科创中国

行业领域

电子信息技术

需求背景

随着科技的不断发展，计算机图形处理器（GPU）已经成为了现代计算系统中不可或缺的重要组成部分。GPU具有强大的并行计算能力，能够高效地处理大量数据和复杂算法，因此在科学计算、人工智能、虚拟现实等领域得到了广泛应用。

然而，目前市场上主流的GPU产品主要由国外公司生产，如英伟达（NVIDIA）、AMD等。这些产品在性能和功能上都具有很高的水平，但同时也存在着一些问题。首先，由于技术和专利的限制，国内企业在GPU领域的自主创新能力相对较弱，很难形成自己的核心竞争力。其次，国外GPU产品的价格较高，对于一些中小企业和个人用户来说可能难以承受。此外，由于GPU的特殊性质，其软件栈的开发和维护也需要投入大量的人力和物力资源。

为了解决上述问题，越来越多的国内企业和研究机构开始关注国产GPU的发展。他们希望通过自主研发和创新，打破国外公司在GPU领域的垄断地位，提高国内企业的竞争力和市场份额。同时，他们也意识到了基于国产GPU的计算软件栈建设的重要性。只有建立起完善的软件栈体系，才能真正发挥出GPU的性能优势，满足不同领域的需求。

需解决的主要技术难题

目前在技术方面存在的困难以及需解决的问题

图形处理器（GPU）是计算机显卡的核心芯片，也是高性能计算与深度学习的关键部件，软件生态是决定GPU产品应用的核心因素，任何一个成功的计算平台都需拥有广泛而丰富的软件生态系统。如NVIDIA的成功依赖于CUDA生态系统可用的工具、库、应用程序和合作伙伴，通过软件生态的建设，构筑了强大的技术壁垒，使竞争对手难以逾越和替换。由于没有企业可提供与国产GPU配套的软件开发平台，国内所有高端军事应用系统，自动驾驶、人工智能等民用领域，基本都采用NVIDIA的CUDA平台开发应用产品，同时，由于国外GPU厂商软件开发平台完全不支持国产计算机平台，在国产计算机平台上，根本无法开发高端GPU国产应用软件。“安全与可靠”已成为国家信息产业发展的重要目标，目前计算软件的发展方向仍掌握在国外几个大公司手中，在国产GPU平台上构建自己的软件生态已经成为自主软件发展的重中之重。

期望实现的主要技术目标

相关技术指标或要求

针对景嘉微最新研制的GPU-JM9200开展计算软件栈建设，功能支持方面，需对开源计算框架进行功能适配，实现计算加速，将OpenCL接口融合到框架，达到应用兼容的目的。性能优化方面，针对JM9200架构特点对计算库进行优化。具体需求如下：

1)常用计算库的移植与优化利用OpenCL编程接口对主要计算库(优先使用具有自主知识产权的软件库，如果使用开源软件，必须具有与BSD相当的开源协议)进行移植与优化，包括clFFT、clBLAS、clDNN、clSPARSE、clLAPACK、clRNG。要求能完整支持计算库的所有接口及功能，应用能保持接口兼容，相关接口性能达到AMD RX550同等水平。

2)常用图像处理库的移植与优化利用OpenCL编程接口对主要图像处理库进行移植与优化，包括OpenCV、OpenVX。要求能完整支持图像处理库的所有接口及功能，应用能保持接口兼容，相关接口性能达到AMD RX550同等水平。

3)主要深度学习框架的移植，适配与优化利用OpenCL编程接口对主要深度学习框架进行二次开发(框架包括Tensorflow、Pytorch、Paddle)，将JM9200作为后端加速设备融入计算框架，提供对CPU+ JM9200加速器高效的并行异构资源调度、自适应异构计算核心的任务映射以及多级存储的统一访问，实现JM9200对常用算子的加速。将深度学习框架移植到主要国产操作系统和实时操作系统运行。要求能在国产操作系统（包括Kylin，UOS等）平台上运行Tensorflow，Pytorch，Paddle框架，可以使用JM9200作为其加速设备。要求能完整支持Tensorflow，Pytorch，Paddle框架提供的所有功能，能支持训练和推理，应用能保持接口兼容，相关接口性能达到AMD RX550同等水平。

期望合作方式及拟投入资金（与企业、高校、科研院所等合作）

可以多种形式进行合作，产权归属归双方共有或另行协商。要求合作方在基于GPU的通用计算、图像处理或深度学习方面有较好的研究基础，有稳定的研究团队。计划总投资1000万元。

预期成果及经济社会生态效益预期成果为基于JM9200 GPU的计算软件工具集，包括：

（1）基于OpenCL1.2的常用计算库、图像处理库、深度学习框架。计算库包括：clFFT、clBLAS、clDNN、clSPARSE、clLAPACK、clRNG；图像处理库，包括：OpenCV、OpenVX；深度学习框架包括：Tensorflow、Pytorch、Paddle；

（2）为支持以上计算库、图像处理库、深度学习框架所必要的IDE开发环境、调试工具等；

（3）设计文档、测试报告、分析报告等。以上成果可用于真实感图形生成、自动驾驶、人脸识别、智能计算等相对开放的民用领域，也可以用于大型航天工程测控、电磁频谱态势感知、分布式协同电子对抗、无人装备、卫星图像处理、电磁信号分选识别、军用地理信息系统构建等军事领域。本项目的成果可以为用户提供与非国产GPU完全兼容的应用软件调用接口，缩短应用的开发周期，降低开发成本及应用迁移的难度，建立和培育国产GPU的软件生态；可以补齐国产计算环境的基础软件短板，解决行业痛点及“卡脖子”问题，建成和完善国产GPU计算软件应用创新研发体系，进一步增强自主创新能力。

处理进度