intel进军独立显卡市场，上演“三国杀”.doc

《intel进军独立显卡市场，上演“三国杀”.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、intel进军独立显卡市场,上演“三国杀”　　日前，NVIDIA发布了Quadro系列和DGX系列的新品。公司CEO黄仁勋QuadroGV100为世界上体积最大的GPU。　　QuadroGV100拥有5120颗CUDA流处理器，640颗Tensor处理器，最高可提供14.8TFLOPS的单精度浮点性能，7.4TFLOPS双精度浮点性能；采用32GBHBM2显存，显存带宽为870GB/s；能够提供118T的深度学习性能。　　DGX-2是一台专门用于人工智能训练和/或推理任务的桌面计算机，是NVIDIA的第二代DGX小型超级计算机，可提供10倍于上一代NvidiaDGX-1的深度学习性能

2、，整体功耗为为10KW，重350磅，售价仅为39.9万美元（约合250万人民币）。　　此外英伟达还宣布将把它的开源深度学习架构（NVDLA）带到ARM即将推出的项目Trillium平台上，NVDLA将帮助开发人员加速推理过程。英伟达通常依赖于自己的封闭平台，不过，要想在移动物联网设备方面发挥影响，英伟达有必要和在该领域占主导地位的ARM合作。　　NVIDIA是一家人工智能计算公司，创立于1993年。1999年，NVIDIA发明了GPU，这极大地推动了PC游戏市场的发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。　　GPU的生产厂商很多，人们熟知的除了NVIDIA，还有AMD

3、、Intel。挖矿大潮时期，AMD也跟着火了一把，市场调研机构表示，AMD是挖矿大潮中最为受益的芯片厂商。2017年在人工智能市场的推动下，处于GPU短板地位的Intel也开始发力GPU。　　AMD是挖矿大潮中最为收益的芯片厂商　　AMD成立于1969年,专门为计算机、通信和消费电子行业设计和制造各种创新的微处理器（CPU、GPU、APU、主板芯片组、电视卡芯片等)，以及提供闪存和低功率处理器解决方案。　　2018年3月初，市场调查公司JonPeddieResearch发布了最新的芯片产业报告，披露上年四季度图形处理器（GPU）出货量和各厂商的市占率。AMD在2017年的市场份额有显

4、著上升，从上年三季度的13%升至14.2%；英特尔和英伟达则均有下滑。　　JonPeddie还提到，不像AMD或是英伟达，英特尔的市场份额不太会受到数字货币的影响，因为英特尔将GPU或是iGPU集成在台式机或是笔记本电脑中出售，所以数字货币的潮起潮落对英特尔的GPU销售影响不大。　　　　出货量方面，去年全年GPU芯片同比下滑4.8%，台式机芯片下滑2%，笔记本则下滑了7%。但数字货币玩家对芯片行业支撑显著，去年全年，挖矿者贡献了超过300万个独立的图形处理器的销量，销量达到7.76亿美元。　　AMD四季度的出货量季环比增长8.08%，英特尔下降1.98%，英伟达的出货量降幅高达6%。

5、JonPeddie称，AMD是挖矿大潮中最为受益的芯片厂商。AMD是数字货币挖矿主要的芯片设备，随着上年四季度数字货币大涨，芯片的需求也得到显著提升。　　上月月底，AMD公布的四季度财报显示，经调整EPS四季度达0.08美元，超过市场预期的0.05美元。AMD发布财报前，分析师指出，去年末比特币等数字货币高涨不但会促进去年四季度AMD的业绩，对今年一季度的业绩指引也会是利好。　　“目前的情况是，挖矿者正在吞噬整个独立显卡的供应，而现在的产量无法跟上庞大的需求。”JonPeddie提到，挖矿者为GPU销售作出的贡献已经超过了游戏，虽然游戏是目前GPU销售最总要的推动力。　　Intel进

6、军高端独立显卡　　无论是在PC端还是数据中心，Intel都是CPU市场上毫无争议的老大；但Intel最大的短板在于图像计算，也就是GPU。　　其实，目前Intel并非没有自己的图像解决方案，但都局限于核芯显卡，即IntelHDGraphics系列。这种核芯显卡在图像处理方面的能力比较低，无法与AMD和Nvidia的独立显卡相提并论，也只能用在一些对图像处理要求较低的客户端设备中，比如说笔记本。　　之前，雷锋网整理过Intel核芯显卡、AMD核显&独显以及Nvidia独显之间的同期最强图像处理性能，对比如下图所示：　　　　由上图可知，在图像处理方面，Intel的核芯显卡与Nvidia和

7、AMD的独显根本就不是一个级别的对手，所以不少游戏玩家一般会选择带有独显的笔记本；而AMD虽然也有独显，但在近两年也是被Nvidia压上一头。不过需要说明的是，由于不同架构对浮点运算的优化不同，上面数据仅可作为参考；但也足以说明Intel在GPU上的短板。　　在人工智能和深度学习的大潮到来之前，Intel与Nvidia之间主要是CPU和GPU之间的合作关系。然而随着深度学习的兴起，Nvidia的GPU在并行计算上的巨大优势使得其在大规模的数据中心业务中越来