通用GPU市场潜力加速释放，天数智芯完成超10亿元人民币新一轮融资

《机器人AI视界》获悉，上海天数智芯半导体有限公司（以下简称天数智芯）近日宣布完成超10亿元人民币C+轮及C++轮融资，其中，C+轮由金融街资本领投，C++轮由厚朴投资和厚安创新基金领投，中关村科学城科技成长基金、上海国盛、熙诚致远等机构跟投。

天数智芯董事长兼CEO刁石京称，本轮融资将主要用于加速AI推理芯片“智铠100”量产进程，加大第二、三代AI训练芯片研发投入、扩展天数智芯软件平台等方面。

▲ 天数智芯董事长兼CEO刁石京

 

01 专研通用GPU，对位多元化场景

公开资料显示，天数智芯专注于GPGPU(通用图形处理器)高端芯片及高性能算力系统的研发、生产和销售，致力于通过融合AI计算与图形渲染，为客户提供自主可控的高性能通用GPU产品及解决方案。

据天数智芯董事长兼CEO刁石京介绍，公司于2018年启动云端7nmGPGPU芯片研发，并于去年3月发布国内首款7nm云端训练通用GPU产品“天垓100”。“截至今年3月底，‘天垓100’已落地200+应用场景，销售订单额近2亿元。此外，我们的第二款产品——7nm云边推理芯片‘智铠100’也在今年5月研制成功，即将进入量产阶段。基于此，我们有望构建GPU架构下‘云端训练+推理’的完整解决方案。”

“天数智芯遵循图形走向通用计算的行业趋势，推出天垓通用GPU系列产品，同时，以成功量产的‘天垓100’为基础，开发出‘云原生’内容生成与图形渲染平台，可契合AI图像融合计算的各类应用场景。”刁石京说。

在刁石京看来，未来，高性能计算市场的高速发展，将为GPGPU企业的发展提供巨大空间。“GPU芯片技术不断演进，将进化出越来越多的通用属性（即可编程性），实现高性能异构计算。通用GPU解决方案将成为行业新的发展方向。”

 

02 “计算+AI+图形”一体，力促品效提升

天数智芯CEO刁石京表示，公司坚持自研通用GPU体系，以目前推出的“天垓100”芯片为例，其基于7nm工艺，采用全自研的架构、计算核、指令集及基础软件栈，载有240亿个晶体管，相比同类产品，芯片面积更小、功耗更低、性能更好。“‘天垓100’可广泛应用于互联网、运营商、生物医疗等不同行业。在生物医疗领域，可应用于基因检测、X光图像识别、远程肠胃镜图像识别等场景；在智能安防领域，支持视频图像分析、监控物体识别、物品检测等功能；而在智慧教育领域，则能满足姿态识别及纠正、智能教学等场景需求。”

IDC数据显示，预计到2025年，中国GPGPU芯片市场规模将达458亿元，比2019年增长4倍多，2019-2025年的年复合增长率为32%。吕坚平认为，未来，集“计算+AI+图形”技术为一体的通用GPU产品，将成为客户的根本需求。“天数智芯坚持核心技术自研，不受国外IP制约，研发团队半数成员均用于算法技术调试，致力于为客户提供更安全的技术保障。”

受疫情影响，多数集成电路企业面临重大考验。刁石京透露， 本轮融资过后，天数智芯将进一步拓展应用市场，强化自主创新能力，探索通用GPU赶超发展道路。“未来，我们将持续基于‘天垓100’量产成功的市场基础，不断提升产品效能，力争开发出超赶国际、对接国情的天垓系列新产品。”

 

03 算力赋能，打造核心技术壁垒

近年来，资本加速入驻GPGPU领域，国内涌现一批创业公司，包括壁仞科技、沐曦集成电路、登临科技等，单轮融资纪录不断被刷新。

作为天数智芯C+轮融资的领投方，金融街资本董事长程瑞琦称，GPGPU在人工智能和高性能市场有较大的应用空间，是未来我国新一代信息技术算力底座，也是建设数智化城市的基本通途。“天数智芯已具备通用GPU核心技术攻关能力、产品创新实力，以及前瞻性产能布局能力，我们持续看好中国半导体行业的前景和天数智芯的技术实力，希望助力其加速产品量产进程和市场扩张。“

厚朴投资创始人兼董事长方风雷认为，在5G、人工智能、云计算、大数据等技术的推动下，算力需求将快速增长，未来谁掌握先进的算力，谁就掌握发展的主动权。“天数智芯在GPU领域拥有深厚的技术积累，且已有商业化落地产品。我们期待其能够以算力赋能产业发展，促进各行各业的智能化转型。”

中关村科学城科技成长基金管理人朱平谈则表示：“随着智能时代的到来，自主通用GPU芯片正加速崛起。天数智芯研发团队深耕研发，在该领域形成了一定的技术优势，其研发云端训练产品‘天垓100’已得到市场验证，具有较大的发展潜力。”

 

名词解释：GPGPU

GPGPU全称General Purpose Computing on GPU，即在图形处理器上进行通用计算。其中第一个"GP"指通用目的(GeneralPurpose)，第二个"GP"则表示图形处理(GraphicProcess)，两个"GP"搭配起来即是"通用图形处理"，再加上"U"(Unit)就成为了完整的通用处理器。

受CPU本身在浮点计算能力上的限制，对于那些需要高密度计算的图像处理操作，过去传统的在CPU上实现的方法，并没有在处理性能与效率上有很大进步。随着可编程图形处理器单元(GPU)在性能上的飞速发展，利用GPU加速图像处理的技术逐渐成为研究热点。