&

AI芯片彎道超車大有機會？騰盛堅持技術創新助力AI芯片全面發展

發布時間：2022-10-25 09:11:55 瀏覽：27次責任編輯：騰盛精密

前言

AI芯片是專門用于處理人工智能應用中的大量計算任務的模塊，目前AI芯片主要分為GPU、FPGA、ASIC。隨著人工智能及芯片技術的不斷成熟，云計算、消費電子、無人駕駛、智能手機等下游產業的產業升級速度不斷加快，中國AI芯片產業正處于高速發展時期。

AI芯片的四大流派

有人說運用人工智能算法的就是AI芯片。那什么是人工智能算法？

2016年谷歌的人工智能大殺器Alpha GO贏了世界圍棋冠軍李世石，是人工智能算法運用的標志性事件。

李世石的大腦就是我們普通人類的大腦，如果說人腦耗能是20瓦的話，Alpha GO所用的計算機耗能2000千瓦。也就是說，人工智能機器人用十萬倍的功耗才把李世石打敗。

▲圖源：Canva可畫

從人工智能的風開始吹，人工智能芯片的創業意識就開始覺醒了，在經歷2016年到2018年的潛伏與發展，迅速進入成長期，傳統通用芯片無法滿足新的計算需求。隨著AI產業的發展，業界出現了四大AI芯片架構流派：

1、GPU流派：目前市場上基本是英偉達一家獨大。GPU做加速主要的問題就是功耗比較高。

2、FPGA流派：FPGA，指的是“現場可編程門陣列”，其基本原理是在 FPGA 芯片內集成大量的數字電路基本門電路以及存儲器，而用戶可以通過更新FPGA 配置文件，來定義這些門電路以及存儲器之間的連線。FPGA優點是相對GPU功耗低。目前國內的AI芯片公司如深鑒科技就是基于FPGA的解決方案。

3、ASIC流派：ASIC的全稱是專用集成電路，功耗更低，缺點是電路設計需要定制，相對開發周期長。目前國內的AI芯片公司寒武紀采用了這種架構。

4、類腦流派：目前IBM的True North基于這種結構，模擬人腦神經的計算機制，國內對應的公司是西井科技。

▲圖源：知乎ZOMI醬

GPU、FPGA、ASIC是以馮·諾依曼傳統計算架構為基礎，用于加速硬件計算能力為主，而類腦芯片顛覆了馮·諾依曼架構，采用類腦神經結構獨立設計來提升計算能力。其中FPGA和ASIC芯片不管是研發還是應用，都已經形成一定規模；而類腦芯片雖然還處于研發初期，但具備很大潛力。

AI芯片發展方向：場景、技術雙驅動

傳統的芯片已經不能滿足人工智能產業對芯片性能及算力等方面的要求。未來十年的技術驅動力是人工智能。因此，如何構建出高效的AI芯片，將芯片技術與人工智能技術應用有效地結合起來是未來發展方向。在此背景下，AI芯片逐漸形成完整的產業鏈。

從整體來看， AI芯片產業鏈上游為半導體材料及半導體設備；中游為芯片設計、晶圓制造、封裝測試；下游廣泛應用于云計算、消費電子、智能穿戴、智能手機、智能機器人、無人駕駛等領域。

▲圖源：中國情報網

近幾年，AI技術的應用場景開始向移動設備轉移，比如汽車上的自動駕駛、手機上的人臉識別等。產業的需求促成了技術的進步，而AI芯片作為產業的根基，必須達到更強的性能、更高的效率、更小的體積，才能完成AI技術從云端到終端的轉移。

ASIC芯片是針對特定需求而定制的專用芯片。雖然犧牲了通用性，但ASIC無論是在性能、功耗還是體積上，都比FPGA和GPU芯片有優勢。

▲圖源：知乎ZOMI醬

雖然通用性低而導致高研發成本，也可能會帶來高風險。然而如果考慮市場因素，ASIC芯片其實是行業的發展大趨勢。

從服務器、計算機到無人駕駛汽車、無人機，再到智能家居的各類家電，海量的設備需要引入人工智能計算能力和感知交互能力。出于對實時性的要求，以及訓練數據隱私等考慮，這些能力不可能完全依賴云端，必須要有本地的軟硬件基礎平臺支撐。而ASIC芯片高性能、低功耗、小體積的特點恰好能滿足這些需求。

應用上，人工智能逐步橫向從消費電子、自動駕駛、智慧安防、機器人等往媒體、醫療、教育等行業滲透與拓展。通過開源形成廣泛的應用生態，廣泛支持不同類型的AI芯片、硬件設備、應用等。

抓住場景和技術創新的“雙驅動”模式是AI芯片產業發展的關鍵方向。

▲圖源：Internet of Business

AI芯片能否彎道超車？

AI三大核心要素是數據、算力和算法。我們除了創新計算范式的研發，“數據孤島”問題也將在政策的指導下得到解決，為AI算法提供更大量、更準確的數據集進行學習與訓練。而算力的核心，還是離不開芯片。

▲圖源：網易文創

中國AI芯片方面，以海思半導體、紫光展銳、匯頂科技等為代表的中國芯片企業，在其細分領域已達到國際先進水平。中國如果想在AI芯片領域趕超國際對手，必須在一個垂直領域做得非常深，而且要真正做到全棧的東西給到用戶，能讓它真正應用。

我國在偏向于設備端的AI 芯片開發領域，以及類腦芯片領域都有所建樹，但在FPGA、GPU領域依然缺乏有競爭力的原創產品，大多數只是基于FPGA/GPU做二次開發。這主要與我國在芯片領域一直缺乏關鍵核心自主技術有關。

長期以來，由于基礎理論、設計軟件、先進制程及關鍵設備等仍落后與國際一流水平，在芯片設計、生產、封裝和測試等全產業鏈路當中，國外芯片設計制造企業遙遙領先。而人工智能興起后，大模型已是當下AI的趨勢，百度文心、華為昇騰AI等紛紛推進大模型，AI模型研發從手工作坊走向工業化。國產處理器廠商和國外競爭對手，在這一全新賽道上，處于同一起跑位置，彎道超車，成為可能。

▲圖源：華為海思麒麟

在封測領域，隨著減薄工藝技術的發展以及疊層封裝技術的成熟，芯片厚度越來越薄，同時晶圓直徑逐漸變大，單位面積上集成的電路更多，切割精度的要求也越來越高。更細的切道空間和更小的崩裂尺寸，不僅考驗著切割設備的刀片和控制精度，更考驗著設備品牌在實際應用上的沉淀與積累。作為國內最早研制12吋劃片設備的企業，Tensun騰盛ADS2100全自動劃片機可以滿足8~12吋wafer的高精密切割加工，同時雙主軸相較單主軸切割效率提高85%以上；高低倍雙定位識別影像系統，適用多材料加工，并實時監測系統的氣壓、水壓、電流等數值，避免主軸損傷。

在AI芯片產業鏈的每一環都有國內企業在尋求發展之路，他們都努力形成領先的自研技術、產品和生態。自2006年成立以來，Tensun騰盛始終專注于精密點膠與精密切割（劃片）兩大產品線，深耕于3C手機產業鏈、新型顯示及半導體封測三大行業，在3C手機產業鏈、TWS耳機、OLED、Mini-LED、MEMS、SIP系統級封裝和半導體晶圓級封裝等領域，Tensun騰盛精密的點膠與切割（劃片）已經成為該領域的首選品牌，或者正在成為該領域進口設備替代的首選品牌。