在人工智能時代，隨著對芯片大算力和低功耗的要求提高，GPU的市場滲透率正不斷提升。據統計，2020年GPU市場規模為254.1億美元，預計到2027年將達到1853.1億美元，從2021年到2027年的復合年增長率為32.82％。

數據來源：Verified Market Research

目前智能手機占據全球GPU市場份額的主導地位，但隨著自動駕駛、醫療設備、游戲設備、加密貨幣等領域對GPU需求的不斷增長，未來GPU應用市場將會被多領域劃分，誰將是增長最快的應用市場呢？

答案或許就在以下GPU八大應用場景中。

游戲設備

如果你是一位游戲愛好者，你大概率會知道購買游戲設備，會更看重其GPU性能。即所謂的“CPU決定下限，GPU決定上限”。GPU大體決定了游戲分辨率、特效能開多高，對于用戶的游戲體驗起到關鍵性作用。

一直以來，游戲繪圖是GPU的傳統應用領域，GPU能為游戲開發者提供電影級畫質的實時渲染，以增強游戲用戶體驗。何以實現？一個字：快！

• GPU并行計算的基礎結構、可以執行海量數據計算；

• GPU訪存速度快；

• GPU擁有更高的浮點運算能力，對圖形與媒體加工速度快。

也正是憑著實時渲染游戲畫質的優勢，GPU占據大份額游戲PC和顯示屏市場。隨著全球游戲PC和顯示器出貨量的強勁增長，未來游戲渲染場景對GPU需求旺盛。

IDC數據顯示，2020年游戲PC和顯示器的出貨量同比增長26.8％，達到5500萬臺。同樣的，JPR數據顯示，2020年全球GPU出貨3.94億片，同比增長17.9%。

全球GPU巨頭英偉達（Nvidia）的年報也顯示，游戲是其最大市場，占比46.5%。

2020年Nvidia各市場營收占比，數據來源：Nvidia年報

消費電子

目前智能手機市場占據了全球GPU市場份額的主導地位，此外，智能音箱、智能手環/手表、VR/AR眼鏡等移動消費電子都是GPU潛在的市場。

應用于手機等嵌入式、移動終端等領域的GPU芯片，一般體積小、耗電低、性能無需特別強大，但也支持諸多功能，不限于創建圖像、圖像處理、計算攝影、手勢識別等，能為消費者帶來全新的移動設備視覺體驗。

移動端GPU主要采用集成GPU，集成GPU常和CPU共用一個Die，共享系統內存。而隨著智能手機應用更加豐富，GPU的優勢更加明顯，比如拍照、導航地圖的合成、UI圖標、圖像框、照片的后處理等都需要GPU來完成。

但GPU于手機及PC端滲透率基本見頂，根據中國社科院數據，2011-2018年全球主要國家PC每百人滲透率呈下降趨勢，智能手機對PC具有一定替代性。而云計算與智能駕駛及AI的興起對高算力產生新需求，將帶來高性能GPU市場快速增長。

GPU分類與主要廠商，資料來源：架構師技術聯盟、華西證券研究所

云端AI服務器

AI服務器通常搭載GPU、FPGA、ASIC等加速芯片，利用CPU與加速芯片的組合可以滿足高吞吐量互聯的需求，為自然語言處理、計算機視覺、語音交互等人工智能應用場景提供強大的算力支持，支撐AI算法訓練和推理過程。

當前在云端場景下被最廣泛應用的AI芯片是英偉達的GPU，主要原因是：強大的并行計算能力（相比CPU）、通用性以及成熟的開發環境。

2020年全球AI服務器市場規模為122億美元，預計到2025年全球AI智能服務器市場將達到288億美元，5年CAGR達到18.8%。

2020-2025年全球AI服務器行業市場規模及增速（單位：億美元），來源：華經產業研究院

自動駕駛

GPU兼具技術成本優勢，已成為自動駕駛領域主流。

一方面，行車過程中依賴雷達等傳感器對道理信息進行采集后，處理器每秒需實時數據解析幾G量級數據，每秒可以產生超過1G的數據。因此自動駕駛對處理器的計算量要求較高。

另一方面，處理分析實時數據后，需要在毫秒的時間精度下對行車路徑、車速進行規劃，保障行車過程安全，對處理器的計算速度要求也較高。

而GPU采用流式并行計算模式，可對每個數據行獨立的并行計算,擅長大規模并發計算，正是自動駕駛所需要的。

目前汽車電子控制系統是分布式ECU架構，不同的信息娛樂、車身、車輛運動和動力總成系統及其細分功能分別由不同獨立的ECU單元進行獨立控制，部分高檔車型上的ECU數量超過100個。未來，汽車電子操控系統將會進一步向著集中化、軟硬件解耦及平臺化方向發展，汽車將會由統一的超算平臺對傳感器數據進行處理、融合、決策最終實現高級別的自動駕駛功能。

來源：地平線公司官網

2021年4月13日，Nvidia發布最新一代超算力芯片Atlan，單芯片算力達1,000TOPS，可滿足L5需求，預計2023年提供樣品。

除了自動駕駛，GPU還在汽車設計和工程應用中被廣泛使用。汽車設計部門面臨越來越大的壓力，需要迅速實現汽車創新，響應市場不斷變化的需求。遠程工作人員，外部供應商和合作伙伴需要更快，更好地訪問數據。GPU使汽車制造商可以更輕松地與全球團隊建立和協作，并根據需要擴展其計算資源。

邊緣計算

在邊緣計算場景，AI芯片主要承擔推斷任務，通過將終端設備上的傳感器（麥克風陣列、攝像頭等）收集的數據代入訓練好的模型推理得出推斷結果。

GPU作為最成熟的通用型AI芯片，將受益于廣泛的邊緣計算場景。包括物聯網、自動駕駛等應用場景。

不同邊緣計算場景對AI芯片性能要求，來源：艾瑞咨詢

由于邊緣側場景多種多樣、各不相同，對于計算硬件的考量也不盡相同，對于算力和能耗等性能需求也有大有小。因此應用于邊緣側的計算芯片需要針對特殊場景進行針對性設計以實現最優的解決方案。

智慧安防

安防攝像頭發展經歷了由模擬向數字化、數字化高清到現在的數字化智能方向的發展，最新的智能攝像頭除了實現簡單的錄、存功能外，還可以實現結構化圖像數據分析。

安防攝像頭一天可產生20GB數據，若將全部數據回傳到云數據中心將會對網絡帶寬和數據中心資源造成極大占用。通過在攝像頭終端、網絡邊緣側加裝AI芯片，實現對攝像頭數據的本地化實時處理，經過結構化處理、關鍵信息提取，僅將帶有關鍵信息的數據回傳后方，將會大大降低網絡傳輸帶寬壓力。

當前主流解決方案分為：前端攝像頭設備內集成AI芯片和在邊緣側采取智能服務器級產品。前端芯片在設計上需要平衡面積、功耗、成本、可靠性等問題，最好采取低功耗、低成本解決方案（如：DSP、ASIC）；邊緣側限制更少，可以采取能夠進行更大規模數據處理任務的服務器級產品（如：GPU、ASIC）。

AI芯片在智能安防攝像頭中的應用，資料來源：艾瑞咨詢，CPS中安網、HIS

GPU可以加速處理快速膨脹的數據與視頻資料，在智慧安防視頻處理方面有很好的應用前景。

加密貨幣

比特幣等加密貨幣的行情火爆帶動礦卡GPU需求，2020Q4-2021Q2全球PC GPU單季度出貨量連續三個季度超過1億片，2021Q2達到1.23億片，同比大增42%。

礦機算力的大小決定挖礦的速度，算力越大，挖礦越快。除了主流的ASIC礦機，加密貨幣挖礦用的最多大概是GPU礦機了。

GPU的硬件特點是：核心數量非常多、單個核心的結構比較簡單、適合進行大量重復性的一般運算，比如咱們玩游戲、3D設計，實際上就是大量、而且重復性的一般運算，而GPU的核心數量（稱為流處理器）非常多，通常在幾千顆，比如A卡的RX570，流處理器就高達2048顆。

而挖礦，恰好就是大量而且重復性的一般運算，正好跟GPU的性能特點相符合，GPU非常適合這種無腦性算法，流處理器數目越多越占優勢。

盡管不少國家對于加密貨幣的監管加嚴，且存在金融風險，但不防礙加密貨幣行業的蓬勃發展。截至2021年9月，所有加密資產的總市值已超過2萬億美元，自2020年初以來增長了9倍。未來隨著加密資產變得越來越主流，對于GPU礦機的需求也勢必會增大。

醫療影像設備

近年來，在深度學習和GPU加速運算快速發展之下，人工智能成為滿足醫療影像需求日益增長的推手。多份醫療市場研究報告指出，醫療影像領域中的人工智能市場規模，于2021至2026年間，預計將以30%的年復合成長率快速增長。

醫療影像涉及一系列復雜的訊號和影像重組過程，這些過程將X光或超音波感測器檢測到的原始數據轉換成2D橫切面或3D立體影像。這種影像處理耗時、數據量大、要求畫面渲染品質準確且穩定。

憑著強大的并行計算能力，GPU可以完成影像即時渲染，再結合深度學習神經網路的訓練和推論提供矩陣運算加速，可助于移除假影、調整對比度、增強銳度，獲得更清晰的醫學圖像。

結語：

以上，是GPU主流的應用場景，但GPU還有部分特殊應用領域。包括軍事、航空、信創等，但市場需求量較小。比如，據統計，2018年我國軍用GPU市場規模僅約1176萬元。綜合來看，未來GPU增長的主要驅動在于在GPU在服務器、自動駕駛滲透率的提升。