GPU产业链的分工，本质上是围绕“大吞吐量并行计算”这一特性展开的：上游由芯片设计（含EDA与IP授权）与晶圆代工、先进封装构成，中游是独立GPU板卡制造与散热、供电模组，下游则汇聚为AI训练集群与挖矿设备两大增量市场。 与CPU基于低延时设计、单核性能强、擅长串行运算不同，GPU基于大吞吐量设计，拥有更多性能相对弱的ALU（运算器），适合对密集数据进行并行处理，擅长大规模并发计算，因此被应用于挖矿、AI训练等需要大规模并发计算的场景。

上游：设计与制造的分工

上游是整个链条的技术起点。芯片设计环节完成GPU逻辑架构的定义——把大量小型处理器集成在一起，用多个小核实现大规模的简单计算任务；这一过程依赖EDA工具与IP授权等基础支撑。设计定型后进入晶圆代工与先进封装环节，由代工厂完成芯片制造，再通过封装环节实现芯片与外部电路的连接。GPU的控制相对简单，不需要很大的Cache，大部分晶体管可被用于各类专用电路和流水线，计算速度因此大增，拥有强大的浮点运算能力——这一架构特点也决定了上游制造对制程与封装工艺的持续投入方向。

中游：板卡与模组的集成

中游承接芯片，完成产品化。从产品形态看，GPU分为独立GPU与集成GPU两大类：独立GPU一般封装在独立的显卡电路板上，使用专用的显示存储器，性能由GPU性能与显存带宽共同决定，性能更高，但系统功耗、发热量较大；集成GPU通常与CPU共用一块芯片、共享系统内存，制作一般由CPU厂家完成，兼容性较强、功耗低、发热量小，但性能比独立GPU更低，主要功能仍是传统的图像显示。正因如此，独立GPU板卡制造需要配套散热与供电模组来应对更高的功耗与发热，这也是中游环节的核心工艺价值所在。

下游：AI训练与挖矿两大增量市场

下游是需求牵引端。独立GPU一般主要用于需要大量并行计算的领域，比如人工智能、挖矿等领域，是重要的增量市场；集成GPU则属于存量市场。在应用分布上，服务器GPU可做专业图形处理、深度学习之类的应用，对性能要求比较高，所以以独立GPU为主；PC根据使用用途不同，既可搭载独立GPU，也可使用集成GPU，不过通常采用的都是集成GPU；移动端GPU主要采用集成GPU。

从竞争格局看，集成GPU市场主要由英特尔主导，占全球PC GPU出货量的比例保持在60%-70%之间，AMD、英伟达紧随其后；独立GPU方面，英伟达占据着绝对的市场领导地位，市场份额常年在75%-80%之间，AMD则是独立显卡市场的第二大玩家，市占率约20%。国内独立GPU领域，真正做出实物的有景嘉微和中船709所，其他大部分厂商还处在研发或者流片阶段，距离商用还有较大距离。

常见问题

GPU为什么既适合挖矿又适合AI训练？

两者共享同一底层特性：都需要对密集数据进行大规模并发计算。GPU集成了更多小型处理器，用多个小核实现大规模的简单计算任务，因而被广泛应用于挖矿、AI训练等领域。CPU则基于低延时设计，单核性能很强，更适合处理单个复杂任务。

独立GPU和集成GPU在产业链分工中有什么不同？

独立GPU一般封装在独立的显卡电路板上，使用专用显示存储器，性能更高但功耗与发热量较大，主要面向人工智能、挖矿等需要大量并行计算的增量市场；集成GPU通常与CPU共用一块芯片、共享系统内存，制作一般由CPU厂家完成，性能更低，主要功能是传统图像显示，属于存量市场。

国内独立GPU目前的产业化进展如何？

国内做独立GPU的公司有很多，但真正做出实物的只有景嘉微和中船709所，其他大部分厂商还处在研发或者流片阶段，距离商用还有较大距离。其中景嘉微GPU底层技术全部自研，产品推出更早、成熟度更高，并已与国内主要的CPU和操作系统厂商完成适配工作。