内容摘要

GPU作为数字经济时代的核心算力引擎，已广泛应用于人工智能、自动驾驶、科学计算、生物信息、油气勘探等领域，对助力各行业发展与变革起到了关键支撑作用。本文将从GPU在新兴前沿行业和传统行业两方面应用入手，阐述GPU将如何推动行业发展、引领各行业变革。

前言：GPU是数字经济时代的核心算力引擎

当今世界，数字经济已成为加速创新、引领发展的核心动力，数据要素价值不断释放，数字经济对经济社会的创新引领作用愈加凸显。我国“十四五”规划和2035年远景目标纲要中提到：“充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式”。随着“数字中国”战略的提出，数字经济更是被赋予催生新兴产业、赋能传统产业数字化转型的重要使命，数字经济的核心价值将在我国产业变革的浪潮中得到进一步发挥。

进入数字经济时代，伴随而来的是激增的数据处理需求，算法的复杂程度不断提高，算力需求快速增长。算力作为数字经济的重要基础设施，对经济发展具有重要推进作用。根据IDC与浪潮联合发布的《2020全球计算力指数评估报告》，计算力指数平均每提高1点，数字经济和GDP将分别增长3.3‰和1.8‰，算力越来越成为数字经济时代国家竞争力的重要体现。

GPU最初是用来处理图形图像的微处理器，近年来作为通用算力芯片越来越受到主流市场欢迎。与CPU相比，GPU拥有数百倍数量的计算核心和强大的并行计算能力，能有效应对海量数据快速处理的应用需求。与人工智能专用处理芯片相比，GPU具备良好的通用可编程性，应用生态布局广泛，可满足用户多样化的部署需求。当前GPU已成为算力基础设施不可或缺的重要组成部分，是推动数字经济快速发展的核心算力引擎，广泛应用于人工智能、自动驾驶、科学计算、航空航天等关键新兴领域及众多传统领域中。

本文将结合GPU在新兴前沿行业和传统行业的应用实践，阐述GPU将如何助力行业发展、引领行业变革。

GPU助力前沿行业发展

随着数字经济的兴起，大量新兴前沿行业快速发展，如人工智能、自动驾驶、科学计算、基因测序等，这些行业的共同特点便是要处理海量的数据信息，需要的算法模型越来越庞大，对算力具有强烈的应用需求。2020年，由世界著名研究机构OpenAI开发的GPT-3算法模型拥有1750亿个参数，对算力的需求达到3640 Pflops（注：Pflops，即每秒千万亿次浮点计算能力）。在如此大的算力需求下，GPU的重要性愈发显著。近年来，GPU在人工智能领域大放异彩，其强大的并行计算能力助力人工智能行业高速发展已被业内广泛熟知。除人工智能行业外，GPU在其他新兴前沿领域同样起着关键作用。

GPU赋能自动驾驶行业。自动驾驶行业一直以来是社会关注的热点，已带动无数顶尖公司入局。自动驾驶技术本质上是汽车感知层（摄像头、传感器等）获取数据，由中央决策层（自动驾驶计算平台）对数据快速处理并做出精准决策的过程。随着自动驾驶技术的快速发展，系统复杂度日益提升，对算力的需求越来越高。目前自动驾驶行业一般认为，L2级自动驾驶需要的算力在10 TOPS（注：TOPS，即每秒万亿次整型计算能力）以下，L3级需要30-60 TOPS，L4级需要超过100 TOPS，L5级需要超过1000 TOPS。为满足自动驾驶技术对算力的快速增长需求，各大整车厂聚焦算力开始了新一轮竞争，GPU作为算力基础设施的重要来源，已成为这场算力竞赛的主角。

图1：自动驾驶汽车算力需求示意图（数据来源：行业公开数据整理）

今年1月，蔚来汽车发布车载Adam超算平台，算力高达1016 TOPS，是迄今为止最强的量产移动计算平台之一。Adam超算平台配备4颗NVIDIA Orin芯片，Orin芯片则集成了NVIDIA新一代Ampere架构GPU。今年3月，上汽R汽车发布新车型ES33，同样将搭载NVIDIA Orin芯片，算力性能可超过1000 TOPS。GPU为自动驾驶整车厂的算力竞争提供了充足保障，未来GPU还将继续作为核心算力芯片推动自动驾驶技术向前发展。

GPU赋能科学计算行业。科学计算是开展基础科学研究和工程科学研究的重要基础，已成为各国抢占科技创新制高点的关键环节。目前科学计算研究已助力我国基础科学领域收获众多顶尖成果。比如上海交通大学网络中心搭建的超级计算平台π，已支持本校理、工、生、医等领域的多篇基础科学研究发表于《Science》、《Nature》等高水平期刊上。据智东西介绍，该平台搭载了上百张NVIDIA V100 GPU计算卡，峰值算力达16 Pflops，目前已支持本校20多个研究团队开展人工智能和典型HPC等科研创新应用工作，为本校开展科学研究提供了强大的算力保障。

图2：利用计算流体力学开展飞行器设计研究示意图(图片来源：百度百科) 

当前典型的科学计算细分领域包括：计算流体力学、分子动力学、计算化学、生物信息学、地球物理学等。这些细分领域大都需要GPU强大的并行计算能力和高精度浮点计算能力作为算力支撑。据著名咨询机构Intersect360统计，目前最流行的50个科学计算应用程序中有34个提供GPU支持，前15个应用程序则全部提供GPU支持。在科学计算领域利用GPU计算已经达到了一个临界点，未来科学计算应用程序采用GPU优化将成为主流。

GPU赋能基因测序行业。随着基因测序技术的不断成熟和人类对生物体的好奇以及自身健康的不断关注，基因测序行业正迎来快速发展态势。根据中商产业研究院统计，2020年我国基因测序市场规模达118亿元，同比增长22.9%。基因测序技术及市场的快速发展，同样离不开GPU的强劲算力作为支持。

图3：基因测序示意图(图片来源：36kr)

基因测序技术的关键是计算系统能快速处理海量的基因组数据。根据科普中国介绍，人类基因组全部DNA约有30亿个碱基对，要想利用分子动力学等技术精准对全基因组进行检测分析，将面临无比庞大的计算量。2019年，NVIDIA收购基因组分析公司Parabricks，该公司曾开发出一种基于GPU在基因检测领域的应用方案，该解决方案将分析人类染色体上所有30亿个碱基对的全基因组的过程从几天缩短到了1小时。这大大缩短了全基因组检测分析过程，极大减少了客户检测结果等待时间。2019年9月，华大智造宣布“超级生命计算机”DNBSEQ-T7正式交付商用，该仪器1天最多可完成60例个人全基因组测序，DNBSEQ-T7则采用了NVIDIA V100 GPU作为加速核心。随着与GPU加速技术的完美结合，基因测序技术将迎来更加快速的发展。

除以上介绍的人工智能、自动驾驶、科学计算、基因测序等领域外，GPU更是广泛应用于量子计算、区块链、数字孪生等新兴前沿领域，对助力新兴行业发展起着至关重要的作用。

GPU给传统行业带来新机遇

随着多年的发展，大量传统行业已积累了海量的行业数据资源，并且面临着迫切的数字化转型之路，所积攒的海量数据急需被处理，必然需要强大的算力作为支撑。除众多新兴前沿行业外，GPU强大算力带来的行业变革力同样影响着传统产业，给众多传统行业带来新的发展机遇。

GPU为油气勘探行业带来新机遇。在油气勘探过程中，钻井井位的确定非常关键，一次钻井花费多达数亿美元，假若井位定错损失将十分惨重，因此钻井前需要对广阔的地下结构进行油藏勘探模拟。当前应用最普遍的油藏勘探模拟技术是通过向地下发射地震波，然后将地下不同地质层反射回来的地震波信号通过地面检波器收集后，利用大型计算机通过多套专业处理软件和一套完整的叠前时间偏移、叠前深度偏移软件系统进行数据处理，从而得到准确的地下油藏地质模型，便于研究人员进行下一步的分析解释。研究人员可利用油藏地质模型确定某处勘探油藏是否包含碳氢化合物，以及碳氢化合物所处的位置，为钻井提供更加可靠的勘探数据。

图4：石油地震勘探原理示意图（图片来源：毛宁波科学网博客）

由于采用人工地震波进行油气勘探的过程会产生巨大的数据量（地面检测范围通常达上千平方公里，地面监测点多达上万个），精准油藏地质模型的形成动辄需要处理数以TB（注：TB，即万亿字节）级的海量数据，因此对石油勘探计算系统提出了非常高的性能要求。过去十年间，GPU在石油勘探中发挥着日益重要的作用。意大利ENI能源公司曾宣布依靠搭载3200块NVIDIA Tesla GPU的超级计算机HPC4开展油藏勘探模拟，此款超级计算机具备18.6 Pflops浮点运算能力，可在约15个小时30分钟的时间内处理10万个油藏模型，如果采用传统的硬件体系则需10天才能完成。2020年，ENI能源公司推出最新搭载7280块NVIDIA V100 GPU的工业超级计算机HPC5，计算性能可达51.7 Pflops，ENI公司利用HPC5发现了地中海地区有史以来最大的气田Zohr。除ENI公司外，当前世界顶级能源集团如法国道达尔公司、英国BP公司、我国中石油、中石化等都将GPU作为核心算力芯片广泛应用于油气勘测模拟中。GPU给传统油气勘探行业的技术化转型提供了强有力的算力支撑。

GPU为制药行业带来新机遇。一般来讲，传统新药研发投资巨大、耗时长、成功率低，一款药物的上市往往需要数年甚至十数年的开发周期和超过十亿美金的投入。据德勤研究报告显示，世界新药研发的投资回报率已降至历史新低，仅为1.9%，药物研发流程急需新的方式来改变和加速。新药研发一般分为药物发现、临床前研究、临床试验、新药上市等阶段。其中，药物发现是指针对靶点研究中确定的疾病治疗目标和作用的环节与靶标，寻找能够与靶点有效结合的某种物质（先导化合物）。而在先导化合物发现的过程中，研究团队需要对几十万种分子进行分子动力学模拟计算。因此，如何提升计算速度对药物发现的效率提升至关重要。

图5：新药研发流程图（图片来源：科普中国）

传统药物研发筛选过程主要受限于计算系统的计算速度，而借助基于GPU的并行加速技术将突破新药研发中的算力瓶颈问题，大大降低药物筛选时间，极大促进新药研发进程。根据NVIDIA官网消息，药物研发公司德睿智药利用NVIDIA A100 GPU搭建的高性能分布式计算平台，可以快速处理数十亿级别海量药物化学信息，而且相关模型训练速度可提升10倍以上。本次新冠疫情中，上海交通大学魏冬青教授团队利用5台带有NVIDIA A100 GPU的DGX-2算力平台进行抗病毒药物研究，将药物模拟计算所需的时间从1-2个月，缩短至1-2天。随着GPU广泛应用于制药行业，未来制药行业将迎来快速发展期，对于抗击重大疾病、改善人类健康将产生重大意义。

GPU为气象预测行业带来新机遇。气象预测分辨率及预测频次是气象预测行业两个重要指标。气象预测模型会在特定时间对大气状态进行采样（包括气象雷达系统、卫星、飞机、气压计和地面传感器等收集的数据信息），运用流体力学和热力学等技术来预测未来某个时间的大气状态。气象预测分辨率是指气象预测模型能预测的最小空间范围，范围越小则分辨率越高，预测准确度也越好。气象预测频次则代表天气预测模型能实现多久更新一次气象结果，频次越快则气象研究人员掌握的气象信息更新越快、价值越高。

图6：利用超级计算机预测台风轨迹示意图
（图片来源：中国气象爱好者网站）

提高气象预测分辨率和频次的关键是要提高计算机对气象数据信息的处理能力。根据IT media网站报道，2019年IBM宣布在全球范围内提供GRAF天气预报系统服务。IBM通过其研发的Power9超级计算机（搭载NVIDIA V100 GPU）作为核心计算系统进行气象预测计算，GRAF系统每半秒可计算处理54 GB（注：GB，即10亿字节）的气象数据信息。以往的全球天气预报系统模式是每6-12小时预测一次10-15公里范围内的天气，GRAF能够每小时预测一次3公里范围内气象信息，信息提供频次更高，天气数据更为精确。可以预见，未来GPU将广泛应用于气象预测行业，使得气象预测变得更快速、更精准，助力气象预测在防灾减灾、航空航天、海洋科考、农业种植等领域发挥更为关键的作用。

除以上介绍的油气勘探、药物研发、气象预测等应用领域外，GPU更是大量应用于电力、建筑、工业等众多传统行业中，为传统行业的技术变革及数字化转型奠定了良好的算力基础。随着GPU的广泛应用，众多传统行业将引来新的发展机遇。

结语

数字经济时代，“算力就是生产力”已成为全球发展共识。经过多年的积累，全球各行业都已积累了海量的数据信息，加之在人工智能、5G、云计算等技术的不断推动下，全球数据量正在急剧扩展和增加。据IDC预测，预计到2025年，全球数据量将比2016年的16.1ZB（注：ZB，即十万亿亿字节）增加十倍、达到163ZB。海量数据信息则需要强大算力基础作为支撑。在各行各业都在快速拥抱数字技术、急需算力支撑的大背景下，作为数字经济核心算力引擎的GPU，必将给产业界带来更多突破性、引领性的变革。