2022世界人工智能大会前夕，第一财经记者走访了博览中心的展台，华为盛腾，汉博半导体，随缘科技等多家芯片参会者齐聚一堂届时将发布包括国产7 nm云GPU在内的重磅产品
目前上海聚集了全国40%左右的集成电路人才最新数据显示，今年1—7月，上海集成电路产业销售额同比增长超18%，上海已成为中国集成电路企业聚集最多，产业链最完整，综合技术水平最高的地区之一2021年以来，已有17颗AI芯片在上海成功点亮
寻求差异化发展道路
日前，随缘科技表示，公司创始人兼CEO赵立东将在WAIC发布会期间亮相，并发布重磅新品此前，随园还发布了国内最大的AI计算单芯片基斯2.0和AI推理芯片云Suii20
日前，第一财经记者从上海汉博半导体公司获悉，该公司将在WAIC大会上发布的国产7nm云GPU芯片SG100，将创造超高吞吐量，超高质量，低延迟编码能力的新纪录，为云游戏，云手机，云桌面，云计算等元宇宙关键应用场景提供深度优化。
伴随着SG100的到来，汉博正式进入GPU公司行列未来，淄博将带来更多基于GPU和AI芯片的产品组合，更好地满足市场需求汉博CEO钱军对第一财经记者表示根据介绍，SG100是云GPU，包括图形显示部分的功能
钱军是芯片巨头AMD的前中国高管在创办汉博半导体之前，他带领AMD中国团队设计并量产了业界首款7nm图形处理器和首款7nm通用GPU架构的AI芯片
钱军坦言，中国企业在GPU领域很难赶上英伟达等世界头部公司，所以汉博选择了弯道超车的路线。
GPU的研发有很高的技术门槛三年前，资博成立的时候，我们也想过要不要直接做GPU，但是我们面前有英伟达这样的行业头部公司，我们在R&D的能力，软硬件的能力，整个工程能力都需要加强钱军告诉第一财经记者
淄博选择了差异化的发展道路，初步选择了面向AI+视频市场的DSA架构的AI芯片，最大限度地发挥R&D团队在视频领域的经验和对大芯片的掌控能力现在我们的GPU将更好地满足智能视频视觉和图形图像处理的市场需求钱军说
通用GPU轨道是热的
最近几年来，国内大量芯片初创企业瞄准通用GPU赛道据不完全统计，国内初创GPU公司最近两年获得过百亿元融资，其中富弼科技和摩尔线程的融资金额均超过80亿元
和融资一样快的是产品开发以摩尔线为例在不到300天的时间里，该公司声称已经完成了国内首款全功能GPU的开发，理论上相当于英伟达GTX 1070
今年5月，诞生于上海的半导体公司石天智芯首款7纳米通用GPU推理芯片智胜100成功点亮基于完全自研的通用GPU计算核心，可以支持国内外主流的AI生态和各种深度学习框架
智电智芯CTO陆健日前在其应用开发平台的公开会议上表示:衡量芯片产品的性能不能仅仅停留在一两个指标层面，尤其是大计算能力芯片，更应该着眼于芯片的通用性。
他认为，芯片产品的通用性包括两个角度，一个是自身架构要通用，另一个是要获得足够广泛覆盖的客户支持。
日前，上海富弼科技也发布了7纳米通用GPU芯片BR100，并在国内率先采用chiplet技术据该公司称，单个芯片的峰值计算能力达到PFLOPS级别，可实现每秒千万亿次浮点运算，是英伟达目前在售的旗舰计算GPU A100的3倍以上
但是国内芯片产业的发展还是需要构建生态圈中国工程院院士倪光南表示，一些企业的通用GPU产品在短短一年多的时间内已经得到应用，企业向行业开放技术能力，也将为中国计算产业的自主生态建设提供强大助力
倪光南建议，行业上下游企业应形成更紧密的合作关系，共同开发基于自主通用GPU的设备系统和解决方案，实现更大范围，更多场景的应用，加快构建自主计算产业生态圈。
解决计算能力的问题。
无论是元宇宙，还是智慧医疗，无人驾驶，金融科技，量子计算等技术和应用的落地，都需要计算能力的支持
在元宇宙时代，CPU已经无法满足计算能力的指数级增长，异构加速计算为满足全球不断增长的计算能力提供了可行的解决方案一位业内人士对《第一财经日报》表示，CPU，GPU，FPGA，ASIC和专用AI加速器的异构融合，为提升计算能力开辟了新的方向，可以有效解决日益增长的计算能力需求，将在游戏，人工智能，元宇宙等领域发挥重要作用
相关数据显示，超宇宙想要达到视听沉浸式体验和电影大片效果，目前的计算能力需要提升数千倍如果它试图创造一个混淆现实的虚拟世界，其计算能力需求将是现在的100万倍
构建软硬一体的计算基础设施将支持元宇宙的发展芯片厂商可以共同构建软硬件生态系统，为数字人和数字双胞胎的构建提供多重计算能力，丰富的技术和工具推动多场景应用平台的构建钱军告诉第一财经记者
智能计算中心作为一种新型的计算能力公共基础设施，符合我国当前社会经济发展阶段和转型需求是推动AI产业化和产业AI的重要引擎在推动国家人工智能战略实施，赋能实体经济实现新旧动能转换，提升社会治理水平，促进人工智能研究和工程技术人才培养等方面发挥着重要的支撑和推动作用
钱军认为，智能计算中心的建设仍面临多重挑战，包括全面提升AI计算能力供给，确保长期技术领先，推动海量数据开放共享，全面提升AI算法训练数据质量，最大化沉淀的数据资源在各种应用场景中的价值。
另外，从行业来看，智能制造领域的人工智能标准还比较少，不能满足当前人工智能技术的标准化要求这些都可能制约人工智能应用的有序，规范，健康发展
。
