传统的独立显卡厂商主要是英伟达和AMD两家，英特尔主要占据集成显示芯片领域，但是今年英特尔开始力推独立GPU显卡，一出手就是对标旗舰游戏显卡，GPU市场即将迎来巨头三国杀，但是中国的显卡怎么样，这里就为大家盘点下，初步统计下来合计有15家厂商进入GPU领域（中船重工旗下2家）。
在介绍国产显卡之前，需要先搞清楚两个概念，显卡的英文缩写为GPU（GraphicProcessingUnit），但是它的功能包含两个方面：
一、图形渲染显示，就是我们一般家用和办公电脑中显卡发挥的作用，主要是借助图像处理芯片的性能将游戏、显示画面渲染输出给显示器。发挥图形渲染功能的显卡较为常见，比如英伟达的GeForce系列显卡，以及英特尔锐炬显卡，无论是独立显卡还是集成显卡，都可以称为GPU显示芯片；
二、GPGPU通用计算，主要是用GPU来进行一些科学计算，借用图形处理器来计算非图形数据，需要将浮点计算用算法伪装成图形计算，以实现处理非图形数据的目的。典型的硬件就是Nvidia的Tesla系列显卡及配套的CUDA计算构架平台。用作并行通用计算的GPU在游戏性能上并不占优，但一些游戏显卡可以通过安装CUDA来支持通用计算，目前火热的谷歌TensorFlow、百度飞桨PaddlePaddle、腾讯无量以及清华大学的计图（Jittor）框架都支持CUDA。
接下来，笔者就盘点下国内的显卡厂商和相关进展和显卡类别，并且用GPGPU来表示通用计算的显卡。
1、天数智芯
天数智芯在3月31日发布了天垓100芯片、天垓100加速卡两款GPGPU通用芯片，两款7纳米的云端训练芯片主要用于AI、深度学习、科学计算领域。
天垓100GPGPU芯片
2、景嘉微
景嘉微是较早做图形处理器芯片的厂商了，最新公开的28nm工艺制程的JM7201显卡可以用在笔记本、一体机和服务器上，已经适配各种国产CPU、国产操作系统。
3、兆芯
格兰菲智能科技正在独立显卡测试
4、芯动科技Innosilicon
芯动科技是一家专注半导体领域IP定制、设计、流片的公司，从DDR到接口再到GPU均有涉猎。芯动的风华1号就是一款12nm的高性能显卡，支持4路4K60帧输出，最高支持16个1080P用户同时在线，但是它主要面向信创、数据中心、图形工作站的显卡，姊妹显卡风华1号B型卡性能更强。
5、芯原Vivante
6、芯瞳半导体
已经推出40nm工艺的芯瞳GenBu01显卡，主打超低功耗（3W），已经适配龙芯、麒麟、飞腾处理器、昆仑BIOS。
7、航锦科技
航锦不仅做5G射频芯片，还做GPU显卡和FPGA，根据其回答投资者提问的答案显示，已经推出SG69XXG型号、SG6931型号两款GPU，面向特殊领域的自主可控GPU芯片。
8、中船重工系
中船重工709所凌久GP101、中船重工716所JARIG12显卡均为面向特殊领域GPU，民用并不多见。特殊领域的GPU，我们来自大陆北方网友还是少打听的好。
9、壁仞科技
来着不小，相继挖到华为海思GPU负责人洪洲、AMD全球副总裁李荣新等技术人员，实力不可小觑，可能也是这家公司短期就能推出GPU的原因之一。
壁仞科技首款GPGPU芯片是BR100系列号称国内算力最大的通用GPU芯片，直接对标国际厂商近日发布的最新旗舰产品。采用成熟的7纳米工艺制程，整合了Chiplet等一系列先进制造和封装技术，目前还在调试，主要用途为人工智能、云计算、图形渲染、大数据。
10、登临科技
推出了Goldwasser系列的三个型号的GPGPU，主要面向人工智能，支持TensorFlow、PaddlePaddle、PyTorch等主流AI框架。
11、摩尔线程
由前英伟达全球副总裁张建中创办，成立一年多即发布显卡“苏堤”，面向PC、工作站和数据中心，MUSA架构，支持原生安卓应用。
12、沐曦集成电路
创始人陈维良曾任AMD总监，公司拥有多个原AMD、海思工程师团队人员，产品主要面向AI、科学运算、大数据等领域。
剩下两个厂商，没有正式大张旗鼓的GPU显卡计划公开，但是从官方信息来看是有相关项目的，分别是华为和龙芯。
13、华为海思
华为海思1GB显卡：在华为官网有一款搭载鲲鹏92024核心处理器的华为擎云W510的配置单中泄漏了可选配的华为海思1GB独显/amd1GB独显，但关于这款华为海思1GB独显没有更多公开信息，可见是试水之作并未大规模商用，而且在目前芯片生产没有解决前，短期也不会有华为海思独显发布和上市。
14、龙芯
龙芯在计划上市时大手笔募资并成立3A5000突击队、3C5000突击队、7A2000突击队、2K2000突击队、GPU突击队、PCIE突击队等一系列研发团队，其中的GPU团队和PCIE突击队则比较明显的指向了自有GPU的研发。但是这种宣传应该只是在立项阶段，距离真实的显卡还有很远的距离。
总体来看，国产PC显卡目前只是实现了0到1的突破，但是在真正的桌面高性能显卡方面，还要多年才能缩小与巨头们的差距。而在通用计算GPU领域，则差距相对较小，可能与专用领域和大数据、服务器用GPGPU在驱动和生态上没有民用GPU显卡那么大的阻力有关。
