共计 1588 个字符，预计需要花费 4 分钟才能阅读完成。
GPU 最后用在 PC 和挪动端上运行绘图运算工作的微处理器，与 CPU 集成以集成显卡（核显）的状态施展性能。NVIDIA 于 2007 年率先推出独立 GPU（独显），使其作为“协处理器”在 PC 和服务器端负责减速计算，承接 CPU 计算密集局部的工作负载，同时由 CPU 持续运行其余程序代码。
作为独显的 GPU 由 GPU 外围芯片、显存和接口电路形成。
独 GPU 与 CPU 之间通过 PCIe 总线连贯，因此 PCIe 总线规范间接影响到通信带宽；而针对 GPU 之间的互连，Nvidia 推出 NVLink 技术代替传统 PCIe 总线的形式，依据 Nvidia 官网数据，GPU 性能晋升 5 倍。
目前因为 AI 性能开掘仍有空间，曾经部署的服务器中 GPU 算力尚有冗余，预计 PCIe 由 3.0 降级至 4.0 和 5.0 短期内对 GPU 影响不大。但支流参与者仍在依照工艺门路继续推动产品升级。
依据 AIBResearch 数据，Nvidia 占据独显市场近 80% 的份额，目前 NVIDIA Ampere A100 产品 7nm 曾经投入生产。
NVIDIA、AMD 和 Intel 在 GPU 市场三分天下。依据 Jon Peddie Research 数据，Intel、AMD 和 Nvidia 别离占据 63%、19% 和 18% 的市场份额。Intel 和 ADM 在 PC 端 GPU 市场占据强势位置，次要起因是 PC 端集成 GPU（核显），而 Intel 和 AMD 在 PC 端 x86 CPU 市场别离占据 84% 和 16% 的份额。
在独立 GPU（独显）市场，Nvida 是行业的奠基者和龙头，占据近 70% 份额。AIB 数据显示，2019 年 Q4，Nvidia 和 AMD 在独立 GPU 市场份额别离为 81% 和 19%。针对 HPC 和 AI 场景，Nvidia 推出的产品次要是 Tesla 系列，包含 V100、P100、K40/K80、M40/M60 等多个型号，K 系列更适宜高精度计算，M 系列更适宜深度学习。
2019 年 3 月，Nvidia 发表以 49 亿美元收买 Mellanox，预计 2020 年 4 月底该项交易最终实现，成为 Nvidia 历史上最大的一笔收买。Mellanox 是服务器和存储端到端连贯解决方案的供应商，产品波及 HPC、云计算、数据中心、企业计算及存储市场，包含 Smart NIC，网络交换机芯片和高速数据互联等。
AI 芯片在智能摄像头、无人驾驶等畛域利用宽泛。数据、算力和算法是 AI 三大因素，CPU 配合减速芯片模式成为典型的 AI 部署计划，CPU 提供算力，减速芯片晋升算力并助推算法的产生。常见的 AI 减速芯片包含 GPU、FPGA（Field Programmable Gate Array）和 ASIC（Application Specific Integrated Circuit）三种类型。
CPU 适宜逻辑管制和串行计算等通用计算，计算能力没有 GPU 强，次要由专为程序串行解决而优化的几个外围组成；
GPU 用于大量反复计算，由数以千计的更小、更高效的外围组成大规模并行计算架构，装备 GPU 的服务器可取代数百台通用 CPU 服务器来解决 HPC 和 AI 业务（依据 Nvida）。
FPGA 是一种半定制芯片，灵活性强集成度高，但运算量小，量产老本高，实用于算法更新频繁或市场规模小的专用畛域；
ASIC 专用性强，市场需求量大的专用畛域，但开发周期较长且难度极高。谷歌自主设计了一款基于 ASIC 的 TPU（Tensor Processing Unit）专门用于机器学习工作负载。
训练和推断是云端 AI 两大运行过程，训练产生算法，推断实现算法利用。训练阶段须要大量数据运算，GPU 预计占 64% 左右市场份额，FPGA 和 ASIC 别离为 22% 和 14%。
推理阶段无需大量数据运算，GPU 将占据 42% 左右市场，FPGA 和 ASIC 别离为 34% 和 24%。AI 芯片经营场景包含云端（服务器）、边缘端和终端三类，不同利用场景对 AI 芯片的需要不同。就云端芯片而言，2023 年市场需求将达 200 亿美元（依据 Nvidia）。
