IDC定义的AI应用均是指基于机器学习算法的AI决策系统。大模型则是指读取海量数据、参数规模巨大的算法模型。业界一般认为超过千亿级参数即为大模型，其训练过程中可能使用了上千张以上的GPU/CPU芯片。C
移动光追技术有利于改善游戏的画质，从另一个层面改善游戏体验。近年来在“高帧率竞争”之下，提升帧率几乎成了众多厂商唯一的标准，但帧率的提升不可能一蹴而就，而且一些厂商为了追求帧率提升而牺牲分辨率的行为，并没有给游戏用户带来真正的极致体验。
图形处理器（GPU）是专用于图形处理运算的处理器。GPU的主要功能之一是减轻中央处理器（CPU）上的负载，特别是在运行图形密集型游戏或应用程序时。GPU可以集成，也可以独立。
在硬件层面，国内的GPGPU具有自身的特色，甚至在一些领域比NVIDIA更具优势，在ChatGPT或者相关大模型上，也有它的优势。不过整体来看，还是存在差距，需要不断进行创新和迭代，要不停的向前走。
当前的GPU还有涨价问题。前一代英伟达和AMD GPU的价格自推出以来一直在上涨并居高不下，并且经常出现库存问题。虽然上一代RTX 3000和RX 6000显卡的库存情况基本不错，但价格并没有下降太多，大多数GPU在成本方面保持稳定。
如今，数据中心和企业GPU是英伟达最大的营收来源。根据IDC的数据显示，到2021年，英伟达占据了全球91.4%的企业GPU市场份额，排第二的AMD市场份额仅有8.5%。
相比其他手机芯片设计厂商，苹果和高通长期以来处于手机GPU领域的领先地位。很大程度上，这要归功于自研GPU架构带来的好处，不仅让苹果和高通打造一系列专属的特性和功能，形成差异化优势，也可以自行规划GPU的发展方向，掌控产品的更新节奏。
从中国角度来看，人工智能和具有HPC功能的GPU可能也比CPU更重要，因为人工智能和HPC可以实现全新的应用，例如自动驾驶汽车和智慧城市。
在基础的图形图像渲染和视频编解码功能之外，MTT S80还能够提供完整的AI训练和推理、通用计算、GPU虚拟化、安卓容器云加速等功能。MTT S80内置128个张量计算核心，并对摩尔线程自研的TensorX推理引擎提供了完整支持，使其可以在AI和通用计算等应用中展现出强大性能。
从数据中心向智算中心和元计算中心演进是行业算力需求发展的主流趋势，人工智能和元宇宙应用负载对GPU算力的强烈需求是推动这一演进趋势的关键力量。专为提升智能算力而设计的摩尔线程MTT S3000，在与之配套的MUSA软硬件计算平台的加持下，AI应用性能相比“苏堤”可实现平均4倍提升。
随着各种传感器的性能持续走高，譬如多线激光雷达、高分辨率的图像传感器等，我们对边缘计算单元尤其是GPU的需求也在持续增加。但在实现的过程中，我们还有一些物理限制没法消除，像是尺寸、重量和功耗等。
人工智能对于生态的要求非常高，涉及框架、应用、模型的适配等，英伟达率先基于CUDA生态将上下游打通，对于下游的算法开发商和服务商来说，它的GPU在性能具备优势的同时还保持了易用性。
