新华财经上海10月16日电（记者高少华）端侧AI正快速从技术概念走向规模化应用 ，背后是大模型轻量化与终端芯片算力提升的双轮驱动。在第26届中国世界 工业博览会上 ，国产图形处理器（GPU）厂商格兰菲智能科技股份有限公司（简称“格兰菲 ”）展出的主打产品，是一款刚完成芯片调试 、已向终端客户送样的高性能安谋（Arm)架构系统级芯片GF800及其板卡 。展台的主角 ，从显卡变成了一颗完整的系统级芯片 。
格兰菲副总经理武文杰和首席策略官王渊峰在接受记者专访时表示 ，公司做端侧AI并非在AI热潮中转行，而是二十余年GPU底层架构迭代的自然延伸：从图形渲染出发 ，进入通用计算 ，再延伸到端侧AI处理器和系统级芯片平台。GF800所面向的端侧和边缘场景，正成为人工智能从云端向终端延伸的重要方向 。
不做AI的“转行者 ” 二十年架构迭代撑起技术主线
格兰菲是一家总部位于上海的国产GPU厂商 ，成立以来长期专注图形处理器／通用图形处理器（GPGPU）设计 ，产品覆盖图形渲染 、通用计算、人工智能 、视频编解码与显示等场景 。依托核心团队二十余年技术积累，公司已研发并商业化多代格兰菲自研硬件架构芯片，并同步构建起面向图形 、计算与人工智能应用的格兰菲软件生态。
在外界看来 ，AI处理器与GPU似乎是两条不同赛道 。但格兰菲方面认为 ，图形渲染、通用图形处理器和人工智能计算并非三条相互独立的技术路线，它们都建立在大规模并行处理 、分层存储访问和可编程计算架构之上 。底层技术同源 ，是格兰菲能够从图形走向通用计算 ，再走向端侧AI的基础。
格兰菲工博会展台现场 （受访者供图）
硬件上，格兰菲通过自研硬件架构迭代 ，将图形处理器 、通用图形处理器、矩阵计算 、视频和显示等核心知识产权纳入统一的异构计算体系；软件上 ，格兰菲软件平台把驱动 、编译器、运行时、加速库和模型部署工具衔接起来，使同一软件底座可以同时支撑图形 、计算和人工智能应用 。
当前 ，端侧AI需求正在从单点算力转向系统能力 。中央处理器 、图形处理器、神经网络处理器 、内存 、多媒体和软件生态需要协同 ，单靠一颗AI加速芯片很难解决实际问题。因此，格兰菲不仅提供图形处理器芯片和图形处理器知识产权核（IP） ，还进一步构建系统级平台能力 ，为客户提供可迁移、可定制的一站式解决方案。
武文杰表示，格兰菲并非从GPU“转行”做人工智能，而是将GPU从图形处理稳步发展为通用并行处理 ，再进一步发展为端侧异构人工智能计算平台 。系统级芯片平台是三者实现系统级融合和规模化落地的产品载体 。
近来 国产GPU赛道参与者众多 ，武文杰将格兰菲的差异化概括为几个层面：架构上，依靠持续架构迭代优化功耗 、性能 、面积 ，减少对先进工艺和资源暴力堆叠的依赖；技术上 ，坚持自主GPU底层架构；产品上，做“图形+人工智能 ”融合的多模态计算；形态上 ，形成从图形处理器知识产权、独立图形处理器到系统级芯片平台的平台化产品体系；商业路径上 ，则依托既有规模化市场进入端侧人工智能。
在市场方向上，格兰菲重点看好智能终端 、工业计算与机器视觉 、边缘AI服务器、机器人与具身智能等领域 。武文杰表示：“我们的目标不是简单把云端算力搬到终端 ，而是在实际功耗和成本约束下 ，让算力更接近数据 、更接近设备，也更接近产业应用 。 ”
让算力靠近设备 GF800搭载“图形+计算+人工智能”
此次工博会上 ，GF800是格兰菲展出的核心产品之一。据介绍 ，GF800采用“全大核中央处理器+自研图形处理器+专用神经网络处理器+统一内存 ”的组合架构，主要应对端侧AI智能体时代对多线程调度能力 、异构协同效率和多模态数据处理的新需求 。
武文杰告诉记者，全大核中央处理器更强调持续性能、多线程吞吐和高负载响应 ，适合人工智能体、代码编译 、多任务办公 、内容创作及工业边缘计算等负载 。与过去一些终端芯片更强调低功耗轻负载不同 ，GF800的中央处理器设计明显面向更高强度的端侧计算。
GPU部分延续了格兰菲的自研路线 。公司介绍，搭载自研GPU能更高效、快捷地支持本地大模型部署 ，并能够进一步为客户提供定制化多模态应用处理能力 。统一内存架构则让中央处理器 、图形处理器 、神经网络处理器、视频处理单元之间高效协同 ，减少数据搬运带来的损耗。
在本届工博会上，机器人展品是一大热点 ，也与GF800的客户定位直接对应 。武文杰认为 ，智能终端 、边缘服务器 、工业智能、机器人及具身智能等场景，与“图形+计算+人工智能 ”的技术路线高度契合 。
据介绍 ，GF800近来 已完成芯片调试 ，并已向终端客户送样，正围绕图形 、显示 、系统兼容性及行业场景开展适配和方案验证 ，为后续规模化应用奠定基础。王渊峰表示 ，这些行业的共同特点是，既需要图形处理和通用计算能力，又对端侧AI推理、实时响应和系统集成度提出更高要求。
国产GPU竞争将是生态和综合交付能力竞争
国内端侧AI算力市场需求正从概念验证走向实际落地 。尤其在智能终端 、工业智能 、机器人和具身智能等领域 ，对大模型本地部署、低时延、数据安全和成本可控的需求持续提升 。
王渊峰认为 ，端侧AI市场爆发的关键驱动因素在于大模型轻量化 、端侧推理需求增长以及产业智能化升级；主要制约因素则包括软硬件生态成熟度 、应用场景规模化落地进程，以及开发者生态和行业解决方案的完善程度。他判断：“未来竞争不仅是芯片性能竞争 ，更是平台能力和生态能力的竞争 。”
在端侧本地大模型与云端大模型的关系上 ，格兰菲认为两者将长期共存、协同发展，而非简单替代 。王渊峰解释 ，相比云端推理 ，端侧人工智能在数据安全 、响应时延和长期部署成本方面更具优势，云端则在超大模型训练 、复杂推理和资源弹性方面占据优势。企业客户尤其关注数据不出域、本地推理 、低网络依赖和确定性时延 ，这也是端侧算力需求快速增长的重要原因 。
软件栈与开发者生态长期被视作国产GPU的最大短板 。“生态建设不是一朝一夕能够完成的 ，而是长期投入和持续协同的结果。”武文杰告诉记者，格兰菲从GPU研发初期就高度重视软件生态建设 ，基于自主GPU架构构建了格兰菲自研硬件架构和格兰菲软件平台 ，并持续推进主流操作系统 、应用软件及人工智能框架的适配工作 。
针对未来几年国内端侧图形处理器／通用图形处理器的国产替代节奏，武文杰判断将呈现两个方向：由政策及行业市场向开放市场延伸，由基础图形显示向“图形+通用计算+人工智能 ”升级 。在此趋势下 ，格兰菲未来布局将以自主GPU架构为底座 ，逐步构建“图形处理器知识产权+图形处理器芯片+侧AI+系统级芯片计算平台+格兰菲软件平台 ”的产品体系。
“工博会是一个展示窗口，也是一次信号释放 。格兰菲希望对外传递的 ，是长期坚持自主发展、持续迭代底层架构 、完善软件生态 ，同时开放合作，连接芯片设计 、整机制造、工业软件 、算法模型和行业应用等上下游伙伴 ，推动国产GPU从单点替代走向协同创新和规模化应用 。”王渊峰表示。
（文章来源：新华财经）
