过去一年多，大模型技术浪潮席卷全球，GPU 在人工智能领域的战略地位被推升至全新高度。客观而言，与英伟达等国际巨头相比，国产 GPU 起步确实稍晚，市场声量也相对有限。但另一个不容忽视的事实是：国内一批 GPU 厂商近几年的成长速度相当惊人，新品迭代频繁，落地应用日益增多——甚至在 AI 大模型的训练与推理环节，也开始交出实质性的成果答卷。

国产 GPU 在大模型领域的应用进展

此前业内已系统梳理过国内主要 GPU 厂商的产品线及量产情况。可以看到，不少产品已走出实验室，进入实际部署阶段。

例如沐曦集成。其面向 AI 推理的 N 系列 GPU 芯片早已实现量产。去年 9 月，沐曦与眸瑞科技联合发布了一项名为“贴图超分”的 AI 模型技术。该技术依托沐曦曦思 N100 的算力，结合眸瑞科技的算法库与 AI 超分算法，首次将 AI 超分成功落地至 3D 模型领域。曦思 N100 本身专为 AI 推理场景设计，视频图像处理能力是其核心优势。目前沐曦已联合合作伙伴推出多款解决方案，包括高密度视频结构化分析、高并发智能转码、光电混合异构计算等，覆盖城市安防、智慧交通、工业视觉、短视频、云计算及智算中心等多个应用场景。

再看天数智芯。其提供的算力集群已具备支持百亿级参数大模型训练的能力。此前，天数智芯与智源研究院、爱特云翔合作，基于自主通用 GPU 开展了 CodeGen（高效编码）大模型项目——简言之，通过中文描述即可生成可用的 C、Java、Python 代码。项目中，智源负责算法设计与模型训练调优，天数智芯提供天垓 100 加速卡及全程技术支持，爱特云翔则提供算存网基础硬件与运维服务。最终，在基于天垓 100 的算力集群上，利用 70 亿参数的 Aquila 语言基础模型，结合代码数据持续训练，稳定运行 19 天，模型收敛效果符合预期。

随着大模型热度持续攀升，国产 GPU 公司均在积极布局这一领域。摩尔线程此前透露，公司已能支持 3 亿参数量的模型训练，并在 2022 年底提前布局了自然语言模型的预训练，自研了 MusaBert 模型。登临科技也表示，其首款产品 Goldwasser 已在多家行业头部企业的主营业务中规模化落地，新一代 Goldwasser 产品针对基于 Transformer 的网络及生成式 AI 类大模型，性能获得大幅提升。

不止于大模型：国产 GPU 在 AI 多个领域的广泛落地

除上述案例外，国产 GPU 在 AI 领域的应用其实更为广泛，主要覆盖深度学习、自然语言处理及计算机视觉等多个方向。

在计算机视觉领域，国产 GPU 已被广泛应用于图像识别与目标检测等任务。例如，利用 GPU 加速的深度学习模型，可显著提升算法的识别准确率及实时响应速度——这对安防监控、自动驾驶等实际场景的价值不言而喻。

在自然语言处理方面，国产 GPU 同样扮演着关键角色。通过 GPU 加速的循环神经网络、Transformer 等模型，机器翻译、文本生成等任务的效率得到大幅提升。这对于智能客服、智能写作等应用的体验升级，堪称核心环节。

国产 GPU 还被引入强化学习领域。强化学习的目标是通过与环境交互来学习最优策略，而 GPU 加速的价值网络、策略网络等模型，能够帮助游戏 AI、机器人控制等领域的学习效率与性能迈上新台阶。

值得特别关注的，还有自动驾驶领域。自动驾驶系统需要同时处理来自摄像头、雷达、激光雷达的海量传感器数据，GPU 的并行计算能力与高效内存管理，恰好能支撑这种高强度的实时数据处理，为决策提供精准依据。

目前，部分国产汽车厂商已开始在自动驾驶系统中采用国产 GPU。这些 GPU 不仅负责图像处理与计算机视觉任务（如目标检测、车道线识别），还用于深度学习模型的推理与决策。通过 GPU 加速，系统可更快识别交通信号、障碍物等关键信息，从而提升行车安全性。此外，在地图构建与定位方面，国产 GPU 也发挥了重要作用——高效的地图数据处理与实时定位计算，让自动驾驶系统能更精确地感知环境，实现精准导航与路径规划。

具体到企业层面，百度 Apollo、小马智行等自动驾驶技术公司，均已在解决方案中采用了国产 GPU。这些方案不仅覆盖乘用车，还延伸至商用车、物流车等多个领域。

写在最后

可以看到，无论国内还是国外，GPU 厂商都在紧盯着大模型应用带来的机遇。但现实也很清晰：无论是训练还是推理，英伟达 GPU 目前仍占据绝大部分市场份额。对国产厂商而言，要在大模型领域争取更多自主权，就必须在训练能力上持续深耕。不过换个角度看，相比大模型训练，接下来大规模部署带来的推理芯片需求体量将极为可观——这或许是一个更容易抓住的突破口。