从图形显示到通用计算，GPU浮点算力跃迁如何重塑了芯片行业的关键拐点？

GPU从图形加速卡演变为AI算力核心，其浮点算力跃迁是重塑芯片行业格局的关键拐点。这一跃迁的本质，是GPU从专用图形处理器走向通用计算平台，使其应用场景从“画三角形”扩展至高性能计算、AI训练等大规模并发领域，从而奠定了英伟达在独立GPU市场的领导地位，也为国产GPU的追赶提供了清晰的历史坐标。

从图形专用到通用计算：GPU的架构革命

GPU（图形处理器）诞生于上世纪70年代图形处理需求爆发的背景之下。与CPU擅长处理单个复杂任务不同，GPU将大量小型处理器集成在一起，通过多小核并行架构来实现大规模的简单计算任务，比如同时绘制多个三角形。这种“大吞吐量”设计，使GPU天然适合对密集数据进行并行处理。

如今，GPU内核已增加到数百或数千个，功能也从图形显示扩展到高性能计算领域。GPU与CPU形成互补：CPU基于低延时设计，适合串行运算；而GPU拥有更多性能相对较弱的ALU（运算器），擅长大规模并发计算，因此被广泛应用于挖矿、AI训练等需要大规模并行计算的场景。这种从“画图”到“算数”的功能扩展，正是GPU重塑芯片行业的关键起点。

算力跃迁的时间差：从英伟达GTX 1080到国产景嘉微JM9271

GPU通用计算能力的跃迁，直观体现在浮点算力的代际追赶中。英伟达2016年发布的GTX 1080，浮点性能已达8900 GFLOPS；而景嘉微2021年发布的9系产品JM9271，浮点性能为8000 GFLOPS，性能已可对标英伟达2016年的水平，足够满足信创要求。这一时间差折射出国产GPU的追赶进程。

从产品定位看，景嘉微JM9271面向人工智能、云计算等领域，应用覆盖智能安防、语音识别等场景，主机接口采用PCIe 4.0 x 16，显存带宽达512GB/s，核心频率超1800MHz。相比之下，英伟达GTX 1080采用PCIe 3.0 x 16，显存带宽320GB/s。在渲染能力上，JM9271超128 Pixels/s，GTX 1080为111 Pixels/s。值得注意的是，景嘉微GPU底层技术全部自研，已与飞腾、龙芯、统信软件、麒麟软件等国内主要CPU和操作系统厂商完成适配，建立了先发优势。

出口管制催化：国产GPU从信创边缘走向核心

GPU的国产化紧迫性远高于CPU。不同于CPU有X86和ARM等半成品框架可供学习，GPU基本上要完全自研，且国内GPU人才远少于CPU，这使得国产替代难度更大。目前，国内独立GPU领域真正做出实物的仅有景嘉微和中船709所。

2020年是景嘉微市场推广的分水岭。GPU并非信创强制要求，早期景嘉微面临AMD的成熟且便宜产品的竞争，推广艰难。2020年下半年起，受国际因素影响，AMD无法供货，整机厂商只能选用国产GPU，而当时有成熟产品的只有景嘉微，其订单因此高速增加，基本占据了信创市场。在高端GPU芯片受到出口管制的背景下，GPU强制国产化成为大势所趋，具备先发优势的国产厂商有望成为信创2.0时代的重要受益方。

常见问题

GPU和CPU在架构上最本质的区别是什么？

CPU基于低延时设计，单核性能强，大部分晶体管用于控制电路和Cache，适合串行运算；GPU基于大吞吐量设计，控制相对简单，大部分晶体管用于各类专用电路和流水线，拥有更多小核，适合大规模并行计算。这决定了GPU在挖矿、AI训练等场景中的核心地位。

国产GPU与英伟达的差距有多大？

以景嘉微2021年发布的JM9271为例，其浮点性能为8000 GFLOPS，可对标英伟达2016年GTX 1080的8900 GFLOPS水平，技术代差在缩小，产品足够满足信创要求。但GPU需完全自研且人才储备薄弱，整体生态建设仍需时间积累。

为什么GPU国产化比CPU更紧迫？

高端GPU芯片已受到出口管制，且GPU不像CPU有X86、ARM等半成品框架可供国内企业学习，基本需要完全自研。目前国内独立GPU领域真正做出实物产品的仅有景嘉微和中船709所，成熟度较高的国产产品稀缺，这使得GPU的自主可控需求更为迫切。