隨著人工智能、云服務等新興需求的迅猛增長，算力正在從滿足多任務的通用芯片，向單一任務的多種專用芯片發展，傳統以CPU為核心的計算架構，已經不能滿足新興業務需求，異構計算成為重要趨勢。

近年來，在云計算蓬勃發展的同時，異構計算市場也乘風得到了長足的發展。對芯片設計企業而言，過去進入服務器計算芯片市場只有通過有競爭力的X86 CPU，而現在GPU、FPGA、AI芯片各類架構CPU等多種計算芯片均在服務器中得到廣泛應用，為國產CPU及AI芯片公司，以及基于***的智能計算產業鏈提供了良好的發展機會。

CPU是中央處理器作為計算機系統的運算和控制核心，是信息處理、程序運行的最終執行單元。 FPGA是基于通用邏輯電路陣列的集成電路芯片，其最大的特點是芯片的具體功能在制造完成以后由用戶配置決定。 GPU/GPGPU是并行計算的主力算力引擎。隨著業務越來越復雜，數據流量呈現指數級增長，全部業務和數據靠CPU處理，性價比極低。AI加速芯片為專門針對AI深度學習，結合標量計算、矢量計算和張量計算真的專用架構應運而生，針對AI推理應用，實際算力利用率可超過90%。 DPU作為數據處理器，其核心是通過協處理器協助主控CPU處理網絡負載，編程網絡接口功能。支持數據中心底層存儲、安全、服務質量管理等基礎設施層服務，提升整個計算系統的效率、降低整體系統的總體擁有成本。 目前，我國服務器計算芯片主要從英特爾、AMD超威半導體、英偉達等企業進口，未來計算芯片國產化市場空間大，進口替代空間廣闊。本文主要關注計算芯片，包括CPU、GPU/GPGPU、FPGA、AI加速芯片等和以DPU為代表的網絡通信芯片。

1、CPU

CPU中央處理器作為計算機系統的運算和控制核心，是信息處理、程序運行的最終執行單元。CPU是整個IT生態的定義者，無論是服務器端的X86還是移動端的ARM（安謀），都各自構建了穩固的生態系統，不僅形成技術生態圈，還形成閉合價值鏈。

市場空間

數據中心應用CPU價格高，利潤最為豐富，根據不同配置，CPU占據服務器總成本約1/3到1/2。預計到2025年，隨著中國數據中心的不斷擴容和升級，以及云計算、大數據、人工智能等應用的快速發展，中國數據中心應用CPU市場規模有望繼續增長。根據中金證券研究數據，2021年中國服務器CPU市場規模60億美元，預計2024年達到92億美元，3年年均復合增長率15%。

發展趨勢

國產CPU各個技術賽道全方面布局。X86、ARM、RISC-V（Reduced Instruction Set Computer-V，第五代精簡指令集計算機 ）是CPU三大技術架構。服務器市場上X86處理器市占率超過90%，占據絕對主導地位。CPU產業鏈巨頭大多集中在海外，位居產業鏈各個環節核心，對全球CPU行業影響力較大。在設計環節，英特爾和AMD幾乎壟斷通用型CPU市場。借助臺積電先進制程，AMD服務器CPU霄龍強勢崛起，根據IDC數據2021年第四季度， AMD數據中心CPU市場占有率自2016年之后首超10%。為應對新的挑戰，英特爾2021年底歷史第一次宣布開放X86指令集給第三方公司。 ARM開放指令集以及在移動端構建的良好生態，數據中心巨大市場以及豐厚利潤吸引各家巨頭入局開發ARM架構服務器CPU，其市場占有率穩步提升。除美滿、富士通、英偉達、海思等傳統芯片巨頭之外，亞馬遜、谷歌、阿里等手握資金、技術以及應用場景的新型互聯網公司也加入這一戰局，給市場帶來變數。ARM架構服務器CPU性能不斷提升、生態不斷完善，與X86架構正面競爭，蠶食之勢不容小覷。 RISC-V作為后起之秀發展迅速，英特爾在2021年提出20億美元收購專注于高性能計算的RISC-V初創公司SiFIVE。RISC-V是開源指令集，開放程度比ARM更好，支持指令集擴展。RISC-V開放的定位是***實現全產業鏈自主可控的重要基礎，截至2022年末，我國大約有50款不同型號的國產RISC-V芯片量產，應用場景集中在MCU、電源管理、無線連接、存儲控制、物聯網等中低端場景。而目前已有多家創新企業計劃在2023年發布對標64核高性能的服務器級處理器，應用領域也有望從專業應用場景逐步拓展到通用計算場景。 在信創市場驅動下，國產CPU各個技術賽道全方面布局，不同于以往的國產化替代，信創更強調生態構建。從IT基礎設施到應用軟件，再到IT安全，2022年信創產業規模達到9220.2億元，近五年復合增長率35.7%，預計2025年突破2萬億，國產CPU在信創領域存在巨大的市場發展機會。同時，中國CPU另外一個特點就是各個技術賽道全方面布局，中國全自主架構唯一代表有龍芯LoongArch架構，X86架構有海光、兆芯，ARM架構有飛騰、海思，RISC-V架構有阿里等。

2、GPU/GPGPU

傳統CPU為核心的計算架構中所有數據和指令都由CPU來處理。然而CPU的架構不適合處理高并行度數據計算業務，更適合進行邏輯運算和整個計算機的管理。隨著業務越來越復雜，數據流量呈現指數級增長，全部業務和數據靠CPU處理，性價比極低。因此出現了各種協處理器XPU，專門幫助CPU處理各種特定應用場景業務。最早出現的就是計算機3D圖形渲染專用加速芯片，特點是大量的并行小核，需要在CPU調度下工作。1999年英偉達發布第一款GPU產品NV10，在市場上第一次推出GPU概念。隨后英偉達把GPU應用推廣到GPGPU和CUDA編程框架推廣，GPU成為并行計算的主力算力引擎。2012年的ImageNet比賽，取得突破的AlexNet的發明人亞歷克斯使用了英偉達的GPU，證明了GPU非常適合用于多并行計算的神經網絡，從此GPU成為深度學習標配，引爆市場。

市場空間

目前中國深度學習加速服務器90%還是采用GPU/GPGPU，根據中金證券測算，2021年中國2022年中國服務器應用GPU/GPGPU市場規模達到32億美元，預計2024年市場規模達到54億美元。

發展趨勢

GPT應用激發算力需求，國產GPU加速補位，仍面臨巨大算力缺口。GPU采用最先進的邏輯工藝，不考慮巨大的生態建設費用，單芯片研發成本10億人民幣起步，過去鮮有資本和創業團隊涉足。然而，英偉達、AMD高端GPGPU產品受美國政府禁令的影響已經預示了國產GPGPU供應鏈安全問題的嚴重性，中國政府及資本市場也對于國內GPU企業予以高度重視，國產GPU廠商存在替代補位的機會，GPU初創公司不斷涌現，融資金額屢創新高，估值動輒超百億。英偉達、AMD高管為主的創業團隊，超一線VC機構重金支持，成為國產GPU初創公司范式。 另一方面，今年爆火的ChatGPT和GPT-4等新一代AI應用的商用化，對芯片算力的技術要求將大幅提高，并有望創造出可觀AI芯片增量市場空間。

3、FPGA

FPGA是基于通用邏輯電路陣列的集成電路芯片，和ASIC芯片不同，其最大的特點是芯片的具體功能在制造完成以后由用戶配置決定。用戶可通過配套的FPGA專用EDA軟件實現具體功能，首先由專用EDA軟件接受用硬件語言描述的用戶電路，其次編譯生成二進制位流數據，最后將位流下載到芯片中實現用戶所需特定功能的集成電路芯片。每顆FPGA芯片均可以進行多次不同功能配置，從而實現不同的功能。 服務器和存儲器作為數據中心的通用基礎設備，為了應對復雜多變的應用情景，需要FPGA芯片實現邏輯控制、數據轉換、功能擴展、系統升級等功能。在數據中心運算處理領域，相比CPU，FPGA芯片由于其無指令、無需共享內存的體系結構，能夠同時提供強大的計算能力和足夠的靈活性；相比GPU，FPGA芯片在數據中心具有低延遲及高吞吐的優勢；相比ASIC，FPGA芯片在性能、靈活性、同構性、成本和功耗等五個方面達到出色平衡。

市場空間

FPGA芯片具有靈活性高、應用開發成本低、上市時間短等優勢。數據中心是FPGA芯片的新興應用市場之一，根據Frost&sullivan數據，2020年應用于該領域的FPGA芯片中國銷售額將達到16.1億元，占中國FPGA芯片市場份額的10.7%，預計2024年將達到30億元，2021年至2024年年均復合增長率將達到16.6%。

發展趨勢

FPGA芯片在數據中心領域主要用于硬件加速，數據中心使用FPGA芯片代替傳統的CPU方案后，處理其自定義算法時可實現顯著的加速效果。因此從2016年開始，微軟Azure、亞馬遜AWS、阿里云的服務器上都開始部署FPGA加速器用于運算加速。在云計算大面積應用的背景下，未來數據中心對芯片性能的要求將進一步提升，更多數據中心將采納FPGA芯片方案，這將進一步提高FPGA芯片在數據中心芯片中的價值占比。 FPGA芯片向高集成化的現場可編程系統級芯片發展。英特爾2015年收購Altera阿爾特拉，AMD 2022年完成收購Xilinx賽靈思，CPU和FPGA融合成為趨勢。國際主流FPGA芯片公司逐漸形成了在FPGA芯片中加入處理器的技術路線，并產生了可編程系統級芯片這一新產物。和傳統FPGA芯片不同，現場可編程系統級芯片的特點是單芯片高度集成電子信息設備所需的CPU、FPGA、存儲接口、I/O外設接口甚至人工智能專用引擎等所有模塊，單顆芯片可完成應用情景的所有功能需求。

4、AI加速芯片

深度學習涉及少量標量計算、大量的矢量計算和張量計算。GPU是標量計算核，在處理深度學習數據時，需要消耗大量資源把矢量和張量計算轉變為標量計算，因此GPU實際算力利用率最高只能達到40%。固定算法的ASIC芯片利用率最高，但是不適合業務復雜、算法在一直更新的云計算應用，而更適合邊緣端應用。因此專門針對深度學習應用，結合標量計算、矢量計算和張量計算的DSA（Domain SpecificArchitectures，特定領域專用架構）架構應運而生，針對AI推理應用，實際算力利用率可超過90%，并且其芯片提供最基本的深度學習算子，保證芯片在深度學習應用的通用性和擴展性，從而實現數據中心降本增效。2019年英特爾20億美元收購了以色列初創公司Habana Lab，證明了DSA架構在商業和技術上的成功。國內希姆計算、瀚博、燧原等初創公司都采用DSA架構技術路線，并開始商業落地。

市場空間

根據中金證券測算，2021年中國云計算應用AI加速芯片市場規模約5億美元，預計2024年市場規模將達到14億美元，三年年均復合增長率達到47%。

發展趨勢

面向場景專用的云端AI芯片進一步加速滲透。互聯網公司成為AI加速芯片主力。互聯網公司直接面向終端提供服務，既擁有豐富的業務場景，又具備技術和資金實力，于是開始繞過英特爾、英偉達等傳統芯片供應商下場自研芯片或者投資芯片初創公司，滿足自身需求。比如谷歌TPU，百度昆侖芯片，亞馬遜，字節跳動等，都在結合自身應用場景自研AI加速芯片。 場景專用的云端AI推理加速芯片，有望依靠性價比取勝。互聯網公司推理應用場景主要是內容推薦和內容審核，內容和用戶都已經完成向量化，對芯片實時性要求高，對芯片生態和通用性要求低。并且推理芯片的需求量和增速遠高于訓練芯片，根據Facebook給出的預測，今后推理芯片和訓練芯片的需求量是9:1。專門針對AI云端推理計算的AI推理加速芯片，實際任務負載達到90%以上，實現相同工藝節點GPU的2倍以上性價比。

5、DPU

數據中心規模越來越大，任務越來越復雜，根據亞馬遜統計僅處理網絡通信就需消耗CPU 30%的算力，亞馬遜稱之為“datacenter tax（數據中心稅）”。DPU是以數據為中心構造的專用處理器，支持數據中心底層存儲、安全、服務質量管理等基礎設施層服務。DPU要解決的核心問題是基礎設施的“降本增效”，即將“CPU處理效率低下、GPU處理不了”的負載卸載到專用DPU，提升整個計算系統的效率、降低整體系統的總體擁有成本（TCO）。

市場空間

根據頭豹研究院測算，2022年中國DPU市場規模約11億美元，預計到2025年市場規模將達到37億美元。

發展趨勢

存在廣闊的應用前景和巨大的市場空間。DPU存在廣闊的應用前景和巨大的市場空間。國際巨頭近年來也先后布局DPU產品，英偉達于2021年發布新一代DPU BlueField 3，英特爾發布基礎設施處理器IPU，AMD收購DPU廠商Pensando。同時，DPU作為專門負責數據中心底層網絡通信的算力芯片，是一個新興賽道，國內外發展差距小，競爭格局還較為分散，沒有像CPU和GPU那樣的明確巨頭。因此，各大國內芯片廠商正在積極通過中國在云計算領域積累的市場規模、增速、特別是用戶數量的優勢來推動國內DPU的開放生態建設。 DPU作為新興賽道，最大的挑戰是行業標準化。由于數據中心本身的復雜性，各大廠商一方面采用現成商業軟件來構建系統，追求低成本，一方面又設法分層服務化（IaaS、PaaS、SaaS），打造面向不用類型客戶的標準化產品。除此之外的所有技術實現幾乎都是“八仙過海，各顯神通”，例如各大公有云廠商、電信運營商等都有比較完整，同時比較封閉的底層架構和應用生態。上層負載不同，必然對底層架構有各異的需求，這也許是目前DPU標準化面臨的最大的挑戰。