永安期货

1985年，英特尔双巨头格鲁夫和戈登·摩尔经由一番讨论后，做了一个“放弃祖业”的决议：

作为英特尔发家并成就公司那时职位的存储芯片营业，已经延续被日本企业压得喘不外气，既然无法保持向导职位，那不如放弃存储，开拓一个新天地，进军那时微不足道的微处置器领域。

而英特尔和微处置器的缘分，也恰巧是日本企业促成的。日企Busicom给英特尔下了个订单，这个订单促成了天下*款商用盘算机微处置器、“划时代产物”Intel4004微处置器，在1971年降生。也正是这个机缘，奠基了英特尔在十四年后毅然决然的大转型。

也正是英特尔这个转型，迎来了公司和CPU产业相得益彰、相互成就的伟业。但格鲁夫和摩尔可能想不到的是，自己作为半导体龙头的职位，在日后竟然会遭到昔时跟风小弟“GPU”的挑战。以及远处还站着ASIC、FPGA、RSIC-V，在时不时地“窥探”。

CPU这个顶着“中央处置器”名号的龙头职位、焦点市场，是若何被一步步“朋分”的呢？

前仆后继：让显卡可以盘算

英伟达已经成为GPU的代名词，但在皮衣老黄建立公司之前，已经有诸多公司推动了显卡一步步的生长：从图形显示适配器，到图形加速器，继而是英伟达的图形处置器。

现在的GPU，堪称算力天王，但在早先，显卡不能盘算，仅仅是CPU的仆从。那时图形盘算等事情，都由CPU肩负，而显卡仅仅将CPU算好的数据处置为屏幕等显示装备能识其余信号。以是也称为图形显示适配器。

1981年，IBM推出了2D二维图形加速卡，从而实现了从“显示”到“盘算”的跨越。

而随着微软视窗操作系统的快速普及，电脑对图形处置的能力要求越来越高。这个趋势吸引了众多公司涌入，1993年黄仁勋也建立了英伟达，此时行业里也有三四十家公司，包罗IBM、S3、ATi、Matrox、Trident、3Dfx、IGS等等。

其中，Trident的3D三维图形加速卡，也是鼻祖产物，而且*次让显卡不再和CPU一起封装，共用存储，而是可以自力存在。相当于有了自己的领地，生长空间更大。

据听说，黄仁勋创业之前给一个剖析师打电话、咨询产业，对方说，可别来了，玩家太多。但挂了电话，老黄就进来了。这个狠劲，固然离不开公司团队的实力确实不弱。

但英伟达创业之初，也是差点被巨头“碾压”。

微软公布的Direct 3D图形尺度，直接让英伟达早期的图像加速产物失去了市场。幸好尚有日本电子游戏公司SEGA世嘉的订单，公司的研发才没有中止。很快，英伟达的Riva128显卡问世，为公司赢得了一定市场。

但在1995年，3Dfx公司公布的Voodoo以及Glide API接口，才是那时市场的主流，尤其在游戏领域基本是垄断职位。一直到1999年，英伟达放了“大招”：Geforce256。

Geforce256的特色是整合了3D图形处置的光影转换（T&L）功效，从CPU接受了大量相关盘算事情。也可以说，这是真正意义上的*个图形处置器GPU，不再只是加速功效，而是主要的盘算单元。

Geforce256性能*偕行2-3倍，它的泛起改变了竞争名目。2000年底，强敌3Dfx就被英伟达收购（这其中一个因素也是3Dfx扩张营业、从设计进军板卡制造领域，从而加大了财政压力），而显卡玩家也仅剩1985年建立的ATi还能抗衡。

英伟达也不停提升GPU的盘算能力，2001年具备极点编程能力，这对于游戏开发职员而言，异常主要。2003年，可编程的GPU正式降生。

此时的GPU和CPU在盘算领域基本“泾渭明晰”，CPU重在逻辑运算，GPU则可以并行处置大量单一的盘算。业内经常用的譬喻就是，CPU是大学生盘算高等代数，人数少但更高阶；GPU就是大量小学生盘算四则运算，问题简朴然则人多算得快。

随后的故事，就是英伟达不停提高“小学生”的盘算能力：无论是替换更高效的架构、照样增添晶体管数目、改善功耗等方式提高性能，用一代代产物不停打击对手。

而且还对照着CPU鼻祖摩尔提出的“摩尔定律”，提出了GPU领域要实现的“黄氏定律”：每6个月升级一次、功效翻番。野心、战斗力可见一斑。

2006年，英伟达的老对手ATi也被AMD收购。然则AMD既要CPU领域抗衡英特尔，又要GPU领域抗衡英伟达，着实有些难题，虽然有过产物逾越英伟达，但照样被聚焦GPU的老黄牢牢压制。

看着英伟达在GPU领域越来越强，CPU老大英特尔也难免坐不住。2007年，英特尔高管就宣布将公布CPU与GPU融合的Larrabee架构，这将会让显卡在两三年内消逝。

老黄就马上“回怼”：纵然英特尔能够在2010年将图形盘算能力提高10倍，仍然无法与现在英伟达的产物相匹敌。

效果就在2009年底，英特尔宣布将无限期推迟Larrabee架构刊行。这是芯片巨头罕有的产物研发失败。

固然，在英伟达的生长途中，履历过微软砍单反而扶持对手、英特尔住手专利授权等等事宜，股价也是一度跌去80%，但这些遭遇之后，正如老黄所说，英伟达依然坚持只做GPU。

*专注、耐心坚持，成就了行业护城河。固然，能坚持的人许多，就像大A的诸多散户，但未必都能乐成。而英伟达的乐成，离不开自身奋斗，但也有历史历程的影响。

历史历程：迎来五海浪潮

人获取外界信息的80%来自于视觉，因此，聚焦图形处置，似乎是光伟正的选择。但耐久趋势照样要靠一波波详细浪潮来落地。英伟达迎接的历史历程可以说有五波：

*波是视窗系统的生长，这是发家的最先。从敲代码操作电脑，到用鼠标点击，这是电脑快速普及的主要缘故原由。动员了CPU逻辑运算需求的同时，也提升了GPU的需要性、并带来出货量。

第二波是游戏，这是从始至今的大潮。人们对游戏画面质量的要求不停提升，游戏玩家们对英伟达高价钱高质量的显卡，是又爱又恨。游戏营业是英伟达的大头，但游戏究竟不是时代生长的驱动力，也不知足老黄对“GPU算力”职位的期待。

2015年的GTC大会上，黄仁勋就意得志满地示意，英伟达将不再是一家纯粹的游戏公司。

第三波是笔“横财”，比特币带来的挖矿需求。中本聪凭空缔造出了一个可以和“股票、黄金”较量的金融生意品，吸引无数人介入“挖矿”。“挖矿”的原理，就是粗暴的盘算，显然GPU比CPU加倍适合。

早期“挖矿”基本是一些兴趣者用CPU实现，但随着比特币越来越稀缺、价钱越来越高，兴趣者酿成了专业投资者、投契者、团队，GPU也最先大显身手。

挖矿的火爆，一度导致电脑用户买不到显卡，埋怨极多。而挖矿，也不相符老黄对GPU算力的期待，英伟达也示意，用显卡挖矿，对社会现实上没有任何用处。

公路商店获千万级A 轮融资，五源资本、天图资本领投

第四波是人工智能，熬来的风口。人工智能一波海浪潮的生长，自然是英伟达无法控制、只能享受的。但英伟达确实也在用芯片推悦耳工智能生长。

2007年英伟达推出了CUDA平台，让显卡用于图像盘算意外的目的，并降低GPU编程门槛，而且还不计成本投入了6年。

CUDA让GPU从图像盘算跨越到了“通用并行盘算”，大幅扩产了GPU的适用局限，尤其是可视化盘算领域，例如地质勘探、气象数据、流体力学、光线追踪等等。甚至日后AI领域的深度学习，也是基于该平台来不停生长。

2010年，AI先驱吴恩达为了让AI程序识别出一只猫，不得不破费了16000个CPU处置器，而换成GPU后，惊讶地发现只需要12个。2019年的GTC大会上，黄仁勋又一次果然提及了他对算力的信仰：“就算摩尔定律走向终结，GPU也将无所不能。”

这里要着重强调英伟达一次主要结构。2020年，面临英特尔的竞争，英伟达最终仍以近70亿美金，完成了对美国加州Mellanox迈络思公司的收购。

Mellanox确立于1999年，是服务器和存储端到端毗邻方案的供应商，简朴明晰，就是让数据中央享受高带宽、低时延的通讯效果。在10GB以上高速网络应用中，Mellanox市占率高达70%。

英伟达收购Mellanox后，相当于获得进军数据中央营业，将AI等趋势落地的入口。而且协同效应很强，实现了“盘算快”、“传输快”的连系。

于是，GPU在数据中央装备采购中，快速生长。全球Top500的超级盘算机中，用英伟达服务的就有342台。2021年，数据中央营收同比增进了124%，2022年*季度逾越游戏，成为英伟达新的营收支柱。

2023年ChatGPT又掀起了AI巨浪，人人才发现2016年英伟达把全球*台AI超级盘算机DGX-1送给了OpenAI，这成为一次经典的“人情投资”。而老黄也兴奋地喊道，AI 的「iPhone 时刻」已经到来。

第五波是XR，守候苹果的发力。VR虚拟现实、MR增强现实等等领域，从2013年起，就一直被人人所期待。元宇宙火的时刻，老黄也很兴奋。

无奈的是，现在的产物力都不强，纵然苹果也还在探索，可以期待下半年的产物公布。而一旦硬件市场打开，种种应用叠加，一定是又一场“视觉需求”大爆炸。

这其中，智能驾驶也算是一次小浪潮，英伟达也收获了不少客户。不外，英伟达在手机芯片方面的实验，则以失败了却。

在产业趋势之外，着实尚有一个隐线大浪潮：芯片制造的专业化。像微软和英特尔相助，击败IBM一样；GPU抢占CPU的历程中，也是强强团结。

英特尔作为IDM公司，既要搞设计、又要搞制造，全靠自己。但英伟达作为设计公司，制造则依赖台积电等专业制造公司，而且台积电也是超级能打。

于是，效果就是2016年英特尔宣布Tick-Tock开发模式受到“阻碍”，研发周期延伸。而英伟达和制造公司台积电、光刻机ASML、EDA软件新思科技相助的光刻盘算库 cuLitho，可以将盘算光刻加速40倍以上，使得 2nm 及更先进芯片的生产成为可能。

既有一波波风口，尚有生态同伴，难怪老黄会兴奋地示意，以后都是GPU天下。

虎视眈眈：只要浪够大，玩家一定会更多

老黄叹息GPU的能力之余，谷歌也放话了：

自研的TPU和同期的CPU、GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率提升。这一幕，颇有断水流大师兄的“在座都是垃圾”的场景感。

2006年谷歌就最先思量为神经网络搭建专门的芯片架构，2016年，谷歌针对Tensorflow平台开发了可编程AI加速器。

谷歌思绪目的很明确：场景单一，不思量庞大用途，就照着一个目的设计。但TPU的可编程性又可以加速许多差异类型的神经网络模子，实现了高效和场景下通用的连系。

TPU的打法，就是GPU对CPU的路数。果真是江湖竞争不止，套路不再多，好用就行。

TPU代表的就是另一个对CPU虎视眈眈的蹊径：专用集成电路ASIC，盘算能力和盘算效率都可以凭证特定需要举行定制，实现牢固算法*化设计。

和其他蹊径相比，ASIC可以实现面积减小，功耗也进一步降低。但瑕玷是对算法依赖，它面向的场景特点是：牢固、大量且重复。一旦下游场景转变，那么前期的投入也都市吊水漂。可以说对眼光十分磨练，因此设计周期也很长。

ASIC的玩家也不少，谷歌的TPU张量处置器，地平线的BPU大脑处置器，IBM推出了TrueNorth芯片、英特尔也有Xeon系列芯片。但思量加入景聚焦，又依赖算法，这些芯片要走向市场、实现普及，也许并不容易。由于你的客户，也许就是你的对手。

另一条蹊径是FGPA现场可编程门阵列。和ASIC相比，设置FGPA的可编程架构来实现随便需要的数字功效组合。就像赛灵思Xilinx 是Kintex 7 Ultrascle芯片，也可以用于深度学习。FGPA的优势是天真，劣势是一定有功效冗余、成本增添。

第三条蹊径是开源的RSIC-V蹊径。现在RISC手艺的奠基人是2018年拿到图灵奖的Patterson教授。听说2010年他带着4个学生就搞出来了*代版本。果真是人才，不在于人数而在于才气。

更犀利的是，Patterson*地演绎了极客主义。差异于英特尔的封锁、ARM的高授权用度，Patterson把RISC手艺举行了大尺度的开源，任何人都可以使用、修改，而不需要用度。

V代表的是第五代版本。RISC-V基金会会员已有高通、NVIDIA和Google等跨越3000名成员。许多人以为，RISC-V有望缔造继x86、ARM之后的第三波芯片浪潮。美国、欧洲、印度，都在加大相关研发力度。<_u13a_p style="margin:0px;padding:0px;outline:0px;max-width:100%;box-sizing:border-box !important;overflow-wrap:break-word !important;">

RISC-V的天真性，对定制化、碎片化场景的支持力度优越；因此现在主要应用于物联网等终端领域，但在电脑、服务器等领域也已经有了一些实验。要抗衡GPU路途还很远很远，但至少，从底层逻辑而言，这是一个可以实现“众人拾柴火焰高”的路径。

虽然现在来看，三条蹊径中也就TPU代表的ASIC还算能打一些。不外另一个趋势就是，若是AI浪潮伟大无比，AI芯片又云云主要，那么就像苹果会自研M1一样，微软等巨头也会有自研AI芯片。但不管怎么说，CPU的天下，是继续被朋分了。

回溯CPU被朋分的路径来看，三个纪律隐含其中：

一是，只要不泛起人为的阻挠，分工依然是高效的。二是，随着数据越来越大，逻辑让位于“相关性”。就像大模子涌现能力一样，鼎力出事业，怎么出来的，人们也不知道。

三是，只坚持并没用，但不坚持一定不行。在一个领域先做到*，有驻足之本了再不停拓展，而不是一最先就要吃个胖子。这一条对于我国芯片产业也许也是云云。

CPU被朋分的故事，很精彩。但惋惜，我们基本只是看客。幸运的，现在，我们的“中国版英伟达”、“中国版英特尔”，已经有了雏形。需要坚持的是，摒弃炒作头脑、继续夯实研发。就像老黄说的，时刻记着“记着，英伟达离倒闭只有30天”。而英特尔的显示，也和其紧迫感丢失有关。

时刻保持紧迫感，才不会有被卡脖子的危险感。