汇富眼界|迎接“芯”时代

中美贸易战,美国对中兴禁售七年的决定将芯片产业推上了风口浪尖,大多数行业外的人意识到,一个看上去的科技巨头原来是那么脆弱,中国在芯片这一核心技术上原来有如此的差距。

除了已经普及的各类电子设备外,芯片在如今热门的人工智能领域也是基石般的存在。东方汇富梳理了一些关于芯片的信息。

东方汇富梳理了一些关于芯片的信息。

芯片类别

随着数据体量的猛增,数据中心对计算的需求也迅猛上涨,深度学习在线预测、图片压缩解压缩等各类应用对计算的需求已远远超出了传统CPU处理器的能力所及,因此GPU(图形处理器)、FGPA(现场可编程门阵列)和ASIC(专用集成电路)等异构计算芯片出现,并为数据中心带来了体系架构变革。


传统的CPU是有强大的控制单元,适合处理复杂任务、线程调度等任务;原本用于图像处理的GPU具有数千个算数逻辑单元,恰恰具有强大的并行计算能力,因此特别适合训练人工智能的算法模型。因此它也成为目前最通用和主流的芯片,但却有价格贵、功率高以及高运行效率所带来的资源浪费等缺点。GPU的主要代表公司是NVIDIA和AMD,两者基本瓜分了全球市场。


但是,GPU的所有算数逻辑单元是一样的,这使得如果算法对某些运算要求更高、对某些运算要求低的话,不能充分发挥GPU的运算能力。FPGA可通过对芯片的编程来改变其逻辑功能,从而解决上述问题。其灵活的架构方便研究者们在诸如GPU的固定架构外进行模型优化探究,主要用于训练、云端和应用端。Xilinx,Altera等已成为FPGA领域的主要代表公司。


比FPGA更进一步的是ASIC,完全根据使用目的特殊制作的芯片,主要用于云端和应用端。相比GPU和FPGA,ASIC的能效最高,但适配能力低,目前仍无法做出通用ASIC以适配多种场景;同时其制作成本高,但量产后成本可实现最低。ASIC的主要代表公司有Google、比特大陆和寒武纪等。


芯片指标

功耗和浮点运算速度是我们需要关注的主要芯片指标;不同应用场景下,芯片功能的侧重点不同,关注的指标不尽相同,因此不同机构的芯片研发方向也各有侧重。例如,NVIDIA和Google着重提高芯片浮点运算能力,各类院校及国内芯片企业则以降低芯片功耗为主。


产业链

智能芯片产业链中,主要分为芯片生产、供应和应用芯片研发三大板块。目前,产业链各部分均已存在大量企业;其中,芯片架构设计、芯片设计及代工企业多为外企,国内则主要集中在智能芯片的研发及智能算法领域并实现突破。

芯片产业链中的重头戏——芯片生产,又可细分为设计软件、指令集成、芯片设计、圆晶代工、封装测试等过程,其中芯片制造难度最大,封装测试则相对最容易。美国、日本、荷兰等国的相关企业占据了芯片生产过程中主要的市场地位,国内主要厂商市场份额则较小。


标杆企业

NVIDIA和Xilinx作为行业中的标杆企业,经过多年发展已分别成为GPU和FPGA领域的巨头。1993年,美籍华人黄仁勋于加州创办NVIDIA,经过几年发展后,于1999年登陆纳斯达克,同年推出GPU。NVIDIA负责芯片的研发与应用,并在数年里一直围绕其图形显卡建设生态系统,业务线集中在PC、数据中心/云端及移动三方面,其中PC业务为公司营收的重要来源。公司目前芯片生产主要合作方是台积电。2016年来,NVIDIA收入实现翻倍,市值也从不到百亿美元一路高升到千亿美元。


首创FPGA这一技术的Xilinx公司成立于1984年,并于次年首次推出商业化产品。公司目前拥有7500多家客户,产品支持5G无线、嵌入式视觉、工业物联网和云计算所驱动的各种智能、互连和差异化应用,满足市场对FPGA产品一半以上的需求。对比ASIC来说,FPGA产品开发流程简化,无需布线、掩模和定制流片等,开发周期短。不过,其研发壁垒也相对较高,例如,Intel、德州仪器、摩托罗拉等巨头曾先后斥资数十亿美元尝试FPGA芯片,但最终只有包括Xilinx、Altera等公司成功,两家公司目前共占90%的全球市场份额。


芯片生产方面,台积电于作为全球第一家且规模最大的晶圆代工企业,客户包括了苹果、高通、NVIDIA、华为、Xilinx、比特大陆等。公司在高端芯片制造中占据主要地位,与三星和Intel等垄断了全球的高端芯片制造,2017年市场占有率高达55.9%。


目前,国内芯片公司更多偏重于算法及特定目的的智能芯片研究,多为初创企业且普遍估值较高,最新一轮融资金额均超千万美元。

在人工智能如火如荼发展的时代,面对芯片领先技术的设计、生产、设备供应已均被国外企业垄断的情况,聚焦仍未确定格局的智能芯片和相关智能算法方向或许将为我们带来一个新的机会。


汇富眼界|迎接“芯”时代

中美贸易战,美国对中兴禁售七年的决定将芯片产业推上了风口浪尖,大多数行业外的人意识到,一个看上去的科技巨头原来是那么脆弱,中国在芯片这一核心技术上原来有如此的差距。

除了已经普及的各类电子设备外,芯片在如今热门的人工智能领域也是基石般的存在。东方汇富梳理了一些关于芯片的信息。

东方汇富梳理了一些关于芯片的信息。

芯片类别

随着数据体量的猛增,数据中心对计算的需求也迅猛上涨,深度学习在线预测、图片压缩解压缩等各类应用对计算的需求已远远超出了传统CPU处理器的能力所及,因此GPU(图形处理器)、FGPA(现场可编程门阵列)和ASIC(专用集成电路)等异构计算芯片出现,并为数据中心带来了体系架构变革。


传统的CPU是有强大的控制单元,适合处理复杂任务、线程调度等任务;原本用于图像处理的GPU具有数千个算数逻辑单元,恰恰具有强大的并行计算能力,因此特别适合训练人工智能的算法模型。因此它也成为目前最通用和主流的芯片,但却有价格贵、功率高以及高运行效率所带来的资源浪费等缺点。GPU的主要代表公司是NVIDIA和AMD,两者基本瓜分了全球市场。


但是,GPU的所有算数逻辑单元是一样的,这使得如果算法对某些运算要求更高、对某些运算要求低的话,不能充分发挥GPU的运算能力。FPGA可通过对芯片的编程来改变其逻辑功能,从而解决上述问题。其灵活的架构方便研究者们在诸如GPU的固定架构外进行模型优化探究,主要用于训练、云端和应用端。Xilinx,Altera等已成为FPGA领域的主要代表公司。


比FPGA更进一步的是ASIC,完全根据使用目的特殊制作的芯片,主要用于云端和应用端。相比GPU和FPGA,ASIC的能效最高,但适配能力低,目前仍无法做出通用ASIC以适配多种场景;同时其制作成本高,但量产后成本可实现最低。ASIC的主要代表公司有Google、比特大陆和寒武纪等。


芯片指标

功耗和浮点运算速度是我们需要关注的主要芯片指标;不同应用场景下,芯片功能的侧重点不同,关注的指标不尽相同,因此不同机构的芯片研发方向也各有侧重。例如,NVIDIA和Google着重提高芯片浮点运算能力,各类院校及国内芯片企业则以降低芯片功耗为主。


产业链

智能芯片产业链中,主要分为芯片生产、供应和应用芯片研发三大板块。目前,产业链各部分均已存在大量企业;其中,芯片架构设计、芯片设计及代工企业多为外企,国内则主要集中在智能芯片的研发及智能算法领域并实现突破。

芯片产业链中的重头戏——芯片生产,又可细分为设计软件、指令集成、芯片设计、圆晶代工、封装测试等过程,其中芯片制造难度最大,封装测试则相对最容易。美国、日本、荷兰等国的相关企业占据了芯片生产过程中主要的市场地位,国内主要厂商市场份额则较小。


标杆企业

NVIDIA和Xilinx作为行业中的标杆企业,经过多年发展已分别成为GPU和FPGA领域的巨头。1993年,美籍华人黄仁勋于加州创办NVIDIA,经过几年发展后,于1999年登陆纳斯达克,同年推出GPU。NVIDIA负责芯片的研发与应用,并在数年里一直围绕其图形显卡建设生态系统,业务线集中在PC、数据中心/云端及移动三方面,其中PC业务为公司营收的重要来源。公司目前芯片生产主要合作方是台积电。2016年来,NVIDIA收入实现翻倍,市值也从不到百亿美元一路高升到千亿美元。


首创FPGA这一技术的Xilinx公司成立于1984年,并于次年首次推出商业化产品。公司目前拥有7500多家客户,产品支持5G无线、嵌入式视觉、工业物联网和云计算所驱动的各种智能、互连和差异化应用,满足市场对FPGA产品一半以上的需求。对比ASIC来说,FPGA产品开发流程简化,无需布线、掩模和定制流片等,开发周期短。不过,其研发壁垒也相对较高,例如,Intel、德州仪器、摩托罗拉等巨头曾先后斥资数十亿美元尝试FPGA芯片,但最终只有包括Xilinx、Altera等公司成功,两家公司目前共占90%的全球市场份额。


芯片生产方面,台积电于作为全球第一家且规模最大的晶圆代工企业,客户包括了苹果、高通、NVIDIA、华为、Xilinx、比特大陆等。公司在高端芯片制造中占据主要地位,与三星和Intel等垄断了全球的高端芯片制造,2017年市场占有率高达55.9%。


目前,国内芯片公司更多偏重于算法及特定目的的智能芯片研究,多为初创企业且普遍估值较高,最新一轮融资金额均超千万美元。

在人工智能如火如荼发展的时代,面对芯片领先技术的设计、生产、设备供应已均被国外企业垄断的情况,聚焦仍未确定格局的智能芯片和相关智能算法方向或许将为我们带来一个新的机会。