核心观点：GPU具备图形渲染和并行计算两大核心功能，其应用场景主要包括个人电脑、服务器、自动驾驶、移动端。全球GPU市场保持良好成长性，AI服务器成为市场增长的核心支撑，随着生成式AI大模型进入到辅助生产力阶段，服务器GPU市场需求更为旺盛。英伟达凭借其数据中心GPU的核心技术优势，成为全球人工智能芯片的引领者。AMD作为全球领先的芯片设计厂商，在GPU市场中与英伟达互相角逐。国内GPU市场空间广阔，涌现出一批优秀的GPU设计和制造厂商。
　　 GPU具备图形渲染和并行计算两大核心功能。GPU具有数量众多的运算单元，适合计算密集、易于并行的程序，一般作为协处理器负责图形渲染和并行计算。GPU微架构由流处理器、纹理映射单元、光栅化处理单元、光线追踪核心、张量核心、缓存等部件共同组成，微架构的设计对GPU性能的提升发挥着至关重要的作用，也是GPU研发过程中最关键的技术壁垒。GPU应用程序接口（API）帮助GPU高效实现渲染功能，在并行计算方面，CUDA（统一计算设备架构）的诞生大幅降低GPGPU并行计算的编程难度，实现GPU的通用化，“个人计算机”变成可以实现并行运算的“超级计算机”。
　　全球GPU市场保持良好成长性，AI服务器成为市场增长的核心支撑。2023年GPU全球市场规模预计为595亿美元，行业保持高速增长，CAGR为32.9%。GPU的市场主体可以分为个人电脑GPU、服务器GPU、自动驾驶GPU、移动端GPU。过去的几个季度里，个人电脑GPU市场遭受巨大冲击，出货量显著下滑。核心原因有三点：一、个人电脑市场处于下行周期；二、虚拟货币挖矿退潮对独立GPU出货造成巨大冲击；三、下游板卡厂商开启降库存周期。近期，各类不利因素正在逐渐消融，个人电脑GPU市场迎来曙光。服务器GPU主要用于AI和高性能计算，人工智能行业的高速发展带来了旺盛的AI算力需求，AI服务器成为GPU市场增长的核心支撑。以ChatGPT为代表的自然语言大模型展现出高度智能，生成式AI能力不断突破进入到辅助生产力阶段，AI模型算力需求迈上新台阶，对服务器GPU市场带来显著拉动效应。自动驾驶GPU在高等级自动驾驶中具备显著技术优势，随着高等级自动驾驶渗透率逐步提升，自动驾驶GPU市场也进入高速成长阶段。
　　英伟达凭借其数据中心GPU的核心技术优势，成为全球人工智能芯片的领导者。英伟达过去专注于GPU芯片设计，目前已经转型成为计算平台企业，成为人工智能芯片的领导者。其主营业务包含游戏&娱乐、数据中心、专业可视化、汽车业务。过去的两个季度中，伴随着个人电脑GPU整体市场需求疲软，英伟达游戏&娱乐业务营收大幅下滑。随着虚拟货币挖矿退潮对GPU独立显卡带来的冲击逐渐下降，公司22Q4游戏&娱乐业务再次环比提升，我们认为公司个人电脑GPU业务正逐步恢复到正常成长阶段。2022年英伟达数据中心业务营收超过游戏&娱乐业务，成为第一大收入来源，公司GPGPU具备核心技术优势，在AI芯片市场中占据主导地位，其数据中心业务将为公司的高质量成长贡献长期动力。在自动驾驶业务方面，英伟达提供全栈式的自动驾驶解决方案，硬件层面上，其Orin和Thor自动驾驶芯片提供大幅算力，同时DLA模块和PVA模块实现AI算法加速；在软件层面上提供完整的开发者套件，其自动驾驶业务的平台化优势保证了英伟达在高等级自动驾驶中的领先地位。
　　 AMD作为全球领先的芯片设计厂商，在GPU市场中与英伟达互相角逐。AMD的数据中心业务和嵌入式业务展现良好的增长趋势，公司同时提供个人电脑GPU和数据中心GPU。公司的集成GPU主要被运用在台式机和笔记本的APU产品，相比独立GPU更具性价比优势。Radeon系列独立GPU构建于RDNA 3架构之上，采用5nm工艺和chiplet设计，实现了性能的整体提升。AMD推出用于数据中心的Radeon Instinct GPU加速芯片，Instinct系列基于CDNA架构。最新的CDNA 2架构实现计算能力和互联能力的显著提升，采用CDNA 2架构的计算芯片MI250X与英伟达的先进计算芯片性能指标不分伯仲。AMDROCm对标英伟达CUDA，其计算生态也在不断的丰富过程当中。
　　移动端的主要玩家包括高通、ARM、Imagination。移动端GPU在设计过程中受到能耗和体积方面的限制，都是以集成的SOC芯片的形式出现在移动端。高通在旗舰Android智能手机SoC市场中保持领先地位，ARM是领先的GPUIP公司，Imagination的PowerVR架构在移动芯片领域得到市场的广泛认可，随后陆续提出PowerVR的升级版本IMG系列架构。
　　国内GPU市场空间广阔，涌现出一批优秀的GPU设计和制造厂商。根据Verified Market Research数据，2020年中国大陆GPU市场规模为47.39亿美元，预计2023年中国GPU市场规模将达到111亿美元。伴随着近期宏观经济回暖以及国内互联网企业纷纷加大AI算力布局，PC和服务器的需求上升有望为国内GPU市场带来整体拉动效应。国内涌现出一批优秀的GPU设计和制造厂商，诸如海光信息和景嘉微。海光信息DCU的产品性能均达到了国际上同类型主流高端处理器水平，在国内处于领先地位，同时海光信息DCU

研究报告全文：证券研究报告GPU行业深度研究AI大模型浪潮风起GPU芯片再立潮头分析师阎贵成分析师金戈分析师于芳博yanguichengcsccomcnjingecsccomcnyufangbocsccomcnSAC编号S1440518040002SAC编号S1440517110001SAC编号S1440522030001SFC中央编号BNS315SFC中央编号BPD352发布日期2023年3月26日本报告由中信建投证券股份有限公司在中华人民共和国仅为本报告目的不包括香港澳门台湾提供在遵守适用的法律法规情况下本报告亦可能由中信建投国际证券有限公司在香港提供同时请参阅最后一页的重要声明核心观点核心观点GPU具备图形渲染和并行计算两大核心功能其应用场景主要包括个人电脑服务器自动驾驶移动端全球GPU市场保持良好成长性AI服务器成为市场增长的核心支撑随着生成式AI大模型进入到辅助生产力阶段服务器GPU市场需求更为旺盛英伟达凭借其数据中心GPU的核心技术优势成为全球人工智能芯片的引领者AMD作为全球领先的芯片设计厂商在GPU市场中与英伟达互相角逐国内GPU市场空间广阔涌现出一批优秀的GPU设计和制造厂商GPU具备图形渲染和并行计算两大核心功能GPU具有数量众多的运算单元适合计算密集易于并行的程序一般作为协处理器负责图形渲染和并行计算GPU微架构由流处理器纹理映射单元光栅化处理单元光线追踪核心张量核心缓存等部件共同组成微架构的设计对GPU性能的提升发挥着至关重要的作用也是GPU研发过程中最关键的技术壁垒GPU应用程序接口API帮助GPU高效实现渲染功能在并行计算方面CUDA统一计算设备架构的诞生大幅降低GPGPU并行计算的编程难度实现GPU的通用化个人计算机变成可以实现并行运算的超级计算机全球GPU市场保持良好成长性AI服务器成为市场增长的核心支撑2023年GPU全球市场规模预计为595亿美元行业保持高速增长CAGR为329GPU的市场主体可以分为个人电脑GPU服务器GPU自动驾驶GPU移动端GPU过去的几个季度里个人电脑GPU市场遭受巨大冲击出货量显著下滑核心原因有三点一个人电脑市场处于下行周期二虚拟货币挖矿退潮对独立GPU出货造成巨大冲击三下游板卡厂商开启降库存周期近期各类不利因素正在逐渐消融个人电脑GPU市场迎来曙光服务器GPU主要用于AI和高性能计算人工智能行业的高速发展带来了旺盛的AI算力需求AI服务器成为GPU市场增长的核心支撑以ChatGPT为代表的自然语言大模型展现出高度智能生成式AI能力不断突破进入到辅助生产力阶段AI模型算力需求迈上新台阶对服务器GPU市场带来显著拉动效应自动驾驶GPU在高等级自动驾驶中具备显著技术优势随着高等级自动驾驶渗透率逐步提升自动驾驶GPU市场也进入高速成长阶段英伟达凭借其数据中心GPU的核心技术优势成为全球人工智能芯片的领导者英伟达过去专注于GPU芯片设计目前已经转型成为计算平台企业成为人工智能芯片的领导者其主营业务包含游戏娱乐数据中心专业可视化汽车业务过去的两个季度中伴随着个人电脑GPU整体市场需求疲软英伟达游戏娱乐业务营收大幅下滑随着虚拟货币挖矿退潮对GPU独立显卡带来的冲击逐渐下降公司22Q4游戏核心观点娱乐业务再次环比提升我们认为公司个人电脑GPU业务正逐步恢复到正常成长阶段2022年英伟达数据中心业务营收超过游戏娱乐业务成为第一大收入来源公司GPGPU具备核心技术优势在AI芯片市场中占据主导地位其数据中心业务将为公司的高质量成长贡献长期动力在自动驾驶业务方面英伟达提供全栈式的自动驾驶解决方案硬件层面上其Orin和Thor自动驾驶芯片提供大幅算力同时DLA模块和PVA模块实现AI算法加速在软件层面上提供完整的开发者套件其自动驾驶业务的平台化优势保证了英伟达在高等级自动驾驶中的领先地位AMD作为全球领先的芯片设计厂商在GPU市场中与英伟达互相角逐AMD的数据中心业务和嵌入式业务展现良好的增长趋势公司同时提供个人电脑GPU和数据中心GPU公司的集成GPU主要被运用在台式机和笔记本的APU产品相比独立GPU更具性价比优势Radeon系列独立GPU构建于RDNA3架构之上采用5nm工艺和chiplet设计实现了性能的整体提升AMD推出用于数据中心的RadeonInstinctGPU加速芯片Instinct系列基于CDNA架构最新的CDNA2架构实现计算能力和互联能力的显著提升采用CDNA2架构的计算芯片MI250X与英伟达的先进计算芯片性能指标不分伯仲AMDROCm对标英伟达CUDA其计算生态也在不断的丰富过程当中移动端的主要玩家包括高通ARMImagination移动端GPU在设计过程中受到能耗和体积方面的限制都是以集成的SOC芯片的形式出现在移动端高通在旗舰Android智能手机SoC市场中保持领先地位ARM是领先的GPUIP公司Imagination的PowerVR架构在移动芯片领域得到市场的广泛认可随后陆续提出PowerVR的升级版本IMG系列架构国内GPU市场空间广阔涌现出一批优秀的GPU设计和制造厂商根据VerifiedMarketResearch数据2020年中国大陆GPU市场规模为4739亿美元预计2023年中国GPU市场规模将达到111亿美元伴随着近期宏观经济回暖以及国内互联网企业纷纷加大AI算力布局PC和服务器的需求上升有望为国内GPU市场带来整体拉动效应国内涌现出一批优秀的GPU设计和制造厂商诸如海光信息和景嘉微海光信息DCU的产品性能均达到了国际上同类型主流高端处理器水平在国内处于领先地位同时海光信息DCU协处理器全面兼容ROCmGPU计算生态景嘉微GPU研发历史悠久技术积淀深厚其GPU性能优越芯片业务整体展现良好增长势头风险提示个人电脑出货不及预期AI技术进展不及预期互联网厂商资本开支不及预期自动驾驶进展不及预期国产替代进程不及预期参与厂商众多导致竞争格局恶化目录第一章GPU芯片概述05第二章GPU市场概述18第三章人工智能芯片的引领者英伟达33第四章全球第二大GPU厂商AMD55第五章移动GPU厂商63第六章国内GPU厂商发展情况71第七章风险提示83第一章GPU芯片概述0511GPU定义和主要组成GPUGraphicsProcessingUnit一般称为图形处理器被广泛用于个人电脑工作站移动设备游戏机嵌入式系统中做图像和图形相关运算工作GPU结构GPU是一个异构的多核处理器芯片针对图形图像处理优化通常包括运算单元L0L1L2缓存Warp调度器存取单元分配单元寄存器堆PCIe总线接口显卡互联单元等组件GPU工作方式GPU并不是一个独立运行的计算平台需要通过PCIe总线与CPU连接在一起来协同工作可以看作CPU的协处理器图英伟达A100GPU图CPU-GPU异构架构资料来源英伟达CSDN中信建投12GPU相较于CPU并行计算能力更强一CPU当中运算单元占据面积相对较小CPU硬件设计过程中为了实现低延迟增加了存储单元和控制单元的复杂度运算单元在GPU中占据面积相对较小以IntelCorei73960X为例其运算单元面积6214mm2大致占总芯片面积435mm2的30CPU的并行计算能力相对较弱CPU通过指令级并行数据级并行也可以提升其并行计算能力但是带来的提升也是有限的单核CPU性能逐步逼近物理极限由于CPU受到能耗墙的限制CPU主频难以持续提升单核CPU性能逐步逼近物理极限采用多核CPU的策略一定程度缓解了CPU性能提升的制约当前大数据和人工智能带来了海量的数据CPU已经无法跟上多源异构数据的爆炸性增长图CPU的功能区域分布图CPU的主频受到能耗墙限制接口功能区域共享L3缓存1075mm21075mm2主频CPU运算单元存储器控制214mm2667mm2IntelCorei73960X227亿晶体管面积435mm2资料来源IntelWikipedia中信建投12GPU相较于CPU并行计算能力更强二GPU具有数量众多的运算单元采用极简的流水线进行设计适合计算密集易于并行的程序CPU的运算单元数目相对较少单一运算核心的运算能力更强采用分支预测寄存器重命名乱序执行等复杂的处理器设计适合相对复杂的串行运算GPU设计过程中侧重吞吐优化具备强大的内存访问带宽CPU设计过程中侧重时延优化包含复杂的多级缓存L1L2L3和逻辑控制单元CPU承担运算核心和控制中心的地位GPU一般作为协处理器负责图形渲染和并行计算图CPU和GPU的架构比对图表GPU和CPU的区别维度GPUCPU核心数量数千个加速核心几十个核心简单的逻辑控制复杂的逻辑控制单元产品特多线程以到达超大并行吞吐量通过多级缓存降低延迟点高效众多的运算单元ALU少量强大的运算单元ALU适用场景计算密集易于并行的程序逻辑控制串行运算的程序资料来源英伟达中信建投13GPU的核心功能一图形渲染GPU凭借其较强的并行计算能力已经成为个人电脑中图像渲染的专用处理器图形渲染具体实现要通过五阶段顶点着色形状装配光栅化纹理填充着色测试与混合GPU渲染流程三维图像信息输入GPU后读取3D图形外观的顶点数据后1在流处理器中构建3D图形的的整体骨架即顶点处理2由光栅化处理单元把矢量图形转化为一系列像素点即光栅化操作3在纹理映射单元实现纹理填充4在流处理器中完成对像素的计算和处理即着色处理5在光栅化处理单元中实现测试与混合任务至此实现一个完整的GPU渲染流程图渲染流程操作图GPU硬件架构下的渲染流程纹理数据纹理映射单元中完成纹理填充顶点数据顶点数据顶点处理光栅化像素处理显存1顶点着色2形状装配3光栅化光栅化处理单元器4纹理填充着色5测试与混合流处理器流处理器资料来源OpenGenusVmware中信建投14GPU的核心功能二通用计算2003年GPGPUGeneralPurposecomputingonGPU基于GPU的通用计算的概念首次被提出意指利用GPU的计算能力在非图形处理领域进行更通用更广泛的科学计算GPGPU概念的提出为GPU更为广泛的应用开拓了思路GPGPU在传统GPU的基础上进行了优化设计部分GPGPU会去除GPU中负责图形处理加速的硬件组成使之更适合高性能并行计算GPGPU在数据中心被广泛地应用在人工智能和高性能计算数据分析等领域GPGPU的并行处理结构非常适合人工智能计算人工智能计算精度需求往往不高INT8FP16FP32往往可以满足大部分人工智能计算GPGPU同时可以提供FP64的高精度计算使得GPGPU适合信号处理三维医学成像雷达成像等高性能计算场景图GPU与GPGPU的差异图GPGPU在数据中心中承担的工作任务图形渲染通用计算人工智高性能能计算计算GPUGPGPU资料来源CSDN英伟达官网中信建投15微架构设计是GPU性能提升的关键所在GPU微架构MicroArchitecture是兼容特定指令集的物理电路构成由流处理器纹理映射单元光栅化处理单元光线追踪核心张量核心缓存等部件共同组成图形渲染过程中的图形函数主要用于绘制各种图形及像素实现光影处理3D坐标变换等过程期间涉及大量同类型数据如图像矩阵的密集独立的数值计算而GPU结构中众多重复的计算单元就是为适应于此类特点的数据运算而设计的微架构的设计对GPU性能的提升发挥着至关重要的作用也是GPU研发过程中最关键的技术壁垒微架构设计影响到芯片的最高频率一定频率下的运算能力一定工艺下的能耗水平是芯片设计的灵魂所在英伟达H100相比于A10012倍的性能提升来自于核心数目的提升52倍的性能提升来自于微架构的设计图英伟达AdaAD102GPU架构图英伟达H100相比于A100的性能提升微架构单元资料来源英伟达官网中信建投16GPU微架构的硬件构成一流处理器StreamProcessor是GPU内基本运算单元通常由整图英伟达Turing的微架构单元点运算部分和浮点运算部分共同组成称为SP单元从编程角度出发也将其称为CUDA核心流处理器是DirectX10后引入的一种统一流处理器渲染架构综合了顶点处理VertexPipelines和像素处理PixelPipelines的渲染任务流处理器的数量和显卡性能密切相关纹理映射单元TextureMappingUnitTMU作为GPU中的独立部件能够旋转调整和扭曲位图图像执行纹理采样将纹理信张量核心息填充在给定3D模型上光栅化处理单元RasterOperationsUnitsROPs依照透视关系将整个可视空间从三维立体形态压到二维平面内流处理器和纹理映射单元分别把渲染好的像素信息和剪裁好的纹理材质递交给纹理映射单元处于GPU后端的光栅化处理单元将二者混合填充为最终画面输出此外游戏中雾化景深动态模糊和抗锯齿等后处理特效也是由光栅化处理单元完成的光线追踪核心资料来源英伟达官网中信建投16GPU微架构的硬件构成二光线追踪核心RTCore是一种补充性的渲染技术主要通过计算光和渲染物体之间的反应得到正确的反射折射阴影即全局照明等结果渲染出逼真的模拟场景和场景内对象的光照情况通过采样BVH算法用来计算射线光线声波与物体三角形求交与传统硬件相比RTCore可以实现几何数量级的BVH计算效率提升让实时光线追踪成为可能张量核心TensorCore张量核心可以提升GPU的渲染效果同时增强AI计算能力张量核心通过深度学习超级采样DLSS提高渲染的清晰度分辨率和游戏帧速率同时对渲染画面进行降噪处理以实时清理和校正光线追踪核心渲染的画面提升整体渲染效果同时张量核心通过低精度混合运算极大加速了AI运算速度让计算机视觉自然语言处理语言识别和文字转化个性化推荐等过去CPU难以实现的功能也得以高速完成图英伟达图灵光线追踪核心图TensorCore通过混合精度运算实现AI运算加速光线追踪核心资料来源英伟达官网中信建投17GPU中常见的数据格式和应用场景计算机中常用的数据格式包括定点表示和浮点表示定点表示中小数点位置固定不变数值范围相对有限GPU中常用的定点表示有INT8和INT16多用于深度学习的推理过程浮点表示中包括符号位阶码部分尾数部分符号位决定数值正负阶码部分决定数值表示范围尾数部分决定数值表示精度FP64双精度FP32单精度FP16半精度的数值表示范围和表示精度依次下降运算效率依次提升除此以外还有TF32BF16等其他浮点表示保留了阶码部分但是截断了尾数部分牺牲数值精度换取较大的数值表示范围同时获得运算效率的提升在深度学习中得到广泛应用图不同的浮点表示图不同应用场景的常见数据格式图表不同数据格式的构成和用途数据格式构成用途FP641位符号11位指常用于对精度要求高的科学科学计算数52位尾数计算FP64FP32FP321位符号8位指数深度学习模型训练的常见格运数23位尾数式算值TF321位符号8位指数替代FP32数据格式实现深度效精AI训练AI推理率度10位尾数学习和HPC计算加速FP32FP16逐逐FP161位符号5位指数深度学习越来越偏向使用渐渐TF32FP810位尾数FP16提提升升FP16INT8BF161位符号8位指数提升AI模型的推理速度和部7位尾数署灵活性INT88个bit表示一个数INT8精度相对较低常用于字AI模型的端侧推理资料来源英伟达中信建投18应用程序接口是GPU和应用软件的连接桥梁GPU应用程序接口ApplicationProgrammingInterfaceAPIAPI是连接GPU硬件与应用程序的编程接口有利于高效执行图形的顶点处理像素着色等渲染功能早期由于缺乏通用接口标准只能针对特定平台的特定硬件编程工作量极大随着API的诞生以及系统优化的深入GPU的API可以直接统筹管理高级语言显卡驱动及底层的汇编语言提高开发过程的效率和灵活性GPU应用程序接口主要涵盖两大阵营分别是MicrosoftDirectX和KhronosGroup技术标准DirectX提供一整套多媒体解决方案3D渲染表现突出但是只能用于windows系统OpenGL的硬件匹配范围更广同时在CAD游戏开发虚拟现实等高端绘图领域得到广泛应用此外还包括苹果的MetalAPI等图应用程序接口连接GPU硬件与应用程序图表GPU应用程序接口主要标准应用程序图形API平台特征Direct3DWindows操作系统OSWindows类UnixOpenGLLinuxMacOSWindowsAndroidVulkan应用程序接口APIOpenGLLinux系列OpenGLESIOSAndroid显卡驱动WebGL跨平台MetalAPPLEGPU硬件资料来源CSDN中信建投19CUDA架构实现了GPU并行计算的通用化一GPGPU相比于CPU其并行计算能力更强但是通用灵活性相对较差编程难度相对较高在CUDA出现之前需要将并行计算映射到图形API中从而在GPU中完成计算CUDA大幅降低GPGPU并行计算的编程难度实现GPU的通用化CUDA是英伟达2007年推出的适用于并行计算的统一计算设备架构该架构可以利用GPU来解决商业工业以及科学方面的复杂计算问题CUDA架构的里程碑意义在于GPU的功能不止局限于图形渲染实现了GPU并行计算的通用化把个人计算机变成可以并行运算的超级计算机英伟达在推出了CUDA以后相当于把复杂的显卡编程包装成了一个简单的接口可以利用CUDA直观地编写GPU核心程序使得编程效率大幅提升现在主流的深度学习框架基本都是基于CUDA加速GPU并行计算图GPU中并行计算过程图CUDA连接GPU与深度学习框架CUDA仅支持英伟达GPUCUDA兼容各类深度学习框架资料来源CSDN中信建投19CUDA架构实现了GPU并行计算的通用化二CUDACUDA采用了一种全新的计算体系结构来调动GPU提供的硬件资源本质上是应用程序和GPU硬件资源之间的接口CUDA程序组成包括CUDA库应用程序编程接口API及运行库Runtime高级别的通用数学库CUDA经过多年优化形成了独特软硬件配合的生态系统其中包括诸多编程语言的开发环境各种API的第三方工具链自带的应用于代数运算和图形处理的CUDA库庞大的应用程序库从而实现轻松高效的编写调试优化过程CUDA提供了对其它编程语言的支持如CCPythonFortran等语言CUDA支持WindowsLinuxMac各类操作系统图CUDA程序结构图表CUDA部分内置函数开发者利用函数功能开发库快速CUDA应用程序构建自己的cuFFT利用CUDA进行快速傅里叶变换的函数库应用CUDA开发库cuBLAS线性代数方面的CUDA库应用开发接cuDNN利用CUDA进行深度卷积神经网络计算口和运行期CUDA运行期环境组件包括Thrust实现众多并行算法的C模板库数据类型等硬件设备基本函数CUDA驱动APICPU的抽象访问接口cuSolver线性代数方面的CUDA库cuRAND随机数生成有关的库GPU资料来源CSDN中信建投第二章GPU市场概述18GPU市场空间测算595亿美元CAGR329GPU市场个人电脑数据中心自动驾驶独立GPU集成GPUAI服务器自动驾驶渗透率提升22年出货160亿美元CAGR49GPU渗透率提升3808万张22年出货283亿台同比下滑同比下滑298GPU市场增长的核心支撑单车价值量提升225受云厂商资本开支影响短期增速下滑个人电脑处于下行2023年下半年或周期迎来PC市场转折25亿美元下游板卡厂商去库GPU厂商成品库存高性能计算存或以已达顶峰CAGR44市场规模51亿美元虚拟货币显卡挖矿虚拟货币挖矿影响需求锐减逐步减弱CAGR8原因预期21GPU市场规模与细分根据VerifiedMarketResearch的预测2020年GPU全球市场规模为254亿美金预计到2028年将达到2465亿美金行业保持高速增长CAGR为3292023年GPU全球市场规模预计为595亿美元GPU按应用端划分为PCGPU服务器GPU智能驾驶GPU移动端GPUPCGPU可以进一步划分为独立显卡和集成显卡独立显卡主要用作图形设计和游戏对性能的要求比较高主要的厂商包括英伟达和AMD集成显卡通常用在对图形处理性能需求不高的办公领域主要产商包括Intel和AMD服务器GPU通常应用在深度学习科学计算视频编解码等多种场景主要的厂商包括英伟达和AMD英伟达占主导地位在自动驾驶领域GPU通常用于自动驾驶算法的车端AI推理英伟达占据主导地位图GPU整体市场规模亿美金图表GPU的构成分类和生产厂商3000类别主要领域主要厂商24652500独立显卡图形设计游戏NVIDIAAMDPC2000GPU集成显卡办公IntelAMD15001000服务器GPUAI训练AI推理HPC计算NVIDIAAMD500254智能驾驶GPUAI推理NVIDIA0移动端GPU图形显示Imagination高通ARM资料来源VerifiedMarketResearch中信建投