CL10B223KB8NNNC 规格参数 0603 223K 50V 10% X7R 代理三星电容

注意：下图为统一标识图片，仅供参考。如需对应型号照片请联系客服。

制程、架构、软件算法协同发展

从Pascal架构到Ampere架构，英伟达GPU的AI算力有了20倍的提升。业界有观点称，英伟达在AI芯片步履飞快，是因为采用台积电代工的模式，在制程上相对IDM的英特尔有着更快的推进速度。那么，随着摩尔定律逼近极限，Ampere架构也已经走到7nm，英伟达的GPU能够满足持续增长的算力需求么。

对此，黄仁勋曾在接受媒体采访时表示，制程不是最为重要的。英伟达仅通过软件优化，就能在两年时间内将AI性能提升4倍。由于架构设计得更好，12nm的图灵芯片效能超过了7nm的GPU。20倍的算力提升，靠的是架构、算法、软件和应用的共同合力。

王笑龙也向记者表示，制程是芯片工艺的基础，云端AI计算量大，尤其对工艺要求很高。但在关注制程的同时，也要关注架构和软件算法。架构是硬件设计的基础，是英伟达等欧美公司的强项。算法软件，是在制程、架构基础上的优化。三者共同构成芯片的计算性能。

从英伟达的产品更新来看，在制程、架构、软件算法上，英伟达的发力是相对平衡的。从K40到A100，架构与制程基本保持了同步更新，从28nm的Kepler一直到7nm的Ampere。与此同时，CUDA也从1.0版本发展到了11.0版本。同时，在封装技术上，英伟达在推出Pascal架构时，将处理器与数据封装到一起以实现更高的计算效率，采用 HBM2 的 CoWoS（晶圆基底芯片）技术提供更高的显存带宽性能。据悉，今年英伟达将成为台积电CoWoS封装的主要客户之一，借由晶圆级封装进一步强化芯片能力。

集邦咨询分析师姚嘉洋向记者表示，英伟达之所以能在人工智能领域拥有一席之地，有部分原因是因为在GPU架构中导入了Tensor Core的功能，目前也已经演进到了第三代，再辅以先进制程与封装技术的支持，才能发挥强大的AI算力，要继续满足如今市场的AI算力需求，应该没有太大的问题。

当然，市值的高歌猛进，不代表营收的实质性提升。英伟达虽然在市值上与英特尔出现“你争我赶”的势头，但营收还与英特尔相去甚远。而且，随着数据中心需求的进一步释放，通用GPU的市场竞争只会越来越激烈。今年以来，AMD发布了面向数据中心等高性能计算业务的GPU架构CDNA。英特尔CFO财务官George Davis也透露，英特尔预计在2020年推出一款面向独立显卡的Xe架构GPU。毕竟AI还处于发展变化之中，算法和算力需求会持续更迭。未来，能看到需求并进行调整的厂商，才能立于不败之地，受到市场和资本的认可和青睐。