作量、缩短开发时间。

芯动科技去年底发布风华 1 号时，提及使用了 Imagination 的 GPU IP。据了解，其实大多数新 GPU 公司都购买了 IP，但不会主动说明。供应商包括 Imagination 和芯原微电子，尤以 Imagination 为主。这是一家成立于 1985 年的英国企业，在 2017 年被中资凯桥资本以 5.5 亿英镑收购。2020 年，当中方想委派四名人员进入 Imagination 董事会时，被英国政府阻止。

除提供核心能力的 IP，一颗 GPU 里还有许多周边功能 IP。如 PCIe IP，提供 GPU 和 CPU 的通信功能。这是个成熟模块，GPU 公司没必要自己做，PCIe IP 的最大供应商是美国公司新思科技。同时是全球 EDA 三巨头之一。EDA 是芯片设计必须使用的一种工业软件，是行业的另一个 “卡脖子” 环节。

在过去全球大分工的环境中，买 IP 是一个正常的商业选择。但在如今 GPU 领域不绝于耳的 “自主创新”、“国产自主” 的宣传中，在外界对 “国产替代” 超越商业价值的期待中，到底买没买 IP，买了什么 IP，成了一个讳莫如深的话题。

有从业者认为，即使买了 IP，也不能完全解释为什么开发速度这么快。速度最快的摩尔尤其引起疑问。

一位国际芯片大厂人员告诉，公司大部分产品使用自有 IP，但一款新产品从启动研发到流片回来需要一年多，回片到完成验证又需要大半年，加起来要两年。

速度更快的同时，产品规划也更加激进。景嘉微的第一代 GPU 主要用在军用飞机上，市场窄，但需求确定。

壁仞、沐曦、登临、天数智芯的第一代产品则是为大型云计算厂商、互联网公司等客户提供的不带图像能力的 GPGPU（数据中心主要用 GPU 做 AI 计算和高性能计算，不需要图像能力）。这是比信创、军用场景难度更高的市场，面临与英伟达的正面竞争。去年 9 月，壁仞又宣布开启图像 GPU 产品线。

摩尔直接挑战了最难的全功能 GPU，既有图像能力，又有 AI 计算、高性能计算能力。摩尔在今年 3 月末一口气发了三个产品，分别是全功能 GPU 、面向 PC 与工作站的桌面级 GPU 和面向数据中心的 GPU。

壁仞则紧跟巨头战略，与众多资方一起布局了英伟达最看好的数据中心和自动驾驶场景。

英伟达创始人黄仁勋在 2020 年首次提出 “CPU+GPU+DPU（Data Processing Unit 数据处理器）” 这一数据中心系统解决方案。壁仞在去年下半年先后投资了 DPU 创业公司云脉芯联和 Arm 服务器 CPU 公司鸿钧微。前者还获得了 IDG 和字节跳动的投资，后者至今已融资 8 亿元，获得了高瓴、鼎晖、松禾资本和 C 资本等的投资。今年 2 月，张文又以董事长身份推动成立了一家 L4 自动驾驶公司云骥智行，其天使轮投资方为高瓴、华登国际、云晖资本、松禾资本、碧桂园创投，上述机构也都投了壁仞。

这批 GPU 公司，比前一批 AI 芯片公司描绘了更大胆的故事和远方。但芯片行业最后靠产品说话，一旦潜在客户拿到 GPU 样片，就是 BP 和团队履历中的各种 “魔法” 消失的时刻。

仍在观望的客户

随着摩尔、壁仞等公司相继流片或发布正式产品，客户意愿开始变得重要。

中国 GPU 客户中，最大头的是阿里、腾讯等云计算厂商、字节等大型互联网公司，然后是商汤、旷视、自动将驾公司等 AI 公司和大型金融、能源企业。处境、需求各不相同，即使中美脱钩为国产 GPU 创造了有利环境，也不存在一声令下，就被开辟出的一大片市场。

国企中的运营商、能源和金融企业愿意支持国产公司，这背后有国家支持。今年正式启动的 “东数西算” 工程，刺激了一批数据中心的新建。据了解，一些地方政府或央企牵头的项目会要求国产化率。一份项目资料显示，某项目新建设施软硬件国产化率应超过一定数值，优先使用国产基础芯片和深度学习框架。

一位参与类似项目的人士告诉，政府补贴可促进采购，但能否转化为长期商业关系仍要看产品：“政府也清楚，不能为了支持国产，东西根本不能用或体验极差，影响科研和别的产业发展。”

特定项目之外，大部分企业采购 GPU 时看重性价比和使用体验。

此时，影响客户采纳的不止硬件性能，更难逾越的是软件生态壁垒。早在 2007 年，英伟达就推出了计算平台 CUDA，是把 GPU 资源用起来的软件工具。没有 CUDA 之前，要把原本为图像渲染设计的 GPU 用到通用计算上，需要复杂的编程和调优。CUDA 帮助开发者解决了这一问题。这是学界能用 GPU 训练深度学习算法，继而开启 AI 革命的条件之一。

经过 15 年发展，CUDA 已成为一种 AI 基础设施。使用 GPU 的公司能从市场上招到的大部分人都用 CUDA，这决定了公司的订单走向。

创业公司短期内不可能另起炉灶搞自己的软件生态，办法是在编译器、数据库层与 CUDA 做兼容，让开发者调用 CUDA API 时，能被翻译成这些新公司产品可执行的代码，但兼容能否保证和 CUDA 相似的性能与易用性尚不确定，取决于公司产品的硬件架构和对软件生态的投资力度。

对 CUDA 生态依赖较小的图像渲染场景的客户态度更积极。一家云游戏公司人士告诉，去年开始，就有多家 GPU 公司陆续接触，如对方真能拿出可用的卡，即使价格相当，也会考虑。

云游戏的一环是在数据中心部署大量有图像渲染能力的 GPU，远程支持手机等计算力相对低的设备跑更高质量的游戏。该公司去年使用了大量 GPU，今年将翻倍。但量级还不足以获得英伟达的优先供应和技术支持，这使对新产品兴趣浓厚。计划在不久之后测试某款国产 GPU。

而采购 GPU 最多、且主要用于 AI 计算的客户，云计算和互联网公司却没那么容易更换供应商。据了解，字节跳动自 2018 年起开始用 GPU 处理推荐算法（此前 GPU 更擅长 AI 中的图像识别任务），这是抖音、今日头条等字节最主要 App 上的核心任务。

即使用了英伟达的成熟产品，完成硬件架构转换也用了大半年，字节投入了数名工程师做优化。“系统要做匹配，接入成本很高，而且全世界（AI）工程师都用 CUDA，很难切换。” 一位在字节使用 GPU 的工程师说。

大公司采购新产品时的另一担忧是，好不容易上手了新东西，供应商却倒闭了。相比于价格，更在意产品性能、稳定性和服务可持续。

作为中间环节的服务器公司，也会跟着云计算、互联网走。一位被某家 GPU 公司列为合作伙伴的服务器公司采购人员称，不会特别倾斜国产产品，最终要看下游客户选谁。这位人士称，除了英伟达，现在 “其他家的没销路”，也采购过寒武纪的产品（寒武纪 AI 芯片在数据中心里和 GPU 有替代关系），但量不大。“都想摆脱（英伟达），摆脱不了。” 。

商业化的不确定性还在于，GPU 市场的大客户和供应商之间，存在自研还是外采的竞争；同时有 GPU 和 AI 芯片（ASIC）的路线之争。

一位在美国的英伟达工程师称，英伟达在意的竞争对手是 Google 2016 年推出的 ASIC 架构的 TPU（Tensor Processing Unit，张量处理器），专门针对 AI 计算做优化；Google 正在完善软件工具，试图向外推广 TPU。

全球市占率第一的云计算公司亚马逊 AWS 也自 2018 起陆续推出了 Inferentia 和 Trainium 两款 AI 芯片，并推出了配套的软件工具 Neuron。

在国内，华为的昇腾、阿里的含光 800、百度的昆仑，和创业公司寒武纪、燧原、瀚博的产品都是面向数据中心的 AI 芯片，地平线、黑芝麻、寒武纪则在做自动驾驶 AI 芯片。新一批 GPU 公司面临多重竞争对手。

钱还不够，人也是

当下的 GPU 热潮，一边是众多投资机构入局和看起来醒目的融资，一边是资金和人才的相对匮乏。

对比几年里投入了上千亿的在线教育或社区团购，GPU 创业并没有获得惊人多的钱。行业里近 10 家主要公司去年总融资额约 100 亿元。公司股权的稀释也很大，壁仞 200 亿的估值里，有 47 亿是融来的现金。

头部公司的总融资目前在 30 到 50 亿元之间，这只是够用。一位 GPU 公司高管告诉，以 2000 人计算（认为这一个 GPU 公司正常运转所需的较少人数），公司一年的人力成本约 10 亿；投片一次，算上买 IP、流片、做板卡等各种费用，需要 6000 万到 8000 万美元。在第一款产品获得收入前，一般需要 2 到 3 年。这意味着至少 30 亿砸下去，等 3 年，才能听到一声响。这还是一切顺利，第一款产品就大获成功的情况，但这不一定发生。创业公司需要更多钱来容错。

这些资金和巨头相比更是毛毛雨。英伟达去年研发投入为 53 亿美元。英特尔现在也在更激进投入 GPU，今年 3 月，时隔 20 年再次推出独立显卡 ，又在 5 月宣布将于年内发布首款面向数据中心的 GPU。

大公司有规模化优势，在买 IP、流片和生产时，都可以获得供应商的更多折扣。中美人力成本的差距也在近年来被水涨船高的薪资拉平。

比钱更难解决的问题是人才。目前壁仞、摩尔人数已近千人，沐曦团队超过 600 人，扩张速度很快，但仍不够。

抢人的不仅 GPU 公司。一位从业者回顾了这几年一山还比一山高的行情：先是 2018 年前后，燧原、瀚博等 AI 芯片公司成立，带动了一波上涨；然后 2020 年壁仞出手，给出翻倍工资；再来是哲库（哲库是 OPPO 旗下芯片公司，于 2019 年成立）开始抢人，“比壁仞还高”，下一棒是摩尔，“比哲库还高”。

黄雀在后的是蔚小理，这三家造车新势力都在招募芯片人才。据了解，已有一批 GPU 公司人员流向这些汽车公司。最受欢迎的是还没上市的超级独角兽字节跳动。一位猎头称，字节发 10 个芯片 offer，有 5 个候选人会接，“是最高的”。

AMD 是这些公司的主要人才来源。AMD 工程师分为 MTS（主任工程师，一般工作 8 年后会自然成为 MTS）、SMTS（资深主任工程师，这需要一定成果）和 PMTS（首席主任工程师）等职级。

一位猎头称，MTS 过去的年薪约为 40 万，但 GPU 公司最高可以给到 80-100 万；本来年薪约 80 万的 SMTS，可以涨到 120-150 万；原本 120-150 万的 PMTS 可以到 180 到 300 万；AMD 中国去年资深主任（ SMTS ）级别以上的工程师流失了约 30%。

部分开始校招的 GPU 公司，现在给重点高校硕士毕业生开出了 40 万的年薪，这是过去 5-8 年的芯片工程师的水平。

激烈的薪资涨幅刻画了人才的稀缺。其中最抢手的是芯片架构师、编译器人员和算法人员。后两类都是软件人员。

一位在芯片外企的工程师评价：美国同事写的代码，注释详细、格式规范，“基本上可以一段一段读，跟看小说似的”，印度人写的代码 “看一行要琢磨半天，乱七八糟”。至于中国工程师写的代码，取决于 “从哪儿 copy 的，抄得好就比较舒服，抄得不好就乱七八糟”。一位 GPU 从业者称，中国的设计人才相对不缺了，软件人才非常缺，因为很多软件的人都去了互联网。

一个没有奇迹的行业

过去 20 年中国最受关注的创业故事发生在互联网行业，人们习惯了从车库起步、颠覆传统行业的边缘突破，习惯了百倍、千倍的回报。芯片业从来不是这种爆发式增长的主角。

2018 年以来的中美竞争，是芯片行业难得的戏剧性事件。造就了一个巨大的创业窗口，也一朝变现了积攒多年的中国半导体人才。

此时这些人已不再年轻。中的一些人，博士毕业开始工作时，上世纪末的互联网热潮还未发生。后来见证了泡沫的破灭，又旁观了客户的崛起。那些名头闪耀的公司：亚马逊、Google、苹果、Meta、阿里巴巴、腾讯、字节跳动……都使用开发的产品。是互联网传奇的 “幕后人员”。

得益于过去芯片业的全球合作，这群人在海外或外企中国部门获得了宝贵的经验。

壁仞的洪洲、焦国方、张凌岚、徐凌杰在加入壁仞前常年在美国工作；AMD 曾在中国有重要的研发项目和团队，规模一度接近 2000 人。VEGA 20，这款一度供应苹果 Mac 电脑的 GPU 即由中国团队开发。AI 芯片公司中，瀚博创始人钱军，燧原的两位创始人赵立东和张亚林都曾供职 AMD 中国。沐曦的三位创始人是前同事。

这种学习机会往后难再复制。一位 AMD 中国前员工称，2018 年后，AMD 逐步把重要的设计工作转移到了美国、加拿大或印度。另一位 AMD 前员工说，自 2018 年起，美国 AMD 不再招募持中国护照的实习生，也不再允许任何 AMD 雇员前往中国高校做交流。

从投资人、潜在客户到政府，很多人期待这批 GPU 公司的成功。处于新的历史机遇中，有更灵活、更市场化的运作方式，有中国芯片领域短时间再难凑齐的一批最强阵容。

但芯片等硬科技创业，难以靠美好愿望或伟大意志成就。不可能违背研发规律，不可能快速逾越技术差距和生态壁垒。

今年以来，GPU 的融资温度已在降低。一些更早期或估值更低的项目，如深流微、砺算科技、芯瞳半导体等仍有融资。而去年底就已启动新一轮融资的高估值公司如壁仞、摩尔还不见声响。

人们往往会高估 2 年的变化，而低估 5 到 10 年的变化。英伟达在 2007 年开始布局显卡之外的 GPU 市场，反映在股价上已是十年之后。这是一个没有奇迹的行业，不需要爆发和热闹，需要耐心。

参考文献链接

https://m.thepaper.cn/baijiahao_18262027

https://baijiahao.baidu.com/s?id=1730498025296299437&wfr=spider&for=pc

https://new.qq.com/rain/a/20220607A04TJK00

人工智能芯片与自动驾驶