AI芯片弯道超车大有机会？腾盛坚持技术创新助力AI芯片全面发展_新闻动态

AI芯片弯道超车大有机会？腾盛坚持技术创新助力AI芯片全面发展

发布时间：2022-10-25 09:11:55 浏览：24次责任编辑：腾盛精密

前言

AI芯片是专门用于处理人工智能应用中的大量计算任务的模块，目前AI芯片主要分为GPU、FPGA、ASIC。随着人工智能及芯片技术的不断成熟，云计算、消费电子、无人驾驶、智能手机等下游产业的产业升级速度不断加快，中国AI芯片产业正处于高速发展时期。

AI芯片的四大流派

有人说运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杀器Alpha GO赢了世界围棋冠军李世石，是人工智能算法运用的标志性事件。

李世石的大脑就是我们普通人类的大脑，如果说人脑耗能是20瓦的话，Alpha GO所用的计算机耗能2000千瓦。也就是说，人工智能机器人用十万倍的功耗才把李世石打败。

▲图源：Canva可画

从人工智能的风开始吹，人工智能芯片的创业意识就开始觉醒了，在经历2016年到2018年的潜伏与发展，迅速进入成长期，传统通用芯片无法满足新的计算需求。随着AI产业的发展，业界出现了四大AI芯片架构流派：

1、GPU流派：目前市场上基本是英伟达一家独大。GPU做加速主要的问题就是功耗比较高。

2、FPGA流派：FPGA，指的是“现场可编程门阵列”，其基本原理是在 FPGA 芯片内集成大量的数字电路基本门电路以及存储器，而用户可以通过更新FPGA 配置文件，来定义这些门电路以及存储器之间的连线。FPGA优点是相对GPU功耗低。目前国内的AI芯片公司如深鉴科技就是基于FPGA的解决方案。

3、ASIC流派：ASIC的全称是专用集成电路，功耗更低，缺点是电路设计需要定制，相对开发周期长。目前国内的AI芯片公司寒武纪采用了这种架构。

4、类脑流派：目前IBM的True North基于这种结构，模拟人脑神经的计算机制，国内对应的公司是西井科技。

▲图源：知乎ZOMI酱

GPU、FPGA、ASIC是以冯·诺依曼传统计算架构为基础，用于加速硬件计算能力为主，而类脑芯片颠覆了冯·诺依曼架构，采用类脑神经结构独立设计来提升计算能力。其中FPGA和ASIC芯片不管是研发还是应用，都已经形成一定规模；而类脑芯片虽然还处于研发初期，但具备很大潜力。

AI芯片发展方向：场景、技术双驱动

传统的芯片已经不能满足人工智能产业对芯片性能及算力等方面的要求。未来十年的技术驱动力是人工智能。因此，如何构建出高效的AI芯片，将芯片技术与人工智能技术应用有效地结合起来是未来发展方向。在此背景下，AI芯片逐渐形成完整的产业链。

从整体来看， AI芯片产业链上游为半导体材料及半导体设备；中游为芯片设计、晶圆制造、封装测试；下游广泛应用于云计算、消费电子、智能穿戴、智能手机、智能机器人、无人驾驶等领域。

▲图源：中国情报网

近几年，AI技术的应用场景开始向移动设备转移，比如汽车上的自动驾驶、手机上的人脸识别等。产业的需求促成了技术的进步，而AI芯片作为产业的根基，必须达到更强的性能、更高的效率、更小的体积，才能完成AI技术从云端到终端的转移。

ASIC芯片是针对特定需求而定制的专用芯片。虽然牺牲了通用性，但ASIC无论是在性能、功耗还是体积上，都比FPGA和GPU芯片有优势。

▲图源：知乎ZOMI酱

虽然通用性低而导致高研发成本，也可能会带来高风险。然而如果考虑市场因素，ASIC芯片其实是行业的发展大趋势。

从服务器、计算机到无人驾驶汽车、无人机，再到智能家居的各类家电，海量的设备需要引入人工智能计算能力和感知交互能力。出于对实时性的要求，以及训练数据隐私等考虑，这些能力不可能完全依赖云端，必须要有本地的软硬件基础平台支撑。而ASIC芯片高性能、低功耗、小体积的特点恰好能满足这些需求。

应用上，人工智能逐步横向从消费电子、自动驾驶、智慧安防、机器人等往媒体、医疗、教育等行业渗透与拓展。通过开源形成广泛的应用生态，广泛支持不同类型的AI芯片、硬件设备、应用等。

抓住场景和技术创新的“双驱动”模式是AI芯片产业发展的关键方向。

▲图源：Internet of Business

AI芯片能否弯道超车？

AI三大核心要素是数据、算力和算法。我们除了创新计算范式的研发，“数据孤岛”问题也将在政策的指导下得到解决，为AI算法提供更大量、更准确的数据集进行学习与训练。而算力的核心，还是离不开芯片。

▲图源：网易文创

中国AI芯片方面，以海思半导体、紫光展锐、汇顶科技等为代表的中国芯片企业，在其细分领域已达到国际先进水平。中国如果想在AI芯片领域赶超国际对手，必须在一个垂直领域做得非常深，而且要真正做到全栈的东西给到用户，能让它真正应用。

我国在偏向于设备端的AI 芯片开发领域，以及类脑芯片领域都有所建树，但在FPGA、GPU领域依然缺乏有竞争力的原创产品，大多数只是基于FPGA/GPU做二次开发。这主要与我国在芯片领域一直缺乏关键核心自主技术有关。

长期以来，由于基础理论、设计软件、先进制程及关键设备等仍落后与国际一流水平，在芯片设计、生产、封装和测试等全产业链路当中，国外芯片设计制造企业遥遥领先。而人工智能兴起后，大模型已是当下AI的趋势，百度文心、华为昇腾AI等纷纷推进大模型，AI模型研发从手工作坊走向工业化。国产处理器厂商和国外竞争对手，在这一全新赛道上，处于同一起跑位置，弯道超车，成为可能。

▲图源：华为海思麒麟

在封测领域，随着减薄工艺技术的发展以及叠层封装技术的成熟，芯片厚度越来越薄，同时晶圆直径逐渐变大，单位面积上集成的电路更多，切割精度的要求也越来越高。更细的切道空间和更小的崩裂尺寸，不仅考验着切割设备的刀片和控制精度，更考验着设备品牌在实际应用上的沉淀与积累。作为国内最早研制12吋划片设备的企业，Tensun腾盛ADS2100全自动划片机可以满足8~12吋wafer的高精密切割加工，同时双主轴相较单主轴切割效率提高85%以上；高低倍双定位识别影像系统，适用多材料加工，并实时监测系统的气压、水压、电流等数值，避免主轴损伤。

在AI芯片产业链的每一环都有国内企业在寻求发展之路，他们都努力形成领先的自研技术、产品和生态。自2006年成立以来，Tensun腾盛始终专注于精密点胶与精密切割（划片）两大产品线，深耕于3C手机产业链、新型显示及半导体封测三大行业，在3C手机产业链、TWS耳机、OLED、Mini-LED、MEMS、SIP系统级封装和半导体晶圆级封装等领域，Tensun腾盛精密的点胶与切割（划片）已经成为该领域的首选品牌，或者正在成为该领域进口设备替代的首选品牌。