數字經濟時代，GPU將如何引領行業變革

郭建辛

GPU作為數字經濟時代的核心算力引擎，已廣泛應用于人工智能、自動駕駛、科學計算、生物信息、油氣勘探等領域，對助力各行業發展與變革起到了關鍵支撐作用。

隨著數字經濟的興起，大量新興前沿行業快速發展，如自動駕駛、基因測序等，這些行業的共同特點便是要處理海量的數據信息，需要的算法模型越來越龐大，對算力具有強烈的應用需求。

自動駕駛技術本質上是汽車感知層（攝像頭、傳感器等）獲取數據，由中央決策層（自動駕駛計算平臺）對數據快速處理并做出精準決策的過程。隨著自動駕駛技術的快速發展，系統復雜度日益提升，對算力的需求越來越高。目前自動駕駛行業一般認為，L2級自動駕駛需要的算力在10 TOPS（TOPS，即每秒萬億次整型計算能力）以下，L3級需要30—60TOPS，L4級需要超過100 TOPS，L5級需要超過1000 TOPS。GPU作為算力基礎設施的重要來源，為自動駕駛整車廠的算力競爭提供了充足保障，未來還將繼續作為核心算力芯片推動自動駕駛技術向前發展。

隨著基因測序技術的不斷成熟和人類對生物體的好奇以及自身健康的不斷關注，基因測序行業正迎來快速發展態勢。根據中商產業研究院統計，2020年我國基因測序市場規模達118億元，同比增長22.9%。基因測序技術的關鍵是計算系統能快速處理海量的基因組數據（以人類基因組為例，約有30億個DNA堿基對），所面臨的計算量無比龐大，同樣需要GPU的強勁算力作為計算支撐。

除以上介紹的自動駕駛、基因測序等領域外，GPU更是廣泛應用于科學計算、量子計算、區塊鏈、數字孿生等新興前沿領域，對助力新興行業發展起著至關重要的作用。

GPU強大算力帶來的行業變革力同樣影響著傳統產業，給眾多傳統行業帶來新的發展機遇。大量傳統行業已積累了海量的行業數據資源，并且面臨著迫切的數字化轉型之路，所積攢的海量數據急需被處理，必然需要強大的算力作為支撐。

在油氣勘探過程中，鉆井井位的確定非常關鍵，一次鉆井花費多達數億美元，假若井位定錯,損失將十分慘重，因此鉆井前需要對廣闊的地下結構進行油藏勘探模擬。當前應用最普遍的油藏勘探模擬技術是通過向地下發射地震波，然后將地下不同地質層反射回來的地震波信號通過地面檢波器收集后，利用大型計算機通過多套專業處理軟件和一套完整的疊前時間偏移、疊前深度偏移軟件系統進行數據處理，從而得到準確的地下油藏地質模型，便以研究人員進行下一步的分析解釋。

由于采用人工地震波進行油氣勘探的過程會產生巨大的數據量（地面檢測范圍通常達上千平方千米，監測點多達上萬個），精準油藏地質模型的形成動輒需要處理TB（TB，即萬億字節）級的海量數據，因此對石油勘探計算系統提出了非常高的性能要求，而GPU給傳統油氣勘探行業的技術化轉型提供了強有力的算力支撐。

一般來講，傳統新藥研發投資巨大、耗時長、成功率低，一款藥物的上市往往需要幾年甚至十幾年的開發周期和超過10億美元的投入。新藥研發一般分為藥物發現、臨床前研究、臨床試驗、新藥上市等階段。其中，藥物發現是指針對靶點研究中確定的疾病治療目標和作用的環節與靶標，尋找能夠與靶點有效結合的某種物質（先導化合物）。而在先導化合物發現的過程中，研究團隊需要對幾十萬種分子進行分子動力學模擬計算。傳統藥物研發篩選過程主要受限于計算系統的計算速度，而借助基于GPU的并行加速技術將突破新藥研發中的算力瓶頸問題，大大降低藥物篩選時間，極大促進新藥研發進程。

除以上介紹的油氣勘探、藥物研發等應用領域外，GPU更是大量應用于氣象預測、電力、建筑、工業等眾多傳統行業中，為傳統行業的技術變革及數字化轉型奠定良好的算力基礎。

數字經濟時代，“算力就是生產力”已成為全球發展共識。據IDC預測，預計到2025年，全球數據量將比2016年的16.1ZB（ZB，即十萬億億字節）增加十倍、達到163ZB。海量數據信息則需要強大算力基礎作為支撐。而作為數字經濟核心算力引擎的GPU，必將給產業界帶來更多突破性、引領性的變革。沐曦的高性能通用GPU產品及解決方案，將廣泛運用于人工智能、智慧城市、數據中心、云計算、自動駕駛、生命科學、數字孿生、元宇宙等前沿領域, 以其高算力、高效能的天然優勢，成為“雙碳”背景下推進數字經濟發展的強大算力支撐。