歐界報道：
過去數年市場一直在呼喚AI 芯片和高性能計算芯片，而下一個波峰將是超高靈活度集成的芯片。放在AI時代來看，就是GPGPU。
GPU起初也是一款專用芯片。與CPU相比，GPU專用于圖形計算加速，且在GPU誕生之時還是以ASIC芯片的形態面世。不過，GPU在不斷的發展和演進之中，逐漸進化出越來越多的通用屬性，也即可編程性。
特別是，英偉達在幾年前就曾推出過CUDA。CUDA是英偉達在GPU應用于高性能異構計算領域在編程方面的一大創舉，無疑也是走得極爲正確的一步棋。CUDA可以基于C語言、C++和Fortran、Python等語言直接開發應用程序，並構建起極爲龐大的開發用戶群，奠定了GPU可以廣泛應用的技術基礎和生態力量。
得益于大數據時代，各行各業都需要更加強勁的算力。CUDA的推出，開啓了英偉達的GPGPU戰略，在大部分人對GPU的認識還局限在遊戲圖形加速之時，GPGPU的時代，就從那時啓幕。
GPGPU不是一款具體的芯片，而是一種概念，即利用圖形處理器進行一些非圖形渲染的高性能計算。GPGPU在GPU的基礎上進行了優化設計，使之更適合高性能並行計算，並能使用更高級別的編程語言，在性能、易用性和通用性上更加強大。
應用領域方面，GPGPU將應用擴展到了圖形之外，在科學計算、區塊鏈、大數據處理、工程計算、金融、基因等方面，GPGPU都得到了廣泛的使用，關于它的科研成果和新應用模式也層出不窮。
GPU 應用于 AI 計算，無論是雲端訓練還是終端推理，其本質都是 GPU 通用屬性的一個方向。AI 計算在 GPGPU 世界裏，只是其中一個組成部分。只是 AI 計算這個方向潛力巨大，因此 GPU 廠商才將 AI 計算作爲著重發展和宣傳的方向。
在GPGPU領域，英偉達現在已經遙遙領先。指令集的覆蓋面、顆粒度、效率等決定一款芯片能否覆蓋到足夠寬的應用市場領域，並對軟件開發和産品叠代足夠友好。無論是英偉達還是AMD的GPGPU，指令集都在千條量級，而目前國內的AI芯片指令集大多數都在百條以內，這個差距是巨大的。
GPGPU通過英偉達十多年的耕耘，已經建立起了一個超過160萬開發用戶的龐大而成熟的生態-CUDA。但是國內，能夠洞悉GPGPU發展機遇並付諸行動的芯片廠商少之又少。很多廠商還停留在AI芯片以及智能交互上，對于GPGPU的發展還並未注意到，這將會成爲在以後的AI時代埋下的一顆定時炸彈。
來源：線上采編，如涉及版權問題或者尋求報道，請及時聯系歐界傳媒網 o2ojie.com！
歐界傳媒 | Jie Media
七年專注有深度的互聯網世界