国产GPU现状综述

最新推荐文章于 2025-10-10 19:03:35 发布

原创最新推荐文章于 2025-10-10 19:03:35 发布 · 1.5k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#c++

序号	厂商	型号	产品兼容	场景	是否支持并行计算
1	景嘉微	JM7201	主流系统	支持PC	不支持
1	景嘉微	JM9		未商用	OpenCL 3.0
2	兆芯	C-960	集成在KX-6000G系列CPU	支持PC	不支持（没有对应运算框架）
3	芯动科技	风华1号	麒麟、统信等	支持PC	不支持
3	芯动科技	风华2号	麒麟、统信等	未商用	OpenCL3.0
4	天数智芯	天垓100		云端计算（DeepSparkHub）
5	龙芯	7A1000桥片集成的GPU	Loongnix系统、UOS系统	未商用
6	寒武纪	MLU370-S4智能加速卡	主流Linux发行版系统（CentOS/Ubuntu）	云端计算	Cambricon BANG 异构计算平台
7	武汉凌久微电子有限公司	凌久GP201		未商用	OpenCL3.0
8	摩尔线程	MTT S60	英特尔、AMD、龙芯、飞腾、兆芯等主流CPU以及Windows、麒麟、统信、Ubuntu等	未商用	OpenCL
9	芯动科技	风华1号		未商用
10	翔腾	HKM9000 GPU		未商用
11	壁仞科技	BR100		未商用	BIRENSUPA（内测）
12	登临科技	Goldwasser-UL(MXM)		云端场景	CUDA/OpenCL
13	沐曦集成电路			未商用
14	格兰菲	Arise-GT10C0	CPU:兆芯、飞腾、龙芯、Intel、AMD OS:麒麟、Ubuntu、Windows	未商用	OpenCL1.2
15	芯瞳	GenBu01	华为鲲鹏920 CPU、飞腾、龙芯中科、北京数码大方科技CAXA 3D实体设计软件等	未商用
16	海思	昇腾（HUAWEI Ascend）		云端计算

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

yllrayray

关注关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
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

【NPU 系列专栏 2.9 -- 国产GPU公司与创始人介绍】

CodingCos的博客

08-16

4621

如有侵权，请联系删除。

极智芯 | 解读国产AI算力登临产品矩阵

极智视界

11-30

2280

大家好，我是极智视界，本文分享一下解读国产AI算力登临产品矩阵。希望我的分享能对你的学习有一点帮助。

1 条评论您还未登录，请先登录后发表或查看评论

移动GPU通用计算现状与展望

darkstorm2111203的专栏

03-29

3880

GPU通用计算简介 (成文于2014年9月，受情报来源限制，文中处理器型号信息可能与上市时规格不同，不同平台性能、功耗、带宽测试方法不同，不能简单比较) 传统上，GPU的应用被局限于处理图形渲染计算任务。随着GPU可编程性的不断提高，利用GPU完成通用计算渐渐活跃起来。将GPU用于图形渲染以外领域的计算称为GPGPU（General-Purpose computing on Graphics

HKM9000视频处理卡

最新发布

测试专家的专栏

10-10

489

其与HKM9000视频采集卡的设计方案结合了复旦微在芯片设计领域的核心技术优势，以及HKM9000在视频处理与传输方面的成熟经验，形成了一套高效、稳定且适应性强的解决方案。此外，方案支持YUV/RGB色彩空间转换，并内置了色彩校正矩阵，满足专业级影视制作的色准需求。复旦微的存储控制芯片支持DDR4缓存技术，配合HKM9000的固件优化，实现了帧缓存动态分配，避免丢帧现象。通过预留的AI加速接口（如OpenCL/CUDA支持），用户可加载复旦微的神经网络加速IP，实现人脸识别、行为分析等边缘计算任务。

国产GPU的发展历程及芯片性能详解

finovycloud的博客

04-26

5105

一、国产GPU的发展历程二、国产GPU进口代替的紧迫性三、景嘉微：具有完全自主知识产权，打破国外GPU长期垄断四、景嘉微国产GPU芯片概述五、景嘉微国产GPU芯片性能详解六、景嘉微国产GPU生态七：景嘉微国产GPU后续研发八、景嘉微：GPU业务高增长九、国产GPU IP 龙头：芯原股份十、航锦科技：收购长沙韶光，进军GPU领域

国产高端GPU，国产替代加速（附国产厂家汇总）

ITSM/ITIL/网络安全/IT运维

05-05

1万+

GPU（Graphics Processing Unit，图形处理器）又被称作显示核心、视觉处理器、显示芯片，是一种专为并行处理而设计的微型处理器，非常擅长处理大量简单任务，包括图形和视频渲染。

GPU技术从算力引擎到产业变革的驱动者：GPU发展趋势及应用领域综述

07-11

此外，文中特别关注了国产GPU的发展机遇与挑战，指出国内厂商在技术研发、市场拓展和生态构建等方面的进展，并强调政策支持对国产GPU产业的重要性。; 适合人群：对计算机硬件、信息技术、半导体产业感兴趣的读者，...

GPU相关——《异构众核系统综述》

Time-s_up

12-10

2688

该篇论文由西交大的巨涛、朱正东、董小社所写。他们首先从不同方面分析对比了当前不同异构系统的特点，揭示了异构众核系统相对传统多核并行系统的优势及其发展趋势。然后分析了异构系统编程模型以及性能优化的研究现状、所存在的问题和面临的挑战，提出了进一步的研究方向。接着对GPU 和MIC两种异构系统进行性能测试，验证了两种异构系统不同的应用特点，为用户选择具体异构系统提供参考。最后作者提出了将G...

计算机视觉与深度学习｜低照度图像处理算法综述：发展、技术与趋势

尘世冰封的专栏

08-31

1123

低照度图像处理技术旨在解决光照不足环境下图像质量退化问题，通过算法优化提升亮度、抑制噪声并恢复细节，已成为计算机视觉领域的核心研究方向。本文系统梳理该领域的发展历程、技术分类、应用场景及未来趋势，为相关研究与工程实践提供参考框架。低照度图像处理技术正处于从"能看"到"看懂"的关键转型期，未来需在理论突破、工程化落地与标准化建设三个维度协同推进，最终实现复杂光照环境下的全天候智能感知。

芯片设计行业综述：从概念到实现的完整流程

niuTyler的博客

04-28

1063

芯片设计作为半导体产业链的上游环节，决定了芯片的性能、功耗和应用场景，具有高技术含量和高附加值的特点。2024年全球半导体市场规模已达到6430亿美元，同比增长7.3%，预计2025年将增长至6971亿美元，年增长率达11%。中国作为全球最大的半导体市场，2024年芯片设计行业销售规模超过6500亿元人民币，同比增长10%以上。

【笔记】大模型业务场景流程综述

m0_46141283的博客

08-26

785

大模型是指具有大规模参数和复杂计算结构的深度学习模型，这些模型通常由众多神经网络构建而成，拥有数十亿甚至数千亿个参数。本章将围绕大模型概念及特点展开，介绍模型算法的分类、典型大模型及应用、大模型训练流程和大模型业务流程。GPT4是一种最先进的会话语言模型，来自各种来源的大量文本数据的训练，包括社交媒体、书籍和新闻文章。该模型能够对文本输入生成类似人类的响应，使其适用于聊天机器人和对话式人工智能系统等任务。另一方面，GPT-3是一种大规模语言模型，它已经在来自各种来源的大量文本数据上进行了训练。

NVIDIA GPU 发展综述（期末文档）

07-18

NVIDIA GPU 发展综述期末文档设计。

GPU概述

我还是个孩子的博客

11-27

1278

一、图形处理器：GPU 1、GPU发展简史 2、GPU的优越性 3、GPU的缺陷型 4、GPU应用 5、总结

GPU（Graphics Processing Unit）详解

SDJ_success的博客

02-13

2302

现代GPU包含数千个计算核心（如NVIDIA H100拥有18,432个CUDA核心）。：气候建模（如NOAA的FV3模型）、流体动力学（ANSYS Fluent GPU加速）。：计算能力（TFLOPS）、显存带宽、软件生态（如CUDA支持）及能效比（性能/瓦特）。：游戏引擎（如Unreal Engine 5）利用GPU实现光线追踪、全局光照。：边缘设备（如Jetson AGX Orin）实时执行目标检测（YOLOv7）。：GPU加速DNA序列比对（如NVIDIA Clara Parabricks）。

【NVIDIA GPU 入门】综述

热门推荐

ChenYX的博客

04-10

20万+

GPU作为机器学习的基础运算设备，基本上是无人不知无人不晓。可是你真的知道GPU的运行逻辑么？你真的会用GPU么？本文提供了GPU结构的背景知识、操作的执行方式以及深度学习操作的常见限制。在推理特定层或神经网络使用给定 GPU 的效率时，理解 GPU 执行的基础知识很有帮助。1. GPU的基本结构（GPU架构基础）2. 操作如何划分和并行执行（GPU 执行模型）3. 如何用算术强度估计性能限制（了解性能）4. 松散的深度学习操作类别和往往适用于每个类别的性能限制（DNN 操作类别）

2022年，GPU行业市场前景及现状如何？

finovycloud的博客

08-18

793

近些年，国外GPU技术快速发展，已经大大超出了其传统功能的范畴。国内GPU芯片的研制虽然可满足目前大多数图形应用需求，但在科学计算、人工智能及新型的图形渲染技术方面仍然和国外领先水平存在较大差距，未来持续发展国产GPU势在必行。...

GPU

fengtian12345的博客

05-31

344

Tensorflow GPU使用综述

源式羽语

06-11

364

当机器中存在多个设备可以支持tensorflow时，tensorflow会根据版本不同自动检测使用默认设备进行运算操作，也可以通过手动指派tensorflow中数据运行的支持设备。tensorflow中设备格式：cpu ---'/cpu:0' '/cpu:1' gpu---'/gpu:0' '/gpu:1...

国产GPU体系结构

07-24

国产GPU的发展正处于快速成长阶段，尽管在架构设计、技术规格和市场应用方面仍面临诸多挑战，但已经展现出一定的技术实力和市场潜力。以下从架构特点、技术规格和发展现状三个方面进行详细分析： ### 架构特点国产GPU在架构设计上通常采用自主可控的路线，部分厂商选择基于国内成熟的制程工艺开发，强调对国产生态系统的适配性。例如，景嘉微等企业通过自主研发，构建了适用于高可靠性场景的GPU架构，支持图形渲染和计算加速功能[^3]。此外，国产GPU在指令集设计上注重兼容性和扩展性，以适应国内软件生态的发展需求。部分厂商也在尝试构建基于RISC-V等开源架构的异构计算平台，以提升灵活性和可编程性。 ### 技术规格国产GPU的技术规格因厂商和产品线的不同而有所差异。以景嘉微的JM5400为例，其作为国内首款自主研发的GPU，主要面向图形显示和基础计算任务，支持主流的图形API，如OpenGL和DirectX。在性能方面，虽然与国际主流GPU相比仍有差距，但在功耗控制、图形渲染效率等方面已有显著提升。近年来，随着工艺制程的进步，国产GPU的算力、内存带宽和能效比等关键指标也在逐步优化，部分高端产品已具备支持深度学习推理和轻量级训练的能力[^1]。 ### 发展现状国产GPU的发展目前处于“硬件追赶→软件攻坚→生态突破”的关键阶段[^2]。在硬件层面，景嘉微、壁仞科技、芯动科技等企业已推出多款GPU产品，涵盖从嵌入式到高性能计算的多个应用场景。在软件层面，国产GPU厂商正通过中间件兼容层、框架适配等方式降低迁移成本，同时也在构建自主的工具链和开发环境。生态建设方面，国产GPU厂商正积极推动与TensorFlow等主流框架的适配，鼓励高校和科研机构参与开源社区共建，以逐步摆脱对CUDA等国外生态的依赖。总体来看，国产GPU在自主可控、安全性、适配性等方面具有优势，但在性能、生态丰富性和开发便捷性方面仍需持续突破。未来，随着国内半导体工艺的进步和软件生态的完善，国产GPU有望在更多关键领域实现广泛应用。 ```python # 示例：国产GPU在深度学习推理中的应用（模拟代码） import tensorflow as tf from tensorflow.keras.models import load_model # 加载模型并部署到国产GPU model = load_model('custom_gpu_optimized_model.h5') # 假设使用国产GPU的TensorFlow插件 tf.config.set_visible_devices([], 'GPU') # 替换为国产GPU的设备配置 predictions = model.predict(data) ```