GPU发展和现状是什么样的？

全球GPU芯片行业发展历程

在1984年之前，GPU原本只是用于图形和图像的相关运算，受CPU的调配，但随着云计算、AI等技术的发展，GPU并行计算的优势被发掘，在高性能计算领域逐渐取代CPU成为主角。1999年，NVIDIA公司在发布其标志性产品GeForce256时，首次提出了GPU的概念。2006年，NVIDIA发布了第一款采用统一渲染架构的桌面GPU和CUDA通用计算平台，使开发者能够使用NVIDIAGPU的运算能力进行并行计算，拓展了GPU的应用领域。2011年，NVIDIA发布TESLAGPU计算卡，正式将用于计算的GPU产品线独立出来，标志着GPU芯片正式进入高性能计算时代。

全球GPU芯片出货量超过46亿片/年

近些年，全球GPU技术快速发展，已经大大超出了其传统功能的范畴，除了满足目前大多数图形应用需求，在科学计算、人工智能及新型的图形渲染技术方面的技术应用日益成熟，进而推动全球GPU芯片市场的持续高速发展。

从全球GPU芯片出货量来看，根据全球知名调研机构JPR数据，从2021年各个季度来看，全球GPU芯片的季度出货量维持在1-13万片之间，2021年全年出货总量超过46亿片。

全球集成GPU芯片出货量占比超八成

GPU芯片主要可分为独立GPU(封装在独立的显卡电路板上，使用专用的显示存储器，一般来讲，其性能更高)和集成GPU(集成GPU常和CPU共用一个Die，共享系统内存)。

目前，全球集成GPU出货量占比超过八成，占据绝大部分市场份额;但从占比变化趋势来看，独立GPU的市场份额有所增长，反映出市场对高性能GPU芯片需求有所增长。

注：内环2020年q4，外环2021年q4数据。

预计2027年全球市场规模超过320亿美元

根据IC Insights数据，2015-2021年全球GPU芯片市场规模增速超过20%，2021年，全球GPU芯片市场规模超过220亿美元。

根据JPR资料，预计2022-2026年，全球GUP出货量将实现63%复合年增长，以此增长率测算2027年全球GPU芯片行业市场规模将超过320亿美元。

—— 更多本行业研究分析详见前瞻产业研究院《中国GPU芯片行业市场前瞻与投资战略规划分析报告》

选择GPU服务器时首先要考虑业务需求来选择适合的GPU型号。在HPC高性能计算中还需要根据精度来选择，比如有的高性能计算需要双精度，这时如果使用P40或者P4就不合适，只能使用V100或者P100；同时也会对显存容量有要求，比如石油或石化勘探类的计算应用对显存要求比较高；还有些对总线标准有要求，因此选择GPU型号要先看业务需求。

GPU服务器人工智能领域的应用也比较多。在教学场景中，对GPU虚拟化的要求比较高。根据课堂人数，一个老师可能需要将GPU服务器虚拟出30甚至60个虚拟GPU，因此批量Training对GPU要求比较高，通常用V100做GPU的训练。模型训练完之后需要进行推理，因此推理一般会使用P4或者T4，少部分情况也会用V100。

综上所述，选择服务器时不仅需要考虑业务需求，还要考虑性能指标，比如精度、显存类型、显存容量以及功耗等，同时也会有一些服务器是需要水冷、降噪或者对温度、移动性等等方面有特殊的要求，就需要特殊定制的服务器。

欢迎了解更多：网页链接

Linux查看显卡信息：

[python] view plain copy

lspci | grep -i vga  

使用nvidia GPU可以：

[python] view plain copy

lspci | grep -i nvidia  

前边的序号 "00:0f0"是显卡的代号(这里是用的虚拟机);

查看指定显卡的详细信息用以下指令：

[python] view plain copy

lspci -v -s 00:0f0  

Linux查看Nvidia显卡信息及使用情况

Nvidia自带一个命令行工具可以查看显存的使用情况：

[python] view plain copy

nvidia-smi  

表头释义： 

Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A； 

Temp：显卡内部的温度，单位是摄氏度；

Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；

Pwr：能耗表示； 

Bus-Id：涉及GPU总线的相关信息； 

DispA：是Display Active的意思，表示GPU的显示是否初始化； 

Memory Usage：显存的使用率； 

Volatile GPU-Util：浮动的GPU利用率；

Compute M：计算模式； 

下边的Processes显示每块GPU上每个进程所使用的显存情况。

如果要周期性的输出显卡的使用情况，可以用watch指令实现：

[python] view plain copy

watch -n 10 nvidia-smi  

命令行参数-n后边跟的是执行命令的周期，以s为单位。