前不久，全球领先的低代码平台Retool发布了最新的2024上半年《人工智能现状报告》，这份报告收集了约750名技术人员的意见，包括开发者、数据团队和各行业的领导者。报告通过调研人们对AI产生的情绪变化、AI应用现状、AI使用率等等几个方面总结了当前人工智能（AI）在各行业的应用状况和未来前景。
《人工智能现状报告》
在AI工具使用率方面，绝大多数受访者每周至少使用1次AI工具，56.4%的人几乎每天使用。10人以下小公司和1000人以上较大公司的每日使用率分别为72%和43%。
而在揭示有关“AI技术的硬件资源”时，报告得出一个令人瞩目的数据：只有13.2%的公司拥有或操作自己的GPU，大多数公司采取租用云提供商的GPU资源。这个结果背后没有太复杂的原因，更多是因为GPU的高成本。
一边是AI的高需求、高使用率，另一边是AI开发者的GPU低自有率，这其中就催生出了GPU租赁、算力租赁的庞大市场。想了解这个市场？让我们一同回溯GPU的前世，展望它的今生。
GPU：从图形渲染到AI加速器的蜕变
GPU的概念是在1999年时由英伟达首次提出的。当时背景是3D图像显示越来越普及，仅靠CPU已经不能达到越来越复杂的图像处理要求，因此需要一块真正有算力的芯片，也就是“显卡”来单独处理图像。由此在90年代也开启了一段时间的显卡混战局面，当时几十家做显卡的公司都有各自开发标准，各家的兼容性也非常差。
直到1999年9月英伟达推出了GeForce 256不仅搭载了硬件T&L引擎，可以处理图形的整体角度旋转以及光源阴影等三维效果，并且兼容DirectX和OpenGL。GeForce 256也被称为世界上首个GPU。
此后，各大厂商加入到快速迭代GPU性能的队伍中，GPU的地位越来越高，也承担越来越多的工作任务。到了21世纪，GPU这个原本专为图形处理设计的芯片，逐渐展现出了在并行计算方面的巨大潜力。它内含成千上万个计算核心，能够同时处理大量数据流，这使其在深度学习、大数据分析等高计算密集型任务中大放异彩，显著加速了模型训练过程，降低了AI研究的门槛。
GPU如今主要功能包括：
图形渲染：实时渲染三维场景、纹理、光照等图形元素。
图像处理：进行图像滤镜、变换、校正和合成等操作。
视频解码和编码：高效解码和编码高清及4K视频流。
并行计算：利用GPU的大量小型处理核心进行大规模并行计算，适用于深度学习、科学计算和数据分析等领域。
物理模拟：模拟流体动力学、粒子系统等物理现象，对游戏和科学模拟至关重要。
从图形处理器到AI加速器，GPU的每一次跃迁都与人类对算力极限的追求紧密相连，堪称算力革命的缩影。
GPU需求扩大，孕育出租赁市场
GPU应用场景不断扩大拉动了GPU市场空间迅猛增长。DIGITIMES研究中心发布报告指出，2024年全球服务器用GPU产值将首次突破1000亿美元，达1219亿美元。而到2028年，根据Verified Market Research预测，这一数字将达到2465.1亿美元。短短4年时间，GPU市场规模预计将翻倍。
目前看，GPU产业链的上游基本被英伟达、超威半导体、英特尔三家垄断，它们的营收几乎可以代表整个GPU行业的收入，尤其是英伟达更是占据九成市场份额。而国内厂商入场晚，GPU的市场份额较小，正处于技术追赶及国产替代环节，相信未来随着国内数据中心、智能驾驶及终端侧GPU市场需求的提升，国产GPU市场份额有望实现渗透。
从买方市场来看，由于我国人工智能等新兴领域的快速发展，越来越多企业和个人开发者加入到GPU使用者群体中。前不久就有机构统计得出，中国在2014年至2023年期间申请的生成式AI专利数量达到38210个，超过了美国的6倍。
GPU被高度垄断，成本高昂，但又存在高需求，这就催生出了GPU租赁和算力租赁的市场。企业可以根据实际需求弹性租用GPU算力资源，避免了硬件投资和维护的高额固定成本。北京迈塔深蓝数字科技有限公司布局算力赛道，重金投资开发的BuluAI算力租赁平台将在不久后上线，敬请期待。
未来可以预见，随着GPU技术的不断迭代进步，尤其是能效比的显著提升，算力成本将会得到有效优化。比如，GPU的并行计算能力提升，使得单位时间内可以处理更多的数据，降低完成相同任务所需的能耗和时间。
从历史到未来，GPU的进化是一部关于技术创新、市场演变的编年史。在这个充满机遇与挑战的时代，把握算力市场的脉搏，对于任何希望在AI浪潮中乘风破浪的企业和个人而言，都是至关重要的！
