图：GPU行业的发展不仅是开发信息技术的缩影，而且是国防和军事行业竞争的主要变量。如今，当数字化和智能浪潮遍历世界时，图形处理器（GPU）被传统的“图形渲染工具”的单一角色损坏。对于国防和军事行业而言，GPU不仅是对武器和设备的明智升级的主要支持，而且是在军事模拟，指挥和控制，情报检查等领域发展“战斗的数字效力”的基本要素。战争和军事工业系统的竞争。特别是针对工业应用的四种情况，国防和军事行业的GPU的需求集中在以下四种情况下：1。高精度军事模拟军事模拟是TH的主要联系E军事行业以及发展和培训，涵盖武器系统的验证验证（例如飞行的导弹飞行运动，练习（模拟取决于CPU簇，数百万个生物（例如，车辆，员工，城市战斗建筑）和多型物理设施和多型物理设备和多型电动机集成（机制 - 电磁效率化的功能），对效率进行了计算，并实现了计算过程，并实现了实时性能。在城市模拟中计算数十个MIYOU网格点的动态方程，GPU可以实时实时接触物理接触和数千个动态目标（士兵，车辆，车辆，爆炸物）的视觉效果。计算能力基于NVIDIA A100集群“ Tianhe”系列超级计算机还广泛使用武器设备仿真的GPU加速度，缩短了某种类型的导弹的空气动力涂料周期从3个月到2周。 2。现代战争的明智命令和控制进入了“优势”阶段，每秒战场产生的数据量是TB的TA TAA（包括卫星遥感图像，雷达信号，通信智能，无人机视频等）。命令和控制系统需要在很短的时间内完成诸如目标识别，威胁分析和火力分配之类的决策，从而对实时和计算能力的智能提出了最终要求。 GPU人工智能（AI）的能力是进行智能分析的主要工具：例如，GPU中每秒的成千上万基于数字的识别能够在70％的Manu-Manu-Ma中对卫星图像中准确的车辆进行视频评论。GPU可以加速Nu-Manu自然语言处理模型（例如BERT），MIT可以将其缩短战场上交流文本形式的语义时间从小时到几分钟。美国的“高级战斗管理系统”（ABMS）任命了一个基于GPU的基于GPU的平台，以实时转换多源智能并产生战斗建议；在国家秩序的“ beidou + ai”中，GPU群集执行的目标超过90％的目标，即在级别的水平上处于水平的水平处，在水平上处于级别的水平，在水平上处于级别的水平。 3。智能武器和设备下一代武器和设备的主要特征是“智能” - 导弹能够防止本赛季结束，无人机可以意识到协调的群集操作，并且可以修复船舶的战斗 - 携带船舶系统以根据Warfarted Fields进行调整技术。启动者Andthis ar的tation取决于侧面的实时推理以及中端的复杂训练：在侧面（车身设备），微型GPU模块（例如NVIDIA JETSON AGX ORIN）与导弹和无人机控制系统集成在一起，用于实时处理传感器数据（Infrared Imsping，Lidar，lidar，lidar，lidar）和Implass target，并进行了处理。例如，美国的“忠实边锋”无人机通过机载GPU的群集实现了多机器人协调的战术决策，响应延迟不到10毫秒。在中端（指挥中心/研发实验室）：大型GPU群集用于训练智能算法模型，并且所需的计算强度随着模型数量而大大增加。当前的主要军事模型AI（例如用于无人机群集形式的多古研究模型NA）达到了数百万级。仅在训练一次后的几周内，需要数千个GPU才能在几周内进行类似的计算。 4。e在电子战领域，信息的范围对抗和安全性，GPU的高平行性用于打破敌人的通信交流（例如通过暴力枚举或退火算法的模拟）产生中断中断的信号（例如，雷达设计的内部干扰）。尽管此类申请受到国际武器控制协议的限制，但国家根据GPU秘密形成电子对策。例如，美国国防部曾经购买了NVIDIA V100集群，以模仿敌人交流网络的脆弱性；中国已使用GPU加速了“ Beidou”抗侵入系统的研究和开发中复杂电磁环境中信号处理算法的优化。三个维度会影响机制。 GPU不仅是国防和军事行业的“工具”，而且是“杠杆”重塑行业竞争。它的影响力可以从以下三个维度产生：从技术角度来看，现代武器和设备的智能水平直接取决于基础计算能力的支持。例如，高音武器指南系统需要在极端环境下实时计算最佳的弹道（温度> 2000℃，加速升高，用于高GPU的耐药性温度，低电力消耗和高度可靠性；数量的对策；批量交流的对策需要GPU才能完成主要代表并在NanoSosecond delger下进行验证。从工业角度来看，这场战斗将无法实现，GPU的国防和军事行业的希望带来了“瓶颈”的风险：使全球高端GPU（例如NVIDIA H100，AMD MI300）依靠TSMC或5-屏蔽美国公司的7纳米计。当国际局势紧张时，国外的供应商可以通过“停止供应”或“限制供应”来制造外国军事工业系统。例如，在2022年，美国将在中国发布GPU，港口控制政策禁止NVIDIA在中国出售A100/H100芯片，这直接影响了对几个中国军事部队的AI培训的发展。从战略角度来看，在“智能战争”期间，计算能力差距可以直接导致战场状况，决策速度和武器效率的速度的代际变化。拥有高级GPU技术的国家可以更快地训练更准确的AI模型，并模仿复杂的战斗场景，从而采取主动性制定方法和战术实施。 CDESPAIR的GPU行业已经开始迟到。尽管该公司的当地代表出现在Rec中ENT年份，与国际巨头相比，仍然存在很大的差距：1）流程技术。主要的国内GPU产品保持在7至12纳米（取决于海外OEM），而最先进的国际输入3纳米（例如Nvidia的下一代B100）。 2）生态系统软件。 CUDA生态系统拥有3,000多个加速库，并且支持国内GPU开发工具（例如Jingjiawei JM系列）并不完美，并且移动开发人员的成本很高。 3）高端市场的渗透：国防和军事行业中的主要模拟和指挥系统仍然依赖于进口GPU，并且对独立产品的可靠性的验证相对较长。改善竞争的四个主要要点。为了加强国防和军事防御竞争，中国需要从以下方向促进GPU工业和军事行业的协调发展S：1）突破基本的关键技术并确保高端供应的安全性。专注于独立的7NM制造能力和以下流程，支持国内GPU设计公司为军事行业产生高可靠性筹码；加强基础设施的变化（例如Chiplet异质整合，存储和计算技术），减少对高级过程的单一希望，并提高计算强度的密度和能源效率的比率。 2）开发一个独立的软件生态系统，并降低应用程序转换的阈值。促进国内GPU编程框架的标准化和开放资源，与CUDA生态系统的主要接口兼容，并降低从进口GPU到家用产品的军事单位的发展成本；联合国国防大学，航空科学与技术以及其他机构将为SP开发专门的图书馆为军事场面而言，改善了国内GPU的“灵活性场景”。 3）加深军事 - 西维利人的融合并加速技术的转型并提高需求。建立“军事行业需求 - 企业研发 - 实际战斗验证”的封闭环境机制：军方建议典型的应用情况（例如高超音速武器模拟，群合作），GPU企业的目标是优化建筑（例如，通过增加男子计算单元的比例来增加建筑），以及实际测试的实际测试单位，建立一个国家基金来支持技术的共同研究和发展，并防止重复投资和资源。 4）加强国际合作和风险的风险。根据遵循国际规则，进行了欧洲，俄罗斯和其他国家的GPU技术交流以获得非美国技术资源；建立SH战略性GPU预备机制，以应对供应链中突然中断的风险。 GPU行业的发展不仅是信息技术发展的缩影，而且是国防和军事行业竞争中的主要变量。对于中国来说，在全球GPU行业的寡头垄断和技术障碍面前，打破主要瓶颈，建立独立的生态并通过独立变革来加深军事和平民的唯一途径。只有通过协调，GPU的计算能力在国家GPU国家GPU的国家GPU中，在国家GPU国家GPU中，国家GPU在国家GPU国家GPU中，在国家GPU的国家GPU国家GPU中，计算能力的优势，并为陆军阶级世界的发展提供稳定的技术支持。 （May -set是外国投资基金的董事总经理）