概述：

◼ 從世界巨頭尋找發展的足跡。

◼ 捕捉GPU應用的三大方向之一：追求極致的娛樂與性能平衡。全球遊戲市場蓬勃發展，帶動PC出貨量上升。在多種PC當中，遊戲本受到的關注最多。遊戲本的出貨的上升在較大的程度上是由於支持光追技術的遊戲本增加。但是高性能的GPU相對笨重且功耗大，未來筆記本會向輕薄化與強性能方向發展。

◼ 捕捉GPU應用的三大方向之二：人工智能與深度學習。人工智能已經成為經濟發展的助推器。人工智能起始於深度學習。深度學習分為“訓練”與“推理”兩個過程。在“訓練”階段，GPU由於其多核特性，適用於並行計算；在“推理”階段，由於目前FPGA與ASIC的技術尚未成熟，GPU仍是較為主要芯片。

◼ 捕捉GPU應用的三大方向之三：自動駕駛。自動駕駛技術已經成為整個汽車產業的最新發展方向，市場空間廣闊。目前，全球多個GPU公司已經在自動駕駛方面佈局。GPU由於其並行計算的優勢能較好地處理圖像與媒體信息。目前GPU是自動駕駛領域的主流方案。

一、從世界巨頭尋找發展的足跡

1.1 GPU 的作用與分類

一般而言，消費者在選購消費電子產品的時候，例如在選購移動電話或者筆記本時，會更加關注 CPU（Central Processing Unit，中央處理器）的性能，例如 CPU 的品牌、系列、核心數量等等，而 GPU 受到的關注就相對較少。GPU（Graphic Processing Unit），及圖形處理器,是一種專門在個人電腦、工作站、遊戲機和一些移動設備（如平板電腦、智能手機等）上做圖像和圖形相關運算工作的微處理器。在 PC 誕生之初，並存在 GPU的概念，所有的圖形計算都由 CPU 進行計算。然而，使用 CPU 做圖形計算速度較慢，於是就設計了專門的圖形加速卡用以幫助處理圖形計算。再後來，NVIDIA 提出了 GPU 的概念，將 GPU 提升帶了一個單獨的計算單元的地位。

CPU 一般由邏輯運算單元、控制單元和存儲單元組成。CPU 雖然有多核，但總數沒有超過兩位數，每個核都有足夠大的緩存;CPU 有足夠多的數字和邏輯運算單元，並輔助有很多加速分支判斷甚至更復雜的邏輯判斷的硬件。因此，CPU 擁有超強的邏輯能力。GPU的優勢在於多核，核數遠超 CPU，可以達到數百個，每個核擁有的緩存相對較小，數字邏輯運算單元少且簡單。因此，GPU 相對於 CPU 更適用於處理數據並行計算問題。

GPU 具有兩種分類方式，一種根據與 CPU 的關係，另一種是根據 GPU 所在的應用端類別。根據與 CPU 的關係，GPU 可以分為獨立 CPU 和 GPU。獨立 GPU 一般焊接在顯卡的電路板上，位置在顯卡的風扇下面。獨立 GPU 使用的是專用的顯示存儲器，顯存帶寬決定了和GPU 的連接速度。集成 GPU 一般與 CPU 集成在一起。集成 GPU 與 CPU 共有一個風扇和緩存。集成 GPU 由於設計製作、驅動程序都由 CPU 廠家完成，因此兼容性較好；此外,由於 CPU 與 GPU 實現了集成，因此，集成 GPU 的佔用空間小；實現 GPU 與 CPU 的適配與兼容，集成 GPU 的性能相對獨立 GPU 較弱，因此功耗和成本相對獨立 GPU 較低。獨立 GPU由於擁有獨立的顯存，更大的空間和更好的散熱，因此在性能上面獨立顯卡更好；但需要額外的空間，能夠滿足複雜龐大的圖形處理需求，並提供高效的視頻編碼應用。然而，強勁的性能意味著更高的耗能，獨立 GPU 需要額外的供電，並且成本也更高。

根據應用終端類別，可以分為 PC GPU,服務器 GPU，移動 GPU。PC GPU 應用於 PC 端。根據其所在產品定位既可以使用集成 GPU，也可以使用獨立 GPU。例如，若 PC 以輕辦公，文字編纂為主，一般產品會選擇搭載集成 GPU;若 PC 需要製作高清圖片，編輯視頻，渲染遊戲等，則選擇的產品搭載獨立 GPU。服務器 GPU 應用於服務器，可做專業可視化、計算加速、深度學習等應用，根據雲計算、人工智能等一系列技術的發展，服務器 GPU將會以獨立 GPU 為主。移動端輕薄化已經成為趨勢，終端內部淨空間由於多種功能模組的增加已經快速下降；同時就目前移動端需要處理的視頻和圖像而言，集成 GPU 已經能夠滿足。所以移動 GPU 一般採用集成 GPU。

1.2 GPU 市場：寡頭競爭時代已經來臨

PC GPU 市場，Intel 優勢明顯。根據 Jon Peddie Research 的數據顯示，全球 2019 年第四季度 PC 領域 GPU 出貨量，Intel 是全球最大的處理器供應商。目前主流的處理器架構是 X86，主要的供應商是 Intel，AMD，VIA。截至 2019 年第四季度，消費級 x86 CPU市場中，包括桌面品臺，移動端平臺（筆記本和平臺 LOT 物聯網）中，Intel 佔據了 84.4%的市場份額，AMD 佔據了 15.5%的市場份額。Intel 憑藉在 CPU 出貨量上的優勢，通過銷售集成 GPU，實現了在 GPU 市場的霸主地位。Intel 以 63%的市場份額排名第一，對比 2019 年第三季度環比下滑了 2 個百分點；AMD 作為全球第二大的 X86 架構處理器供應商，既受益於 CPU 出貨帶動的集成 GPU 出貨量，也受益於自身優秀的獨立 GPU 的出貨。

AMD 以 19%的市場份額排名二，環比上升 3 個百分點；NVIDIA 是全球領先的獨立 GPU 供應商，同時結合 ARM 架構處理器，出貨集成 GPU，市場份額為 18%，環比下降了 1 個百分點。

獨立 GPU 領域，AMD 奮起直追。根據 Jon Peddie Research 發佈的 AIB 數據顯示，截至2019 年第四季度，在獨立 GPU 域中，NVIDIA 以 68.92%的市場份額佔據較大的優勢。AMD方面，AMD 得益於在 2018Q4 所推出 RX 5500 及 RX 5600 系列，以及 RX 5700 系列的放量，多方因素共同促使 AMD 顯卡份額大漲，從 2018 年 18.77%上升至 31.08%。AMD 推出的Radeon 系列部分型號採用 7nm 工藝，並且在與 NVIDIA 的產品對比中（RTX2070 對標RX5700，RTX2070S 對標 5700XT），同系列 AMD 性能略強，價格更低，重點是功耗一樣。更強的性能，更低的功耗，AMD 的產品無疑對 NVIDIA 的市場份額造成了挑戰。

五雄爭霸，手機廠商不甘寂寞。在移動 GPU 領域，主要以 Imagination、ARM、Qualcomm、Vivante、NVIDIA 為主。高通目前是 Android 陣營最大的處理器供應商。移動端主要使用集成 GPU，因此，高通 GPU 因其處理器的市場優勢也有所受益。ARM Mail GPU 的主要使用者是華為和三星。ARM Mail 的 GPU 性能相對較弱，因此華為在2018年通過推出 GPUTurbo 軟硬件優化彌補短板。三星方面已經與 AMD 前敵多年的 IP 授權，AMD 將向三星授權最新的 7nm RDNA 架構 Radeon 顯卡 IP,並且嘗試自研 GPU。蘋果在與 Imagination取消合作兩年後，再次選擇與 Imagination 合作，並給予支付授權費。雖然目前手機巨頭都是採取購買 GPU 廠商 IP 的方式，但是目前三星、蘋果、華為等有相關計劃進行 GPU 自研項目。手機已經進入同質化時代，手機之間的差異性已經成為手機廠商競爭優勢的關鍵。公版 GPU 難以使手機廠商產生本質的差異性。因此，手機需要通過自研 GPU 以及 CPU 實現手機性能的差異化，從而獲得市場的競爭優勢。

1.3 從世界巨頭髮展足跡尋找啟示

1.3.1 世界獨立 GPU 領先者——NVIDIA

懷著夢想，高歌猛進。1993 年 4 月，從集成電路生產商 LSI Logic 出來的黃仁勳，聯合Sun 公司兩位年輕工程師——Chris Malachowsky 和 Curtis Priem 共同創立了 NVIDIA，他們的初衷是研發一種專用芯片，用來加快電子遊戲中 3D 圖像的渲染速度，帶來更逼真的顯示效果。他們相信，PC 終將會成為享受遊戲和多媒體的消費級設備。最初幾年，由於技術上的優勢，NVIDIA 發展頗為迅速。發佈了多款優秀的產品，例如 NVIDIASTG-2000X、RIVA 128 等，並在 1998 年與臺積電簽署了多年戰略合作伙伴關係協議。臺積電開始協助製造 NVIDIA 產品。

高低起跌，成長並非一帆風順。1999 年，NVIDIA 在納斯達克掛牌上市。同年 8 月，NVIDIA推出第一款以 GeForce 命名的顯示核心——GeForce256，並首次提出 GPU 概念。次年底，NVIDIA 以 7000 萬美元現金、100 萬股公司股票，將 3Dfx 收入囊中。此時的 NVIDIA 已經成為了行業的領頭羊。2000 年，微軟宣佈選擇 NVIDIA 為其首款 Xbox 遊戲機提供圖形處理器。在合作過程中，雙方因交付價格問題產生矛盾。最終，微軟把訂單交給了 NVIDIA的競爭對手 ATI。這次合作的失敗讓 NVIDIA 遭受了沉重的打擊，不僅 2003 年營收減少，還錯過了微軟 DirectX9 規格確立的重要消息，直接導致當年推出的 GeForce FX 由於兼容性問題敗給 ATI 的 Radeon9700。在與微軟合作失敗的同時，英特爾也開始扶持 ATI。

面對如此嚴峻的局面，NVIDIA 開始尋求走出困境之道。首先，主動與微軟和解，爭取再次合作；同時和英特爾達成了專利交叉許可協議。第三，擴展自己客戶源，包括爭取到為索尼的 PlayStation 3 遊戲機開發處理器；與暴雪娛樂（Blizzard Entertainment）合作，發佈了 3D 圖形世界的《魔獸世界》，推動大型多人在線遊戲成為全球最受歡迎的遊戲。

外延併購，強化技術本領才是硬實力。自 NVIDIA 創立以來，一直堅持技術創新，提升自身的實力。提升自身的技術實力有兩種方式，一種是外延併購，一種是修煉內功。在外延併購方面，NVIDIA 自 1999 年上市，主要實施了 9 次併購活動。在這 9 次併購活動中，我們發現，NVIDIA 不僅通過併購活動鞏固自身的技術優勢，例如在 2000 年對 3dfx的併購；也有不斷延伸自身業務範圍的併購，例如，2006 年對 Hybrid Graphics 的併購，曾幫助公司開始進行嵌入式 2D 和 3D 圖形軟件的開發；2008 年對 AGEIA 的併購則是則是增項遊戲中的視覺體驗；2013 年對 Portland Group 的併購則是推動為加速計算革命創建開發工具的進程。NVIDIA 通過併購活動不斷拓展自身的業務範圍，提升公司在市場的競爭力。

NVIDIA 積極修煉內功。自 2016 年起，公司的研發費用逐年增高。2015 年公司研發費用為 13.31 億美元，2016 年公司研發費用為 14.63 億美元，同比增長 9.92%；2017 年更是達到 17.79 億美元，同比增長達到 22.83%。從 2017 年起，公司每年的研發費用保持雙位數的增長，在 2018 年更是達到了 32.22%的增長。在人才儲備方面，自 2014 年起，公司的研發人員比例，維持在 71%以上，即使當前全公司總人數已經達到 13775 人，公司的研發人員數量也有 9823 人。強勁的研發費用以及龐大的研發團隊造就了 NVIDIA 一次又一次的技術創新，例如用於增強並行計算的 CUDA 架構、全球首款面向家庭的高清 3D立體解決方案，後期更有高級駕駛輔助系統、輕鬆創建和部署用於製造、配送、零售、智能城市等的 AI 機器人應用程序、為超級計算提供協助的加速器等一系列面向未來的高端技術。

面向未來，拓展業務，形成生態。從 NVIDIA 的發展史可以看出，公司最早是以生產圖形加速器起家，並逐步成為微軟、索尼、暴雪等知名遊戲品牌的合作商。同時，通過一系列的外延併購已經獲得了視覺渲染的技術，並在遊戲領域中實現應用。遊戲與視覺化技術僅僅是 NVIDIA 的一部分業務，多年的技術積累與創新使 NVIDIA 可以不斷拓展自身的領域，佈局未來產業。2012 年，多倫多大學 Alex Krizhevsky 創建了能夠從 100 萬樣本中自動學習識別圖像的深度神經網絡。僅在兩塊 NVIDIA GTX580 GPU 上訓練數天，“Alex Net”就贏得了當年的 Image Net 競賽，擊敗了磨練幾十年的所有人類專家算法。認識深度學習的強大後，斯坦福的 Andrew Ng 與 NVIDIA 研究室合作開發了一種使用大規模GPU 計算系統訓練網絡的方法。這引起了全球關注。自此之後，深度神經網絡技術迅速發展，Nvidia 也一舉成為深度學習領域最炙手可熱的公司。NVIDIA 在發佈了“Fermi”架構後，在2015年發佈了用於訓練深度神經網絡的最強大的處理器NVIDIA GeForce GTX TITAN X，2016 年發佈世界上第一款臺式深度學習超級計算機，可增強人工智能應用 NVIDIA®DGX-1™。從架構到處理器再到超級計算機，NVIDIA 在不斷地完善自身的生態。不僅是在深度學習領域，在自動駕駛領域，NVIDIA 也表現出色。自 NVIDIA 入局自動駕駛技術後，不斷的研究開放式人工智能車輛計算平臺，在 2015 年推出世界上第一塊車載超級大腦第一代 Drive PX。隨著技術的不斷更新，優勢也越來越大，NVIDIA已經成為自動駕駛硬件的前沿公司。目前的 NVIDIA 已經和 70 多個知名的車企合作，其中也包括一些交通網絡提供商和自動駕駛技術公司。

大數據、人工智能、自動駕駛是社會未來發展的趨勢，公司通過自身的技術積累，重錘出擊。目前相關業務已經形成了較好的發展勢頭。據公司財報顯示，2019 年公司實現營收 109.18 億美元，其中游戲業務實現營收 55.18 億美元，同比下降 11.66%，專業可視化業務實現營收 12.12 億美元，同比增長 7.36%，數據中心業務實現營收 29.83 億美元，同比增長 1.74%；自動駕駛業務實現營收 7 億美元，同比增長 9.20%。目前遊戲業務在公司營收中佔據主要部分，達到 50%以上，但是可以看到，專業可視化、數據中心、自動駕駛等業務在營收中的佔比逐步增加。我們認為，隨著 5G 時代的來臨，消費者對信息消費的需求增加，AR/VR、雲遊戲等一系列應用的推廣，公司的遊戲業務的有望重回上升軌道，專業可視化業務繼續攀升；推動信息化社會進程加速的背後需要大數據、人工智能、自動駕駛等技術的配合，因為公司數據中心與自動駕駛業務未來將會繼續收益。

1.3.2 掌握處理器、集成 GPU、獨立 GPU 三大技術公司——AMD

起於代工，與開始 Intel 蜜月期。AMD 成立於 1969 年。剛開始的時候，AMD 沒有資金和技術優勢，一直是採取低價策略爭取成為各類產品的第二供應商。由於 IBM，促成了 AMD與 Intel 的合作，並拿到了 Intel 的 X86 指令集的授權。IBM 的採購原則是必須兩家以上的公司參與競標，於是 Intel 開放技術，全面授權 AMD 生產 X86 系列處理器，AMD 成為 8086 和 8088 處理器的第二供應商。這也間接的提升了 AMD 的技術水平。1982 年，Intel發佈 80286 處理器，這是歷史上兩家公司第一次同時打上雙方 logo 的產品。這塊產品在市場上反應也比較好，在 6 年內，全世界基於 286 處理器的個人計算機便達到了 1500萬臺。

蜜月結束，頑強生存。AMD 在獲得 286 處理器授權後便開始生產自己的 286 芯片，模仿286 製造了克隆體“Am286”。Intel 在意識到威脅後，英特爾終止了與 AMD 的技術合作協議。AMD 沒有放棄，於 1989 年自主研發了性能與 286 相似的 AM386 處理器，通過不斷生產兼容 Intel 的處理器，以低廉的價格打入市場，使得 AMD 頑強的生存著。Intel 在1997 年推出 Pentium MMX 後，退出 Socket 7 市場，這與 Intel 之前一直靠兼容性佔領CPU 市場的策略背道而馳。AMD 迅速反應，抓住 Intel 戰略失誤的機會，堅決地在 Socket7架構上推出 K6，並提出 Super Socket7 架構（向下兼容 Socket7），獲得了眾多廠商的支持。更關鍵的是，AMD 基於 Socket 接口先於 Intel 生產出了 100MHz 外頻的產品，性能上也更優異。在 1999-2003 年間，Intel 發佈了 Pentium III，並向 Pentium 4 過渡。AMD 也不甘落後，發佈 Athlon、Athlon XP 等多款產品。這個階段雙方的產品在性能上旗鼓相當，但是 AMD 一般價格上更便宜，在這段激烈的競爭中 AMD 市佔率逐步提升。從2003 年到 2006 年，Intel 在 CPU 的市場份額出現下滑，到 2006 年，AMD 已佔據 CPU 一半的市場份額。

墜入谷底，獲得契機。Intel 在 2006 年提出 Tick-Tock 戰略，即工藝製程每 2 年實現一次進步，正是基於這個策略 2006 年後 Intel 逆轉了局面。Intel 在 2006 年發佈 Core2，採用的是 65nm 工藝，使得性能增長 40%，同時功耗減少 40%。這讓 AMD 的 Athlon 優勢全無，性能上的優勢重新回到 Intel。雖然 AMD 發佈了四核 Phenom，但是因為性能不足，敵不過 Intel。在 2006 年 AMD 以 54 億美元收購顯卡巨頭 ATI。從這一刻開始，AMD 變成了世界上少數既能製造處理器 又能製造圖形芯片的廠商。在 2009 年 1 月，AMD 將自身的移動部門以 6400 萬美元賣給了高通。AMD 的處境處於谷底之中。

衝出谷底，再起起飛。雖然當時 AMD 的處境不佳，但是在家用遊戲機市場，AMD 還是稱霸全場的，在現在的 xbox.ps 系列遊戲機上，它們的核心就是 AMD 提供的，這樣的發展也算是對 AMD 的一種優勢。2017 年 AMD 發佈 Ryzen 處理器，性能出色，價格大幅低於Intel。Ryzen 處理器性能實際提升幅度高達 52%，Ryzen 在遊戲行業和新興的加密貨幣市場上均出現了穩定的需求，Intel 只好全線降價應對。Ryzen CPU 在 2017 年中發佈，主流型號 Ryzen 5 1600 短短不到一年就成為 AMD 歷史上銷量最好的產品。正是藉助於Ryzen，AMD 在 CPU 的市場份額從 2006 年以來首次出現連續幾個季度增長，終於在 2017年三季度實現扭虧為盈，股價同時也大幅上漲。AMD 在 2018 年第一季度末發佈的 Ryzen2 代，採用 12nm 工藝，對 i9 也直接發起了挑戰。

不只是 CPU，GPU 同等優秀。GPU 方面，不論是 14nm 工藝的還是 7nm 工藝的，GCN 架構時代已經過去，Radeon VII 已經停產，當前的主力架構是 7nm RDNA 架構。2018 年，AMD宣佈新品有臺積電代工，並於 2019 年 6 月，發佈 Radeon RX5700 系列遊戲顯卡，採用新一代 RDNA 架構以及臺積電 7nm 工藝，性能獲得大幅提升。目前 AMD 正在開發 RDNA 2架構。AMD 在新一代架構上實現硬件光追。從進度上來看，RDNA2 架構的產品有望在 2020年發佈。AMD 的 GPU 不僅是在 PC 端發力，在移動端方面也不甘落後。雖然過去 AMD 因為運營問題將移動部分出售高通，高通成為移動端 GPU 的領先者。然而，這都不妨礙公司在 GPU 領域的佈局。2019 年 6 月 4 日，三星集團與 AMD 公司一起正式宣佈，AMD 將把剛剛才發佈的 RDNA 圖新架構的定製圖形 IP 授權給三星集團。三星計劃把這些技術用在未來的移動 SoC 身上。AMD 和三星雙方將以 Radeon 顯示卡技術為基礎，在超低功耗、高性能行動圖形處理器 IP 上展開為期多年的合作。通過與三星的合作，AMD 進入智能終端GPU 領域，發揮自身在 GPU 領域的優勢，搶佔市場份額。

1.3.3 獲得啟示

1、強化自身實力才是硬道理。無論是 NVIDIA 還是 AMD，都曾經在發展的過程中出現一段低谷期。在低谷期中，兩家公司都通過一系列的方式不斷髮展自身的技術，例如 NVIDIA收購 Media Q 提升自身的無線圖形和多媒體技術，AMD 收購 ATI 公司獲得圖形處理器的技術。在獲得技術後，兩家公司技術進行吸收，並在後期推出了相關的重要產品，帶領公司走出困境，獲得市場的競爭優勢。

2、獨立 GPU 才是未來的方向。從 NVIDIA 發佈的產品、技術以及財報看，NVIDIA 已經信息化和數據化產業廣泛佈局，例如發佈的超級計算機、自動駕駛系統以及深度學習的解決方案等。這一系列的產品佈局有充分地說明 NVIDIA 對數據時代來臨的看好。無獨有偶，AMD 方面擁有 X86 架構的技術，已經在服務器產品上廣泛佈局。兩大 GPU 公司都看好未來對大數據處理的需求。此外，2018 年 6 月，英特爾宣佈旗下首款獨立顯卡將於2020 年正式推出，英特爾正式進入獨立顯卡市場，未來將和 NVIDIA、AMD 展開直接競爭。大數據涉及信息消費，人工智能、自動駕駛等方方面面。對大數據的處理需要大量的並行計算。根據我們的分析，獨立 GPU 擁有獨立的內存可以發揮更強的性能，適合大規模處理並行計算。隨著 5G 進程的加快，數據流量即將爆發，雲計算、雲遊戲、人工智能、車聯網等一系列應用都需要消耗大量的計算能力，對並行計算的需求將會增加。因此，獨立 GPU 具有廣泛的市場空間。

二、捕捉 GPU 應用的三大方向之一：追求極致的娛樂與性能平衡

2.1 全球遊戲市場穩步發展

移動端佔據主要市場，PC 端遊戲市場規模繼續擴大。近年來，隨著移動終端與 PC 終端的普及率不斷提升，遊戲開發商提供各類吸引玩家的遊戲，遊戲市場出現了蓬勃發展。根據 Newzoo 數據顯示，2019 年，全球遊戲市場預計將產生 1521 億美元的收入，年同比增長 9.6%；並且預計全球遊戲市場從 2018 年到 2022 年會維持穩定增長，年複合增長率達到 9%，到 2020 年全球遊戲市場收入達到 1960 億美元。2019 年，在各類遊戲中，移動遊戲（智能手機及平板電腦）是最大的細分市，產生 685 億美元的市場收入，佔據全球遊戲市場規模的 45%。由於越來越多玩家轉向了移動端，網頁遊戲的市場收入同比下滑 15.1%，但是 PC 遊戲收入規模同比增長 4%。因此，PC 端遊戲市場整體規模維持上升態勢。

2.2 遊戲發展，電競市場功不可沒

電競圈人氣快速攀升。遊戲市場的蓬勃發展離不開電競市場的貢獻。暴雪集團推出了《魔獸爭霸》、《星際爭霸》、《Dota》等一系列經典爆款遊戲，玩家人數不斷上升。為提升遊戲的知名度，吸引更多的玩家，遊戲圈舉辦了相關的電子競技比賽。隨著遊戲行業的不斷髮展，遊戲行業已經產生多款適用於電子競技的熱門產品，端遊方面有 Dota2 、英雄聯盟、風暴英雄等；手遊方面有王者榮耀、絕地求生等。熱門遊戲的推出加上相關的賽事的宣傳，全球電競圈人氣愈發旺盛。根據 Newzoo 數據顯示，2018 年，全球電競觀眾人數為 3.95 億，其中電競愛好者人數為 1.763 億；預計 2023 年，全球電競觀眾人數達到 6.46 億，同比增長 10.4%。

中國是全球電子競技產業重點區域。根據 Newzoo 數據顯示，2018 年，全球電子競技收入規模為 7.76 億美元；2019 年，全球電子競技總收入為 9.50 億美元，同比增長 22.4%，實現快速增長。當前，電子競技產業已經在全球多個地區開展，以英雄聯盟為例，中國賽區為 LPL 賽區，北美賽區為 LCS 賽區，韓國為 LCK 賽區等，還有部分外卡隊伍所在區域。根據前瞻產業研究院數據顯示，2018 年，北美地區的電子競技收入在全球電子競技行業所有地區的收入中，排名第一，為 38.1%；西歐賽區為 18.7%，排名第二；中國賽區排名第三，為 18.10%。

中國賽區具備良好的電競市場土壤，市場規模巨大。中國電競用戶分佈更為分散。根據前瞻產業研究院數據顯示，中國有 48.1%的電競用戶是在 24 歲以下的學齡段用戶，更有高達 28.1%的 30 歲以上用戶。廣泛的年齡段分佈意味著中國電競市場受眾人數較多，基礎良好，具備順延性。第二，中國的電競用戶有下沉趨勢。從區域的角度來看，三線及以下城市電競用戶佔比達到 51.5%，下沉趨勢明顯。第三，中國有優秀的電競產業鏈，內容授權方面有騰訊遊戲、完美世界等；賽事內容有 LPL、KPL；電競戰隊有 LGD、RNG、IG 等；賽事承辦方有阿里體育，聯盟電競等等；還有內容傳播商鬥魚、虎牙直播、企鵝電競等。廣大的電競全體、電競用戶群不斷下城，疊加完善的電競產業鏈造就了中國電競市場的快速發展。2016 年，中國電競產業為 532.2 億元，2017 年為 772.8 億元，2018年已經達到912.6億元，年複合增長率為30.9%。預計2019年中國電競產業規模為1150.6億元，到 2024 達到 2720 億元，年複合增長率為 18.79%，有望維持快速增長。

中國電競市場的快速發展離不開電競用戶規模的快速增長。根據MOB 研究院數據顯示，2017 年中國電競用戶為 1.3 億人，全球為 3.4 億人，中國電競市場用戶在全球中佔比為38.24%。2018 年，中國電競用戶已經達到 2.1 億人，同比上升 61.54%，佔全球電競用戶超過 50%。MOB 研究院預測，2022 年中國電競用戶人數快速增長，將達到 4.3 億人，年複合增長（從 2012 年開始計算）為 35.91%，佔全球電競用戶數 53.75%。

即使遊戲市場中 PC 端遊戲的市場份額收到終端遊戲的壓制，但是由於整體市場規模不斷髮展，PC 端遊戲市場規模也在擴大；疊加電競市場的蓬勃發展，電競觀眾以及電競用戶的規模的增長，對電競產業相關的用品的關注度也會相應地增加，其中包括運行遊戲的筆記本。根據 ZOL 數據顯示，2019 年，遊戲本關注度為 36.61%，較 2018 年增長約 2個百分點，在各類筆記本中關注度排名第一。對遊戲本的關注度增加更是體現在遊戲 PC和遊戲顯示器的出貨量增加。根據 IDC 數據顯示，2019 年第二季度全球遊戲 PC 和遊戲顯示器出貨量同比增長 16.5%。IDC 表示，在筆記本方面，遊戲筆記本電腦的銷量同比增長了 12.7%。

2.4 追求極致的視覺體驗-光追技術

IDC 認為，這是 2019 年第二季度遊戲筆記本銷量的增加是因為“支持光線追蹤遊戲本機型的大量推出”。“光追技術”即光線追蹤技術。在 SIGGRAPH 2018 計算機圖形與交互技術大會上，NVIDIA 推出世界上第一款光線追蹤 GPU，並推出了最新光線追蹤 GPU QuadroRTX 家族。光追技術能夠完美地計算光線反射、折射、散射等路線，渲染的畫面較為逼真，幾乎與真實世界真假莫辨。由於這種技術的計算量非常大，因此實時光線追蹤技術過去只在影視作品的 CG 製作中出現，一般渲染複雜的特殊效果可能需要數天乃至數週的時間，所以此前該項技術一直僅限於高成本的電影製作中，最直觀的效果就是顯示更真實。

目前該項技術以及可以應用到遊戲當中，即為遊戲開發者提供電影級畫質的實時渲染。更具體的來說，就是在真實世界中，我們看到的 3D 物體被光源照亮，且光子可以在到達觀看者的眼睛以前從一個物體反彈到另一個物體。光線追蹤技術則反過來，通過從觀者眼睛（觀景式照相機）反向追蹤光線捕捉這些效果，通過追蹤 2D 視表面上每個像素的光線的路徑，並應用到場景的 3D 模型中。此前的遊戲渲染都是將 3D 圖形投射到 2D的屏幕上，在後期進行陰影處理，所以效果會比較粗糙，而 RTX 則通過追蹤光線的軌跡來計算物品對光線的反射和折射，更真實地還原物品在現實中的顏色。

根據以上分析，光追技術可以增強玩家的遊戲體驗。在電競市場日益發展的今天，支持光追技術是未來 GPU 的趨勢。目前，除了 NVIDIA 發佈具備光追技術的 GPU 外，並沒有其他公司發佈相關產品，但是 GPU 領域的另外兩大公司——微軟與 AMD 表示正在積極研發支持光追技術的 GPU。

2.5 即使輕薄化也不能降低 GPU 性能——Max-Q 技術

對於未來筆記本的發展，IDC 認為，未來筆記本將朝著性能更強和厚度更薄的方向發展。根據 ZOL 的數據顯示，2019 年輕薄本的關注度為 26.83%，較 2018 年關注度上升約 5 個百分點。輕薄本由於其便攜性、長續航以及優秀的外觀往往成為通勤者、商務人士、女性的選擇。雖然有如此點多的優點，但是輕薄本也有不足之處，性能不如一般的筆記本。因為要保持較長額續航能力，所以性能與功耗往往會受到限制。

為了讓消費者在體驗到輕薄化帶來的便攜性同時享受性能的強悍，NVIDIA 推出了 MAX-Q技術。顯卡在提高頻率帶來性能提高的同時，功耗也必然隨之增加，但隨著功耗的提升，性能的提升幅度逐漸縮小。在達到某一平衡點之後，即使大幅度提升功耗也只能帶來非常微小的提升。NVIDIA 正是利用這樣的原理，通過計算獲得最佳的平衡點，巧妙平衡顯卡的性能和功耗，在降低 40%顯卡功耗的同時依然能支持 90%左右的性能，從而達到性能與功耗的最佳平衡。

除了硬件上的調校之外，軟件層面也做出了相當深度的優化，與硬件方面的思路十分接近，GeForce Experience 軟件新增的 WhisperMode（靜默模式）可以智能優化遊戲畫質，通過降低一些對畫面觀感影響很小的特效，大幅度降低顯卡的壓力並將幀率控制在60FPS 或者設定的某一水平上，同時也讓顯卡運行遊戲時的功耗進一步降低。而這樣的優化並不會對遊戲畫質和體驗造成明顯的影響顯卡更低的功耗水平則意味著更低的發熱水平，也就不需要傳統遊戲本大規模的散熱模組，搭載旗艦級的 GTX 1080 MAX-Q 顯卡的筆記本產品甚至可以做到 18mm 甚至更低的厚度，而這一厚度已經接近作為輕薄本存在的 MacBook Pro。重量也相比傳統遊戲本有著大幅度的降低。例如外星人系列推出的 m15 與 51m 兩款筆記本。M15 使用 RTX 2070 含Max-Q 技術的顯卡，51m 使用 RTX 2070 顯卡，在重量上，m15 為 12.16 KG,51m 為 3.87KG。

2.6 對消費電子類 GPU 的思考

2009 年，Onlive 在 GDC 上展示了孤島危機的雲遊戲版本，並聯合了 EA、育碧等遊戲廠商為其提供內容支持。雖然平臺上線後同樣因傳輸問題而流產，但是在 Onlive 實踐啟發下，索尼、NVIDIA 等廠商陸續進入雲遊戲領域。2017 年後，各大廠商明顯加快了雲遊戲佈局；其中，NVIDIA 在 2017 年發佈了 GeForce Now 平臺，EA、谷歌、微軟也在 2018年公佈了雲遊戲計劃。2019 年，NVIDIA 在 GTC China 宣佈與騰訊合作推出 Start 雲遊戲服務，為其提供 GPU 支持。由於雲遊戲是基於雲計算開展的，當玩家發送操作指令後，所有的計算過程都將由雲端服務器完成，包括畫面渲染、交互邏輯等，運算完成後再回傳到玩家的顯示終端。在這個過程當中，玩家並不需要通過配置高性能的計算機參與其中，只需要擁有顯示終端，即可體驗到大型遊戲製作，降低了玩家進入高配遊戲的門檻，有助於吸引過去由於硬件配置跟不上而被擋在門外的玩家。

雲遊戲的出現是否意味著消費電子不需要配備高性能 GPU 呢？我們認為，消費電子對高性能 GPU 依然存在。雖然雲遊戲的畫面渲染與交互邏輯等計算過程都在雲端服務器中完成，可能會減少了遊戲端對 GPU 性能的需求，但是 GPU 的作用不僅是體現在對遊戲的渲染，還體現在對圖片、視頻的渲染與後期製作，對部分模型的模擬與處理。所以，消費電子對於高性能 GPU 的需求依然會維持。

三、捕捉 GPU 應用的三大方向之二：人工智能與深度學習

3.1 未來經濟社會發展的助推器——人工智能

人工智能影響深遠，三大因素驅動發展。當前，人工智能已進入新一輪爆發期，主要驅動因素來自三個方面：一是互聯網發展提供了海量大數據資源，大大提升了算法有效性；二是計算機變革降低了硬件成本，縮短了運算時間，推動人工智能再次崛起；三是基礎算法和 AI 平臺自身創新加速，克服了傳統算法和人類手工總結不完備的缺點，實現算法有效性大幅提升。人工智能快速發展，人工智能已經成為新一輪科技革命和產業變革的核心驅動力，正在對世界經濟、經濟進步和人類生活產生極其深刻的影響。根據麥肯錫報告預測，人工智能將為全球貢獻 13 萬億美元增量 GDP，在 2018 年的基礎上增長 15%，平均每年給 GDP 貢獻 1.2 個百分點的增長，對經濟社會具有巨大貢獻潛力，並可能從根本上改變人類社會的生產方式。

人工智能前景廣闊，是經濟社會發展的一大助推器，吸引世界主要國家爭相佈局。

我國：三步走戰略積極推動 AI 發展。於 2016 年 8 月發佈《“十三五”國家科技創新規劃》，明確將人工智能作為發展新一代信息技術的主要方向；2017 年 7 月，國務院頒佈《新一代人工智能發展規劃》，制定了三步走的戰略目標：①在 2020 年人工智能總體技術和應用於世界先進水平同步，人工智能產業成為新的重要經濟增長點；②到 2025年，人工智能基礎理論實現重大突破，部分技術與應用達到世界領先水平，AI 成為帶動我國產業升級和經濟轉型的主要動力；③到 2030 年，我國人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心。

全球人工智能市場將在未來幾年經歷現象級的增長。德勤預測，未來 2025 年世界人工智能市場將超過 6 萬億美元，2017-2025 年複合增長率達 30%。根據信通院數據，我國2017 年人工智能產業規模為 206.9 億元，2018 年將達到 339.0 億元，同比增長 63.85%；到 2020 年人工智能帶動規模將達到 710.0 億元，2017-2020 年複合增速為 48.37%。

3.2 GPU 是人工智能的重要組成部分

人工智能是實現數字化和智能化社會必不可少的條件。人工智能的三大要素：數據、算力、算法。數據是人工智能算法的原材料。人工智能需要對大數據的處理與分析，挖掘出數據背後的信息與規律。算力是對大數據進行處理的能力。算法是計算機通過對數據的處理獲得的數據模型。深度學習的本質是通過對大數據的處理並建立的算法模型，可以實現各行業的 AI 應用，算法將數據和算力連到一起，共同針對不同細分場景，提供效率優化方案。

人工智能運行過程中有兩部分：訓練與推理。“訓練”可以看作算法產生的過程。具體而言就是，在現有數據基礎上，經過大量計算，確定模型參數，即建立算法模型的過程。“推理”可以看作將算法應用的過程，即在已建立的算法模型基礎上，將新數據通過算法模型處理，得出結果的過程。

“訓練”階段 GPU 具備明顯優勢。雖然 CPU 的功能模塊較多，但是大部分晶體管主要用於構建控制電路和高速緩衝存儲器，只有少部分的晶體管可以組成各類專用電路。CPU的優點在於調度、管理、協調能力強，計算能力不是重點。因此，從運算性能和效率看，CPU 不是計算芯片的最佳選擇。深度學習算法需要處理海量數據，需要進行大量的簡單運算，因此，深度學習對並行計算計算能力有較高的要求。在這一方面，GPU 擁有較強的優勢，尤其是在訓練過程中。首先，GPU 提供了多個並行計算的基礎結構，並且核心數較多，可以執行海量數據的並行計算；第二，GPU 擁有更高的訪存速度；第三，GPU擁有更高的浮點運算能力。因為人工智能時代需要大量的多媒體與 3D 圖形，所以更高的浮點計算能力意味著對圖形與媒體的快速處理。

“推理”階段 GPU 是其中一種選擇。訓練與推理階段對運算的要求有所不同，訓練階段需要大量繁複的運算，並且為了讓人工智能模型獲得更佳的參數調整數據，運算的精準細膩度較高，而推理階段則相反，模型已經訓練完成，不再需要龐大運算量，且為了儘快獲得推理結果，允許以較低的精度運算。因此，在推理過程中，芯片有多種選擇，主要用 CPU、GPU、FPGA、ASIC 四種芯片。CPU：適合進行邏輯控制、串行計算等通用計算；GPU 並行計算能力強，但是無法單獨工作，必須由 CPU 進行控制調用才能工作；FPGA 適用於多指令，單數據流的分析，因此常用於預測階段，如雲端。但是 FPGA 在實現複雜算法方面有一定的難度，運算量相對 GPU 小，量產成本高；ASIC 專用性強，但是開發週期較長，開發環境需要底層硬件編程，開發難度極高。

3.3 GPU 在深度學習領域空間廣闊

芯片是人工智能領域不可或缺的成分。隨著 AI 使用的廣泛使用，帶動 AI 芯片常常的蓬勃發展。根據賽迪顧問數據顯示，2019 年-2021 年，中國 AI 芯片市場規模為 124 億元\\193.7 億元\\305.7 億元，分別同比增長 53.6%\\56.21%\\57.82%，年複合增長率為 57.01%。其中雲端芯片市場份額最大，接近 50%，市場規模從 2019 年的 61.4億元增長至 2020 年139.4 億元。

根據我們的分析，GPU 提供了多個並行計算的基礎結構，並且核心數較多，可以進行海量數據的並行計算；擁有更高的訪存速度；第三，GPU 擁有更高的浮點運算能力。因此，GPU 是 AI“訓練”階段較為適合的芯片。GPU 在 AI 時代的雲端訓練芯片中佔據較大的份額，達到 64.%。雖然後期由於 FPGA 以及 ASIC 技術的突破，GPU 的市場份額有所下降，但是仍然是雲端訓練市場份額最大的芯片，2019 年-2021 年年複合增長率達到 40%。

從目前的技術看，FPGA 由於量產成本高，並且設置需要 FPGA 硬件姿勢，編程和配置較高；ASIC 由於開發週期較長，開發難度，GPU 在雲端推理階段仍然是較為合適的芯片，但是有 GPU 也存在功耗高，量產成本高等問題，所以 GPU 在雲端推理階段的市場份額並沒有明天優勢，約為 41.84%，年複合增長率為 56.5%。

隨著人工智能應用的推進，人工智能生態不斷完善，在終端設備上將會出現越來越多的越來越多的 AI 應用，對推斷計算的需求會越來越多，終端推斷芯片的需求也會隨之增加。未來，隨著終端細分場景的落地，終端推斷芯片將呈現出專業化發展趨勢，同時由於終端對於性能、功耗、成本都更為敏感，這也使得相比 GPU、FPGA 更為專用、能效更高、成本更低的 ASIC 芯片將呈現快速增長勢頭。但是 GPU 目前依然是主流終端設備中的必須器件，所以市場份額不會下降太多。

四、捕捉 GPU 應用的三大方向之三：自動駕駛

4.1 自動駕駛市場空間廣闊

當前，汽車正由人工操控的機械產品逐步向電子信息系統控制的智能產品轉變。智能汽車是指通過搭載先進傳感器等裝置，運用人工智能等新技術，具有自動駕駛功能，逐步成為智能移動空間和應用終端的新一代汽車。當前，自動駕駛技術已經成為整個汽車產業的最新發展方向。應用自動駕駛技術可以全面提升汽車駕駛的各方面性能，滿足更高層次的市場需求。 5G 的加速推進使自動駕駛的落地可能性在不斷增大，同時近兩年隨著感知技術、算法、芯片、決策控制、系統融合等關鍵技術的快速發展。據全球市場調研機構 IHS Market 預測，2025 年全球自動駕駛汽車銷量將達到 60 萬輛，2035 年將達到 2100 萬輛。預計 2020 年 L1/2 滲透率有望達到 40%，2025 年 L3、L4/5 滲透率分別有望達到 15%、5%。伴隨 5G 推動 L4/5 自動駕駛逐步落地，2030 年中國自動駕駛出行服務收入規模有望突破萬億。根據《智能汽車創新發展戰略》，到 2025 年，中國實現有條件自動駕駛的智能汽車達到規模化生產，實現高度自動駕駛的智能汽車在特定環境下市場化應用。

4.2 國外龍頭企業積極佈局

NVIDIA：2019 年 12 月，NVIDIA 發佈了軟件定義的自動駕駛汽車平臺——DRIVE AGX Orin，其中內置了 NVIDIA 自研的全新的自動駕駛芯片 Orin，這是一款系統級芯片，晶體管數量高達 170 億個，集成 NVIDIA 新一代 GPU 內核和 Arm Hercules CPU 內核以及全新深度學習和計算機視覺加速器，性能高達 200 TOPS，大約是上一代 Xavier 的 7 倍。Orin 可處理在自動駕駛汽車和機器人中同時運行的大量應用和深度神經網絡，並且達到了 ISO 26262 ASIL-D 等系統安全標準，能夠支持從 L2 級到 L5 級完全自動駕駛汽車開發的兼容架構平臺，助力 OEM 開發大型複雜的軟件產品系列。

此外，NVIDIA 與滴滴進行合作。為幫助滴滴實現自動駕駛，NVIDIA DRIVE 藉助多個深度神經網絡融合來自各類傳感器（攝像頭、激光雷達、雷達等）的數據,為滴滴 L4 級自動駕駛汽車提供推理能力，從而實現對汽車周圍環境 360 度全方位的理解，並規劃出安全的行駛路徑。為了訓練這些深度神經網絡，滴滴將採用 NVIDIA GPU 數據中心服務器。

高通：高通已經獲得了超過 70 億美元的汽車訂單，2019 年全年 242 億美元的營收中，有 6 億美元來自汽車相關業務，且該金額預計到 2024 年將上升至 15 億美元。在 2020 CES前夕，高通發佈自動駕駛平臺 Snapdragon Ride，包括安全芯片、安全加速器和自動駕駛軟件棧，支持 L1 到 L5 級別的自動駕駛，這也是其首次推出系統化的自動駕駛芯片產品。高通有望在 2020 年上半年向客戶運送芯片和系統，並預計裝備有這些技術和芯片的汽車將於 2023 年開始生產。

英特爾：2017 年，英特爾以 153 億美元收購 Mobileye。Mobileye 主要從事 ADAS 系統和自動駕駛視覺技術開發，同時還擁有針對自動駕駛領域自主研發的 EyeQ 系列視覺處理芯片。目前，Mobileye 已與全球 25 家主機廠商和 13 家汽車製造廠商達成合作，全球搭載 MobileyeADAS 安全方案的車輛已經超過 2700 萬輛。目前，Mobileye 旗下的幾款產品已經佔到 ADAS 領域 90%市場份額。在收購 Mobileye 之前，英特爾先後收購了 FPGA 芯片巨頭 Altera、視覺算法公司 Movidius，以此形成了自動駕駛端到端的完整解決方案。

4.3 自動駕駛目前以 GPU 為主

過去汽車電子芯片以與傳感器一一對應的電子控制單元（ECU）為主，主要分佈與發動機等核心部件上。隨著汽車智能化的發展，汽車傳感器越來越多，傳統的分佈式架構逐漸落後，由中心化架構 DCU、MDC 逐步替代。

自動駕駛的實現，需要依賴感知傳感器對道路環境的信息進行採集，包括超聲波、攝像頭、毫米波雷達、激光雷達等，採集的好的數據需要傳送到汽車中央處理器進行處理，用來識別障礙物、可行道路等，最後依據識別的結果，規劃路徑、制定速度，自動驅使汽車行駛。整個過程需要在瞬時完成，延時必須要控制在毫秒甚至微秒級別，才能保證自動駕駛的行駛安全。因此，對中央處理器的算力要求非常高。

以用於感知道路環境的攝像頭為例。一般而言，自動駕駛車身需要配置 12 個攝像頭。為了識別障礙物，處理器需要對多路攝像頭實時拍攝的數據進行解析。因此，單顆 1080P的高清攝像頭每秒可以產生超過 1G 的數據。12 個攝像頭每秒產生 12G 數據量。瞬時海量的數據處理對計算能力要求非常高，GPU 有著較強的優勢。相比 GPU 在傳統的車載儀表盤渲染能力要求，ADAS 更強調 GPU 的並行計算能力，已實現對圖像進行分析和處理。ADAS 和全自動駕駛平臺將使用 GPU 來分析傳感器數據，以此迅速做出反應。這些數據不僅來自傳感器，還來自攝像頭。圖像處理本身需要的是能對計算密集度較高得並行計算做出反應，在並行計算方面，GPU 有著較強的優勢。

目前，自動駕駛的主流方案是 GPU + CPU 。這是由於 FPGA 的技術門檻較高，處於創業類自動駕駛公司而言在短期內掌握足夠熟練的 FPGA 編程技術並實現硬件可靠性設計的難度太大，因此使用通用型 CPU+GPU 來做自動駕駛計算平臺或域控制器的開發成為當前的主流。

閱讀更多 獅門 的文章

關鍵字: 超微半導體 英特爾 人工智能