GPU的控制电路确实比CPU简单，但信创厂商突破GPU架构的真正门槛在于软件生态（尤其是CUDA兼容）和片间互联协议，而非单纯的芯片设计。
GPU的核心设计理念是用大量小型运算单元并行处理简单任务，因此其控制电路和缓存（Cache）相对简单，大部分晶体管用于运算单元，这使得其硬件设计门槛低于CPU。然而，信创GPU厂商面临的真正挑战在于：如何让自研的GPU硬件无缝运行在由英伟达CUDA生态主导的软件栈上，并实现高效的多卡互联。
## 硬件设计：相对简单，但非核心壁垒
从微架构对比来看，CPU的功能模块多，擅长分支预测等复杂运算，大部分晶体管用在控制电路和Cache上；而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。这意味着，单纯从芯片设计角度，信创厂商要造出一款“能用”的GPU，其技术难度低于CPU。
## 真正的壁垒：软件生态与互联协议
软件生态：CUDA兼容是生死线
全球GPU市场由英伟达主导，其核心武器是CUDA（统一计算设备架构）生态。目前，绝大多数AI训练、高性能计算（HPC）应用都是基于CUDA开发的。信创GPU厂商如果想进入这些领域，就必须解决对CUDA的兼容问题，或者建立自己的类似生态（如AMD的ROCm）。目前，国内独立GPU厂商如景嘉微，其产品支持的API（应用程序编程接口）包括OpenGL 4.5和OpenCL 1.2/2.0，与英伟达的CUDA生态并不直接兼容。这意味着，用户现有的大量基于CUDA的软件代码无法直接在这些国产GPU上运行，需要厂商投入巨大资源进行驱动移植和生态适配。
片间互联：多卡协同的效率瓶颈
在AI训练等场景中，往往需要多块GPU协同工作，这依赖于高速的片间互联技术（如英伟达的NVLink）。英伟达的NVLink提供了极高的带宽和低延迟，是其多卡集群性能的关键。信创GPU厂商目前缺乏类似的成熟、高速的片间互联协议，导致在多卡并行计算场景下，数据传输成为瓶颈，整体性能远不及英伟达的方案。如何设计出高效、低延迟的国产互联方案，是信创GPU从“能用”走向“好用”必须跨越的障碍。
## 常见问题
### 景嘉微的GPU性能如何？
景嘉微是国内少数推出成熟独立GPU产品的信创厂商，其2021年发布的9系产品（如JM9231、JM9271）性能已经可以对标英伟达2016年的水平，足够满足信创要求。公司GPU底层技术全部自研，已与飞腾、龙芯等主要国产CPU和操作系统厂商完成适配。
### 信创GPU厂商主要有哪些？
目前国内做独立GPU的公司中，真正做出实物的主要是景嘉微和中船709所。其中，景嘉微产品成熟度更高、推出时间更早；中船709所产品书面指标更强，但在重要型号的现场PK中，实际性能发挥不如景嘉微。
### 为什么GPU国产化比CPU更紧迫？
与CPU行业有X86和ARM等半成品框架可供学习不同，GPU基本上需要完全自研。同时，国内GPU人才远少于CPU人才，使得GPU国产化的技术难度更大。此外，英伟达高端GPU芯片已受出口管制，无法向中国出口，这使得GPU的国产替代更加紧迫。