国产 GPU 的现状:自研与 IP 授权并行

国产 GPU 的现状:自研与 IP 授权并行 目前国内主要的十家GPU公司中有7家是2015年后成立的,有5家是2018年后成立。 这些企业基本都是以商用IP为主,大多数自研架构的企业业务集中在AI计算等领域,只有景嘉微等少数企业有自研架构的图形渲染显卡产品。 国产GPU面临的问题主要集中在IP授权的不可控性、先进制程的不可控性。 有不少企业都是采用的商用IP授权,然后自行修改迭代,如果IP供应商终止合作,那么就会面临研发、生产中断等问题。 因为GPU架构自研难度极高,目前国产GPU的自研+IP授权的并行发展机制是十分必要的。通过IP授权研发自主架构GPU,以此培养自己的产业链和产品设计思路并获得资金流转,再以IP授权芯片的收入来弥补自研架构的研发投入缺口,最终形成自循环的研发体系。 #阅读材料

相关推荐

封面图片

传三星将在2026年抛弃AMD 改而使用自研GPU架构

传三星将在2026年抛弃AMD 改而使用自研GPU架构 2023年10月,三星又推出了Exynos 2400(S5E9945),集成GPU Xclipse 940架构升级为RDNA3。后续规划的还有Exynos 2500(S5E9955),预计今年晚些时候或者明年初发布,GPU架构肯定会继续升级,但细节暂时不详。据最新可靠曝料,2026年的再下一代产品上,三星将会抛弃AMD,改而使用自研的GPU架构。三星与AMD的授权协议签署于2019年,三年后才推出首款产品,2023年续约一次,也就是第一次签约有效期是四年,第二次也差不多,那么2026年改用自研架构也是一个合理的时间点。之所以说“又”,是因为早在2015年之前,三星就曾尝试过自研GPU,代号为“Mongoose”(猫鼬),还正好是高通Krait(金环蛇)的天敌,但最终无疾而终。一定程度上可以说,自研GPU比自研CPU难度还要大,苹果的自研GPU都没能成功。这次就看三星能做到什么程度了。 ... PC版: 手机版:

封面图片

【从IP自控、市场定位和风险识别的角度谈谈国产通用计算和图形GPU的初创产品】虽然外购IP+Design service看似是讨

【从IP自控、市场定位和风险识别的角度谈谈国产通用计算和图形GPU的初创产品】虽然外购IP+Design service看似是讨巧的商业,核心电路专利不能自控和自主迭代,但却十分有利于商业变现,极大降低了研发周期和风险。既不能轻视外购IP的商业模式,也不能轻易的自称自研。 #抽屉IT

封面图片

Meta今年将部署自研芯片,搭配其他公司的GPU支持AI

Meta今年将部署自研芯片,搭配其他公司的GPU支持AI Meta Platforms(原Facebook)将于2024年部署新款自研的定制款芯片到旗下数据中心,以支持人工智能(AI)。Meta发言人回应称,这款定制芯片将搭配公司购买的现成GPU发挥作用。(路透) 标签: #Meta #AI 频道: @GodlyNews1 投稿: @GodlyNewsBot

封面图片

龙芯有意入局显卡市场,目前已完成通用计算 GPU 相关 IP 设计

龙芯有意入局显卡市场,目前已完成通用计算 GPU 相关 IP 设计 过去 20 年中龙芯的主要产品是 CPU 处理器,而这两年龙芯已经开始自研集成 GPU,官方现在确认明年将会推出支持显卡及计算加速通用计算 GPU 芯片。 龙芯表示,公司的通用计算 GPU(GPGPU)目前已经完成相关 IP 的设计,正处于验证及优化过程中,第一个集成自研通用计算 GPU 核的 SoC 芯片,计划于 2024 年一季度流片。 而龙芯将此基础上研制兼顾显卡和计算加速卡功能的 GPGPU 芯片,计划于 2024 年下半年流片。 来自:雷锋 频道:@kejiqu 群组:@kejiquchat 投稿:@kejiqubot

封面图片

Azure AI 入门 (三)摩尔定律,GPU与并行计算

Azure AI 入门 (三)摩尔定律,GPU与并行计算 摩尔定律(图一)是英特尔Intel创始人之一戈登·摩尔的经验之谈,其核心内容为:集成电路IC相同面积上可以容纳的晶体管Transistor数目在18个月到24个月便会增加一倍,因此处理器的性能大约每两年翻一倍,同时价格下降为之前的一半。 虽然名为“定律”,但其只是根据20世纪中后期的发展趋势归纳而成。进入21世纪以后,以英特尔为代表的中央处理器CPU的发展趋势渐渐慢于摩尔的预测的。仅依靠单颗处理器的速度提升已无法满足日渐复杂的计算任务,比如3维图形的渲染(3D rendering)。 因此,英伟达Nvidia在1999年提出了硬件图形处理器(Graphics Processing Unit)的概念,以大量的只能完成某些特殊任务的微处理器,代替少量的通用处理器。软件方面,并行计算也从专业科学领域逐渐向大众领域流行。用一个可能不是最恰当的比方,CPU像是由4位特级厨师组成的小组,可以完成任何烹饪任务,而GPU像是用同样工资请来的128位三明治店的员工。GPU不能做很多事,像完成一些特定的菜,但如果任务是制作2000人份的三明治,GPU一定可以依靠并行计算比CPU完成得快许多。 GPU与并行计算的普及,也使得云计算成为了可能。计算机科学家在设计计算任务时通常会首先考虑能否将大任务拆分成能同时进行的更小任务,从而可以同时运行在服务商提供的大量数目的CPU和GPU上。 图二 英伟达创始人黄仁勋 Jensen Huang

封面图片

CPU 和 GPU 和能效都是 888 水平

CPU 和 GPU 和能效都是 888 水平 N+2 工艺 超线程没用 888 是三年前的 SoC 了,但作为被制裁情况下摸出来的,自研 CPU 架构(移植自服务器核心)和 GPU 架构,很了不起了。 但从现在,艰难的突破帷幕才正式拉开。

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人