Según un nuevo informe de Jon Peddie Research, la cantidad de nuevas GPU en China es extraordinaria, ya que el país intenta obtener destreza en IA y soberanía sobre semiconductores. Además, la cantidad de fabricantes de GPU creció en todo el mundo en los últimos años a medida que la demanda de inteligencia artificial (IA), computación de alto rendimiento (HPC) y procesamiento de gráficos aumentó a un ritmo sin precedentes. Cuando se trata de gráficos discretos para PC, AMD y Nvidia mantienen el liderazgo, mientras que Intel está tratando de ponerse al día.
18 desarrolladores de GPU
Decenas de empresas desarrollaron tarjetas gráficas y procesadores gráficos discretos en las décadas de 1980 y 1990, pero la competencia feroz por el rendimiento más alto en juegos 3D llevó a la gran mayoría a la quiebra. En 2010, solo AMD y Nvidia podían ofrecer GPU independientes competitivas para juegos y computación, mientras que otros se centraban en GPU integradas o GPU IP.
A mediados de la década de 2010, el número de desarrolladores de GPU para PC con sede en China aumentó rápidamente, impulsado por el impulso del país por la autosuficiencia tecnológica, así como por el advenimiento de la IA y la HPC como megatendencias de alta tecnología.
En total, hay 18 empresas que desarrollan y producen GPU, según Jon Peddie Research. Hay dos empresas que desarrollan GPU vinculadas a SoC principalmente con teléfonos inteligentes y portátiles en mente, hay seis proveedores de IP de GPU y hay 11 desarrolladores de GPU enfocados en GPU para PC y centros de datos, incluidos AMD, Intel y Nvidia, que diseñan gráficos. tarjetas que terminan en nuestra lista de las mejores tarjetas gráficas.
De hecho, si añadimos a la lista otras empresas con sede en China como Biren Technology y Tianshu Zhixin, habría aún más diseñadores de GPU. Sin embargo, Biren y Tianshu Zhixin se centran únicamente en IA y HPC por ahora, por lo que JPR no los considera desarrolladores de GPU.
ordenador personal | corriente continua | IP | SoC |
AMD | biren | Brazo | Manzana |
Tornillo | tianshu zhixin | DMP | Qualcomm |
innosilicio | Fila 3 – Celda 1 | Tecnología de la imaginación | Fila 3 – Celda 3 |
Intel | Fila 4 – Celda 1 | Piensa en silicio | Fila 4 – Celda 3 |
Jingia | Fila 5 – Celda 1 | Verisilicón | Fila 5 – Celda 3 |
MetaX | Fila 6 – Celda 1 | Xi-silicio | Fila 6 – Celda 3 |
Hilos de Moore | Fila 7 – Celda 1 | Fila 7 – Celda 2 | Fila 7 – Celda 3 |
nvidia | Fila 8 – Celda 1 | Fila 8 – Celda 2 | Fila 8 – Celda 3 |
SiArt | Fila 9 – Celda 1 | Fila 9 – Celda 2 | Fila 9 – Celda 3 |
Xiangdixián | Fila 10 – Celda 1 | Fila 10 – Celda 2 | Fila 10 – Celda 3 |
Zhaoxin | Fila 11 – Celda 1 | Fila 11 – Celda 2 | Fila 11 – Celda 3 |
China quiere GPU
Siendo la segunda economía más grande del mundo, China inevitablemente compite contra los EE. UU. y otros países bien desarrollados en términos de casi todo, incluida la tecnología. China hizo mucho para atraer a ingenieros de todo el mundo y hacer que valiera la pena establecer varias nuevas empresas de diseño de chips en el país. De hecho, cientos de nuevas casas de diseño de circuitos integrados surgen en China cada año. Desarrollan todo tipo de cosas, desde pequeños sensores hasta complicados chips de comunicación, lo que permite la autosuficiencia del país de los proveedores occidentales.
Pero para realmente subirse al tren de la IA y la HPC, China necesita CPU, GPU y aceleradores especiales. Cuando se trata de informática, es imposible que las empresas chinas dejen atrás a los líderes del mercado de CPU y GPU en el corto plazo. Sin embargo, podría decirse que es más fácil y quizás más fructífero desarrollar y producir una GPU decente que intentar construir una CPU competitiva.
«La capacitación en IA fue el gran motivador [for Chinese GPU companies]y evitar los altos precios de Nvidia y (quizás principalmente) el deseo de China de autosuficiencia», dijo Jon Peddie, director de JPR.
Las GPU son intrínsecamente paralelas, lo que significa que hay muchas unidades de cómputo en su interior que se pueden usar para la redundancia, lo que facilita la puesta en marcha de una GPU (suponiendo que los costos por transistor sean relativamente bajos y que los rendimientos generales sean decentes). Además, dado que las GPU son fundamentalmente paralelas, es más fácil paralelizarlas de manera escalable. Teniendo en cuenta que SMIC con sede en China no tiene nodos de producción tan avanzados como los de TSMC, esta forma de escalar el rendimiento parece lo suficientemente buena. De hecho, incluso si los desarrolladores chinos de GPU pierden el acceso a los nodos avanzados de TSMC (N7 e inferiores), al menos algunos de ellos aún podrían producir diseños de GPU más simples en SMIC y abordar el mercado de AI/HPC y/o juegos/entretenimiento.
Desde la perspectiva de China como país, las GPU compatibles con IA y HPC pueden ser posiblemente más importantes que las CPU, ya que la IA y la HPC pueden habilitar aplicaciones completamente nuevas, como vehículos autónomos y ciudades inteligentes, así como armas convencionales avanzadas. El gobierno de EE. UU., por supuesto, restringe las exportaciones de CPU y GPU vinculadas a supercomputadoras a China en un intento por ralentizar o incluso limitar el desarrollo de armas avanzadas de destrucción masiva, pero una GPU bastante sofisticada con capacidad de IA puede habilitar un dron asesino autónomo y enjambres de drones. representan una fuerza formidable, por ejemplo.
La microarquitectura GPU es relativamente fácil, el diseño de hardware es costoso
Mientras tanto, debe tenerse en cuenta que si bien hay un montón de desarrolladores de GPU, solo dos pueden construir GPU discretas competitivas para PC. Quizás se deba a que es relativamente fácil desarrollar una arquitectura de GPU, pero es realmente difícil implementarla correctamente y diseñar controladores adecuados.
Las microarquitecturas de CPU y GPU se encuentran esencialmente en la intersección de la ciencia y el arte. Son conjuntos de algoritmos sofisticados que pueden ser desarrollados por grupos de ingenieros bastante pequeños, pero su desarrollo puede llevar años, dice Peddie.
«[Microarchitectures] hacer en servilletas y pizarras blancas», dijo Peddie. «[As for costs] si son sólo los propios arquitectos, que [team] puede ser tan bajo como una persona a tal vez tres o cuatro. [But] arquitectura de cualquier tipo, edificios, cohetes, redes o procesadores es un juego de ajedrez complicado. Tratar de anticipar dónde estarán el proceso de fabricación y los estándares dentro de cinco años, dónde están las compensaciones de costo-rendimiento, qué características agregar y qué descartar o ignorar es un trabajo muy complicado y que requiere mucho tiempo. […] Los arquitectos dedican mucho tiempo mentalmente a ejecutar escenarios hipotéticos: ¿qué pasaría si hiciéramos el caché un 25 % más grande, qué pasaría si tuviéramos 6000 FPU, si hiciéramos una E/S PCIe 5.0, estaría disponible a tiempo?
Dado que las microarquitecturas pueden tardar años en desarrollarse y requieren diseñadores talentosos, en un mundo donde el tiempo de comercialización lo es todo, muchas empresas obtienen licencias de una microarquitectura lista para usar o incluso una IP de GPU probada con silicio de empresas como Arm o Imagination Technologies. . Por ejemplo, Innosilicon, un desarrollador por contrato de chips e IP física, otorga licencias de IP de microarquitectura GPU de Imagination para sus GPU Fantasy. Hay otro desarrollador de GPU con sede en China que utiliza una arquitectura PowerVR de Imagination. Mientras tanto, Zhaoxin utiliza una microarquitectura de GPU altamente reiterada que adquirió de Via Technologies, que la heredó de S3 Graphics.
El costo de desarrollar una microarquitectura puede variar, pero es relativamente bajo en comparación con los costos de una implementación física de una GPU moderna de gama alta.
Durante años, Apple e Intel, ambas empresas con mucho talento en ingeniería, confiaron en Img para sus diseños de GPU (Apple todavía lo hace hasta cierto punto). MediaTek y otros proveedores de SoC más pequeños confían en Arm. Qualcomm usó ATI/AMD durante un período prolongado y Samsung usa AMD después de varios años de intentar diseñar su propio motor gráfico.
Dos de las nuevas empresas chinas han contratado ex arquitectos de AMD y Nvidia para iniciar sus empresas de GPU, y otras dos utilizan Img. El tiempo de comercialización y el aprendizaje de las habilidades de un arquitecto, de qué preocuparse y cómo encontrar una solución es un proceso que consume mucho tiempo.
«Si puede ir a una empresa que ya tiene un diseño y ha estado diseñando durante mucho tiempo, puede ahorrar mucho tiempo y dinero, y el tiempo de comercialización lo es todo», dijo el director de Jon Peddie Research. «Hay tantas trampas. No todas las GPU diseñadas por AMD o Nvidia han sido ganadoras. [But] un buen diseño dura un par de generaciones con ajustes».
La implementación de hardware y el desarrollo de software son prohibitivamente costosos con nuevos nodos de producción. International Business Times estima que los costes de diseño de un dispositivo bastante complejo fabricado con tecnología de clase de 5nm superan los 540 millones de dólares. Estos costos se triplicarán a 3nm.
«Si incluye diseño y plano de planta, simulación, verificación y controladores, entonces el [GPU developer] los costes y el tiempo se disparan», explicó Peddie. «El diseño y la disposición del hardware son bastante sencillos: si se equivoca en un rastro, puede pasar meses localizándolo».
Hay solo unas pocas empresas en el mundo que pueden desarrollar un chip con la complejidad de los juegos modernos o GPU de cómputo de AMD y Nvidia (46 mil millones – 80 mil millones de transistores), sin embargo, Biren, con sede en China, podría hacer algo similar con su BR104 y BR100. dispositivos (especulamos que el BR104 incluye unos 38.500 millones de transistores).
Pensamientos
A pesar de los costos prohibitivos, ocho de los 11 diseñadores de GPU para PC/centros de datos son de China, lo que habla por sí solo. Tal vez no veamos una GPU de juegos discreta competitiva de nadie, excepto de las grandes empresas estadounidenses en el futuro cercano. Esto se debe en parte a que es difícil y lleva mucho tiempo desarrollar una GPU y, en gran medida, requiere una implementación de hardware prohibitivamente costosa para estas GPU de alta complejidad. Queda por ver si China puede o no presentar participantes competitivos, pero cualquier falla no se derivará de la falta de intentos.