本文由半導(dǎo)體產(chǎn)業(yè)縱橫（ID：ICVIEWS）編譯自electropages

在當(dāng)前GPU市場(chǎng)階段，市場(chǎng)可見性不再是競(jìng)爭(zhēng)優(yōu)勢(shì)，而是生存之道。

圖形處理器（GPU）誕生之初便是為了高速渲染復(fù)雜場(chǎng)景；如今，同樣的并行架構(gòu)為人工智能訓(xùn)練集群、加速分析和物理級(jí)模擬提供動(dòng)力。最初為游戲玩家?guī)硇阅軆?yōu)勢(shì)的技術(shù)，如今已成為現(xiàn)代工業(yè)的基礎(chǔ)計(jì)算能力。

隨著人工智能的普及和汽車平臺(tái)向自動(dòng)駕駛及高級(jí)駕駛輔助系統(tǒng)轉(zhuǎn)型，對(duì)圖形處理的需求已遠(yuǎn)遠(yuǎn)超出消費(fèi)級(jí)圖形處理領(lǐng)域。數(shù)據(jù)中心正在擴(kuò)展GPU集群以滿足模型訓(xùn)練和推理的需求，而汽車項(xiàng)目則依賴于GPU密集型基礎(chǔ)設(shè)施來處理傳感器數(shù)據(jù)、驗(yàn)證算法并迭代數(shù)字孿生模型。

采購現(xiàn)狀反映了這種轉(zhuǎn)變。高端設(shè)備的交貨周期經(jīng)常延長，分配優(yōu)先級(jí)可能在幾天內(nèi)發(fā)生變化，價(jià)格也會(huì)隨著產(chǎn)品發(fā)布和產(chǎn)能信號(hào)而波動(dòng)。傳統(tǒng)的季度計(jì)劃周期難以跟上這些動(dòng)態(tài)變化。

本文探討了人工智能與汽車的融合如何重塑GPU市場(chǎng)，以及為何近乎實(shí)時(shí)地掌握供應(yīng)、定價(jià)和分配情況已成為競(jìng)爭(zhēng)的必要條件。

從像素到并行計(jì)算：游戲如何引發(fā)GPU革命

第一代圖形處理器旨在通過同時(shí)解決大量小型圖形問題來快速渲染復(fù)雜場(chǎng)景。這種專注于大規(guī)模并行計(jì)算的設(shè)計(jì)為游戲玩家?guī)砹肆鲿车漠嬅?，更重要的是，它證明了數(shù)千個(gè)輕量級(jí)核心能夠?qū)⒐ぷ髫?fù)載加速到遠(yuǎn)超通用CPU自身處理能力的水平。

這種并行模型也成為了現(xiàn)代加速技術(shù)的基礎(chǔ)。將像素轉(zhuǎn)化為動(dòng)態(tài)圖像的架構(gòu)理念，如今驅(qū)動(dòng)著高吞吐量計(jì)算，推動(dòng)著科研和產(chǎn)業(yè)的突破性進(jìn)展。

深度學(xué)習(xí)模型訓(xùn)練：批量矩陣運(yùn)算和張量數(shù)學(xué)運(yùn)算可在多個(gè)核心上擴(kuò)展，從而加快收斂速度。

實(shí)時(shí)數(shù)據(jù)處理：流分析和推理管道在生產(chǎn)規(guī)模下以低延遲響應(yīng)。

科學(xué)和工業(yè)模擬：計(jì)算流體動(dòng)力學(xué)、材料建模和EDA工作負(fù)載迭代速度更快。

始于消費(fèi)級(jí)圖形技術(shù)的創(chuàng)新周期為當(dāng)今人工智能、自主系統(tǒng)和高級(jí)分析平臺(tái)奠定了基礎(chǔ)。隨著框架和工具鏈的成熟，GPU 從一種小眾加速器轉(zhuǎn)變?yōu)閿?shù)據(jù)中心和嵌入式系統(tǒng)中并行優(yōu)先工作負(fù)載的默認(rèn)引擎。

人工智能與汽車：GPU需求的新興力量

GPU 已成為人工智能經(jīng)濟(jì)的命脈。超大規(guī)模數(shù)據(jù)中心和人工智能研究集群消耗大量高性能處理器，由此產(chǎn)生的供應(yīng)格局是半導(dǎo)體行業(yè)前所未有的。用于訓(xùn)練工作負(fù)載和云推理系統(tǒng)的批量分配如今主導(dǎo)著市場(chǎng)，也對(duì)價(jià)格和可用性提出了新的要求。

十年前，汽車行業(yè)對(duì)GPU的需求僅限于信息娛樂系統(tǒng)和儀表盤圖形。如今，情況已發(fā)生翻天覆地的變化。汽車制造商和一級(jí)供應(yīng)商現(xiàn)在依賴配備豐富GPU的數(shù)據(jù)中心來進(jìn)行自動(dòng)駕駛汽車開發(fā)、訓(xùn)練感知算法、模擬道路環(huán)境以及驗(yàn)證人工智能驅(qū)動(dòng)的安全系統(tǒng)。這些環(huán)境通常與大型云端人工智能實(shí)驗(yàn)室的基礎(chǔ)設(shè)施類似，這意味著這兩個(gè)行業(yè)現(xiàn)在都共享著相同的全球GPU資源。

這種重疊導(dǎo)致了采購策略前所未有的融合。數(shù)據(jù)中心、人工智能開發(fā)商和汽車制造商為了爭(zhēng)奪相同的高端零部件而展開激烈競(jìng)爭(zhēng)。高端GPU的交貨周期現(xiàn)在可能長達(dá)20到30周，而二手市場(chǎng)的價(jià)格則隨著每一次新產(chǎn)品發(fā)布或產(chǎn)能更新而波動(dòng)。

Fusion Worldwide的市場(chǎng)數(shù)據(jù)顯示，資源分配的優(yōu)先順序越來越傾向于人工智能和汽車客戶。隨著研究機(jī)構(gòu)、云運(yùn)營商和汽車制造商簽訂長期合同，規(guī)模較小的工業(yè)買家面臨著信息不透明和現(xiàn)貨市場(chǎng)波動(dòng)風(fēng)險(xiǎn)增加的困境。如今，GPU 的行為不再像標(biāo)準(zhǔn)組件，而更像是交易商品，其價(jià)值不僅取決于技術(shù)性能，還取決于時(shí)機(jī)和杠桿效應(yīng)。

供應(yīng)鏈瞬息萬變：可視性成為新的優(yōu)勢(shì)

如今，GPU供應(yīng)鏈的運(yùn)轉(zhuǎn)速度遠(yuǎn)超傳統(tǒng)半導(dǎo)體行業(yè)。分配調(diào)整、價(jià)格波動(dòng)和產(chǎn)品更迭幾乎每天都在發(fā)生，迫使采購團(tuán)隊(duì)放棄季度計(jì)劃周期，轉(zhuǎn)而進(jìn)行持續(xù)監(jiān)控。在這種環(huán)境下，可視性不僅變得至關(guān)重要，而且必不可少。

市場(chǎng)數(shù)據(jù)顯示，GPU的供應(yīng)和價(jià)格會(huì)受到哪怕是微小變化的影響：一項(xiàng)設(shè)計(jì)方案的中標(biāo)、一項(xiàng)人工智能基礎(chǔ)設(shè)施的發(fā)布或一款新產(chǎn)品的推出，都可能在一夜之間改變市場(chǎng)格局。因此，成功的采購策略依賴于主動(dòng)的市場(chǎng)洞察，而非被動(dòng)的采購。

當(dāng)前市場(chǎng)的三大真相

大批量分配有利于 AI 買家：超大規(guī)模數(shù)據(jù)中心和 AI 實(shí)驗(yàn)室占據(jù)了大部分 GPU 產(chǎn)量，經(jīng)常在產(chǎn)能提升之前就鎖定供應(yīng)。

每一代新產(chǎn)品都會(huì)重置價(jià)格：下一代 GPU 的發(fā)布會(huì)立即改變先前型號(hào)的價(jià)值結(jié)構(gòu)，造成持續(xù)波動(dòng)。

規(guī)劃必須從季度性轉(zhuǎn)向持續(xù)性：采購團(tuán)隊(duì)必須將采購視為一個(gè)持續(xù)進(jìn)行的過程，并以實(shí)時(shí)市場(chǎng)情報(bào)為指導(dǎo)。

對(duì)于采購流程管理者而言，實(shí)時(shí)數(shù)據(jù)和預(yù)測(cè)模型如今已成為主要的控制手段。將供應(yīng)商情報(bào)與內(nèi)部預(yù)測(cè)相結(jié)合的團(tuán)隊(duì)能夠更早地發(fā)現(xiàn)市場(chǎng)動(dòng)向，從而在談判中占據(jù)更有利的地位，并在風(fēng)險(xiǎn)蔓延至下游之前將其降低。

Fusion Worldwide的全球采購網(wǎng)絡(luò)展現(xiàn)了如何在紛繁的市場(chǎng)環(huán)境中保持清晰的戰(zhàn)略優(yōu)勢(shì)。通過整合跨區(qū)域的價(jià)格、交貨時(shí)間和分配流程信息，他們的模式能夠提供傳統(tǒng)采購周期難以捕捉到的早期趨勢(shì)預(yù)警。

在當(dāng)前GPU市場(chǎng)階段，市場(chǎng)可見性不再是競(jìng)爭(zhēng)優(yōu)勢(shì)，而是生存之道。