GPU、DPU、苹果M1芯片的晶体管数量收集汇总（不断更新）

原创

已于 2024-05-04 13:29:46 修改 · 1.5k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#GPU #DPU

于 2024-05-04 12:58:21 首次发布

马斯克说第一性原理可以用一个系统最底层的物理学方程去计算它可以出现的所有现象，所以也称为从头计算法，拉丁文是ab intio；
与之相对的，是不去探究一个系统最底层的物理学规律，而是在现象层面总结一些规律，去做一些专门的快速的计算，拉丁文是ad hoc。

本文主要从晶体管角度来观察半导体行业主要芯片的发展迭代。从底层发现共性与理解边界。

GPU

芯片	晶体管数量	算力	年代	工艺
GB200	2080亿	-	2024
H100	800亿	-	2022	4nm
A100	540亿	-	2020	5nm
V100	210亿	-	2017	10nm
P100	153亿	-	2016	14nm

DPU

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

北冥的备忘录

关注关注

21
点赞
踩
15

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

【科普系列】AI芯片：CPU GPU TPU DPU NPU BPU简介

若北辰

11-26

4315

AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块需要注意：其他非计算任务仍由CPU负责GPU 图形处理器（graphics processing unit，缩写：GPU）FPGA 现场可编程逻辑门阵列（Field Programmable Gate Array，缩写：FPGA）ASIC 专用集成电路(Application Specific Integrated Circuit，缩写：ASIC)所谓的AI芯片，一般是指针对AI算法的ASIC（专用芯片）

DPU智能网卡芯片?

百态老人的博客

11-19

1114

DPU智能网卡芯片是一种专门用于处理网络数据包、提供网络服务、保障网络安全和加速网络应用的芯片。它具备数据包处理、网络协议解析、安全防护、流量调度等功能，能够提供高性能、低延迟的网络服务。DPU智能网卡芯片的应用场景广泛，在数据中心场景中，能够提供高性能的数据包处理和网络服务，提高数据中心的计算和存储能力；在云计算场景中，能提供虚拟化、容器化和网络安全等功能，提高云计算平台的可靠性和安全性；在边缘计算场景中，可提供低延迟的数据包处理和网络服务，满足实时性要求高的应用需求。

参与评论您还未登录，请先登录后发表或查看评论

DOCA系列之001-NVIDIA面向AI与未来的DPU中的DOCA是什么？全称是什么？本质是什么？DOCA的面面观（Data Center-on-a-Chip Architecture）

技术札记

10-25

2772

可以看到DOCA层是在OS上的一层，他提供了一种软件抽象，将硬件和OS的差异屏蔽，提供一套统一的框架，让应用层可以以一种类似服务或者接口或者库的方式，来构建应用。DOCA的功能结合DPU的硬件能力，在不断地迭代，可以在官网上看到DOCA版本迭代非常快。可以看到这张架构图中DOCA包括了最上层对外提供的服务，中间层为支撑服务提供的库libs，以及为了支撑库和硬件结合的Drivers。

英伟达新核弹GPU：4nm制程800亿晶体管，20张即可承载全球互联网流量，全新Hopper架构太炸了...

Oner.wv的专栏

03-26

1089

来源 | 量子位作者 | 丰色萧箫他来了他来了，老黄带着英伟达的最新一代GPU来了。之前大家猜的5nm错了，一手大惊喜，老黄直接上了台积电4nm工艺。新卡取名H100，采用全新Hopper架构，直接集成了800亿个晶体管，比上一代A100足足多了260亿个。内核数量则飙到了前所未有的16896个，达到上一代A100卡的2.5倍。浮点计算和张量核心运算能力也随之翻了至少3...

GPU深度报告，三大巨头，十四个国内玩家一文看懂【物联网智商精选】

人工智能学家

03-18

8172

来源: 智东西编辑：智东西内参关于GPU，你想知道的都在这里了。GPU是Graphics Processing Unit（图形处理器）的简称，它是一种专门在个人电脑、工作站、游戏机和一些移...

CPU关键技术演进路线

weixin_45727359的博客

05-02

1358

后摩尔定律时代，单靠制程工艺的提升带来的性能受益已经十分有限，Dennard Scaling规律约束，芯片功耗急剧上升，晶体管成本不降反升；单核的性能已经趋近极限，多核架构的性能提升亦在放缓。AIoT时代来临，下游算力需求呈现多样化及碎片化，通用处理器难以应对。1）从通用到专用：面向不同的场景特点定制芯片，XPU、FPGA、DSA、ASIC应运而生。2）从底层到顶层：软件...

扔掉老破V100、A100，英伟达新一代计算卡H100来了

最新发布

11-27

本资源提供了一套运用AlexNet架构进行手写数字识别的完整解决方案，包含Python程序与详细实验文档。代码部分附有清晰的注释说明，便于初学者理解与掌握。该方案在学术评审中获得了优异的评价，特别适合作为毕业设计、课程终期作业或学术项目的实践案例。资源内容组织严谨，结构清晰，使用者可通过简单的配置步骤快速部署运行。实验报告系统地阐述了理论基础、方法实现与结果分析，为深度学习在图像识别领域的应用提供了规范的实践参考。整套材料注重逻辑性与可操作性，能够有效辅助学习者掌握卷积神经网络的核心原理及实际应用。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

雅砻江.zip

11-27

三级水系流域矢量数据，数据格式shp格式，坐标系wgs84，真实可靠可打开，放心使用

青衣江和岷江干流.zip

11-27

三级水系流域矢量数据，数据格式shp格式，坐标系wgs84，真实可靠可打开，放心使用

c++大作业宠物小精灵对战系统.zip

11-27

c++大作业宠物小精灵对战系统.zip

51单片机c源码-用指针数组作为函数的参数显示多个字符串

11-27

51单片机c源码-用指针数组作为函数的参数显示多个字符串

汾河.zip

11-27

三级水系流域矢量数据，数据格式shp格式，坐标系wgs84，真实可靠可打开，放心使用

什么是GPU DPU

03-17

### GPU 和 DPU 的定义图形处理器（Graphics Processing Unit, GPU）是一种专门设计用于高效执行并行计算任务的硬件设备。最初，GPU 主要应用于计算机图形渲染和图像处理领域，但由于其强大的并行计算能力，逐渐被广泛应用于科学计算、机器学习和其他高性能计算场景中[^1]。数据处理器（Data Processing Unit, DPU）则是一种新兴的专用处理器，旨在解决现代数据中心中的网络、存储和安全等基础设施层面的任务。DPU 能够通过卸载 CPU 上的基础层负载来提升整体系统的效率，并支持异构计算环境下的性能优化[^2]。 --- ### GPU 和 DPU 的主要区别 #### 1. **功能定位** - GPU 是一种通用型协处理器，擅长于大规模并行计算任务，特别是在浮点运算密集型的工作负载下表现优异。它的核心目标是加速诸如矩阵乘法、卷积操作等计算密集型任务，在 AI 训练和推理等领域具有显著优势[^3]。 - DPU 则专注于非计算密集型任务，例如网络协议栈处理、存储虚拟化以及加密解密等功能。它能够有效减轻主机 CPU 的负担，从而让后者集中资源处理应用程序逻辑[^4]。 #### 2. **应用场景** - GPU 广泛应用于人工智能训练与推理、视频编码解码、物理模拟以及其他需要大量数值计算的场合。由于其出色的并行处理能力和高吞吐率，GPU 成为许多高性能计算领域的首选解决方案[^5]。 - DPU 更适合部署在分布式云环境中，负责管理复杂的网络流量调度、数据压缩传输以及端到端的安全保护等工作流。这使得它可以更好地满足现代化超大规模数据中心对于低延迟和高带宽的要求。 #### 3. **体系结构特点** - GPU 基于 SIMD (Single Instruction Multiple Data) 架构模型构建而成，拥有成百上千个小而简单的处理单元，能够在同一时间步骤内完成多个相同指令的操作。这种架构非常适合那些可以分解为独立子问题的大规模数据集处理工作。 ```c++ // 示例：CUDA 编程模型展示如何利用 GPU 进行并行计算 __global__ void add(int *a, int *b, int *c){ int index = threadIdx.x; c[index] = a[index] + b[index]; } ``` - DPU 结合了 FPGA 或 ASIC 技术，采用异构计算的方式集成多种不同类型的核心组件。除了传统的 ARM 处理器外，还包括定制化的加速引擎模块，用来针对性地改善特定类型的作业流程效率。 #### 4. **发展趋势** - 随着摩尔定律放缓以及算法复杂度增加，单纯依赖单核性能提升已无法满足日益增长的数据处理需求。因此，基于多核扩展策略开发出来的新型 GPU 不断涌现出来，进一步增强了它们应对多样化挑战的能力。 - 对于 DPU 来说，考虑到未来几年全球范围内云计算服务市场规模将持续扩大这一背景因素影响，预计该类产品的市场需求将会呈现出爆发式增长态势。据估计，仅就新增部分而言，每年至少会有数百万颗新器件投入实际运行当中去。 --- ### 总结对比表 | 特性 | GPU | DPU | |-----------------|----------------------------------|-----------------------------------| | 定义 | 图形处理器 | 数据处理器 | | 功能重点 | 数值计算 | 网络/存储/安全性 | | 应用案例 | AI 模型训练 | 边缘计算 | | 体系结构 | SIMD | 异构混合架构 | ---