10月17日夜間，美國又開始收緊制裁了，引發行業眾怒。一方面，在AI芯片禁令中加入了三條新規：

把性能密度作為出口管制標準，即單芯片超過300teraflops算力/性能密度超過每平方毫米370 gigaflops芯片都會禁止，同時，英偉達A100/A800/H800/H800/L40/L40S/RTX4090、英特爾Gaudi 2、AMD計劃的中國版GPU等特供版AI芯片的供應；

先進芯片出口許可范圍擴大到40多個國家；

對21個國家提出芯片制造設備許可要求，全面限制中國的14nm以下先進芯片制造能力。

另一方面，將壁仞、摩爾線程等國產AI芯片公司列入實體清單。美國的瘋狂程度令人咋舌，連比H100效率低十倍的RTX4090都不放過。故技重施，不斷用小手段干擾國產發展，這從側面說明，國產AI芯片發展迅速，現在開始，再也不能小看國產的力量了。付斌丨作者電子工程世界（ID：EEworldbbs）丨出品

?不是每種芯片都叫AI芯片?

雖然我們每天都在茶余飯后攀談AI芯片，但實際上，大部分人對于AI芯片并沒有什么實際的概念，加之廠商直接以“AI芯片”命名，所以很難與器件關聯掛鉤。所謂AI芯片，顧名思義，就是計算AI算法的芯片。AI算力需求究竟有多夸張？據OpenAI測算，2012年開始，全球AI訓練所用計算量呈現指數增長,平均每3.43個月便會翻一倍，目前計算量已擴大30萬倍，遠超算力增長速度。計算任何算法的芯片，都歸屬于AI芯片，這既包括最具代表性的深度神經網絡（Deep Neural Network，簡稱DNN）、循環神經網絡（Recurrent Neural Network，簡稱RNN）、卷積神經網絡（Convolutional Neural Network，簡稱CNN），也包括與人腦更為類似的脈沖神經網絡 (Spiking Neural Network，簡稱SNN)。理論來說，任何數字芯片都能算AI，畢竟數字芯片，就是算數的芯片，但如果效率巨低、能耗巨大，就沒有意義了。就比如說，CPU作為中央處理器，什么類型計算都能勝任，但計算AI的效率明顯沒有GPU高，所以服務器中都是使用CPU+GPGPU的形式，讓GPGPU作為AI計算的主力。此外，很多MCU中也會搭載DSP或者NPU來增強AI計算能力，但這種芯片一般不會單獨叫做AI芯片，畢竟它們針對的場景并非大規模AI算法，也并非堆砌AI算力的主力，而是靠近邊緣的AI算力。因此，按照上述分類方法，AI芯片主要分為GPGPU（通用圖形處理器）、FPGA（可編程邏輯器件）、ASIC（專用集成電路）、存算一體和類腦芯片幾種。根據在網絡中的位置，又可以分為云端AI芯片 、邊緣和終端AI芯片。

GPGPU：與GPU不同，GPGPU就是將GPU圖形顯示部分“摘掉”，全力走通用計算，特別適合用在深度學習訓練方面；

FPGA：可編程的靈活性是任何其它計算芯片無法替代的，同時它在AI領域也具備一定計算能力，但相對來說，FPGA的成本就相對高一些了，而且FPGA開發也很難，軟件生態沒有GPGPU的CUDA那么方便；

ASIC：性能強、功耗低，Gaudi 2就是一種ASIC，NPU也是加入神經單元的一種ASIC，不過針對特定算法計算，算法是無法修改的，想要做另一種算法就要再造一種ASIC芯片，前期開發需要FPGA輔助進行；

存算一體：能耗比極佳，能夠突破存儲墻和功耗墻，但目前只在自動駕駛領域有商業化；

類腦計算：性能更強、功耗更低，算法也變成了SNN，但全世界都在研究之中，還未商業化。

適用于AI計算芯片主要類型，制表丨電子工程世界

類腦芯片主要類型和研發進度，制表丨電子工程世界

?每種AI芯片國產發展如何了？?

首先，是GPU方面，天下苦英偉達已久。多家媒體報道顯示，英偉達的數據中心GPU價格貴得驚人，國產還難以替代，此外今年6月起，英偉達就曾多次漲價。國內GPU融資高峰期主要在2020年，到現在GPU相關融資總額已超過200億元。僅2020年~2021年，GPGPU領域就有近20起融資事件發生。目前來看，初創公司如芯瞳半導體、芯動科技、摩爾線程、天數智芯、壁仞科技均產品陸續推出產品，并獲好評，龍芯中科、海光信息、寒武紀、芯原股份幾家上市公司也持續耕耘GPU業務。不止如此，也均在替代CUDA上做了一些工作。

國產GPU廠商不完全統計，制表丨電子工程世界其次，在ASIC方面，分為多種玩家。一種是專門設計制造ASIC的公司，包括寒武紀、地平線、耐能科技等廠商，分別專注AI芯片的細分領域，采用“大客戶捆綁”模式進入大客戶供應鏈。另一種，是各種跨界選手：vivo先于2021年9月發布ISPV1，再于2022年4月發布升級產品V1＋，并在2022年11月發布V2；OPPO在2021年12月發表能強化手機圖像處理性能的NPU MariSilicon X，之后在2022年12月揭露采用臺積電6nm RF制程的藍牙音訊SoC MariSilicon Y；阿里巴巴在2019年9月發布AI芯片含光800。

國內ASIC芯片玩家不完全統計，圖源丨偲睿洞察FPGA方面，電子工程世界歷史文章《英特爾分拆FPGA業務，國產發展幾何？》中介紹，目前國內與FPGA相關研發企業數量超過28家，其中已在A股上市的企業包括復旦微電子、安路科技、航錦科技，成都華微電子上市“已問詢”。此外，紫光同創、高云半導體、京微齊力、中科億海微、智多晶、遨格芯微、易靈思的表現值得關注。具體來說，復旦微電在國內較早推出億門級FPGA，新一代十億門級產品正在研發中，并且有可編程片上系統的技術儲備；紫光同創覆蓋高、中、低端等多層次FPGA市場；安路科技在FPGA/集成CPU、FPGA、數據處理專用引擎等單芯片產品方面都有儲備，量產供貨產品已覆蓋100K以內的邏輯單元規模，并且PHOENIX1 系列中邏輯單元為 400K 的新產品已成功流片；京微齊力基于22nm工藝制程的FPGA已成功量產；易靈思基于RISC-V軟核的FPGA已商用，并在16nm、40nm有長期的產品規劃。通過對比國際尖端產品，核心參數差距依然較大。雖然大器晚成，不過，國內也非常注重軟件生態的建設。除此之外，百度也曾經使用FPGA做AI加速，此后又推出專用于AI計算的昆侖芯（開始是FPGA，后來是基于FPGA的XPU）。

國內FPGA企業不完全統計，制表丨電子工程世界存算一體芯片方面，電子工程世界在歷史文章《清華研發出“全球首顆”，這種芯片要火了？》中介紹，前幾年，國內涌現了大量存算一體公司，這批公司在兩年前大多還處在A輪以前，彼時多家公司獲億元融資，短短兩年時間許多明星公司又獲2~3輪新融資，賽道熱度依舊，資本依然看好這項新技術。并且，有很多產品也逐漸浮現：

今年5月，后摩智能正式發布首款存算一體智駕芯片——鴻途H30。12nm工藝制程下，該芯片物理算力達256TOPS，在Int8全精度的計算提供下，計算延時只有1.5ns，能效比為30~150TOPS/W，比業界同等精度計算條件下的水平提高了3倍以上，而且它是車規量產支持L4，而這也存算一體在大算力這一領域走在了前列；

蘋芯科技已開發實現多款基于SRAM的存內計算加速單元，致力于為人工智能行業提供了低成本、高效率、低能耗、高性能的芯片解決方案；

九天睿芯擁有自有專利的模擬預處理與6T SRAM存算一體技術，解決了傳統計算架構的瓶頸和耗電散熱難題，做到更低的延遲和更快的處理速度；

達摩院研發的存算一體芯片是全球首次采用混合鍵合(Hybrid Bonding)的3D堆疊技術，將計算芯片和存儲芯片 face-to-face 地用特定金屬材質和工藝進行互聯。

國內存算一體芯片企業不完全統計，制表丨電子工程世界類腦芯片方面，全球范圍內，參與神經形態計算芯片開發的機構主要包括三類：英特爾、IBM、高通等為代表的科技巨頭企業，斯坦福、清華為代表的高校/研究機構以及初創企業。國內研究則包括清華大學、浙江大學、復旦大學、中科院等頂級學府和機構，同時近兩年不斷涌現初創公司，如靈汐科技、時識科技、中科神經形態等。其中以清華大學的天機芯和浙江大學的達爾文芯片最具代表性。

國內類腦芯片企業不完全統計，制表丨電子工程世界可以說，國內已經在各種形態的AI芯片上都有所布局，而國產的芯片算力也越來越強大，美國已經開始忌憚。當另一方面，國內也在加強制造能力建設。ASML的2023Q3最新財報顯示，Q3'23相比Q2'22中國凈銷售額占比從24%增長至46%。

要知道，半導體產業高度全球化，美國這樣一定會自食其果。而我國商務部也表示，美方不當管制嚴重阻礙各國芯片及芯片設備、材料、零部件企業正常經貿往來，嚴重破壞市場規則和國際經貿秩序，嚴重威脅全球產業鏈供應鏈穩定。美國半導體企業損失巨大，其他國家半導體企業也受到影響。

· END ·

審核編輯 黃宇