芯片|星能资产：GPGPU成为市场公认的芯片领域新的投资热点( 二 ) GPU|it芯片|重器|创投圈

02
市场应用空间广阔
国产替代意愿强烈
GPGPU可以覆盖的计算精度从4bit到64bit ，特别是在32bit、64bit上， GPGPU非常适合高性能计算场景。这也是为什么在如信号处理、三维医学成像、民用雷达、能源等重要的工业、国防、科研领域， GPGPU被广泛看好的原因。如今GPGPU在高性能计算的优势已经被大企业、政府、学术界和工业界广泛认可。其最典型的应用例如基因测序工作中海量计算可以不再用国家超级计算中心排队，仅需要搭建一台专用的HPC（高速计算机），利用其中的GPGPU即可完成。

目前在超算、大数据处理、人工智能等对算力要求非常高的应用场景中，算力大都采用CPU+GPGPU或搭配专用加速芯片的构建方式。以超算领域为例， 2020年全球超算系统TOP500中，有七成采用GPGPU ，在TOP25中，有20个采用GPGPU 。
如今，我国GPGPU市场正体现出强劲的发展势头。根据有关数据预测，到2025年，我国GPGPU芯片板卡的市场规模将达458亿元，年复合增长率高达32% 。作为一个足够大的赛道，未来也一定会诞生出行业巨头和独角兽企业。
但是从生态与落地来看，目前中国GPGPU 90%的市场都被以英伟达为代表的外企瓜分。比如数据中心是算力需求最大的地方，也是替代最难的领域。客户对算力要求大、价格敏感，且都有长期使用英伟达的习惯。中国的云端AI训练芯片市场上，英伟达的市场份额达到90% 。
像GPGPU这样一个广泛应用于政府、企业、国防、科研领域的产品，处于外企一家独大的局面，从产业链的角度显然难言安全，特别是在如今中美科技战，以及国内强调产业链自主可控的大背景下，可以说GPGPU产品国产化势在必行。
03
国产GPGPU落地元年

针对高性能通用计算的GPGPU属于大芯片范畴，开发难度大、专利壁垒高，有极强的准入门槛。
技术门槛：高端GPGPU普遍是7nm起步，甚至是5nm 。
资金门槛：芯片流片费用动则上亿元， 12nm需要5000万美元；7nm、5nm等制程需要1-1.5亿美元，需要稳定、充裕的资金支持。
开发周期：由于开发周期长， 2-3年才可能有市场收益。
人才门槛：核心团队的能力和建制是重要指标，非常需要具有先进制程成功交付经验的人才。
高算力的GPGPU芯片，在量产前要经历冗长的设计测试流程。通常一款高端芯片前端和后端设计要耗时1~3年，设计完成后流片环节需要3~6个月，期间还会有流片失败一切重来的风险。即使成功流片，还需经过3~12个月的产品测试调优，才能开启量产。
一款GPGPU芯片从研发到最终落地， 10亿元人民币只能说是最基本的下限。高投入意味着必须要高产出才能盈利，因此产品落地量产势在必行。产品高性能下的性价比，性价比决定出货量。目前国内GPGPU领域企业格局已经初步恒定。短时间内不会出现新的玩家，头部效应将会越来越明显，接下来将会进入比拼产品的阶段。比如2021年成功推出了两款可覆盖双精度（64位）的7纳米工艺制程GPGPU的红山微电子。
【红山微电子】
红山微电子成立于2019年4月，是一家覆盖全精度的GPGPU芯片设计公司，兼具计算芯片和存储芯片研发设计能力。创始人赵先明先生曾担任中兴通讯董事长兼CEO ，核心团队来自原中兴微电子。
红山微电子2021年8月已经实现国内首款7nm制程双精度高性能智算芯片——“红山SC3”芯片的量产。得到了包括基因工程、生物制药、智能汽车等多个行业的多个龙头企业的认可。特别是通过深化行业应用，目前基于该协处理器的基因信息分析适配已经完成，在高通量基因分析领域实现了对GATK 的国产替代。