数字经济建设、AI大模型、智能驾驶成为开启智能时代的确定性研究方向。其中，数字经济建设搭建数字化布局整体框架，并提供政策支持；AI大模型及智能驾驶率先落地，有望成为拉动算力需求的核心驱动力。

　　GPU凭借高并发计算能力及灵活拓展性成为当下算力主流解决方案。首先，神经网络算法数据要求量大，并行计算程度高，与GPU高并行计算能力、高内存带宽相适配。GPU较CPU具备更多的算术逻辑单元、控制单元与内存缓存，其SIMD架构与深度学习算法需求更吻合；其次GPU拥有相对较优的性能及灵活性。常用的计算平台包括CPU、FPGA、GPU、DSA以及ASIC，一般情况下随着芯片性能的提升，其灵活性会逐渐下降。ASIC、DSA设计成本高、周期长，其灵活性难以满足应用层及宏架构趋势的需求，而GPU拥有包括CUDA、OpenCL在内的平台技术持续赋能，性能提升潜力大、应用拓展力强。

　　边缘及终端设备有望开启AI智算元年，数据中心及车端持续拉升算力需求。GPU下游目前主要应用于移动端、数据中心服务器以及车规级芯片。其中，移动端应用又可以分为PCGPU、手机GPU，主要用于加速图形处理，以提高计算机游戏的图像质量及性能，随着深度学习及人工智能发展的需要，移动端GPU也可以用于手机端加速深度学习、计算机视觉和自然语言处理算法等；数据中心服务器又可以分为高性能计算服务器与智能计算服务器，由于GPU具有高并发的计算能力，因此被广泛的用于数据中心建设；在汽车领域，GPU主要应用于车端及其配套设施智能芯片，负责处理来自摄像头、普通雷达、激光雷达等传感器数据，实现智能驾驶。

　　供给驱动市场，产品技术及产能是核心竞争力。英伟达市场份额独占鳌头，国际呈现三强格局，国内厂商加速布局。英伟达凭借技术及产能优势，在移动端、AI服务器、自动驾驶领域具有较大话语权。我国厂商GPU市场份额较小，正处于技术追赶环节，目前国产GPU在数据中心、人工智能以及通用计算型GPU领域均实现产品布局，未来随着国内数据中心、智能驾驶及终端侧GPU市场需求的提升，国产GPU市场份额有望实现渗透。

　　风险提示：国内技术研发不及预期，产能不及预期，自动驾驶渗透不及预期，国际形势风险。

（文章来源：金融投资报）