顯示卡和 GPU 相關的硬體研發領域,一直以來都是台灣科技產業的亮點之一。特別是 ChatGPT 正式發布後,業界認知到 GPU 不僅發揮在遊戲領域,更應用在資料中心的需求、AI 加速器等新興領域。
台灣的半導體產業供應鏈全球馳名,擁有優秀的製造和研發實力,如 NVIDIA、AMD,及眾多相關 GPU 製造商軟硬體公司,都在台灣設有研發中心,系統廠如鴻海、緯創,板卡公司如微星、技嘉和華碩等,也提供相關工作。
關注此領域的求職者,歡迎參考下文說明之 GPU 的產業趨勢及職業發展機會。
台灣經濟部上半年的進出口概況統計,資通產品中「電腦零附件」表現尤為出色,合計上半年的出口增長達 14.21 億美元,年增率高達 15.6%,拆解數據背後的成長,主要驅動力來自顯示卡,而且下半年的出口仍然前景看好,特別是在 AI 領域的商機。
不僅如此,在全球市場趨勢上,此領域也表現出強勁增長。根據 Global Market Insights, Inc. 的報告,GPU 市場規模將在 2023 年超過 4000 億美元,更多的智慧家電和消費性電子產品銷售量,將帶動 GPU 市場的擴張。
不過顯示卡跟 GPU 雖共用接近的名稱,但兩者還是有些微的差異。繼續談到與職缺與相關企業前,讓我們先稍微拆解一下 CPU、GPU 之間的差異,再細分顯示卡與近期最流行的 AI 用 GPU 之間的差異。
CPU 是電腦或伺服器的中央處理器,具有複雜的架構和廣泛的功能。它擅長執行各種任務,包括數據處理、運算、系統控制等。相較於 GPU,CPU 的核心數較少,但每個核心更強大且通用。
CPU 通常採用複雜指令集(CISC)架構,適合處理多種不同類型的任務。這使得 CPU 成為能夠扛起各種運算工作的通才,例如操作系統運行、應用程式執行、網路通訊等。
GPU 是一種特殊的處理器,專門用於處理圖形數據和相關的平行運算工作。它的架構相對簡單,並且通常擁有大量的核心。這些核心可以同時處理多個相似的任務,因此適合處理需要高度平行處理的工作。
GPU 通常採用精簡指令集(RISC)架構,這使得它們能夠高效處理相同類型的運算。主要應用包括圖像處理、電腦遊戲渲染以及近年來的人工智慧訓練等。
過去 GPU 多是用於附加在 CPU 裡的傳統顯示卡(又稱內顯),供應商包含 Intel、AMD,隨著科技進步,現在獨立顯示卡(又稱獨顯)早已成為電腦領域的重要角色,市佔最高的廠商包含 NVIDIA 及 AMD,擁有專屬的記憶體、散熱設備,效能通常優於主機板或 CPU 內建的 GPU,也讓它逐漸成為電競和高效能應用的首選。
此外,GPU 在 AI 中的應用提供高效運算,特別在深度學習和神經網路方面,縮短模型開發時間。在高效能運算(HPC)中,GPU 處理大規模科學計算,加速處理複雜模擬。同時,GPU 在邊緣運算中發揮作用,實現即時圖像處理、語音辨識和物體檢測,提高智能設備反應速度。這些 GPU 應用領域展現了其平行處理和高效運算能力的重要性。
無論我們在談的是顯卡或 GPU,都是現代科技中不可或缺的科技產品元件,在 ChatGPT 問世後,業界不斷傳出更多令人振奮的應用方式。
首先,讓我們談談 ChatGPT 使用的生成式 AI。這種人工智慧技術需要大量計算能力,特別是在深度學習領域。GPU 的平行處理能力使其成為訓練深度學習模型的理想選擇,不論是生成文字、圖像還是影片,都能提高生成式 AI 的速度和品質。
許多企業或許也開始又興趣投入研發聊天機器人。如果要維持跟真人般相似的客戶體驗,機器人需要能迅速處理自然語言模型,GPU 的計算速度加速了自然語言處理。而在 GPU 的老本行遊戲開發上,遊戲開發商得以創造更具視覺吸引力的遊戲,增強玩家的沉浸感。
此外,GPU 還能廣泛應用於產品設計、工程模擬和醫療保健領域。加速產品設計的時間,大幅簡化了複雜的數據模擬和解析,預期也將在醫學領域達到更快速的診斷和或協助壓縮研究時間。
不久的未來,GPU 的快速分析,也能處理自動駕駛系統中的即時圖像處理,或者應用於空氣品質監測,提供高速的環境質量監測和改善,就留待更多人才的投入開發研究了。
無論是在 GPU 製造、設計、還是研發,以下職缺都可以提供簡單參考:
以產品階段做區分,研發與設計 GPU 的企業包含,NVIDIA、AMD、Arm、英特爾(Intel)、美光科技(Micron Technology)。製造端則包含台積電(TSMC)、鴻海(Foxconn)、緯創(Wistron)、聯發科(MediaTek)、慧榮科技(Silicon Motion)。
其他上下游廠商,以產品類別區分,擅長 GPU 模組的企業包含微星(MSI)、技嘉(GIGABYTE)、華碩(Asus)、華擎(ASRock)、和碩(PEGATRON);ASIC 晶片的世芯;處理散熱的雙鴻、奇鋐。
工作職稱 | 公司 | 薪資待遇 | 工作內容 |
GPU 架構師(GPU Architect, Silicon) | Google | 經常性薪資達 40,000 TWD / 月 | 1. 根據 GPU 工作負載分析定義 ASIC 圖形處理單元核心的配置 2. 提出 GPU 的架構特徵/要求,將 GPU 與 ASIC 整合,以提高整體效能 3. 與 Google 機器學習、軟體和裝置團隊合作,利用 GPU 為 Google 帶來引人入勝的體驗。 4. 針對 GPU 工作負載最佳化整體 ASIC 和軟體堆疊。 |
雲端平台 GPU 系統軟體技術領導人 (GPU System Software Technical Lead, Cloud Platforms) | Google | 經常性薪資達 40,000 TWD / 月 | 1. 設計、開發及維護 GPU 系統軟體的系統軟體堆疊 2. 提供技術領導,幫助制定和推動軟體開發計劃 3. 協助確定跨職能團隊中的依賴關係,並推動新產品推出(NPI)的執行,重點關注開發、速度和品質 4. 為團隊內和其他跨團隊的工程師設定技術方向和優先順序 5. 驅動系統軟體整合,為 Google 資料中心啟用下一代 GPU 加速器 |
智慧型裝置事業群 - FPGA / GPU 系統專家 | 仁寶電腦 | 70,000 ~ 100,000 TWD / 月 | 1. 熟悉FPGA / GPU架構,具相關設計或驗證經驗 2. 具開發硬體加速產品經驗,熟悉 High-Level-Synthesis 3. 系統驗證項目的規劃及系統整合與測試 4. 了解機器學習與分散式運算架構 |
研究科學家 - 設計自動化 / 電子設計自動化(Research Scientist - Design Automation / EDA) | NVIDIA | 經常性薪資達 40,000 TWD / 月 | 1. NVIDIA 設計自動化研究小組正在尋找 AI 晶片設計和 GPU 加速 EDA 領域的研究科學家。深度學習和 GPU 的進步正在改變晶片設計的格局。以廣泛的技術領域進行原創研究,包括 EDA 演算法和軟體、機器學習和 VLSI 晶片設計方法。具體研究興趣領域包括但不限於監督學習、無監督學習、強化學習和 GPU 加速在 EDA 演算法中的應用 2. 將深度學習和 GPU 加速應用於 EDA 軟體以及 ASIC 和 VLSI 設計工具流程 3. 研究和開發具有創造性和創新性的 EDA 軟體和演算法 4. 與研究和產品團隊中的電路、VLSI 和架構團隊成員合作 5. 發表並展示您的原創研究,在會議和活動中發言 6. 與外部研究人員和多元化的內部產品團隊合作 |
UEFI 韌體開發工程師 (外商派駐人員) | 華昕數據應用有限公司 | 經常性薪資達 40,000 TWD / 月 | 1. PC 硬體架構趨勢及技術發展(如 CPU、GPU、RAM、控制器等) 2. 設計並建構新一代 AI / Telecom / HPC產品 SOP,包括協議、測試、指令等 3. 審查並編寫 UEFI 原始碼 4.優化伺服器功能和演算法 |
對許多新鮮人來說,第一份工作即走進外商可能不太容易,但隨著越來越多外商來台開設研發中心,台灣的公司也逐漸開拓世界舞台, GPU 或顯卡相關的工作機會將越來越多。而從國際趨勢來看,建置資料中心的需求也相比以往更高,若對此領域有熱情、有信心,未來職涯路線或可考慮往海外工作思考。持續經營專業能力,絕對是可行的選擇。
前往 Cake 電子資訊 / 科技製造人才職缺專區 →