CPU是如何被「瓜分」的

　　1985年，英特爾雙巨頭格魯夫和戈登·摩爾經過一番討論后，做了一個“放棄祖業”的決定：

　　作為英特爾發家并成就公司當時地位的存儲芯片業務，已經持續被日本企業壓得喘不過氣，既然無法保持領導地位，那不如放棄存儲，開辟一個新天地，進軍當時微不足道的微處理器領域。

　　而英特爾和微處理器的緣分，也恰巧是日本企業促成的。日企Busicom給英特爾下了個訂單，這個訂單促成了世界*款商用計算機微處理器、“劃時代產品”Intel4004微處理器，在1971年誕生。也正是這個機緣，奠定了英特爾在十四年后毅然決然的大轉型。

　　也正是英特爾這個轉型，迎來了公司和CPU產業相得益彰、相互成就的偉業。但格魯夫和摩爾可能想不到的是，自己作為半導體龍頭的地位，在日后竟然會遭到當年跟風小弟“GPU”的挑戰。以及遠處還站著ASIC、FPGA、RSIC-V，在時不時地“窺探”。

　　CPU這個頂著“中央處理器”名號的龍頭地位、核心市場，是如何被一步步“瓜分”的呢?

　　前仆后繼：讓顯卡可以計算

　　英偉達已經成為GPU的代名詞，但在皮衣老黃創立公司之前，已經有諸多公司推動了顯卡一步步的發展：從圖形顯示適配器，到圖形加速器，繼而是英偉達的圖形處理器。

　　如今的GPU，堪稱算力天王，但在起初，顯卡不能計算，僅僅是CPU的跟班。當時圖形計算等工作，都由CPU承擔，而顯卡僅僅將CPU算好的數據處理為屏幕等顯示設備能識別的信號。所以也稱為圖形顯示適配器。

　　1981年，IBM推出了2D二維圖形加速卡，從而實現了從“顯示”到“計算”的跨越。

　　而隨著微軟視窗操作系統的快速普及，電腦對圖形處理的能力要求越來越高。這個趨勢吸引了眾多公司涌入，1993年黃仁勛也創立了英偉達，此時行業里也有三四十家公司，包括IBM、S3、ATi、Matrox、Trident、3Dfx、IGS等等。

　　其中，Trident的3D三維圖形加速卡，也是鼻祖產品，而且*次讓顯卡不再和CPU一起封裝，共用存儲，而是可以獨立存在。相當于有了自己的領地，發展空間更大。

　　據傳聞，黃仁勛創業之前給一個分析師打電話、咨詢產業，對方說，可別來了，玩家太多。但掛了電話，老黃就進來了。這個狠勁，當然離不開公司團隊的實力確實不弱。

　　但英偉達創業之初，也是差點被巨頭“碾壓”。

　　微軟發布的Direct 3D圖形標準，直接讓英偉達早期的圖像加速產品失去了市場。幸好還有日本電子游戲公司SEGA世嘉的訂單，公司的研發才沒有中斷。很快，英偉達的Riva128顯卡問世，為公司贏得了一定市場。

　　但在1995年，3Dfx公司發布的Voodoo以及Glide API接口，才是當時市場的主流，尤其在游戲領域基本是壟斷地位。一直到1999年，英偉達放了“大招”：Geforce256。

　　Geforce256的特色是整合了3D圖形處理的光影轉換（T&L）功能，從CPU接管了大量相關計算工作。也可以說，這是真正意義上的*個圖形處理器GPU，不再只是加速功能，而是重要的計算單元。

　　Geforce256性能*同行2-3倍，它的出現改變了競爭格局。2000年底，勁敵3Dfx就被英偉達收購(這其中一個因素也是3Dfx擴張業務、從設計進軍板卡制造領域，從而加大了財務壓力)，而顯卡玩家也僅剩1985年創立的ATi還能抗衡。

　　英偉達也不斷提升GPU的計算能力，2001年具備頂點編程能力，這對于游戲開發人員而言，非常重要。2003年，可編程的GPU正式誕生。

　　此時的GPU和CPU在計算領域基本“涇渭分明”，CPU重在邏輯運算，GPU則可以并行處理大量單一的計算。業內經常用的比方就是，CPU是大學生計算高等代數，人數少但更高階;GPU就是大量小學生計算四則運算，題目簡單但是人多算得快。

　　隨后的故事，就是英偉達不斷提高“小學生”的計算能力：無論是更換更高效的架構、還是增加晶體管數量、改進功耗等方式提高性能，用一代代產品不斷沖擊對手。

　　而且還對照著CPU鼻祖摩爾提出的“摩爾定律”，提出了GPU領域要實現的“黃氏定律”：每6個月升級一次、功能翻番。野心、戰斗力可見一斑。

　　2006年，英偉達的老對手ATi也被AMD收購。但是AMD既要CPU領域抗衡英特爾，又要GPU領域抗衡英偉達，著實有些困難，雖然有過產品超越英偉達，但還是被聚焦GPU的老黃牢牢壓制。

　　看著英偉達在GPU領域越來越強，CPU老大英特爾也難免坐不住。2007年，英特爾高管就宣布將發布CPU與GPU融合的Larrabee架構，這將會讓顯卡在兩三年內消失。

　　老黃就立刻“回懟”：即使英特爾能夠在2010年將圖形計算能力提高10倍，仍然無法與目前英偉達的產品相匹敵。

　　結果就在2009年底，英特爾宣布將無限期推遲Larrabee架構發行。這是芯片巨頭罕見的產品研發失敗。

　　當然，在英偉達的發展途中，經歷過微軟砍單反而扶持對手、英特爾停止專利授權等等事件，股價也是一度跌去80%，但這些遭遇之后，正如老黃所說，英偉達依然堅持只做GPU。

　　*專注、耐心堅持，成就了行業護城河。當然，能堅持的人很多，就像大A的諸多散戶，但未必都能成功。而英偉達的成功，離不開自身奮斗，但也有歷史進程的影響。

　　歷史進程：迎來五波浪潮

　　人獲取外界信息的80%來自于視覺，因此，聚焦圖形處理，似乎是光偉正的選擇。但長期趨勢還是要靠一波波具體浪潮來落地。英偉達迎接的歷史進程可以說有五波：

　　*波是視窗系統的發展，這是發家的開始。從敲代碼操作電腦，到用鼠標點擊，這是電腦快速普及的重要原因。帶動了CPU邏輯運算需求的同時，也提升了GPU的必要性、并帶來出貨量。

　　第二波是游戲，這是從始至今的大潮。人們對游戲畫面質量的要求不斷提升，游戲玩家們對英偉達高價格高質量的顯卡，是又愛又恨。游戲業務是英偉達的大頭，但游戲畢竟不是時代發展的驅動力，也不滿足老黃對“GPU算力”地位的期待。

　　2015年的GTC大會上，黃仁勛就躊躇滿志地表示，英偉達將不再是一家純粹的游戲公司。

　　第三波是筆“橫財”，比特幣帶來的挖礦需求。中本聰憑空創造出了一個可以和“股票、黃金”較量的金融交易品，吸引無數人參與“挖礦”。“挖礦”的原理，就是粗暴的計算，顯然GPU比CPU更加適合。

　　早期“挖礦”基本是一些愛好者用CPU實現，但隨著比特幣越來越稀缺、價格越來越高，愛好者變成了專業投資者、投機者、團隊，GPU也開始大顯身手。

　　挖礦的火爆，一度導致電腦用戶買不到顯卡，抱怨極多。而挖礦，也不符合老黃對GPU算力的期待，英偉達也表示，用顯卡挖礦，對社會實際上沒有任何用處。

　　第四波是人工智能，熬來的風口。人工智能一波波浪潮的發展，自然是英偉達無法控制、只能享受的。但英偉達確實也在用芯片推動人工智能發展。

　　2007年英偉達推出了CUDA平臺，讓顯卡用于圖像計算意外的目的，并降低GPU編程門檻，而且還不計成本投入了6年。

　　CUDA讓GPU從圖像計算跨越到了“通用并行計算”，大幅擴產了GPU的適用范圍，尤其是可視化計算領域，例如地質勘探、氣象數據、流體力學、光線追蹤等等。甚至日后AI領域的深度學習，也是基于該平臺來不斷發展。

　　2010年，AI先驅吳恩達為了讓AI程序識別出一只貓，不得不花費了16000個CPU處理器，而換成GPU后，驚訝地發現只需要12個。2019年的GTC大會上，黃仁勛又一次公開提及了他對算力的信仰：“就算摩爾定律走向終結，GPU也將無所不能。”

　　這里要著重強調英偉達一次重要布局。2020年，面對英特爾的競爭，英偉達最終仍以近70億美金，完成了對美國加州Mellanox邁絡思公司的收購。

　　Mellanox成立于1999年，是服務器和存儲端到端連接方案的供應商，簡單理解，就是讓數據中心享受高帶寬、低時延的通信效果。在10GB以上高速網絡應用中，Mellanox市占率高達70%。

　　英偉達收購Mellanox后，相當于獲得進軍數據中心業務，將AI等趨勢落地的入口。而且協同效應很強，實現了“計算快”、“傳輸快”的結合。

　　于是，GPU在數據中心設備采購中，快速發展。全球Top500的超級計算機中，用英偉達服務的就有342臺。2021年，數據中心營收同比增長了124%，2022年*季度超越游戲，成為英偉達新的營收支柱。

　　2023年ChatGPT又掀起了AI巨浪，大家才發現2016年英偉達把全球*臺AI超級計算機DGX-1送給了OpenAI，這成為一次經典的“人情投資”。而老黃也興奮地喊道，AI 的「iPhone 時刻」已經到來。

　　第五波是XR，等待蘋果的發力。VR虛擬現實、MR增強現實等等領域，從2013年起，就一直被大家所期待。元宇宙火的時候，老黃也很興奮。

　　無奈的是，目前的產品力都不強，即使蘋果也還在探索，可以期待下半年的產品發布。而一旦硬件市場打開，各種應用疊加，必然是又一場“視覺需求”大爆炸。

　　這其中，智能駕駛也算是一次小浪潮，英偉達也收獲了不少客戶。不過，英偉達在手機芯片方面的嘗試，則以失敗告終。

　　在產業趨勢之外，其實還有一個隱線大浪潮：芯片制造的專業化。像微軟和英特爾合作，擊敗IBM一樣;GPU搶占CPU的過程中，也是強強聯合。

　　英特爾作為IDM公司，既要搞設計、又要搞制造，全靠自己。但英偉達作為設計公司，制造則依靠臺積電等專業制造公司，而且臺積電也是超級能打。

　　于是，結果就是2016年英特爾宣布Tick-Tock開發模式受到“阻礙”，研發周期延長。而英偉達和制造公司臺積電、光刻機ASML、EDA軟件新思科技合作的光刻計算庫 cuLitho，可以將計算光刻加速40倍以上，使得 2nm 及更先進芯片的生產成為可能。

　　既有一波波風口，還有生態伙伴，難怪老黃會興奮地表示，以后都是GPU天下。

　　虎視眈眈：只要浪夠大，玩家一定會更多

　　老黃感嘆GPU的能力之余，谷歌也放話了：

　　自研的TPU和同期的CPU、GPU相比，可以提供15-30倍的性能提升，以及30-80倍的效率提升。這一幕，頗有斷水流大師兄的“在座都是垃圾”的場景感。

　　2006年谷歌就開始考慮為神經網絡搭建專門的芯片架構，2016年，谷歌針對Tensorflow平臺開發了可編程AI加速器。

　　谷歌思路目標很明確：場景單一，不考慮復雜用途，就照著一個目標設計。但TPU的可編程性又可以加速許多不同類型的神經網絡模型，實現了高效和場景下通用的結合。

　　TPU的打法，就是GPU對CPU的路數。果真是江湖競爭不止，套路不再多，好用就行。

　　TPU代表的就是另一個對CPU虎視眈眈的路線：專用集成電路ASIC，計算能力和計算效率都可以根據特定需要進行定制，實現固定算法*化設計。

　　和其他路線相比，ASIC可以實現面積減小，功耗也進一步降低。但缺點是對算法依賴，它面向的場景特點是：固定、大量且重復。一旦下游場景變化，那么前期的投入也都會打水漂�？梢哉f對眼光十分考驗，因此設計周期也很長。

　　ASIC的玩家也不少，谷歌的TPU張量處理器，地平線的BPU大腦處理器，IBM推出了TrueNorth芯片、英特爾也有Xeon系列芯片。但考慮到場景聚焦，又依賴算法，這些芯片要走向市場、實現普及，也許并不容易。因為你的客戶，也許就是你的對手。

　　另一條路線是FGPA現場可編程門陣列。和ASIC相比，配置FGPA的可編程架構來實現任意需要的數字功能組合。就像賽靈思Xilinx 是Kintex 7 Ultrascle芯片，也可以用于深度學習。FGPA的優勢是靈活，劣勢是必然有功能冗余、成本增加。

　　第三條路線是開源的RSIC-V路線。目前RISC技術的奠基人是2018年拿到圖靈獎的Patterson教授。據說2010年他帶著4個學生就搞出來了*代版本。果真是人才，不在于人數而在于才華。

　　更犀利的是，Patterson*地演繹了極客主義。不同于英特爾的封閉、ARM的高授權費用，Patterson把RISC技術進行了大尺度的開源，任何人都可以使用、修改，而不需要費用。

　　V代表的是第五代版本。RISC-V基金會會員已有高通、NVIDIA和Google等超過3000名成員。很多人認為，RISC-V有望創造繼x86、ARM之后的第三波芯片浪潮。美國、歐洲、印度，都在加大相關研發力度。<_u13a_p style="margin:0px;padding:0px;outline:0px;max-width:100%;box-sizing:border-box !important;overflow-wrap:break-word !important;">

　　RISC-V的靈活性，對定制化、碎片化場景的支撐力度良好;因此目前主要應用于物聯網等終端領域，但在電腦、服務器等領域也已經有了一些嘗試。要抗衡GPU路途還很遠很遠，但至少，從底層邏輯而言，這是一個可以實現“眾人拾柴火焰高”的路徑。

　　雖然目前來看，三條路線中也就TPU代表的ASIC還算能打一些。不過另一個趨勢就是，如果AI浪潮巨大無比，AI芯片又如此重要，那么就像蘋果會自研M1一樣，微軟等巨頭也會有自研AI芯片。但不管怎么說，CPU的天下，是繼續被瓜分了。

　　回溯CPU被瓜分的路徑來看，三個規律隱含其中：

　　一是，只要不出現人為的攔阻，分工依然是高效的。二是，隨著數據越來越大，邏輯讓位于“相關性”。就像大模型涌現能力一樣，大力出奇跡，怎么出來的，人們也不知道。

　　三是，只堅持并沒用，但不堅持肯定不行。在一個領域先做到*，有立足之本了再不斷拓展，而不是一開始就要吃個胖子。這一條對于我國芯片產業也許也是如此。

　　CPU被瓜分的故事，很精彩。但可惜，我們基本只是看客。幸運的，如今，我們的“中國版英偉達”、“中國版英特爾”，已經有了雛形。需要堅持的是，摒棄炒作思維、繼續夯實研發。就像老黃說的，時刻記住“記住，英偉達離倒閉只有30天”。而英特爾的表現，也和其緊迫感丟失有關。

　　時刻保持緊迫感，才不會有被卡脖子的危險感。