日前美國政府宣布，將允許英偉達(dá)向中國和其他地區(qū)的“獲準(zhǔn)客戶”銷售其H200人工智能芯片，條件是美國政府將獲得英偉達(dá)在這些地區(qū)H200銷售額的 25% 的分成。GPU計(jì)算再度受到關(guān)注。

就在前幾天，黃仁勛在一場公開活動(dòng)上的發(fā)言又引起了不小的關(guān)注，他表示自己不確定CPU在未來以加速計(jì)算和人工智能為主導(dǎo)的智能時(shí)代中，是否還有存在的必要性。這句話的言外之意，其實(shí)就是CPU或許將在未來被GPU徹底取代，也是黃仁勛一直以來堅(jiān)持的“加速計(jì)算”理念所指向的未來。

在過去的幾年里，隨著AI大模型的興起，無論是大模型訓(xùn)練、AI推理，還是自動(dòng)駕駛與云計(jì)算基礎(chǔ)設(shè)施，這些場景的計(jì)算架構(gòu)都以GPU為核心進(jìn)行設(shè)計(jì)，原本的核心CPU地位被顯著弱化。

英偉達(dá)可以說是在這個(gè)浪潮中受益最多的公司，其GPU在數(shù)據(jù)中心端的收入從2023年的150億美元，暴漲到1152億美元（2025財(cái)年），而在明年1月份公布的2026財(cái)年財(cái)報(bào)里，我們或許還將看到這個(gè)數(shù)字再一次飆升。

圖源：英偉達(dá)

另一方面，國內(nèi)領(lǐng)先的通用GPU公司摩爾線程，在上市首日股價(jià)就從114.28元漲到約650元，這一表現(xiàn)也徹底點(diǎn)燃了中國市場的GPU熱潮。老實(shí)說，小雷此前在關(guān)注摩爾線程時(shí)，想過他們?nèi)蘸罂隙〞?，卻依然低估了資本對于GPU企業(yè)的熱情。在成功上市后，摩爾線程趁熱打鐵，在12月9日宣布將于首屆MUSA開發(fā)者大會上發(fā)布以MUSA為核心的全棧發(fā)展戰(zhàn)略與未來愿景，并重磅發(fā)布新一代GPU架構(gòu)。

問題來了：在大模型訓(xùn)練需求爆發(fā)的當(dāng)下，GPU的角色確實(shí)正在變得前所未有地重要，但是CPU真的會被GPU取代嗎？以下是雷科技的思考。

GPU徹底取代CPU？很難！

在傳統(tǒng)概念里，CPU一直都是通用計(jì)算的核心，因?yàn)镃PU的單線程性能更強(qiáng)、指令體系成熟且生態(tài)完善，可以執(zhí)行操作系統(tǒng)和應(yīng)用程序的復(fù)雜任務(wù)。正是這些特性，使得CPU幾乎成為一切智能設(shè)備的大腦，事實(shí)上，無論是PC還是手機(jī)，亦或是大型服務(wù)器，不管擁有多少算力，最終也都還是需要CPU進(jìn)行調(diào)度。

而GPU的優(yōu)勢則是極端的并行計(jì)算，GPU陣列可以輕松讓幾千甚至上萬個(gè)核心同時(shí)運(yùn)行，使其在深度學(xué)習(xí)訓(xùn)練、圖像渲染、科學(xué)計(jì)算這類“重復(fù)且矩陣化”的任務(wù)中不管是效率還是速度都完全碾壓CPU。

不過，正是這種對并行計(jì)算的極致強(qiáng)化所帶來的設(shè)計(jì)，使得GPU在處理復(fù)雜的任務(wù)時(shí)反而力不從心，無法憑借強(qiáng)大的單核能力對任務(wù)進(jìn)行快速的邏輯判斷和拆解執(zhí)行?？梢赃@么說，GPU就像是車間里的熟練工人，單個(gè)線程能力有限，只能按計(jì)劃批量處理重復(fù)的工作，而CPU則是管理人員，可以根據(jù)生產(chǎn)計(jì)劃安排任務(wù)和管理車間事務(wù)。

所以，不管是在PC還是在服務(wù)器中，CPU依然是不可或缺的硬件，運(yùn)行數(shù)據(jù)庫、進(jìn)行系統(tǒng)調(diào)度，這些仍是CPU的主場，而模型訓(xùn)練、并行推理、批量向量計(jì)算則完全屬于GPU的強(qiáng)項(xiàng)。

圖源：英特爾

在小雷看來，二者并不是零和關(guān)系，不是說用了GPU就不能用CPU，兩者本質(zhì)上是協(xié)同關(guān)系，不過隨著大模型成為數(shù)據(jù)中心的主要任務(wù)，GPU的權(quán)重確實(shí)快速提升。所以黃仁勛所說的“取代”，其實(shí)更多是一種比喻，是指GPU在新計(jì)算時(shí)代逐步成為核心驅(qū)動(dòng)力，而非字面意義的替代。

那么問題來了，GPU有可能完全取代CPU嗎？只能說理論上是有可能的，但是想要達(dá)成這個(gè)目標(biāo)，必須設(shè)計(jì)出專精于通用任務(wù)處理的核心架構(gòu)，并且加大核心緩存并設(shè)計(jì)更復(fù)雜的控制單元。同時(shí)還要對現(xiàn)有的指令集和系統(tǒng)架構(gòu)進(jìn)行全面更新，使其適應(yīng)以GPU為主的計(jì)算環(huán)境。

簡單來說，相當(dāng)于將現(xiàn)有的計(jì)算體系完全推翻重構(gòu)，先不說英特爾與AMD是否愿意配合，即使英偉達(dá)真的以一己之力推動(dòng)計(jì)劃，所面臨的阻力也并不只是來自他的對手，全球互聯(lián)網(wǎng)數(shù)十年的積累就足以讓整個(gè)計(jì)劃難以推進(jìn)。

咳咳，扯遠(yuǎn)了，不過話又說回來，GPU在云計(jì)算行業(yè)成為主導(dǎo)確實(shí)已經(jīng)是事實(shí)了。從AIGC到企業(yè)級大模型訓(xùn)練需求，為了滿足這些暴增的并行計(jì)算需求，云端基礎(chǔ)設(shè)施正在發(fā)生根本性的改變，GPU集群已成為各大云廠商的首選（當(dāng)然也可以看做是在“補(bǔ)課”，畢竟以前的計(jì)算集群大多以CPU為主）。

科技巨頭自研GPU，英偉達(dá)難吃獨(dú)食

可以看到，國內(nèi)外的主要互聯(lián)網(wǎng)及科技企業(yè)，都在加速部署新的GPU集群，以阿里云為例，不僅自研了含光芯片，同時(shí)也在加速引入由英偉達(dá)等第三方GPU核心組成的新一代GPU集群，為大模型提供算力底座。

此外，百度昆侖團(tuán)隊(duì)開發(fā)的自研芯片，也針對AI算力場景進(jìn)行深度優(yōu)化，與飛槳生態(tài)結(jié)合形成一體化方案。借助成體系的AI軟硬件方案，百度可以幫助企業(yè)快速完成本地AI大模型的部署和應(yīng)用，對于需要更高安全性和可靠性的企業(yè)（如化工生產(chǎn)等）來說是比云服務(wù)器更優(yōu)的選擇。日前百度已放出消息稱，擬拆分昆侖芯片獨(dú)立上市，看樣子是想分享這一波GPU驅(qū)動(dòng)的AI計(jì)算的紅利。

圖源：昆侖

而亞馬遜則是以Graviton、Trainium、Inferentia等不同系列的芯片構(gòu)筑了一個(gè)用ARM CPU、GPU和NPU搭建的全自研AI算力集群，通過異構(gòu)計(jì)算，適配從推理到訓(xùn)練的不同需求。

至于另一家巨頭谷歌，自研的Tensor Processing Unit更是以出色的能效比和算力而著稱，同時(shí)也推出了面向通用計(jì)算的Axion CPU。目前，谷歌的云計(jì)算中心除了采購英偉達(dá)的GPU用于訓(xùn)練集群外，推理集群已經(jīng)逐漸轉(zhuǎn)向自研芯片為主的服務(wù)器。

不難發(fā)現(xiàn)，幾乎所有頭部廠商在采購第三方GPU的同時(shí)，都在推動(dòng)自研芯片計(jì)劃，其根本目的并不是為了擺脫英偉達(dá)，而是為了避免算力供應(yīng)完全受制于人。尤其在大模型推理成為未來主流應(yīng)用的背景下，能效比與成本控制對云廠商來說比峰值算力更重要，而自研芯片恰好能在這些長期投入上形成不可替代的優(yōu)勢。

所以，即使日后計(jì)算集群的重心徹底轉(zhuǎn)向GPU，英偉達(dá)也很難做到獨(dú)占整個(gè)市場，畢竟大家也都有著自己的小心思。

計(jì)算核心轉(zhuǎn)移，GPU成兵家必爭之地

云端算力的重構(gòu)只是一部分，終端側(cè)也在同步發(fā)生變化，而且這部分變化更具代表性，因?yàn)樗苯咏沂玖宋磥硎甑挠?jì)算架構(gòu)走向，我們可以看到從PC到手機(jī)再到汽車，越來越多的AI任務(wù)開始在本地執(zhí)行，而不是全部依賴云端。

大模型推理、智能助手、AI建議、實(shí)時(shí)生成圖片/文字應(yīng)用，都需要終端設(shè)備具備足夠的高并行算力，這種趨勢必然削弱傳統(tǒng)CPU架構(gòu)的重要性。以手機(jī)為例，目前幾乎所有旗艦SoC都在強(qiáng)化AI算力，特別是集成GPU與NPU的加速能力，高通、聯(lián)發(fā)科的旗艦移動(dòng)平臺都能實(shí)現(xiàn)幾十TOPS甚至上百TOPS的AI算力，蘋果M系列也持續(xù)提升GPU的可編程能力。

越來越多的系統(tǒng)級AI功能，如離線語音識別、實(shí)時(shí)圖像增強(qiáng)、原生AI助手，其底層都已從CPU遷移到GPU或NPU執(zhí)行，這也是為什么“AI手機(jī)”會成為新一代旗艦機(jī)的核心賣點(diǎn)。因?yàn)橐郧暗氖謾C(jī)并沒有如此強(qiáng)大的GPU和NPU，所以在AI算力方面是遠(yuǎn)無法與新旗艦相比的，也無法提供后者所具備的AI功能。

在PC行業(yè)也是一樣，自從AI PC提出后，整機(jī)最關(guān)鍵的指標(biāo)不再是CPU主頻，而是“端側(cè)AI算力”，這其中GPU承擔(dān)了大部分重任。無論是英特爾的Arc集顯體系，還是AMD的RDNA架構(gòu)，亦或是高通的Adreno GPU，它們都在承擔(dān)起越來越多高密度矩陣計(jì)算任務(wù)。

圖源：高通

雖然很多AI PC芯片都在強(qiáng)調(diào)自己的NPU非常強(qiáng)大，有更高的能效，但是也無法完全取代GPU在圖形渲染、模型并行計(jì)算上的能力，因此GPU在PC領(lǐng)域的重要性反而比過去更高，最近一年以來各大廠商投入到核顯上的研發(fā)經(jīng)費(fèi)估計(jì)都增加了許多。

不過，最典型的例子其實(shí)還是自動(dòng)駕駛，無論是感知模型、傳感器融合還是路徑規(guī)劃，都需要瞬時(shí)處理數(shù)以百億計(jì)的數(shù)據(jù)，這類任務(wù)天然依賴GPU的高并行優(yōu)勢。地平線的征程系列、特斯拉FSD芯片、英偉達(dá)Orin和下一代Thor平臺，全部采用圍繞GPU構(gòu)建的異構(gòu)架構(gòu)，特別是在L3甚至L4等級自動(dòng)駕駛中，實(shí)時(shí)性要求極高，GPU幾乎不可替代。

你會發(fā)現(xiàn)，以前很多不需要配備GPU的設(shè)備，現(xiàn)在都用上了GPU，為的就是解決AI推理時(shí)所需要的算力問題。所以，屬于GPU的時(shí)代確實(shí)來了，它將統(tǒng)治的領(lǐng)域也不只是服務(wù)器，在終端側(cè)也將掀起一陣新的戰(zhàn)火，整個(gè)行業(yè)正在迎接一次少見的重塑。

CPU廠商集體反擊，AI計(jì)算生態(tài)成關(guān)鍵

小雷并不覺得英特爾與AMD會坐以待斃，先不說CPU還遠(yuǎn)沒到退場的時(shí)候，整個(gè)AI生態(tài)的參與者也都不想看到英偉達(dá)“一家獨(dú)大”。

英偉達(dá)的優(yōu)勢在于生態(tài)，而不是硬件本身。CUDA 經(jīng)過十幾年的沉淀，已成為事實(shí)標(biāo)準(zhǔn)，讓其他硬件廠商難以撼動(dòng)，如果沒有足夠的生態(tài)遷移能力，即使芯片性能相當(dāng)，也很難得到開發(fā)者的支持。

因此，想挑戰(zhàn)英偉達(dá)首先就需要建立自己的AI生態(tài)，AMD的選擇是力推ROCm，不僅比CUDA更開放，而且更新更頻繁，目前已經(jīng)在MI300系列上獲得了不少廠商的認(rèn)可。

而英特爾則是選擇兩步走，一方面依靠Gaudi加速器沖擊訓(xùn)練與推理市場，另一方面在CPU領(lǐng)域打造更強(qiáng)大的AI處理器，借助自己的PC生態(tài)領(lǐng)導(dǎo)地位直接在終端側(cè)進(jìn)行布局。

可以說，整個(gè)半導(dǎo)體行業(yè)都在發(fā)生劇烈的變化，以GPU為主的新格局正在形成，雖然英偉達(dá)仍將是GPU領(lǐng)域的王者，但CPU廠商不會退場，它們會通過異構(gòu)算力、軟件生態(tài)整合以及在本地部署場景中的優(yōu)勢繼續(xù)穩(wěn)固自己的角色。

在小雷看來，計(jì)算領(lǐng)域的真正競爭并不是說誰消滅誰，而是看誰能在算力結(jié)構(gòu)、軟件生態(tài)和系統(tǒng)架構(gòu)等方面掌握更高的話語權(quán)。而在這一點(diǎn)上，華為其實(shí)有著不小的優(yōu)勢，從昇騰系列芯片到昇思MindSpore和CANN，再配合鴻蒙系統(tǒng)生態(tài)，華為已經(jīng)集齊了從底層硬件、AI框架到操作系統(tǒng)的完整鏈條。

在全球進(jìn)入“AI原生時(shí)代”的背景下，誰能構(gòu)建起完整的AI生態(tài)，誰就能在下一輪計(jì)算浪潮中占據(jù)主動(dòng)。