218-219章：高瓴的护城河！（4000字） (2 / 9)
        如果是其他人这样说，就算是他们以前工作的地方的老板pony马这样说，他们都会是觉得是笑话。

        科技行业的科技树，现在是分布得到处开花，如果你没有强悍的研发实力，连个主业都入不了门，更不要说相关副业了。

        高怀钧对于图形芯片的考虑，其实并不是一时兴起，而是和人工智能团队，进行反复协商的结果。

        图形芯片主要是两个领域的东西。

        一个是图像渲染GPU，也就是传统的桌面端显卡，例如英伟达的RTX10/20/30/40系列，或者AMD的RX5000/6000/7000系列。主要服务于图形图像、游戏、视频等方面。全球主要玩家是NVIDIA、Intel凭借CPU优势占据集成显卡60%以上市场份额。

        而独立显卡部分，NVIDIA占据84%市场份额，AMD为12%。

        另外一个则是计算加速GPU，也称为数据中心显卡，例如英伟达的P40、V100、A100、H100、A800、H800，或者AMD的MI250、MI300，主要服务于AI模型训练和推理等新兴的算力需求。

        全球主要玩家是NVIDIA、AMD。其中NVIDIA处于统治地位，市场份额超过97%。

        随着AI的大热，AI模型的训练和推理都需要大量的计算，因此，未来的风口是在计算加速GPU上，英伟达在后世能达到万亿市值，也是靠着计算加速GPU，而不是靠桌面端显卡。

        英伟达的口号是:“WorldLeaderinArtificiallntelligenbsp;puting”(全球Al计算领导者)，而AMD口号则是“Togetherweadvanbsp;Al“，实际上都是紧跟Al热点。

        英伟达靠游戏业务发家，后来在数据中心AI、汽车、元宇宙领域持续发力。

        2007年，英伟达首次推出通用并行计算架构CUDA(puteUnifiedDevibsp;Architecture，统一计算设备架构)，使GPU成为通用并行数据处理加速器，即GPGPU。

        CUDA架构不用再像过去GPU架构那样将通用计算映射到图形API（应用程序编程接口）中，大大降低了CUDA的开发门槛。因此，CUDA推出后发展迅速，广泛应用于石油勘测、天文计算、流体力学模拟、分子动力学仿真、生物计算、图像处理、音视频编解码等领域。

        因此，高瓴如果想在图形芯片有所成就，那就必须寻找一个切入点。

        内容未完，下一页继续阅读

更多完整内容阅读登陆

《墨缘文学网，https://wap.mywenxue.org》