沐曦也要上市，来看看为什么GPU公司都想上市？

为什么最近一两年GPU芯片公司启动IPO的越来越多？分析完文末给答案。

目前燧原科技、壁仞、摩尔线程等都在辅导IPO。16号沐曦正式启动A股上市进程。今天我们看看AI芯片市场，以及GPGPU公司-沐曦。

首先了解一下AI芯片的概念，实际上所有面向人工智能领域的芯片都可以称为 AI 芯片。

广义上讲，目前市场上说的AI 芯片，主要指用于处理人工智能应用场景中大量计算任务的模块，除了以 GPU、FPGA、ASIC 为代表的 AI 加速芯片，还有比较前沿性的研究，例如：类脑芯片、可重构通用 AI 芯片等。

狭义上AI 芯片指的是针对人工智能算法做了特殊加速设计的芯片。以 AI 芯片为载体实现的算力是人工智能发展水平的重要衡量标准，发展更注重超速运算能力的 AI 芯片成为推动人工智能产业爆发的关键核心要素之一，其快速发展对人工智能技术的进步和行业应用起到了决定性的作用。

目前AI芯片主要有下面几类形式：

AI 芯片的兴起源于 AI 对算力的高需求。算力是实现 AI 产业化的核心力量，随着人工智能应用场景的不断拓展和数据规模的急剧增长，算法模型的参数量呈指数级增加，特别是深度学习成为当前 AI 研究和运用的主流方式，加速计算成为不可或缺的需求。

虽然 CPU 可以执行 AI 算法，但因为CPU内部有大量其他逻辑，比如控制单元，而这些逻辑对于 AI 算法来说是用不上的，所以，使用 CPU 并不能达到最优的性价比。因此，AI 芯片应运而生，它们被设计出来适配海量并行计算能力，进而可以加速 AI 计算。

AI 芯片的维度。根据部署位置（云端、终端）和承担任务（训练、推理）的不同，可以划分出 AI 芯片的市场领域。比如百度的昆仑芯、字节的AI芯片等都是云端的芯片。

根据部署的位置不同，AI 芯片可以分为：云侧AI 芯片、端侧AI 芯片。

云端即数据中心，在深度学习的训练阶段需要极大的数据量和大运算量，单一处理器无法独立完成，因此训练环节只能在云端实现。

云端 AI 芯片的特点是性能强大，同时能够支持大量运算、并且能灵活地支持图片、语音、视频等不同 AI 应用。基于云 AI 芯片的技术，能让各种智能设备和云端服务器进行快速的连接，并且连接能够保持最大的稳定。

终端即手机、安防摄像头、汽车、智能家居设备、各种 IoT 设备等执行边缘计算的智能设备。终端的数量庞大，而且需求差异较大。

端 AI 芯片的特点是体积小、耗电少，而且性能不需要特别强大，通常只需要支持一两种 AI 能力。

根据承担任务的不同，AI 芯片可以分成：训练芯片、推理芯片。

训练芯片主要用于构建神经网络模型，即用大量标记过的数据来“训练”相应的系统，使之可以适应特定的功能。训练需要极高的计算性能，需要较高的精度，需要能处理海量的数据，需要有一定的通用性，以便完成各种各样的学习任务。对于训练芯片来说，更注重绝对的计算能力；

推理芯片主要用于利用神经网络模型进行推理预测，指利用训练好的模型，使用新数据推理出各种结论。即借助现有神经网络模型进行运算，利用新的输入数据来一次性获得正确结论的过程。推理芯片更注重综合指标，需要全面考虑单位能耗算力、时延、成本等等。

第一波人工智能浪潮是基于 ASIC（专用集成电路）架构。在算法稳定的情况下，专用芯片的性能和功耗优势显而易见，能够满足企业对极致算力和能效的需求。然而，下游 AI 算法的演进速度远远超过了人们的想象。专用芯片在特定场景下能够实现更高的算力和能效，但难以适应算法种类快速增加和迭代速度的情况。因此，通用性更强的 GPGPU（通用图形处理器）长期是 AI 芯片的首选。

第二波浪潮中主流技术路径是 GPGPU（通用 GPU）。国内初创公司集中于2017 年-2020 年期间启动自研 GPGPU 芯片的研发，其中诞生了不少公司，壁仞、沐曦等都在这里面。由于 GPGPU 难解高功耗与低算力利用率问题，ASIC 和 GPGPU 在应对生成式 AI 及大模型正对算力基础设施提出的新要求时都显得有些捉襟见肘。

第三波浪潮的基础是存算一体等新兴技术。不同于 ASIC 与 GPGPU，这些新兴技术路线跳出了冯·诺依曼架构体系，理论上拥有得天独厚的高能效比优势，又能绕过先进制程封锁，兼顾更强通用性与更高性价比，算力发展空间巨大。随着新型存储器件走向量产，存算一体 AI 芯片已经挺进 AI 大算力芯片落地竞赛。

国内各科技巨头都在这个领域展开布局。例如，百度于 2011 年成立了昆仑芯，开始探索芯片领域；阿里巴巴在 2018 年成立了平头哥，其中含光就是专注于 AI 芯片，字节也在近几年做云端的AI芯片研发，涉足芯片领域。

国内 AI芯片厂商以中小公司为主，多集中于设备端 AI ASIC 的开发，其中寒武纪成为全国 AI 芯片领域独角兽公司。

全球 GPU 领域处于寡头垄断的局面，市场由英特尔、英伟达和AMD 三分天下。英伟达凭借其自身 CUDA 生态占据绝对主导地位。从细分市场来看，英伟达和 AMD 在独立 GPU 芯片市场基本包揽全场，英特尔占比极小。

GPGPU 方面，国内外厂商仍存在较大差距。

制程方面，目前 Nvidia 已率先到达 4nm，国内厂商多集中在 7nm；算力方面，国内厂商大多不支持双精度（FP64）计算，在单精度（FP32）及定点计算（INT8）方面与国外中端产品持平；

生态方面，与 Nvidia CUDA 的成熟生态相比，差距较为明显。海光 DCU 系列产品以 GPGPU架构为基础，兼容通用的“类 CUDA”环境以及国际主流商业计算软件和人工智能软件，对标目前国际主流 NVIDIA A100 产品，海光 DCU 单芯片产品基本能达到其70%的性能水平，但是公司 DCU 产品的片间互联性能还有较大的提升空间。

以上关于AI芯片的介绍告一段落，下面看看沐曦这家公司。

沐曦于 2020 年 9 月成立于上海，致力于为异构计算提供全栈 GPU 芯片及解决方案，可广泛应用于人工智能、智慧城市、数据中心、云计算、自动驾驶、数字孪生、元宇宙等前沿领域，为数字经济发展提供强大的算力支撑。

沐曦的创始团队主要来自AMD。创始人陈维良是清华大学微电子学研究所硕士，曾长期就职于AMD，担任AMD全球GPGPU设计总负责人，负责全球通用计算GPU产品线的整体设计与管理，主导并完成15款高性能GPU产品的流片与量产

沐曦推出 MXN 系列 GPU（曦思）用于 AI 推理，MXC 系列 GPU（曦云）用于 AI 训练及通用计算，以及 MXG 系列 GPU（曦彩）用于图形渲染，满足数据中心对“高能效”和“高通用性”的算力需求。

沐曦产品均采用完全自主研发的 GPU IP，拥有完全自主知识产权的指令集和架构，配以兼容主流 GPU 生态的完整软件栈（MXMACA），具备高能效和高通用性的天然优势。能够为客户构建软硬件一体的全面生态解决方案，是“双碳”背景下推动数据中心建设和产业数字化、智能化转型升级的算力基石。

我们看看沐曦的发展历程！

下面是对沐曦合作的情况进行分享，这也是很重要的部分，主要适合百度、优刻得等公司的合作，整理于官网以及公开渠道。