GPU取代CPU？英伟达与科技巨头的AI算力之战

近日，美国政府发布新规，允许英伟达向中国等地区的“获准客户”出售H200 AI芯片，但要求分享25%的销售额。这使得GPU计算再次成为热点。

不久前，黄仁勋在一次公开活动中发表言论，质疑CPU在未来加速计算与AI时代的必要性，暗示GPU或将取代CPU，这也是他一直倡导的“加速计算”理念的体现。

近年来，随着AI大模型的发展，无论是训练、推理还是自动驾驶、云计算，其计算架构均以GPU为核心，CPU的角色逐渐被弱化。

英伟达成为此波浪潮的最大赢家，其数据中心GPU收入从2023年的150亿美元激增至2025财年的1152亿美元，预计2026财年财报将继续增长。

图源：英伟达

国内GPU厂商摩尔线程上市首日股价从114.28元飙升至约650元，点燃了国内市场对GPU的热情。摩尔线程在12月9日宣布将发布新一代GPU架构及全栈战略。

问题：在大模型训练需求激增的当下，GPU重要性凸显，但CPU真会被取代吗？以下是雷科技的思考。

GPU彻底取代CPU？很难！

传统上，CPU是通用计算的核心，因其强大的单线程性能和完善的生态，负责操作系统和复杂任务。CPU是智能设备的大脑，无论PC、手机还是服务器都需要CPU调度。

GPU的优势在于并行计算，数千核心同时工作，在深度学习、图像渲染等任务上效率远超CPU。

然而，GPU在处理复杂逻辑任务时力不从心，因为其单核能力有限。比喻：GPU像车间工人批量重复工作，CPU像管理人员统筹安排。

因此，在PC和服务器中，CPU仍不可或缺，负责数据库和系统调度，而GPU主导模型训练和并行计算。

图源：英特尔

小雷认为，两者并非零和，而是协同关系。随着大模型成为数据中心主力，GPU权重提升，黄仁勋的“取代”更多是指GPU成为核心驱动力。

GPU完全取代CPU理论上可能，但需要设计通用任务处理核心，加大缓存和控制单元，并全面更新指令集和系统架构，相当于推翻重构，阻力巨大。

尽管困难，GPU在云计算中已占主导，为满足AIGC和大模型训练需求，云端基础设施转向GPU集群。

科技巨头自研GPU，英伟达难吃独食

国内外科技企业加速部署GPU集群，如阿里云自研含光芯片并引入英伟达GPU。

百度昆仑自研芯片深度优化AI算力，与飞桨结合，助力企业本地部署大模型，百度拟拆分昆仑上市。

图源：昆仑

亚马逊用Graviton、Trainium等芯片构建自研AI算力集群，适配不同需求。

谷歌自研TPU以能效著称，并推出Axion CPU，其云计算中心推理集群逐渐转向自研芯片。

头部厂商采购第三方GPU同时自研芯片，旨在避免算力供应受制于人，注重能效和成本控制。

因此，即使计算重心转向GPU，英伟达也难以独占市场。

计算核心转移，GPU成兵家必争之地

终端侧也在变化，从PC到手机到汽车，AI任务本地执行增多，削弱CPU重要性。

大模型推理、智能助手等需要高并行算力，旗舰SoC强化AI算力，集成GPU/NPU。

系统级AI功能从CPU迁移到GPU/NPU，AI手机成为卖点。

AI PC关键指标变为端侧AI算力，GPU承担重任，各厂商加大核显投入。

图源：高通

NPU能效高但无法取代GPU在图形渲染和并行计算的作用，GPU重要性提升。

自动驾驶依赖GPU高并行优势，如地平线、特斯拉、英伟达平台。

以前不需GPU的设备现在都配备GPU，GPU时代到来。

CPU厂商集体反击，AI计算生态成关键

英特尔和AMD不会坐以待毙，AI生态参与者不愿看到英伟达独大。

英伟达优势在于CUDA生态，难以撼动。

AMD推ROCm，开放且更新快，获认可。

英特尔两步走：Gaudi加速器和CPU强化AI。

半导体行业变化，GPU新格局形成，CPU厂商通过异构算力等稳固角色。

真正竞争在于算力结构、软件生态话语权。华为有完整链条。

AI原生时代，构建完整AI生态者占据主动。