中兴事件带给我们的反思

版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_42065343/article/details/80678925

一道禁令,一段往事,一场博弈,中兴事件敲醒了落后世界20多年的中国芯片产业,这场漫长的沉睡似乎在事件发酵的27天里才真正进入清醒。

颇有讽刺意味的是,当特朗普充满善意的推特让事件峰回路转的那刻,业界大部分人仍然为中兴即将迎来新的重生感到欣慰。

回光返照?大难不死?赦过宥罪?此刻的任何说法,都不能从真正意义上掩盖中国芯片之痛。

此刻,中国芯片产业的孕育、创新、成长历程形成多种问号在关注者的脑海中不断涌现,而与中国芯发展路径相映衬的,则是每一细分领域中腾腾升起的宏伟蓝图与激情,这番图景对于整个IT供应链的影响,远比事件的波澜,来得更为深远。

众所周知,对中国来说,芯片制造能力几乎在短时间内不会在资本、人才以及生态上形成任何竞争力。

据数据统计,美国前十大半导体设计公司年收入占全行业比例超过90%,台湾超80%,但反观国内芯片发展态势,45.9%从起跑线上就已经落败。而且2016年中国集成电路涉及企业从736家暴增至1362家,2017年增速回落,但总量也达到了1380家。

其中的缘由无外乎几点:

1、人才梯队没有有效形成规模,曾有观点这样认为,即使将世界最先进的生产线搬到国内,也没有人才能够真正让芯片生产形成规模,因为这一技术密集型产业太需要积累,也同样需要深厚技术沉淀;

2、芯片全生命周期服务链条断档,众所周知,芯片技术在设计、制造、封装以及生态上需要全方位的协作,任何一个环节的滞后都会影响芯片技术在整体上的性能表现,而中国芯片产业恰恰缺少这样的完备链条;

3、资本规模没有跟上,尽管大有大基金的雄厚支持,小有小的民间资本参与,无论是应用型的AI芯片,或是产品级的手机芯片,能够撑起一片天的独角兽寥寥无几,事实证明,多年的资本倾入,仍然没能改变半导体基础产业弱势的现状。

事实上,巩固和强化芯片产业,本文无意从产业数据上进行剖析,而是强调不能脱离芯片在细分领域的应用与布局看问题,因为未来的芯片产业的发展正在受到包括AI、物联网、计算、存储以及云服务的影响,尽管他们的形态趋同,但是在应用落地以及效果上确有着不一样的个性与魅力。

例如网络芯片,其必须满足飞速增长的网络带宽处理需求。但伴随着国家战略层面对网络通信基础设施和网络安全自主能力的重视,网络设备的芯片国产化已经开始,像中科网威推出的安全产品内置国产申威芯片,华为的路由器和家用无线路由器也采用了自主的华为海思芯片;

再例如国内物联网芯片提供商-华为海思、中芯国际、台积电(台湾)、华虹宏力、展讯、联发科(台湾)、华润微、联芯科技等公司都纷纷扩大布局,在设备、组件和软件开发方面的加强创新;

聚焦到存储芯片,则有长江存储量产首款国产32层3D NAND闪存芯(64G),其在做进一步准备的同时,预计在2019年64层3D NAND闪存(128G)能够实现规模化生产。

AI芯大爆发并不能帮中国弯道超车

市场研究咨询公司Compass Intelligence发布了2018年度全球AI芯片公司排行榜,在全球前24名的AI芯片企业中,中国公司占据7个席位。

根据榜单,英伟达(Nvidia)、英特尔(Intel)以及IBM分列前三甲,华为排名12名,成国内最强AI芯片厂商。剩余6家公司分别为联发科(MediaTek)、Imagination、瑞芯微(Rockchip)、芯原(Verisilcon)、寒武纪(Cambricon)、地平线(Horizon)。

国内AI芯片产业的迅速发展,引起了广泛热议和关注,部分媒体鼓吹中国凭借AI芯片便能在芯片行业实现弯道超车。在笔者看来,这样的结论存在过度炒作行为,AI芯片的爆发,距离中国成为芯片强国差之甚远。

AI芯片无颠覆性的技术

目前,AI芯片主要以CPU、GPU、FPGA、 ASIC为主,如英特尔AI芯片属于CPU,英伟达属于GPU,阿尔特拉属于FPGA,寒武纪和地平线属于ASIC,其中,CPU和GPU属于通用型,FPGA和 ASIC属于专用型。

相比CPU,GPU具有明显的数据吞吐量和并行计算优势, 最早被用于 AI 计算,广泛应用在数据中心中。FPGA 因灵活性和效率上的优势,在 2015 年后异军突起,适用于虚拟化云平台和预测阶段,ASIC 芯片因其比 FPGA 芯片具备更低能耗和更高计算效率,适用于人工智能平台和智能终端领域的特性。但是和FPGA芯片一样,不具备批量生产优势,也就是说没有价格优势。

AI芯片快速发展的同时面临着严峻现实问题。因为应用场景不同,在算法上也不能通用,无法固定,所以算法和应用仅处于一一对应阶段,没有像CPU一样的通用算法芯片。在架构上,目前是CPU+GPU、CPU+FPGA、CPU+ASIC组合。

AI芯片要想发展,必需随场景不同而变化,这是AI芯片架构发展的挑战。

在当前应用场景中,AI芯片更多起到优化现有应用的作用,一方面是基于微处理器,优化网络神经计算,提高语音、图片等识别速度。如启英泰伦研发的CI1006 AI芯片,集成脑神经网络处理硬件单元,专供语音识别,提升智能语音识别响应及控制速度,实现单芯片本地离线大词汇量识别。华为在海思麒麟970处理器中搭载寒武纪AI芯片,运用于Mate 10手机中,在图片识别速度上明显提升。

从国内芯片市场来看,除了生态问题之外,成本问题也是一大难题。服务器芯片行业需要思考:在没有生态,没有市场,没有规模效应的前提下,如何控制成本,控制价格与价值之间的定位关系,并实现良性的供求关系?

写在最后,中国芯片产业客观而言确实在用行动证明,国产芯片领域有万亿规模的资本支持,更有千万家本土企业在奋进中成长,这其中有对未来本土芯片技术的信心,更有对行业领域芯片技术发展的憧憬,无论如何,我们愿意从耐心的等待中找到属于中国芯的生命力,坚定有力。

扫描二维码,关注更多精彩

  

展开阅读全文

没有更多推荐了,返回首页