CPU+GPU将成AI计算主流方案，国内芯片厂商如何抓住红利？

AI应用快速发展，引发了一场计算革命。在算力发展过程中，业界发现单凭CPU或GPU，难以支撑复杂的计算场景、繁多的算力需求。

因而，通用CPU+GPU组建异构计算平台顺其自然成为主流方案，与传统的单一类型计算相比，异构计算平台具有灵活高效等优点。

在此趋势下，国内芯片企业如何分一杯羹？

异构计算：未来将成为主流的计算方案

异构计算，就是使用不同类型指令集和体系架构的计算单元组成系统的计算方式，通常以“CPU+GPU”为主，目的便是为了使二者相互配合，以达到更好的计算效果。

CPU是智能设备的心脏，主要负责多任务管理、调度，具有很强的通用性，但其更擅长逻辑控制，在面对大规模并行计算任务时表现并不佳。GPU则在图像渲染等涉及大量重复运算的领域拥有更强运算能力，AI领域中用于图像识别的深度学习、用于决策和推理的机器学习以及超级计算都需要大规模的并行计算，大多都采用GPU进行。

随着算力发展，多元化计算需求逐渐增多，算力场景也愈发多样。这也导致CPU或GPU都难以独立满足全场景的算力需求，而CPU+GPU的异构计算模式也为此应运而生。在CPU+GPU异构计算模式中，GPU可作为协处理器负责并行加速计算，CPU可作为控制中心，在复杂场景实现更优性能，在高性能计算、海量数据处理等方面明显更具优势。

可以预见，随着计算产业的演进，CPU+GPU异构计算模式将成为未来的主流方案，拥有广泛的发展与应用空间。

双轮驱动，海光或可率先突围

人工智能等海量计算力需求的喷发，使得数据中心异构计算趋势愈发鲜明，但想要借势确并非易事。因为组建CPU+GPU异构计算平台，需要厂商对在CPU和GPU领域，都拥有深厚的技术积累以及持续调优的能力。

从国内厂商的发展态势来看，其中海光掌握通用CPU和GPU核心技术。

海光CPU主要面向复杂逻辑计算、多任务调度等通用处理器应用场景需求，兼容主流x86架构，拥有丰富的软硬件生态，具备自主迭代空间与能力，性能已接近国际主流产品。海光CPU还支持国密算法、扩充了安全算法指令等，也兼顾了安全可控的需求。

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，适配性强，且迁移便利。同时海光DCU也是国内唯一支持全精度计算的GPGPU产品，能够为应用程序提供高性能、高能效比的算力，支撑多元化的复杂计算任务。

由于长期坚持“双轮驱动”战略，两种产品一脉同源，可敏捷部署适配，相互配合下发挥出1+1＞2的作用。目前，海光CPU系列产品海光一号、海光二号、海光三号均已完成商业化应用；海光DCU系列产品深算一号已经实现商业化应用，深算二号也即将发布。