人工智能，重塑了处理器格局

公众号记得加星标⭐️，第一时间看推送不会错过。

来源：内容编译自Yole。

处理器市场持续显著增长，主要得益于生成式人工智能应用需求的不断增长。预计在2024年至2030年期间，市场规模将增长近一倍，从2880亿美元增至5540亿美元，这得益于企业、个人和政府对生成式人工智能的广泛应用。2024年标志着处理器行业的一个转折点，GPU市场规模首次超过APU。这一转变源于对高计算能力的需求，尤其是在服务器领域，

以运行ChatGPT、Gemini和Copilot等大型语言模型（LLM）。GPU市场将面临来自谷歌和AWS等超大规模厂商开发的AI ASIC芯片日益激烈的竞争，这些芯片预计将在未来五年内快速增长，主要目标是降低目前巨额的资本支出成本。在服务器处理器市场的背后，边缘AI正在APU和消费级CPU中迅速扩张。其目标很明确：在所有电子设备中开发原生AI，以提供最佳的用户体验。智能手机和笔记本电脑处于嵌入式人工智能发展的前沿，但新型设备也可能出现。

巨头和新进入者重塑了处理器行业

处理器市场高度集中于少数几家公司。在五个处理器细分市场中，有三个由一家公司主导，市场份额超过 50%，其中包括占据 CPU 市场 66% 的英特尔和占据 GPU 市场 90% 以上的英伟达。相比之下，APU 和 AI ASIC & DPU 市场更加分散，来自苹果、高通、联发科、谷歌、三星、华为、恩智浦、德州仪器等众多公司的竞争更加激烈。

在竞争激烈的市场中，中国也涌现出一些新玩家，其中一些取得了成功，例如小米在智能手机 APU 领域的成功，以及蔚来在汽车 ADAS APU 领域的成功。APU 市场参与者的多样性可以用目标终端市场的多样性来解释。GPU 市场主要关注服务器、台式机和工作站，而 APU 市场则涵盖智能手机、笔记本电脑、智能手表、智能音箱、智能电视、汽车、虚拟现实以及本报告中详述的许多其他细分市场，并且通常每个市场都有成熟的领导者。

为了占领市场，处理器厂商的共同目标是提供领先于竞争对手的最强大的解决方案。为了实现这一目标，每个市场都面临着各自的挑战，无论是在成本方面，还是在物理和技术限制方面。所有细分市场的共同趋势是逐年向更先进的技术节点迈进，这些节点曾经仅限于智能手机的APU，但现在正逐渐被服务器CPU和其他CPU所采用。在这场技术竞赛中，代工厂发挥着核心作用。没有它们，就不会有iPhone或Nvidia的GPU。在过去的20年里，能够生产最先进节点的代工厂数量减少了10倍，而向2纳米工艺的过渡可能会进一步减少这个数量。台积电的技术垄断是重大地缘政治紧张局势的核心，凸显了英特尔和三星保持竞争的必要性。

数据中心处理器市场，一路飙升

数据中心处理器市场正在快速扩张，这得益于对需要高性能计算的生成式人工智能应用日益增长的需求。2024 年，全球数据中心处理器市场规模达到 1470 亿美元，预计到 2030 年将达到 3720 亿美元。GPU 和人工智能专用集成电路 (ASIC) 是生成式人工智能的核心，在很大程度上推动着市场发展，并保持着两位数的增长率。

CPU 和网络处理器（例如 DPU）在这个市场中也至关重要，并且正在稳步增长。在 GPU 和人工智能专用集成电路 (ASIC) 占据主导地位的人工智能领域，FPGA 经历了急剧下滑，预计中期内将保持平稳。比特币等加密货币市场的快速扩张，带动了加密矿场中加密 ASIC 的强劲增长，而加密矿场对于验证加密货币交易至关重要。

自2022年以来，OpenAI推动的生成式人工智能（Generative AI）已经改变了数据中心处理器市场，并使英伟达的GPU受益匪浅。面对英伟达的主导地位以及人工智能所代表的战略利益，谷歌和AWS等超大规模计算平台正在与博通、Marvell和Alchip建立合作伙伴关系，共同设计各自的AI ASIC芯片，以获得更大的自主权。

资料显示，由英特尔和AMD领衔的CPU服务器市场，共占据80%的市场份额，对于通用计算而言仍然至关重要，但正面临压力。来自超大规模厂商和新玩家的基于Arm的CPU发展势头强劲，尤其是亚马逊的Graviton、谷歌的Axion和英伟达的Grace，它们都声称拥有显著的能效优势。预计到2030年，CPU市场规模将达到356亿美元。

更小的细分市场也在不断发展，正如 Yole Group 的《生成式人工智能 2025》报告中所详述的那样：

• 服务器 FPGA：到 2030 年将达到 15 亿美元，

• DPU 和网络 ASIC：到 2030 年将达到 177 亿美元，

• 加密 ASIC：受采矿动态变化的影响，到 2030 年将达到 42 亿美元。

在向AI ASIC芯片转型的浪潮中，Groq、Cerebras和Graphcore等众多初创公司正以创新方式寻求市场地位，引发了一波并购和融资浪潮。这种对性能效率的追求正在推动向基于ARM架构的CPU的转型，从而打破英特尔和AMD长期以来在x86架构上的领先地位。凭借在散热解决方案和高功率容量方面的专业知识，加密货币矿场如今也通过部署性能最强大的GPU进入了AI市场。

Yole Group 的分析师指出，整合和并购是推动计算技术革新的关键因素。仅在 2024 年，Yole Group 的分析师就已确定了以下重要公告：

• 软银收购了Graphcore，

• AWS 向 Tenstorrent 投资 7 亿美元，

• 叛乱和 Sapeon 在韩国合并，

• Meta 曾试图以 8 亿美元收购 Furiosa，但未能成功。

• 这些发展凸显了具有竞争力的人工智能芯片团队的稀缺性以及人工智能基础设施中硅片专业知识价值的不断上升。

寻找新的破局方法

小芯片在 GPU、CPU 和 ASIC 中发挥着至关重要的作用，它不仅可以优化产量，还可以通过更先进的节点实现越来越大的芯片。2024 年，最新的 CPU 将采用 3nm 工艺，而 GPU 和 AI ASIC 仍采用 4nm 工艺，不过预计 3nm 工艺最早将于 2025 年随着 AWS Trainium 3 的推出而到来。为了满足 AI 需求，计算性能自 2020 年以来增长了 8 倍，并且还在继续加速，Nvidia 宣布其 Rubin Ultra 将于 2027 年推出，FP4 推理速度将达到 100 PetaFLOP。

然而，随着 AI 模型变得越来越大以及对低延迟和高带宽的需求不断增加，内存在 AI 应用中起着至关重要的作用。HBM 内存目前在 Nvidia、AMD、Google 和 AWS 解决方案中发挥着这一关键作用，但许多 AI ASIC 初创公司，如 Groq 和 Graphcore，正在努力建立基于 SRAM 内存的处理器以提高性能。

随着人工智能成为全球数字战略的重要资产，各国政府纷纷投资专用的人工智能数据中心，以确保国家计算能力。与此同时，美国政府持续实施严格的出口管制，将全球划分为不同的监管层级，限制中国获取尖端人工智能芯片。

作为回应，中国政府正在加速国内半导体产业的发展，而英伟达则致力于开发符合出口标准的芯片。与此同时，华为正在加紧其CPU和AI ASIC的开发，凸显了AI计算自给自足的战略紧迫性。

Yole Group 的 Adrien Sanchez 肯定道：“战略计算成为人工智能基础设施的核心。”

https://www.yolegroup.com/press-release/generative-ai-at-the-core-of-a-372-billion-data-center-processor-revolution/

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4101期内容，欢迎关注。

加星标⭐️第一时间看推送，小号防走丢

求推荐