更多

  • 中国全力发展第三代半导体产业，以期达到世界一流水平

    什么是第三代半导体呢? 半导体发展经历了三个阶段，第一代半导体的材料是以硅和锗为代表，第二代半导体有了砷化镓，磷化鎵等材料为代表是4G时代的主力，第三代半导体则是以氮化镓，碳化硅，氧化锌，氧化铝，金刚石为代表，更合适在高频，高功率及高温环境下工作，这是各国在集成电路领域中竞相追逐的战略制高点，将对产业格局产生重大的影响。 为什么我们国家现在如此重视半导体的发展，原因大家都知道，就是以美国为首的国家对我国实行芯片禁令。 我国每年进口芯片的规模达到3000亿美元，买芯片所花的钱是买石油的2倍之多，石油我国可以全球购买，沙特贵了就买俄罗斯的，俄罗斯的贵了可以买伊朗的，但是芯片的大卖家就只有一个那就是美国，在高端芯片被美国把持怎么也绕不开这条路。 我国目前走的是全球化道路强调产业分工，美国在芯片产业具有强大的领先优势，本来花钱就可以解决的事，但是现在美国一根筋不卖高端芯片给中国，这就让美国自己的芯片产业遭受打击，因为全球除了中国，任何一个国家不能吃下美国的芯片单量。 而美国现在对打击中国的决心非常大，宁愿自己蒙受重大损失，也要把中国的高科技按死，这就逼迫中国自己另起炉灶在芯片全产业链上实现独立自主，我国现在的芯片制造能力和美国有一段距离的差距，比如美国德州仪器一家公司就拥有125000种模拟芯片，而中国全国也不过5000种。 中芯国际是中国内地规模最大，技术最先进的集成电路芯片制造企业排名全球前五，粗听中芯国际的世界排名还可以，但是全球市场占比还不足5%。 最近中芯国际从美国退市进入科创板，摆明了是要摆脱美国的控制全力为华为等本国企业提供服务，美国政府当然不会坐视不管，放风要将中芯国际列为实体黑名单。 而目前还有一个《瓦森纳协定》也对中国很不利，这个协定的全称叫做《关于常规武器和两用物品及技术出口协定》由美国，日本，韩国，澳大利亚等42个成员国，唯独就是没有中国，中国是这个协定所针对的国家，在中芯国际建厂时为了绕开这个协定从第三方进口二手设备非常艰难。 最近国家出台了一系列政策，对半导体企业实行10年免税，科创板快速融资，产学研相结合，设置集成电路一级学科，这些措施非常强力，在十四五规划中将大力发展第三代半导体为重点项目，确定了在5年内做到芯片国产化率70%。 举全国之力快速发展半导体产业，发挥“两弹一星”的精神，必将可以将芯片全产业建立起来，并且达到世界一流水平的高度。

    半导体 半导体 中国 第三代

  • 独立显卡，被NVIDIA和AMD放弃，Intel却选择进军

    上个世纪末期，由于电脑图形处理能力弱，3D游戏画面惨不忍睹，即使最顶级的3D加速卡也无法驾驭高分辨率游戏，高分辨率是800x600。因而，当时3dfx公司推出双显卡方案超前技术。 而大名鼎鼎的《仙剑奇侠传》的分辨率是320x240，对于今天的玩家来说实在是难以理解。 既然一块3D加速卡不够，那就两块并联怎么样?3dfx的第二代产品，支持双卡并联的Voodoo 2在1998年前后成为全球电脑玩家争相购买的宝贝，热度丝毫不亚于iPhone手机——当然前提同样是不差钱。 后来3dfx被英伟达(NVIDIA)收购，双卡并联(SLI)技术也被后者收入囊中，之后的十几年里双卡并联平台一直是顶级玩家的挚爱，双卡还不够，所以变成了多卡。 收购了ATi的AMD成为NVIDIA在显卡领域的唯一竞争对手，不甘示弱地推出了属于自己的双卡并联方案，名曰交火(CrossFire)。 时至今日，情况发生了很大变化，不论是两块独立显卡，还是集成显卡加独立显卡(这种方案相当别扭实际效果相当令人失望)，或者一块双芯显卡(贵得出奇)，AMD和NVIDIA两家似乎都已经不感兴趣了，渐渐地从硬件到软件不再提供任何支持。 为什么会这样呢? 从1997年诞生的Voodoo 2开始，双卡并联功能的出现，主要是为了应对顶级显卡也不够用的场合。经过了二十多年的发展与变迁，这一最最基本的精神依旧没有动摇。这样一来，如果不是最顶级的显卡如RTX 3090，其他显卡根本没有组建并联的必要。 也许有人会说，两块次高端显卡加起来可能比一块顶级显卡便宜，而每块显卡的理论性能又超过了顶级显卡一半。没错，没错，以RTX 30系列为例，RTX 3090的价格是3080的两倍，但性能却远不及两倍。 然而，大家可别忘了SLI是有损耗的，实际性能远不及翻番，甚至能提高30%就不错了，奔着性价比去组建SLI，从而避开昂贵的高端旗舰卡，这种想法其实是比较幼稚的。 再者，多显卡系统大幅增加了DIY的难度，提升了空间需求和整机功耗，还降低了兼容性，不论从哪个角度看都是事倍功半的做法。 顶级显卡的销量本来就不算大，而且今年的顶级双卡平台明年又会过时，换新成本也要翻倍，所以这种方案对于玩家来说其实也是吃力不讨好，NVIDIA和AMD都看清了这种趋势，所以双双决定淡出该领域也是合情合理。 但是，重新进军独立显卡的英特尔看起来对这种技术很有兴趣，原因很简单也很残酷，既然性能落后，就得数量来凑。 近日SiSoftware的数据库里，赫然出现了两款全新的Intel Xe显卡，其中一块包含128个执行单元和1024个流处理器，这是迄今为止已出现的Intel Xe显卡的最高规格。 作为对比，Tiger Lake中集成的DG1独立显卡应该是96个执行单元和768个流处理器。看到这里你发现了什么?虽然是独立显卡，似乎没什么明显的优势啊，这还怎么玩? 新卡的核心频率创下新高达到了1.4GHz，同时拥有1MB的二级缓存和3GB的显存。 毫无疑问，这样的新显卡对于英特尔自己来说是个进步，拿到市场上和AMD或NVIDIA正面刚是不现实的。 SiSoftware里的另一个显卡性能更强一些，包含192个执行单元和1536个流处理器，但意外的是检测显示这是一块双卡，很可能是96单元核显与96单元独显的组合。 再往下看，2MB的二级缓存和6GB的显存，明显也是对应双GPU而存在的。至于这是单卡双芯还是双卡并联，目前还是个未知数。 平心而论，老玩家们对Intel出新独立显卡这件事，已经有些审美疲劳了。 上个世纪的i740勉强在中低端领域占领了一席之地，之后英特尔就只能做集显或核芯显卡了，整整二十年的空白是很难补上的。十几年前，英特尔就大张旗鼓地想做Larrabee，结果雷声大雨点小，产品失败不了了之。 这些年英特尔从未放弃过进军独立显卡的渴望，却又一直没有突破性的进展。更雪上加霜的是，ARM不断侵蚀英特尔的基业，NVIDIA收购ARM进一步加大了威胁，AMD在CPU领域已经保持了两年以上的领先优势——这在之前英特尔与AMD的竞争历史中是从未有过的，英特尔面临着格罗夫时代以来最严峻的局面，难免顾此失彼。

    半导体 英特尔 显卡 图形处理

  • 单线程CPU市场中，AMD反超英特尔

    2017年3月，英特尔Ryzen处理器上市，随后，AMD成为英特尔在CPU市场的重要竞争对手。在Ryzen到来之前，AMD在2016年底仅占据了CPU市场不到18%的份额。 最新的第三方估计显示，这家芯片制造商现在控制了接近37%的市场。其他来自视频游戏平台Steam等的可靠估计也表明，AMD一直在不断蚕食英特尔的CPU主导地位。而AMD还没有完成在CPU方面对英特尔的锤炼--尤其是在其最新的Ryzen 5000 CPU到来之后。这就是原因。 在单线程CPU性能方面，英特尔历来比AMD享有优势，而AMD认为单线程性能对普通用户和游戏爱好者来说都比较重要。但AMD最近一直在通过提升CPU的时钟速度来弥补单线程性能的差距。 AMD凭借新的Ryzen 5000处理器在这方面可能已经超过了英特尔。根据AnandTech进行的测试，基于最新的Zen 3微架构的AMD Ryzen 9 5900X处理器在单线程性能上比英特尔基于Tiger Lake的竞争产品Core i7芯片高出6%。 相比上一代Ryzen 9 3950X(基于Zen 2架构)，AMD这次成功实现了17.8%的单线程性能提升。至此，AMD可能在十多年后重新夺回了单线程性能的桂冠。 根据AMD自己的说法，高端的Ryzen 5000处理器可以比上一代芯片的游戏性能提升26%。AMD还宣称，该芯片在游戏性能上比竞争对手英特尔芯片快7%。 但现在性能的提升将付出一定的代价。AMD似乎已经放弃了之前低价竞争英特尔芯片的策略，相比前代芯片的价格，AMD全面提升Ryzen 5000处理器的价格。显然，AMD希望将其单线程性能优势转化为更多的钱。但这是正确的做法吗? 现在，AMD似乎已经在单线程性能上超越了英特尔，该公司向消费者索要溢价也就不足为奇了。考虑到其在CPU市场上日益增长的影响力，以及其芯片相对于英特尔所享有的技术优势，这家芯片制造商现在处于涨价的有利位置。 AMD的Ryzen 5000处理器基于上一代Zen 2处理器所采用的7纳米(nm)工艺的改进版，使芯片制造商能够提供更好的性能和速度提升。另一方面，英特尔在2021年第一季度推出第11代Rocket Lake桌面处理器时，预计仍将停留在14纳米工艺上。 有传言称，英特尔可能要到2021年下半年才会推出第12代10纳米Alder Lake处理器，与AMD的7纳米工艺竞争。 因此，AMD很可能继续享有对英特尔的技术领先优势，特别是考虑到根据传言，AMD可能会在2021年底之前凭借Zen 4微架构向5纳米制造工艺转变。

    半导体 英特尔 AMD 中央处理器

  • 电源管理芯片引脚如何辨别？

    深圳市泰德兰电子有限公司是一家专业的芯片代理企业，于2005年成立，主要代理TOREX(特瑞仕)，MOJAY(茂捷半导体)，AOS(万代)，honeywell(霍尼韦尔)主要销售传感器，AC-DC，锂电充电IC，LDO，DC-DC，电压检测器、负载开关、肖特基二极管等产品，为客户提供高性价比的产品和服务。 电源管理芯片(PowerManagemenTIntegratedCircuits)，是在电子设备系统中担负起对电能的变换、分配、检测及其他电能管理的职责的芯片。主要负责识别CPU供电幅值，产生相应的短矩波，推动后级电路进行功率输出。 电源管理芯片使用中的特性 1、电源芯片在没有电流的情况下相同能够编程，并且电流最高可达800mA; 2、在使用的过程中，不需要外接部件，比如说二极管、感应电阻等等，能够独自使用; 3、电路在关闭形势下相同能够支持电流的经过，只需要电流达到25uA; 4、充电的时候能够设置成无涓流充电形式，能够起到省电的效果。要想让充电速度更快，选用带过温保护的恒流恒压充电，这种充电方式不用担心过热。 5、发动的时候，能够选用软发动的方式，能够有效地限制冲击电流，防止设备在发动时遭到损坏。 电源管理芯片应用范围 电源管理芯片的应用范围非常广泛，开展电源管理芯片关于进步整机功能具有重要意义，对电源办理芯片的挑选与体系的需求直接相关，而数字电源管理芯片的开展还需跨过本钱难关。开展电源管理芯片关于进步整机功能具有重要意义，对电源办理芯片的挑选与体系的需求直接相关，而数字电源管理芯片的开展还需跨过本钱难关。 当今世界，人们的日子已是顷刻也离不开电子设备。 电源管理芯片在电子设备体系中担负起对电能的改换、分配、检测及其它电能办理的职责，电源管理芯片对电子体系而言是不可或缺的，其功能的优劣对整机的功能有着直接的影响。

    半导体 芯片 电源管理 引脚

  • OPPO联手法国电信扩大欧洲可穿戴设备市场

    作为一个足够成熟的市场，欧洲市场一向受各大厂商欢迎。在巨头运营商把控下的欧洲市场，即使有较高的门槛，也依旧不缺前赴后继者。而在精耕细作、稳扎稳打的区域市场策略下，OPPO正逐步深入欧洲市场。 继前几日宣布与德国电信建立战略合作伙伴关系后，OPPO又宣布与全球领先的电信运营商Orange(法国电信)进行联合创新合作，推出全新搭载eSIM功能的OPPO Watch，意味着人们可直接通过OPPO Watch实现独立通话和独立上网。 不仅如此，OPPO也将携手法国电信推出个性化软件配置服务，也就是说，无论从法国电信渠道还是在公开市场购买设备的消费者，都可以畅享法国电信的全套服务。自2020年10月起，OPPO在欧洲公开市场发售的部分智能手机将适配法国电信个性化服务，包括两款全新的5G智能手机Reno 4Z 5G和Reno4 Pro 5G，以及一款OPPO 4G智能手机A72。 通过与法国电信的合作，OPPO将进一步拓展欧洲公开市场和可穿戴设备市场，逐渐成为当地的重要参与者。 其实早在2019年，OPPO就开启了与法国电信的合作历程，凭借严苛的品质要求和丰富的技术积累，仅两年便实现了从入库选型到创新合作伙伴的升维。截止目前，OPPO已经与包括法国电信、沃达丰、德国电信等在内的欧洲主要运营商建立了合作关系，并逐渐从手机选型、联合营销向更长远的战略合作目标发展。 法国市场的布局只是OPPO进军欧洲市场的一个缩影。为进军欧洲，OPPO已经做了非常多的准备和功课。早在2018年6月，OPPO就以Find X系列的发布为契机，正式进军欧洲市场。在之后的两年内，OPPO取得了非常不错的成绩，其业务不仅仅进入了比利时、法国、德国意大利，还进入了爱尔兰、波兰、葡萄牙、罗马尼亚、俄罗斯、西班牙等十四个欧洲国家。 与此同时，作为一家重视技术研发的企业，仅仅是2019年OPPO就投入了100亿元研发费用，而且未来3年内还会陆续投入数百亿元进行研发。在5G网络、人工智能和大数据等新兴领域的投入，使OPPO的产品力和品牌认知度持续提升。 OPPO还针对欧洲市场因地制宜地进行本地化运营，比如提前进入各个国家考察调研市场情况，从各个国家的市场特点和用户需求出发，提供相应的本地化服务。 OPPO还设立了专门的国际业务团队，选用海外员工负责海外地区的市场营销、研发、客户服务、品牌管理和互联网运营业务，这也让OPPO在欧洲多个国家获得了当地消费者的认可。与Orange(法国电信)的合作，会让OPPO在欧洲的业务发展更加迅速和便利，从而进一步深入欧洲市场并最终向全球市场覆盖。

    半导体 可穿戴 oppo 欧洲

  • 进入2.0阶段的AI芯片，在云端、边缘和终端的挑战

    2015年，芯片设计公司数量为736家，一年后，几乎翻了一倍成为1362家。其中，AI芯片最为耀眼。经过几年的探索和沉淀，AI的发展也许已经悄然进入2.0阶段。 大家更加注重与特定应用场景的结合，比如智能汽车，智能安防等;有部分则从单纯的基于ASIC的方式转向尝试通用计算道路的探索，兼顾通用性并针对一些重点应用做相应的优化。少了吵吵嚷嚷的热闹，多了踏踏实实的落地。 随着应用的深入和落地，云端、边缘和终端侧多点开花。每个节点的芯片侧重点可能略有不同，云端更加强调性能的极致，通常采用异构的芯片架构，用GPU或者专用的ASIC芯片与CPU配合，处理复杂的数据训练或者inference的工作，那GPU/ASIC之间以及GPU/ASIC与CPU之间以及GPU/ASIC与存储模块之间都需要极高性能的接口来支撑，如PCIe、CCIX、GenZ、DDR等; 边缘或者终端侧虽然不像云端对性能要求那么高，但是他们需要面对更多复杂的应用场景，如前面提到的智能驾驶、智能医疗、工业智能等，那么他们会在兼顾性能的同时更加看重能耗比的指数，因此也会有一些新的接口或者总线类型来适应他们的应用，如MIPI、UFS、LPDDR等。 从云端的总线来看，前面提到有很多种，我们以PCIe来举例。虽然它的效率和性能并不是最高的，但它目前是最成熟的，用的也比较多。目前商用落地的是PCIe 4.0技术，那到今年年底，有一些领先的服务器厂商就会推出PCIe 5.0的样品。那PCIe 5.0的速率已经达到了32Gbps，而且在这个速率下还要考虑到与前代的兼容，它的channel loss会非常大，在奈奎斯特频率下会达到36dB。在如此高的速率下要保证这么高的设计余量，对设计工程师来说，这是一个非常大的挑战。 举例来说，即使经过非常复杂的预加重、均衡、信道训练等，那最终达到芯片接收端，芯片内部的眼高不会超过15mW，眼宽不会超过10ps。这是非常非常小的余量。如果设计的余量不够，那总线的丢包率就会比较高，就会导致重传，那芯片的效率就大大降低了。那如何实现更大的设计余量?如何去测试设计的余量，如何将设计和测试做闭环验证都是工程师面临的巨大挑战。 那对于边缘或者终端侧来说，要考虑成本、要考虑功耗。所以它的总线技术不会像云端走的那么快，但它会采用一些特殊的总线来适应终端场景的需求。比如在云端更多的采用类似PCIe这种来做计算，但在终端/边缘侧则更多的采用类似MIPI这种总线进行计算或者数据的传输;在云端的数据存储总线可能会用到DDR4或者DDR5，但在终端/边缘，可能更多的会用到LPDDR;对于云端，可能更多的使用PCIe等去做扩展，而终端会更多倾向于用USB去做扩展。所以两者差异还是很大的。 除了速率上的不同，终端侧其实还需要考虑连接的简洁性以及功耗的性能，所以终端侧的总线的内部协议或者信号的调整方式上反而更加复杂一些。比如Type-C接口，它外面的连接非常简洁，但是其实它内部协议非常复杂。 它要考虑正反插，要考虑供电，要兼容显示和数据传输等等，所以终端侧的这些总线的设计要求与云端又不一样。 当然，无论是什么样的AI芯片，无论是什么样的技术浪潮，是德科技都能陪伴在您的产品设计和研发过程中，为您的芯片质量提供坚实的保障。 无论是计算总线还是内存接口总线，无论是仿真还是产品测试，是德科技都有全面的解决方案，为您的产品保驾护航。

    半导体 云端 终端 ai芯片

  • 汽车智能化大势所趋，全息芯片、全息车载大屏将改变汽车产业

    汽车显示系统市场规模在2018年估计为150亿美元,从2019年到2025年,复合年增长率将超过10%。到2025年,全球行业单位出货量将超过3.5亿个。到2024年,全球汽车智能显示市场预计将从2016年的47.5亿美元增长到110亿美元,复合年增长率为12.75%。 近年来,面板产能的快速放量,但消费类市场目前增长缓慢,各大面板厂商都在寻找新的快速增长的应用领域。但随着汽车市场的快速发展及车联网时代的来临,车载显示领域已成为继手机、平板市场之后的第三大中小尺寸面板应用市场。 伴随着汽车市场高度繁荣以及智能化汽车、物联网、车联网等的不断发展,车载显示屏也已经悄然占据了继手机、平板之后的第三大中小尺寸面板市场,其中,人们对于人车交互的需求不断增加,也使得车载显示技术快速的发展变化。 早期的车载显示器的出现是为了满足基本的信息显示,但是伴随着汽车智能化的发展,现在人们对于人车交互的需求不断扩大,车载显示技术呈现出多元化的发展,除了传统的液晶屏外,OLED柔性显示技术、多点触控技术、DLP投影技术、HUD平视显示技术、全息技术等等技术也开始进入车载显示领域。 汽车显示系统市场的关键趋势,例如全息显示器的出现,也将推动市场增长。市场的主要供应商专注于汽车应用全息屏的开发。全息显示系统包括几个功能,包括车道偏离警告,正面碰撞警告和导航。多家车企也在致力于开发用于信息娱乐和HUD系统的全息AR显示技术。就是将虚拟的数据和图像结合在现实图像中,从而达到更好的互动和辅助。 在去年,特斯拉公布了一项名为“用于屏幕颜色匹配的全息装饰玻璃”的专利,这项技术可以改善车内显示屏的视角,让屏幕看起来更大、更舒服。 据上述报道介绍,该技术可以减少或消除系统显示部分和非显示部分之间边界的可见性,通俗来说就是让车载屏幕变成一块无边框显示屏。特斯拉还采用了全息玻璃面板,通过采用这些技术,特斯拉希望为其车辆提供可以为所有乘客提供最佳视角的屏幕,增强使用屏幕时的沉浸式体验。车载大屏不光可以成为导航、娱乐等终端,也可以配合车身外的摄像头,并作为汽车后视镜的辅助。 为了实现屏幕的无边框化,特斯拉主要运用了索引匹配胶水和全息玻璃面板两项技术。专利文件显示:“索引匹配胶水可以改变显示屏的感知颜色和外观,以在较小的视角范围内匹配周围框架的颜色和外观。例如,索引匹配胶可以改变显示屏的感知颜色和外观,以在大致垂直于显示屏表面的视角范围内匹配帧的颜色和外观。”不过,文件也指出,由于匹配的视角范围有限,显示屏框架和显示屏之间的边界在某些视角下仍然可以容易看到。 AR技术的兴起为HUD在产品设计上提供了更适配实际使用场景的方向,车载AR技术,通过光场显示级别的HUD将虚拟信息与实景融合,全新的交互方式更加安全、直观、便利。与ADAS功能相结合,可以实时呈现自动巡航、车道偏离、车辆行人监测等信息,有助于驾驶员提早作出反应,减少交通事故发生,增强对驾驶的信心。此外,光场AR技术,可以实现人、车、路(真实世界)、云(虚拟世界)的完美融合,如通过LBS,提供充电、加油、维护、购物、餐饮等增强现实形式的内容提示,并基于时间、空间、用户等多维度的推广,提供竞价排名等增值服务。 微美全息(WIMI.US)为中国领先的全息云综合技术方案提供商之一,公司提供从全息视觉AI合成与呈现、全息互动软件开发、全息AR广告投放、全息AR SDK支付、5G全息通讯软件开发到全息人脸识别等全息AR技术的一站式服务,商业应用场景主要聚集在家用娱乐、光场影院、演艺系统、商业发布系统及广告展示系统等五大专业领域。 微美全息云是增强现实的一种内容提供方式,就是让你看到现实中不存在的物体和现实世界融合在一起的立体影像并与其交互,通过投射装置,将手机或电脑上的影像投影到其他介质上。微美全息云中最具商业价值的就是全息技术。全息技术也称虚拟成像技术,是利用干涉和衍射原理记录并再现物体真实的三维影像的记录和再现的技术。是一种用相干光干涉得到物体全部信息的的三维成像技术。全息技术所记录的不是影像,而是光场。应用场景广,行业成长性高。 微美全息AI-MBTWIMI全息云平台,是公司开发的一款高性能微美全息云管理平台,主要用于为企业、团体、组织或个人提供AR3D应用&全息娱乐、AR3D应用&全息广告与AR3D应用&全息技术服务三大服务体系。云平台根据适用场景的不同分为To B\To C,两者在功能和特性的支持上存在一定差别。To B主要为广告、影院、家装、餐饮、娱乐、游艺等公司提供所需全息虚拟内容与技术支撑服务。To C端的应用主要提供微美全息云AI-MBTNSDK及其插件用在移动端摄影、APP应用之中提供各类个人增值服务,未来还可以应用在AR/虚拟现实/智能眼镜,DLP(数字光处理)投到视网膜;拥有SDK插件和智能计费系统等。 5G时代的到来,成了车载AR应用爆发的高速路。5G网络具备高带宽、低延时、大连接等颠覆性特性,结合云计算、大数据、物联网、人工智能等新技术,为形态多样、交互立体的智能终端的量产应用,带来了巨大的基础设施利好。 未来人工智能是绝对的发展大方向,按照我们以前的常规理解,汽车只能算是冰冷的没有感情的机器,但是当AI人工智能智能被安装到车上又是什么样呢? 对于2020年,汽车市场一如既往的竞争激烈,但是对于技术的革新来说,这是一个爆发的节点,每个技术的爆发必将带来巨大的市场份额,所以我们也期待2020年汽车行业会有更大的技术爆发。

    半导体 智能化 汽车显示 全息芯片

  • 韩国材料、零部件和设备制造商努力开发原创技术反击日本出口限制

    据韩媒报道，去年日本宣布对韩国企业实施出口限制这一措施，引发了韩国中小型半导体材料和零部件制造商的担忧。 不过韩国工业联合会(FKI)6月份对149家从日本进口产品的公司进行了调查，其结果显示，与一年前相比，韩国的材料、零部件和设备制造商的竞争力有所增强。 假设日本企业的竞争力为100，韩国企业在2020年6月的得分为91.6，高于2019年7月日本宣布出口限制时的89.6。 该报道称，韩国的材料、零部件和设备制造商通过加倍努力开发原创技术来反击日本的单边行动。结果显示，他们把危机变成了扩张业务的机会。 FKI指出，日本公司提出的专利异议请求今年有所增加。截至2020年8月，日本公司对在日的韩国公司提出了11项请求。这一数字已经超过了2019年全年提出的8项，而且极有可能超过过去5年提出专利异议最多的2017年。 韩国公司今年对日本公司提出了15项专利异议，这一数字比2019年增加了一倍多，表明两国在技术竞争方面的竞争愈加激烈。

    半导体 日本 韩国 半导体

  • 指甲盖大小的手机处理器，为何能集成上百亿个晶体管？

    手机处理器的芯片大小，与大拇指指甲盖差不多大小，但是一个小小的芯片，却能装下上百亿个晶体管。iphone12中的手机处理器A14，搭载5纳米工艺，集成了118亿个晶体管。 那么小的芯片，真的能装下上百亿个晶体管吗? 纳米(nm)是长度单位，一纳米等于10的负9次方米，是一个非常小的长度单位。珠穆朗玛峰高8848米，它的百万分之一，仅相当于一本书的厚度。而1纳米相当于一毫米的百万分之一。单个细菌人肉眼是看不见的，因为它的直径在微米级别，而1纳米是1微米的千分之一。 氢原子是原子中最小的，它的半径大约是0.037纳米，13个氢原子排成一条线的长度大约等于1纳米。现在的手机cpu是硅基芯片，而硅原子的直径为0.234nm，4个硅原子排排坐就有1纳米的长度。 1纳米这么小，那么在一款小小的手机芯片上集成100亿个晶体管，就很好理解了，是可以做到的。 世界上第1台电脑埃尼阿克出现的时候，体积比一个房间还大。1958年杰克·基尔比发明了基于的集成电路，后面罗伯特·诺伊思发明了基于硅的集成电路。工程师们直接将晶体管制作在一片硅晶片上，微电路(芯片)随之诞生。为了降低功耗和提高性能，集成电路的晶体管数量越来越多，元器件也被做的越来越小。 现在芯片制造工艺早已从微米时代进入了纳米时代。手机和电脑的cpu就是集成度最高的芯片。现在一块手机cpu的面积大约在100平方毫米左右，而一平方毫米至少可以集成1000万个晶体管。 随着微电子技术的提高，仅仅几年的时间，硅基芯片制造工艺就从几十纳米进入了几纳米时代。目前集成电路的制造工艺已经达到了5纳米水平，苹果A14处理器就使用了台积电的5纳米制造工艺。不过元器件的尺度已经快接近极限了，要想提高芯片的性能，就只能另寻它法，比如碳基半导体。 纳米技术是研究结构尺寸在1~100纳米范围内材料的性质和应用，是上世纪90年代初迅速发展起来的，距今不过30年。 纳米技术的概念最早是物理学家理查德·费曼于1959年提出来的。直到1981年，科学家们发明了扫描隧道显微镜，才拥有了目睹纳米尺度下原子、分子的能力，后面还拥有了操控单个原子的能力。

    半导体 晶体管 集成 芯片

  • 可给手机降温的微流体集成芯片

    我们的手机电脑等电子产品在使用时会产生许多热量，如果热量没有能及时散发，必定会影响设备的性能与使用。有研究人员发现，将微流体系统集成到微芯片内部，展现出了卓越的冷却性能。 提升电子系统性能的一个高效又节能的策略是将微流体冷却通道集成到芯片中，以防止芯片过热。然而，此前设计并构建的最先进的微流体冷却系统却是独立于电子芯片之外的，妨碍了将通道集成到电路中为热区提供直接的冷却。 由于这种集成会显著增加芯片制造的复杂度，成本也会相应提高。van Erp等人在《自然》上发表论文，报道了一种集成微流体冷却系统的电子设备，让微流体冷却系统与电子元器件紧密结合，并且采用一种单次的低成本工艺流程进行构建。 电力电子技术使用固态电子器件将电能转换成不同的形式，可见于各种各样的日常应用[2]，从计算机到电池充电器，从空调到混合动力汽车，甚至卫星。对更高效率、更小功率的电子器件的需求越来越大，意味着这些器件每单位体积转换的功率量已经大幅增加。这反过来又增加了器件的热流密度，即单位面积产生的热量。以这种方式产生的热量已经成为了一个大问题：美国的数据中心用于冷却计算机的能源和水与费城全城的住宅用量相同。 微流体冷却系统在降低电子器件温度方面蕴含着巨大潜力，因为热量可以高效地传递到这些系统。总体上看，目前已经开发出三种微流体冷却方案。第一种用于冷却被保护盖盖住的芯片。 热量从芯片经盖子传递到带有微流体通道的冷板，液体冷却剂会流过通道。这里用两层热界面材料(TIM)帮助将热量从盖子传递到冷板：一层在盖子与板之间，另一层在盖子与裸片(用于制作芯片的半导体硅片)之间。 在第二种设计方案中，芯片没有盖子，因此，热量从芯片背面通过一层TIM层直接传递到微流体冷却板。这两种方法的主要缺点是需要TIM层——虽然TIM的设计能有效传热，但在TIM层与裸片、盖子和冷板之间的界面处仍会产生热流阻力。 有效解决这个问题的方法是使冷却剂与芯片直接接触——这是第三种常用设计。例如，裸片直接喷射冷却是一种很有价值的技术，液体冷却剂可以从微通道中的喷嘴直接喷射到芯片背面[5–7]。由于没有TIM层，这种方法的冷却效率很高，并且不需要改变芯片制作过程。然而，微流体器件的制作一般比较昂贵。虽然已经开发出了低成本的基于聚合物的技术，但其不适用于电子设备目前的生产和组装工艺。 另一种是冷却剂直接与芯片背面直接接触的方法是嵌入式液体冷却，让冷的液体通过直接蚀刻在半导体器件中的直的平行微管道(SPMC)泵送。这能有效将芯片背面变成了散热器，并展现出卓越的冷却性能。但是，与其他方法相比，裸片需要额外的加工过程。SPMC的主要缺点是，当液体流过时，管道中的压力会大大增加，这意味着需要一个大功率的泵。这增加了能耗和成本，并对半导体器件产生具有潜在破坏性的机械应力。另一个大的缺点是芯片上会产生高温梯度，这会引起热机械应力并导致薄裸片的局部翘曲。 与SPMC相比，名为嵌入式分流微通道(EMMC)的三维冷却系统在降低泵送能量需求和温度梯度方面具有巨大潜力。在这种系统中，一个三维层级分流管(具有数个分配冷却剂端口的通道部件)为嵌入式微通道提供多个入口和出口，从而将冷却剂分流到多个平行区域。然而，将EMMC集成到电力电子器件的芯片中增加了器件制造的复杂度和成本。因此，先前报道的EMMC是作为单独的模块被设计和制作出来的，后续再将其结合到热源或商用芯片上以评估其冷却性能。 Van Erp等取得了突破，他们开发了一种一体化集成式分流微管道(mMMC)——在该系统的单个裸片中，EMMC与芯片集成并共同制造。因此，掩埋的通道嵌入在芯片有效区域的正下方，从而使冷却剂能够直接从热源底下通过。 微芯片一体化冷却系统。Van Erp等人为电子设备芯片开发了一种通用设计方案，其中，作为冷却系统的微通道系统是与芯片共同制造的。冷水流过分流管，将水输送到硅基微通道中。水直接从氮化镓层下面流过，氮化镓是一种半导体材料，氮化镓层包含了电子器件组件(未显示)。因此，冷水有效地散发器件产生的热量，保证其具有良好的性能。顶部的金属触点将通道密封。 mMMC的制作过程包括三个步骤。首先，将窄缝刻蚀到覆盖了一层半导体氮化镓(GaN)的硅衬底中;窄缝的深度即是要制作的通道的深度。然后使用一种被称为各向同性气体刻蚀的工艺，将硅中的窄缝加宽到通道的最终宽度;这种蚀刻工艺还使短的通道连接起来产生更长的通道系统。最后，通道顶部的GaN层的开口被铜密封。随后就可以在GaN层中制造电子器件。与先前报道的制作分流微通道的方法不同，van Erp及其同事开发的流程不需要分流通道和器件之间键合或连接。 作者还应用他们的设计和构建方法制作了一个电力电子模块，将交流电(a.c.)转换为直流电(d.c.)。使用该设备进行实验表明，仅使用0.57 W cm–2的泵功率就可以冷却超过1.7千瓦/平方厘米的热流密度。此外，由于消除了自体发热引起的性能减退，液体冷却设备展现出明显高于同类未冷却设备的转换效率。 Van Erp和同事的结果令人印象深刻，但是与任何的技术进步一样，要做的还很多。例如，需要进一步研究薄的GaN层的结构完整性随时间的变化，以了解它能够稳定多长时间。此外，作者使用最高工作温度为120°C的粘合剂将设备中的微通道连接到支撑电路板上的流体运输通道。这意味着组装后的系统将无法承受更高的温度，例如回流焊接(一种电子设备制造常用的流程)一般用到的温度(250°C)。因此，与制造中使用温度相匹配的流体连接方案仍有待开发。 另一个未来的研究方向是在交流直流转换器的最新设计中采用mMMC概念。van Erp及其同事发表的设计是一个简单的测试案例。此外，在他们的实验中，作者仅使用液态水进行了单相冷却(也就是说，水并没有因为过热变成气体)。 在两相流冷却系统中表征器件的冷却和电力性能将会很有用。两相流冷却系统中，液体蒸发带走热量。最后，在实际应用当中，水可能不是理想的冷却剂，因为水有结冰或者直接与芯片接触的风险。 未来的工作需要研究使用不同的液体冷却剂。尽管仍有一些需要解决的挑战，van Erp及其同事的工作是向低成本、超紧凑、高能效电力电子冷却系统迈出的一大步。 他们的方法超过了目前最先进的冷却技术，并且有望使产生高热流密度的器件成为我们日常生活的一部分。

    半导体 微流体 集成芯片 微芯片

  • 芯英科技，“伏羲”芯片能耗仅为进口芯片的10%

    10月15日，2020年全国双创活动周浙江分会场活动暨钱塘芯谷启动仪式在杭州举行。活动现场还举办了钱塘芯谷揭牌仪式、芯谷首批落户项目授牌仪式。 钱塘芯谷此次集中落户授牌的11个半导体产业项目，总投资86亿元，包括芯英AI芯片、至芯紫外芯片、金卡智能物联生态科技、麦格米特高端装备等。 据钱塘新区发布消息，芯英科技CEO杨龚秩凡表示，将在新区开展首代“伏羲”芯片研发、设计和生产，该芯片应用于服务器端，可通过海量数据构建训练平台算法，产品对标英伟达V100等世界顶尖高性能AI通用芯片。除了实现AI通用芯片的国产替代以外，“伏羲”芯片能耗仅为进口芯片的10%，整体性能更优越。 深圳芯英科技有限公司成立于2018年12月，自主研发高性能AI通用芯片，打造完整的软硬件一体化系统。 钱塘芯谷位于钱塘新区核心板块， 规划总面积138平方公里，以半导体产业、未来产业为主导方向，重点发展集成电路、柔性电子显示、智能终端、5G等产业，致力于打造半导体千亿产业大平台和芯片之城。 钱塘芯谷正逐步形成以集成电路为主导的“1+X”产业体系，以“基础产业+未来产业”双轮驱动，“核芯产业”牵引高质量转型发展的产业形态。

    半导体 集成电路 芯片 半导体

  • 英伟达DPU，在数据中心领域对英特尔的挑战

    最近几年，“颠覆”、“极致”、“革命性”等概念很容易的出现在科技厂商的发布会新闻中。而iPhone12的发布现场，蒂姆库克就用上了“新纪元”的字眼，标志着iPhone正式地步入了5G时代新纪元。 但国内消费者对5G已经是见怪不怪了，苹果自嗨的划时代产品因为没有达到市场的预期，当日股价就跌去3800亿个小目标，后面就要靠销量来证明苹果自己有没有跨入“新纪元”了。 相比较于关注度高的消费电子领域，本文要把重点放在大多数人不太熟悉的数据中心产业，及其更上游的数据中心计算芯片上面。因为我们看到随着云计算的大规模普及和AI计算的指数级增长，数据中心被提到前所未有的重要位置。 最近在参加一个有关数字通信产业的论坛上，听到一位中国信通院的专家的观点是：数据中心，将成为和5G技术并肩，下一个数字技术的制高点。类似的观点，我们也在英伟达线上2020年GPU技术大会，从黄仁勋那里听到：数据中心已成为全新的计算单元。 黄仁勋之所以有这样的底气，就在于这次发布会上推出了一款全新处理器DPU，以及围绕该处理器的软件生态架构DOCA。据英伟达的介绍，DPU可以和CPU、GPU相结合，构成完全可编程的单一AI计算单元，实现前所未有的安全性和算力支持。 那么，DPU能否真正承担起与CPU、GPU一样的计算重要性，实现数据中心的一次巨大革新?其创新点到底在哪里?这些仍然是我们要去回顾和考察的问题。 一、英伟达DPU的过“芯”之处 从英伟达在GTC的介绍上来说，DPU(Data Processing Unit)处理器，其实是一种SoC芯片，其中集成了ARM处理器核、VLIW矢量计算引擎和智能网卡的功能，主要应用在分布式存储、网络计算和网络安全领域。 DPU的主要作用就在于替代了数据中心原本用来处理分布式存储和网络通信的CPU处理器资源。在DPU之前，智能网卡(SmartNIC)正在网络安全和网络互连协议方面逐渐取代CPU。而现在DPU的出现，相当于是智能网卡的升级替代版本，一方面增强了智能网卡对网络安全和网络协议的处理能力，一方面又整合和加强了分布式存储的处理能力，从而在这两个领域更好地替代CPU，从而释放CPU的算力给到其他更多应用。 英伟达在DPU上的技术突破，来自于去年收购以色列芯片制造公司Mellanox之后，在这家公司的硬件基础上开发出BlueFeild系列的两款DPU——英伟达BlueField-2 DPU与BlueField-2X DPU。 据介绍，BlueField-2 DPU具有英伟达Mellanox Connext-6 SmartNIC的所有特点，与8个64位的A72ARM处理器内核一起，实现可完全编程，并能提供每秒200千兆比特的数据传输速率，从而加速关键数据中心的安全、网络和存储任务。 最核心的一点是单个BlueField-2 DPU可以提供相当于消耗125个CPU内核所提供的数据中心服务，从而有效释放CPU内核的算力资源。 而BlueField-2X DPU则拥有包括BlueField-2 DPU的所有关键特性，其特性能够通过英伟达安培GPU的AI功能得以增强。而在英伟达的路线图里，未来的Bluefield-4 将会引入CUDA 和 NVIDIA AI，极大加快网络中计算机视觉应用处理的速度。 另外一个值得注意的是英伟达提出配合DPU处理器的软件开发工具包——DOCA(Data-Center-Infrastructure-On-A-Chip Architecture)。英伟达的专家将DOCA类比为数据中心服务器领域的CUDA，其意图在于帮助开发人员在DPU加速的数据中心基础设施上构建相应的应用程序，从而丰富DPU的应用开发生态。 从以上介绍我们看出英伟达的两个野心，一个是DPU试图再一次复制“GPU替代显示加速卡成为通用显示芯片的路径”，再一个是DOCA试图再一次复制“CUDA在GPU通用化过程中所起到的开创生态之功”。 如果和不久前英伟达收购ARM的消息结合起来，我们看到英伟达的一个重要考量，就是以ARM架构的CPU为核心，从服务器的应用加速扩展到服务器的全部应用场景，从而实现在数据中心服务器领域的更大突破，目标自然是剑指英特尔CPU为代表的X86服务器生态。 而在考察DPU挑战CPU霸主地位的可能性之前，我们可以简单来了解下英伟达在数据中心的布局。 二、英伟达的数据中心“野心” 在经历过游戏显卡业务的增速放缓，以及加密货币退潮后带来的显著业绩下滑的影响之后，几经波折的英伟达终于坚定地将未来押注在了AI计算和数据中心的产业布局上面。 2017年，英伟达的数据中心业务季度营收首次超过了5亿美元，同比增长了109%，这使得黄仁勋在一次大会上大力肯定了数据中心业务的价值。 英伟达早在2008年，最初就是通过最早的Tesla GPU加速器和初级的CUDA编程环境来为数据中心进行GPU计算，试图将更多的并行计算从CPU卸载到GPU上。这成为英伟达GPU之后进化之路的一条长期策略。 此后随着AI计算需求在数据中心当中的爆发式增长，AI硬件正成为越来越多数据中心扩容建设的关键所在。当超强AI算力成为数据中心的刚需，英伟达GPU凭借强大的并行计算和浮点能力，突破了深度学习的算力瓶颈，成为AI硬件的首选。这一契机才使得英伟达能够在数据中心的硬件版图上站稳脚跟，当然，英伟达的野心远不止于此。 英伟达最主要的布局就在于2019年3月，花费69亿美元收购了以色列芯片公司Mellanox，而这家公司所擅长的正是为服务器、存储和超融合基础设施提供包括以太网交换机、芯片和InfiniBand智能互连解决方案在内的大量的数据中心产品。而英伟达的GPU与Mellanox的互连技术结合，可以使得数据中心工作负载将在整个计算、网络和存储堆栈中得以优化，并能实现更高的性能、更高的利用率和更低的运营成本。 当时，黄仁勋把Mellanox的技术看作是公司的“X因素”，也就是把数据中心改造成一个可以解决高性能计算要求的大型处理器架构。而如今我们看到DPU的出现，已经是具有这一架构雏形的一种尝试了。 今年，英伟达花费400亿美金的天价从软银手中收购半导体设计公司ARM，其意图之一就是要把ARM架构的CPU设计应用到英伟达所要搭建的未来计算模式中，主要布局的领域就有超算、自动驾驶和边缘计算模式。其中，基于英伟达GPU的AI运算平台与ARM的生态系统结合，将不仅能够强化英伟达高性能运算(HPC)技术能力，又可以带动英伟达数据中心业务营收持续创高。 可以说，英伟达在数据中心领域的成功与否，都与能否实现数据中心的规模化运算有关，从发展自研的DGX系列服务器到整合Mellanox的技术，再到借助ARM生态发展全新的数据中心计算架构，都是为转型数据中心业务所作的准备。 当然，想要实现这一目标，还要看下英特尔是否答应了。 三、英伟达挑战英特尔，距离还有多远 目前来说，数据中心当中，95%左右的GPU仍然还是连接到x86 的CPU之上，英伟达如果单纯只是做GPU的增量，仍然无法撼动英特尔在数据中心服务器的霸主地位。现在，英伟达显然已经不满足于抓住增量市场，而是更希望能切入数据中心的存量市场，即设法用自己的芯片产品去取代英特尔(以及AMD)主导的X86 CPU。 自从英伟达开始收购ARM，外界能够看到英伟达已经多次显示出其试图利用ARM处理器进一步占领数据中心服务器市场的决心，而集成了ARM核心的DPU将成为其打入数据中心存量市场取代X86 CPU的第一个切入点。 英伟达推出DPU来切入这个市场，而非直接用ARM核心CPU来与X86 CPU直接竞争，其实是一种比较讨巧的做法，相当于用集成了网络、存储、安全等任务的下一代CPU产品来达到逐渐替换CPU的目的，即使其中所内涵的ARM CPU性能无法对标同一代的X86 CPU，但是整体机由于在DPU SoC上集成了专用的处理加速模块，因此总体性能一定是超过X86 CPU的。这种有点“田忌赛马”味道的策略，很可能成为英伟达开始替代低端X86 CPU的开始。 但是英伟达想要在中高端处理器市场来挑战英特尔，还要面临一系列的困难。 首先，正是英伟达的GPU与X86 CPU已经形成一种非常稳定的强互补关系。英伟达想要采用基于ARM架构的处理器做高端服务器，还需要ARM处理器性能出现大幅的提升，而现在，这一进程并不明朗。 再一个是英特尔早已为应对英伟达的种种挑战进行了相应的回应和布局。早在2017年，英特尔就宣布要开发全栈的GPU产品组合，而预计明年英特尔的首批GPU将在使用GPU的各个市场上发布。 为阻击英伟达在AI计算和自动驾驶领域的扩张，英特尔也先后收购了收购了Nervana和Movidius作为边缘AI计算的布局，收购了Mobileye作为自动驾驶的布局。并且，英特尔还在2018年宣布，将开发一个用于异构计算的全栈开放软件生态系统OpenAPI计划，来应对CUDA生态的扩张。也就是说，英特尔不仅在英伟达的后院搞事情，同时也在建立自身的X86服务器的生态系统。 数据中心业务对于英特尔来说，也正在成为其最核心的业务组成。2019年Q4英特尔的数据中心业务超越PC业务，成为其收入的主要来源;而在今年，英特尔对其技术组织和执行团队的重组，也被外界视为全面转型数据中心业务的开始。 可以想见在未来的数据中心处理器业务上，英伟达将迎来英特尔最为强劲的保卫战和反击战，而广大的服务器集成商或将成为这场角力赛的受益方。 螳螂捕蝉，黄雀在后，英伟达还要面对ADM这一新对手的追赶。不久前ADM曝出要花费300亿美金收购赛灵思，就被看作是叫板英特尔，阻击英伟达的双战略。 除此之外，英伟达还要在数据中心处理器业务中面临来自客户自研芯片的挑战。云服务商本身也不愿意完全将自身的计算核心完全交给英伟达，无论是AWS、还是谷歌、阿里巴巴、华为，都已经在布局自己的云端处理器。 不管怎么说，数据中心已经成为英特尔、英伟达、AMD这些老牌芯片巨头未来争夺的主战场，而英伟达如何能够在X86的如日中天和云计算客户的自研路线中，找到一个切入到中高端服务器处理器的关键点，刚刚发布的DPU也只能算作一个初步的尝试。 未来数据中心的博弈，将围绕AI、超算等所有领域全面展开，英伟达数据中心在强敌夹击中必定任重而道远。

    半导体 dpu 数据中心 英伟达

  • 国产首家汽车AI芯片创业公司地平线，如何实践软件定义汽车？

    特斯拉凭借在三电系统、电子电器架构、自动驾驶、制造与销售方面的颠覆性创新，受到了资本市场的青睐，市值已飙升至4000亿美金，坐稳全球汽车第一市值的宝座。 此外，特斯拉的每一个动作也成为了智能汽车行业的风向标。与此同时，中国造车势力也实现逆增长，蔚来、小鹏、理想三家市值也均超过了千亿人民币。自此，智能汽车时代已经到来。 芯片作为未来智能汽车的大脑，直接影响智能座舱和自动驾驶，自然也成为智能汽车时代的必争之地。智能汽车面对非常复杂的环境，感知、融合、决策需要巨大的计算能力，而传统的通用计算平台的算力功耗比TOPS/W居高不下，而且算力的利用率极低，已经成为智能汽车性能提升的瓶颈。 因此AI芯片成了车用芯片的最佳解决方案，特斯拉于2016年开始了汽车AI芯片的自研之路。特斯拉自研AI芯片的优势主要在于两方面： 第一，通过自动驾驶需求的场景定义芯片，特斯拉无疑是最懂其自动驾驶场景的; 第二，特斯拉同时精通软件算法和硬件，软硬深度融合，实现从数量级上提升有效算力。 结果，特斯拉用了3年完成FSD芯片的落地，144TOPS/72W，能效比达到了2TOPS/W, 是量产自动驾驶AI芯片里能效比最高的。结合特斯拉的选择，对于汽车AI芯片，我们不难推断： 1、汽车AI芯片必将成为智能汽车的核心，AI芯片将决定汽车智能化程度; 2、场景定义芯片，通过软件算法和硬件的结合是AI芯片的关键; 3、芯片的深度定制导致合作模式的转变，车企若不自研芯片，那与芯片公司的协作需要进一步加深，将打破传统的Tier2→Tier1→OEM逐级合作模式。 中国智能汽车的AI芯片产业现状 回到本土，我国有着世界上最好的互联网环境和最好的通信技术，有着中国速度加持，并且有着被芯片掐脖子憋着的一口气，智能汽车时代是中国引领世界的绝佳时机。那么，我国又应该如何应对?对于汽车芯片的布局我国主要分为三类： 第一类，类似于特斯拉通过车企整合垂直产业链的做法，吉利投资的芯擎科技，将从智能座舱芯片切入汽车芯片领域。在半导体方面深耕多年的比亚迪，在IGBT、指纹芯片、MCU和BMS相关芯片有一些积累，至于AI芯片未来是否有布局就不得而知，毕竟跟同城兄弟华为合作也是不错的选择; 第二类，百度、阿里、华为等互联网和ICT公司已经从AI芯片、OS到生态的全面布局; 第三类，围绕汽车AI芯片展开创业的创业型公司，如地平线、寒武纪、黑芝麻、芯驰科技等。根据车智君了解，现在国内大大小小的AI芯片公司已经有数十家。 从2020年9月到10月，华为、百度、地平线、黑芝麻都纷纷在各自的发布会上展示出了自己的AI芯片产品。在AI芯片早期竞争阶段，可能都聚焦在峰值算力上。但对于AI芯片，能有效的指标是：有效算力(算力利用率)、算力能耗比(TOPS/W)、成本和量产能力。 这里面吸引到车智君眼光的是地平线，2015年成立的汽车AI芯片公司，比特斯拉成立芯片团队还早一点。地平线作为全球第一家新兴汽车AI芯片公司，从量产落地到新品开发都取得了阶段性的成果，在其2020北京车展的发布会上有四大亮点。 亮点一：产品性能行业领先，算力能耗比媲美特斯拉。 发布会主角 “征程3”是地平线车载AI芯片的进一步迭代。征程3采用16纳米工艺，基于地平线自主研发的BPU2.0架构，AI算力达到5 TOPS，典型功耗仅为2.5W，算力功耗比与FSD芯片一样，达到了2TOPS/W，具有高性能、低功耗、拓展性强、安全可靠的特点，支持高级别辅助驾驶、智能座舱、自动泊车辅助、高级别自动驾驶及众包高精地图定位等多种应用场景。 “征程3具有极高的AI算力有效性，能耗比超越多款行业主流芯片，而且具有出色的图像接入和处理能力，不仅支持基于深度学习的图像检测、分类、像素级分割等功能，也支持对H.264和H.265视频格式的高效编码，是实现多通道AI计算和多通道数字视频录像的理想平台。”余凯介绍说，征程3不仅性能优异，而且灵活开放，客户可使用地平线算法样例、AI芯片工具链，以及进行应用开发所需的全套工具，快速实现产品级应用落地。面向未来，地平线即将推出更强大的征程5，针对高等级自动驾驶场景，单芯片达到96 TOPS的AI算力，支持16路摄像头，组成的自动驾驶计算平台具备192-384 TOPS算力，可支持L3-L4级自动驾驶，据说已经斩获车型定点。“地平线是首个通过国际权威的 TV ISO 26262功能安全流程认证的中国AI芯片公司，征程5按照ASIL B(D)打造，应用满足汽车行业最高安全级别ASIL D要求。”余凯说：“地平线还计划推出性能更为强劲的车规级AI芯片征程6，算力超过400 TOPS，满足ASIL C级功能安全。” 亮点二：创新协作模式，与车企深度协作，通过场景定义芯片，车企投资与业务的双重绑定。 发布会上发布的广汽版征程3是由地平线和广汽联合定义的，满足了广汽在汽车智能化方面的量产规划和差异化需求，价值最大化的实现了广汽智能驾驶和智能座舱的相关功能。除了在业务上的深度协作，广汽资本也战略投资了地平线，实现资本和业务的双重绑定。此外，地平线在智能驾驶领域已同奥迪、一汽红旗、上汽集团、长安汽车、比亚迪、理想汽车、长城汽车等车厂达成深度合作，初步建成覆盖智能驾驶和智能座舱的智能汽车芯生态。未来，地平线将自己定位为 Tier2 供应商, 坚持以“芯片+算法+工具链”为基础平台，结合整套数据闭环的能力进行底层技术开放赋能。 亮点三：开放平台、做智能汽车的赋能者 车企与供应商的合作向来都存在着博弈，而在智能智车时代如何减少博弈、深化合作?开放也许是最好的要是，而地平线“天工开物”AI开发平台(Horizon OpenExplorer)将算法、芯片以及产品快速迭代能力开放给客户。 基于自研AI芯片打造的地平线“天工开物”AI开发平台，由模型仓库、AI芯片工具链及AI应用开发中间件三大功能模块构成，包含面向实际场景进行AI算法和应用开发的全套工具，最大限度地方便客户进行个性化的应用开发，全面支持客户快速构建场景应用。 本次发布会推出升级版的“天工开物”AI开发平台2.0，新加入完整的数据闭环系统方案。地平线数据闭环系统赋能合作伙伴实现从数据采集标注、模型训练优化、仿真评测，到模型OTA部署，端到端的数据迭代闭环，打造具备覆盖整车整个生命周期的持续进化能力。 亮点四：多场景商业化落地，造血能力强 创业公司面临的首要问题是生存，而芯片行业又是一个技术要求高、资金投入高，回报周期长的行业，创业门槛极高。对此，地平线做出了一个很好的商业实践，2019年智能驾驶业务实现上亿元营收。 地平线副总裁兼智能驾驶产品线总经理张玉峰说：“地平线与主机厂和一级供应商保持紧密合作，进行中的合作项目超过50个，已签下20余个前装定点项目，预计装车辆可达数百万台，2020年内将有6款搭载地平线车载AI芯片的量产车型上市。” 在车展期间，地平线与合作伙伴联合展出征程系列芯片赋能的高级辅助驾驶(ADAS)、高级别自动驾驶、智能座舱及众包高精地图定位等多个面向中国驾驶场景的落地方案，地平线近期也与追势科技、大陆深化战略合作。 今年，地平线与中海庭在武汉完成了众包自动采集成图和更新方案在近百辆车次上的技术验证，服务武汉智能网联汽车道路测试与示范应用。 今年，长安汽车与地平线基于该芯片联合开发了智能座舱NPU计算平台，并搭载在其今年推出的全新车型UNI-T上，可实现视线追踪、分级疲劳检测、多模唇语识别、驾驶员行为识别、智能情绪抓拍和手势识别等创新性主动式交互功能。征程2业已成为首个上车量产的国产 AI 芯片。长安UNI-T上市3个月销量超3万台。 9月22日，全球首发搭载自动驾驶中国芯的纯电SUV奇瑞蚂蚁正式上市，搭载地平线征程2车规级AI芯片，实现了L2+级自动驾驶。 近期，地平线与美国自动驾驶技术公司COAST Autonomous达成战略合作，搭载地平线Matrix自动驾驶计算平台的COAST无人车将在美国城市中心、社区和校园等低速自动驾驶场景中部署。 回归到开篇提到的特斯拉为何自研芯片的问题，除了传统芯片产业难以满足智能汽车的定制化需求，再就是特斯拉即精通软件又精通硬件才有实力打造最适合自动驾驶的AI芯片，那对于地平线而言，他们面对的是互联网更加发达、数据更加丰富、速度更加快的中国智能汽车市场，有着绝佳的成长土壤。 此外，地平线前期花了较大的精力在ADAS方面的算法和软件开发，在软件和硬件融合层面，中国创业公司可能无人能出其右。前百度IDL常务副院长，地平线创始人兼CEO余凯，经常说：“我们是软件算法里面最懂硬件的，硬件里面最懂软件的。”这正是开发AI芯片的一项关键能力。 智能汽车时代已经到来，软件定义汽车成为新的趋势，再加上国家新基建政策对芯片产业的加持，通过市场和政策的双重加作用，AI芯片势必得到高速发展。 相比于特斯拉强大的垂直资源整合能力，我国汽车产业更加分散，更适合分工协作和联合创新，从目前进展来看，华为、地平线均是各个车企不错的选择。

    半导体 特斯拉 智能汽车 地平线

  • 新兴产业边缘计算与传统数据中心

    随着实际应用的需求，边缘计算已经不只是个概念，具有越来越重要的应用意义。边缘计算之所以受到重视，主要是因为海量增长的数据已经使得传统数据中心以及云计算平台难以招架，此时，处于大型数据中心和端侧之间的微缩版“小型数据中心”(边缘计算就在这里发生)应运而生。 它的主要特点包括：低延迟，因为算力部署在设备侧附近，响应实时性强;低带宽运行，因为接近用户，所以不需要高传输带宽;安全，因为数据在本地采集，本地分析、处理，从而减少了数据暴露在公共网络的机会，保护了数据隐私。 可以说，边缘计算与传统的数据中心和云计算既有很强的协同关系，也存在着一定的竞争关系。这样，包括微软、亚马逊、谷歌，阿里、华为、百度等云服务巨头厂商在内的各路神仙都在积极部署边缘计算。这就给众多芯片厂商提供了更加广阔的市场发展空间。 一、老牌儿劲旅的争夺 数据中心和云计算的核心芯片就是CPU，而这正是英特尔这个“计算王”称霸行业多年的根基所在，其CPU在企业级计算领域的市占率一直保持在90%左右。然而，边缘计算会带来的红利给了英特尔不小的紧迫感，近些年，该公司越来越重视在边缘侧算力的布局，特别是在工业边缘计算，以及多接入边缘计算 (MEC) 平台推广方面不遗余力，还特别推出了专门适用于边缘侧的至强Xeon D等一系列芯片。 近些年，英特尔在数据中心的最强劲竞争对手非英伟达莫属了。由于抓住了GPU在数据中心所需的AI算力这一风口，使得英伟达在企业级计算领域的风头几乎盖过了英特尔，为了追赶英伟达，英特尔先后收购了几家AI初创公司，最具代表性的就是Nervana和Habana Labs，这当中也经历了各种不如意和挫折，在用AI芯片这一新产品捕获大客户“芳心”的道路上，老牌儿企业也是一路艰辛。 在传统数据中心业务优势被一点点蚕食的情况下，英特尔正在用其最擅长的CPU拓展着边缘计算市场，这也正是英特尔的优势所在。而凭借GPU逐步做大数据中心市场之后，英伟达的雄心也在膨胀，同样瞄准了具有巨大发展潜力的边缘计算市场，也正是因为如此，其对Arm发起了并购邀约。 在公开收购Arm之前，英伟达就已经推出过专门用于边缘侧的计算芯片，典型代表是边缘超级AI计算机Jetson Xavier NX，还包括Jetson AGX Xavier，Jetson TX2系列和Raspberry Pi竞争对手Jetson Nano。Jetson Xavier NX运行在基于Arm的Carmel微体系结构的六核SoC上。可见，英伟达的边缘计算芯片与Arm关系紧密，而Arm与英特尔CPU相比，虽然整体性能仍有差距，但其低功耗特性，以及适中的算力，与边缘侧计算需求不谋而合，这正可以拓展英伟达在CPU方面的空白，同时又可较为平滑地过渡到边缘计算应用领域。 英伟达还于今年推出了新款EGX平台，该平台能够实时感知、理解和处理数据，无需首先将数据发送到云端或数据中心。据悉，EGX平台可以从基于Jetson Nano处理器的轻型服务器——能够以几瓦的功耗每秒钟处理0.5万亿次操作，扩展到基于边缘服务器NVIDIA T4机架的微型数据中心——可以每秒完成10000万亿次操作。该公司在边缘侧应用领域的芯片产品越来越多，如果能够成功收购Arm，将为其与英特尔在该领域的竞争增添一枚重重的砝码。 谈到企业级计算CPU，就一定会想起英特尔的老对手AMD。后者本来已经无还手之力了，在该领域的市占率一度下降到了1%。然而，在新任CEO Lisa Su的带领下，卧薪尝胆、苦练内功，制定了符合市场需求的产品路线，在正确的道路上越走越快，5年时间内，其PC端CPU市场份额已经达到了37%左右，企业级计算的市占率也从低谷期的1%上升到了8%。 然而，企业级市场的竞争壁垒要远大于PC端的，也正是因为如此，英特尔90%的市场份额依然难以撼动，如果只靠研发产品这一条腿的话，很难保持持久的竞争力，两条腿走路才能更有力量且持久，而另一条腿就是并购，因此，AMD收购赛灵思恰逢其时。 虽然这一并购案还未得到官方证实，但从产品组合以及融合发展策略上来看，对赛灵思的收购，对AMD来说，没有比这更优的方案了。 单靠CPU与英特尔在企业级市场竞争，已经显得心有余而力不足，如果能整合赛灵思的FPGA，显然会增大AMD的竞争砝码。更重要的是，CPU+FPGA的组合，可以使AMD在具有巨大发展潜力的边缘计算领域更得心应手，不只局限于增量空间有限的传统数据中心市场。 作为FPGA行业的霸主，赛灵思也一直在拓展其在企业级计算市场(这里主要是指数据中心和云计算)的发展空间，不过，与CPU相比，FPGA并没有算力方面的优势，而这也是其一直未能在数据中心阔步前进的重要原因，不过，FPGA的灵活性及其在通信方面的优势，也是CPU无法比拟的。也正是凭借这些特色，赛灵思在工业、医疗、航空航天、卫星通信等领域发展得如鱼得水，而这些领域正是边缘计算的主要市场所在。因此，相比于传统数据中心，FPGA在边缘计算方面是有优势的。这或许是AMD收购赛灵思的一个重要原因，CPU+FPGA的强强联合，可以使AMD在边缘侧的竞争力倍增。 谈到边缘计算，就不得不提另一家重要的厂商，它就是Marvell。作为企业级计算和通信芯片的重要一支，过去几年，该公司经过多次重组和并购，逐步剥离掉消费类等业务，将资源都集中在企业级芯片的研发和市场拓展上了，特别是收购Cavium以后，将Arm架构处理器和边缘计算应用作为了重点拓展领域。 如前文所述，Arm处理器在边缘计算应用领域有先天优势，将重点放在Arm上的Marvell自然不会错过这块市场，特别是推出ThunderX系列处理器之后，更凸显了其在该领域的发展雄心，目前，该系列已经推出两代产品，并承诺每两年升级一次。2018年的ThunderX2基于ARM v8.1架构，今年推出了第三代ThunderX3，第四代ThunderX4有望于2022年面世。 企业级计算、通信和存储是Marvell的三大核心业务，通信是重中之重，该公司这方面的业务也在向边缘计算倾斜，具体芯片就不在此详述了。 二、新势力 以上提到的都是在市场上摸爬滚打了几十年的老牌儿企业，它们要么看到了边缘计算的市场发展前景，尽量早布局，要么就是其产品在边缘计算领域有先天优势，从而被看中，以并购或资产重组的方式进一步提升竞争力。 此外，由于边缘计算是新兴市场，就必定有新的年轻企业看到机遇并加入战团。 有几家做Arm服务器芯片的初创企业越来越多地受到了业界关注，如Ampere等，它们的产品很有特色，但局限于当前的Arm架构性能，要想在高性能数据中心和云计算应用上与传统的x86架构CPU竞争，还是有很大难度。但是，这些处理器在SBC企业级计算，以及边缘侧应用领域，还是有不错发展前途的。 除了Arm服务器芯片之外，还有一些新兴产品企业也有望在边缘计算领域谋得红利，如嵌入式FPGA企业，它们将FPGA进行了IP化处理，不再是传统的FPGA芯片，而是向客户提供FPGA的IP，可以嵌入客户设计的SoC中。这种FPGA几乎可以覆盖所有传统FPGA芯片的应用场景，但又不限于这些应用，还会有拓展。这在未来的边缘计算领域也会有发挥其优势的空间。 三、结语 与传统数据中心相比，边缘计算属于新兴应用领域，且市场发展空间十分可观，这就为相应计算芯片的发展和创新提供了土壤。 无论是老牌芯片企业、初创型公司，还是涉足数据中心和边缘计算芯片的大型云服务提供商，都在积蓄力量，以求获得未来竞争的主动权。

    半导体 芯片 云计算 边缘计算

  • 解读地平线一芯多用的AI汽车芯片

    芯片作为未来智能汽车的大脑，直接影响智能座舱和自动驾驶，自然也成为智能汽车时代的必争之地。智能汽车面对非常复杂的环境，感知、融合、决策需要巨大的计算能力，而传统的通用计算平台的算力功耗比TOPS/W居高不下，而且算力的利用率极低，已经成为智能汽车性能提升的瓶颈，因此AI芯片成了车用芯片的最佳解决方案。 在AI技术的加持下，汽车将会越来越类似高级机器人，它不但能自动驾驶，还能提前察觉到车内乘员的需求，并及时做出相应的回馈。前景当然是美好的，但是要实现这些以往只存在于科幻电影里的应用，还面临着诸多挑战。最关键的部分在于AI技术需要更全面更完善的算法，以及性能更强大的芯片。 在经历了过去一年美国对华为的持续打压之后，相信大家对芯片行业已经不再陌生了。中国虽然在芯片的制造方面还面临很多瓶颈，但是在芯片设计方面已经具备了不俗的实力。具体到车规级AI芯片领域，成立于2015年的地平线就是一家非常值得关注的公司。 在2020北京车展上，地平线发布了全新的征程3芯片，更强大的征程5也即将推出。而在应用层面，目前地平线的车规级AI芯片已经已成功签下两位数的量产定点车型。 说起汽车上的芯片，稍有了解的朋友可能会立马想到特斯拉的FSD芯片、华为的MDC芯片，又或者是高通的820A芯片、华为的麒麟710A芯片。 实际上，前者和后者是两种不同的芯片。特斯拉FSD和华为MDC属于智能驾驶芯片，针对的是驾驶辅助或者高级别自动驾驶功能;高通810A和华为麒麟710A属于智能座舱芯片，针对的是车内大屏以及各种交互功能。地平线的独特之处在于，它专注于AI加速运算，并且可以用一款芯片实现多种功能。 在2019年8月，地平线推出了中国首款车规级AI芯片——征程2，并且很快受到了车企的追捧。今年，长安汽车与地平线基于该芯片联合开发了智能座舱NPU计算平台，并搭载在新车UNI-T上，征程2芯片让长安UNI-T具备了车内场景化感知能力，并可以基于感知结果为用户提供更精准的智能推荐以及智能车控等服务。 地平线征程2车规级AI芯片。 AI人工智能技术在长安UIN-T车内有非常广泛的应用。中控屏处于熄屏状态时，注视屏幕1s即可唤醒屏幕;临近高速下道路口时，车辆通过视线追踪技术，结合转向灯、方向盘转角、车速等信息，判断驾驶者是否分心并及时提醒;车辆可识别眨眼和打哈欠的频次，判定疲劳驾驶等级，并及时提醒驾驶者。这背后离不开征程2芯片的支持。 随后，奇瑞的全新纯电SUV蚂蚁也搭载了征程2芯片。在这款车上，征程2芯片扮演的是智能驾驶芯片的角色，帮助奇瑞蚂蚁实现了L2+级别的驾驶辅助功能。 奇瑞蚂蚁将采用地平线的征程2芯片作为ADAS高级驾驶辅助功能的芯片。 同一款芯片在不同车型上的不同作用，充分说明了地平线芯片“一芯多用”的特点。据了解，地平线的征程系列芯片是一种平台化的芯片，通过软件可以使得它多元化，从而覆盖很多不同场景的应用需求。厂商不用再针对每一个细致问题去做一颗定制化芯片，研发成本可以通过更广泛的应用场景而被分摊。这就是软件定义汽车或者软件定义硬件的一个集中表现。 基于征程芯片的Matrix智能驾驶环境感知解决方案能够较好地支持驾驶辅助和自动驾驶功能。 目前，地平线已经推出了征程2和征程3两款车规级AI芯片。征程2芯片采用28nm制程工艺，算力为4TOPS(万亿次/秒)，功耗为2W。征程3芯片采用16nm制程工艺，算力为5TOPS(万亿次/秒)，功耗为2.5W，它可以支持高级别辅助驾驶、智能座舱、自动泊车辅助及众包高精地图定位等多种应用场景。通过多颗征程3芯片组成计算平台，还可以支持L3级别的自动驾驶功能。可以看到，地平线的芯片在算力上并不突出，其优势在于有非常高的计算精度，因此算力的有效利用率很高。 地平线征程3车规级AI芯片采用更先进的制程工艺，算力有所提升，功能更加强大。 正在研发中的征程5芯片在算力上会有一个飞跃，其单芯片的AI算力达到了96TOPS，可以支持16路摄像头。多颗征程5芯片组成的自动驾驶计算平台具备192-384TOPS算力，可支持L3-L4级自动驾驶。 立足于本土，地平线的产品不但在成本和性能上具备一定的优势，而且与车企之间能够有更紧密的合作，能够帮助车企用好芯片。地平线不仅提供芯片，还可以提供算法和开发工具，对于车企提出的问题，传统供应商可能需要半个月以上的时间才能给出反馈，而地平线只需要半个小时。 基于这些优势，地平线对未来有十足的信心，提出了今年10万颗、明年突破50万颗的量产装机目标。而在更加长远的维度上，地平线将争取在中国的ADAS芯片市场占到一半以上的市场份额。

    半导体 特斯拉 ai芯片 地平线

首页 上一页 1 2 3 4 5 6 7 8 9 10 下一页 尾页
发布文章

活动预告

更多

论坛

更多

相关标签

课程视频

更多