（报告出品方/作者：方正证券，陈杭）
一、GPU投资逻辑框架
处理器芯片经历了从专用到通用，再从通用到专用的2次转变 。其中，可存储指令的冯?诺依曼体系和1971年X86 CPU的诞生是第一次转折的诱因；摩尔定律的减速和以GPU为代表的异构运算的崛起是第二次转折的诱因 。异构时代，芯片需集成多个模块来满足不同的需求 。例如汽车芯片集成了GPU、CPU、NPU等至少10种处理单元 。
GPU被广泛地运用于PC、游戏主机、汽车、服务器、移动等领域 。其中注重算力的服务器和注重便携性的移动端分别 采用独立和集成GPU，而汽车、游戏主机、PC等主要采用独立+集成的GPU接入方式 。全球GPU市场表现为寡头垄断下的高增长，年复合增速超过30%，主要市场份额被英伟达等美系企业占领 。在此宏观 背景下，国产GPU企业蓬勃发展，在GPU软硬件方面同时出击，呈现“星星之火，可以燎原”之势 。
GPU是数字芯片，基于制程越小，性能越好的规律，GPU产业链是先进制程数字芯片产业链 。当前国产GPU产业链进口替代：设计环节，景嘉微等龙头在不断追赶，封测环节，通富承接AMD 7nm GPU封测，14nm及以下结点的先进制程，设备、材料、EDA/IP、制造等环节与国外领先龙头差距较大，目前仍采用“外循环为主+内循环为辅”的模式 。
GPU产业链的巨头大多集中在海外，它们位居产业链各个环节核心，对全球GPU行业起着决定性的作用 。设计环节：NVIDIA、AMD几乎垄断独立GPU的市场，英特尔、AMD几乎垄断集成GPU市场；设备、材料 、EDA/IP等环节国内龙头与国外龙头差距较大，国产化率较低；制造环节：目前只有台积电和三星有5nm 制程生产能力，但均需使用美国设备；封测环节：目前中国台湾、中国大陆、美国三分天下 。
二、详解GPU：专用计算时代的“画师”
GPU（graphics processing unit）图形处理器，又称显示核心、视觉处理器、显示芯片，是一种在个人电脑、 工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器 。GPU通常包括图形显存控制器、压缩单元、BIOS、图形和计算整列、总线接口、电源管理单元、视频管理单元、 显示界面 。GPU的出现使计算机减少了对CPU的依赖，并解放了部分原本CPU的工作 。在3D图形处理时，GPU采用的核心技 术有硬件T&L（几何转换和光照处理）、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四 像素256位渲染引擎等，而硬件T&L技术可以说是GPU的标志 。
软件生态方面，GPU无法单独工作，必须由CPU进行控制调用才能工作，而CPU在处理大量类型一致的数据 时，则可调用GPU进行并行计算 。所以，GPU的生态和CPU的生态是高度相关的 。近年来，在摩尔定律演进的放缓和GPU在通用计算领域的高速发展的此消彼长之下，通用图形处理器（ GPGPU）逐渐“反客为主”，利用GPU来计算原本由CPU处理的通用计算任务 。目前，各个GPU厂商的GPGPU的实现方法不尽相同，如NVIDIA使用的CUDA（compute unified device architecture）技术、原ATI的ATI Stream技术、Open CL联盟、微软的DirectCompute技术 。这些技术可以 让GPU在媒体编码加速、视频补帧与画面优化、人工智能与深度学习、科研领域、超级计算机等方面发挥异 构加速的优势 。以上4种技术中，只有OpenCL支持跨平台和开放标注的特性，还可以使用专门的可编程电路 来加速计算，业界支持非常广泛 。
从芯片设计思路看，CPU是以低延迟为导向的计算 单元，通常由专为串行处理而优化的几个核心组成，而GPU是以吞吐量为导向的计算单元，由数以千计 的更小、更高效的核心组成，专为并行多任务设计 。CPU和GPU设计思路的不同导致微架构的不同 。CPU的缓存大于GPU，但在线程数，寄存器数和 SIMD（单指令多数据流）方面GPU远强于CPU 。微架构的不同最终导致CPU中大部分的晶体管用于 构建控制电路和缓存，只有少部分的晶体管完成实际 的运算工作，功能模块很多，擅长分支预测等复杂操 作 。GPU的流处理器和显存控制器占据了绝大部分 晶体管，而控制器相对简单，擅长对大量数据进行简 单操作，拥有远胜于CPU的强大浮点计算能力 。
推荐阅读
- 显卡驱动更新的方法
- 宝马530le怎样选配
- 看4k电影用什么显卡
- gts250能玩什么游戏 GTS250显卡可以玩使命召唤吗
- 集显和独显的区别
- 电脑显卡散热不好怎么解决
- 显卡有什么作用
- 南方家私沙发655306\\/1 南方家私沙发
- cpu集成显卡性能排行2020 cpu集成显卡性能排行
- 530胎压标准