AI重構(gòu)生產(chǎn)力下的電子行業(yè)投資機(jī)遇分析報(bào)告

目

錄ChatGPT：生成式AI引爆技術(shù)奇點(diǎn)AI+Chiplet：信息革命的基石AI還可以買什么？0102030501ChatGPT：生成式AI引爆技術(shù)奇點(diǎn)ChatGPT：生成式AI引爆技術(shù)奇點(diǎn)01?

AIGC全稱為AI-Generated

Content，指基于生成對(duì)抗網(wǎng)絡(luò)GAN、大型預(yù)訓(xùn)練模型等人工智能技術(shù)，通過已有數(shù)據(jù)尋找規(guī)律，并通過適當(dāng)?shù)姆夯芰ι上嚓P(guān)內(nèi)容的技術(shù)。與之相類似的概念還包括Synthetic

media，合成式媒體，主要指基于AI生成的文字、圖像、音頻等?

2020年，1750億參數(shù)的GPT-3在問答、摘要、翻譯、續(xù)寫等語言類任務(wù)上均展現(xiàn)出了優(yōu)秀的通用能力，證明了“大力出奇跡”在語言類模型上的可行性。自此之后，海量數(shù)據(jù)、更多參數(shù)、多元的數(shù)據(jù)采集渠道等成為國內(nèi)清華大學(xué)、智源研究院、達(dá)摩院、、北京大學(xué)、百度等參與者的關(guān)注點(diǎn)。?

2022年12月，ChatGPT

3.5令人驚艷的使用體驗(yàn)引爆社會(huì)熱潮，搜索熱度和用戶增長都出現(xiàn)了極為明顯的提升。?

目前，大型文本預(yù)訓(xùn)練模型作為底層工具，商業(yè)變現(xiàn)能力逐漸清晰。以GPT-3為例，其文本生成能力已被直接應(yīng)用于Writesonic、

Conversion.ai、

Snazzy

AI、Copysmith、

Copy.ai、

Headlime等文本寫作/編輯工具中。同時(shí)也被作為部分文本內(nèi)容的提供方，服務(wù)于AI

dungeon等文本具有重要意義的延展應(yīng)用領(lǐng)域。ChatGPT搜索熱度居高不下各應(yīng)用1億用戶達(dá)成時(shí)長（月）120100806040200807060504030201009080706050403020100ChatGPT

TikTok

Instagram

Pinterest

Spotify

TelegramUberGoogleTranslate2022/12/12023/1/12023/2/17日均線2023/3/1ChatGPTSpotifyTikTokInstagramUberPinterestGoogleTranslate搜索熱度Telegram資料：Google

Trends，甲子光年，長江證券研究所ChatGPT：生成式AI引爆技術(shù)奇點(diǎn)01?

過去傳統(tǒng)的人工智能偏向于分析能力，即通過分析一組數(shù)據(jù)，發(fā)現(xiàn)其中的規(guī)律和模式并用于其他多種用途，比如應(yīng)用最為廣泛的個(gè)性化推薦算法。而現(xiàn)在人工智能正在生成新的東西，而不是僅僅局限于分析已經(jīng)存在的東西，實(shí)現(xiàn)了人工智能從感知理解世界到生成創(chuàng)造世界的躍遷。因此，從這個(gè)意義上來看，廣義的AIGC

可以看作是像人類一樣具備生成創(chuàng)造能力的Al技術(shù)，即生成式AI它可以基于訓(xùn)練數(shù)據(jù)和生成算法模型，自主生成創(chuàng)造新的文本、圖像、音樂、視頻、3D

交互內(nèi)容(如虛擬化身、虛擬物品、虛擬環(huán)境)等各種形式的內(nèi)容和數(shù)據(jù)，以及包括開啟科學(xué)新發(fā)現(xiàn)創(chuàng)造新的價(jià)值和意義等。因此，AIGC

已經(jīng)加速成為了AI

領(lǐng)域的新疆域，推動(dòng)人工智能迎來下一個(gè)時(shí)代。內(nèi)容創(chuàng)作模式的四個(gè)發(fā)展階段生成式AI技術(shù)的成熟應(yīng)用進(jìn)程時(shí)間表2020年之前202020222023?2025?2030?詐騙垃圾信息識(shí)別垂直領(lǐng)域的文案撰寫實(shí)現(xiàn)可精調(diào)（論文等）文本領(lǐng)域代碼領(lǐng)域圖像領(lǐng)域更長的文本二稿終稿，水平高于人類平均值終稿，水平高于專業(yè)寫手基礎(chǔ)文案撰寫初稿翻譯基礎(chǔ)問答回應(yīng)根據(jù)文本生成終版應(yīng)用程序，比全職開發(fā)者水平更高更長的代碼更精確的表達(dá)支持更多語種領(lǐng)域更垂直根據(jù)文本生成初版應(yīng)用程序單行代碼補(bǔ)足多行代碼生成藝術(shù)圖標(biāo)攝影終稿，水平高于專職藝術(shù)家、設(shè)計(jì)師等模仿（產(chǎn)品設(shè)計(jì)、建筑等）終稿（產(chǎn)品設(shè)計(jì)、建筑等）視頻/3D/游戲領(lǐng)域AI版Roblox可依個(gè)人夢(mèng)想定制的游戲與電影視頻和3D文件的基礎(chǔ)版/初稿3D/視頻模型的初步嘗試二稿大模型可用情況初步嘗試基本實(shí)現(xiàn)未來潛力資料：《AIGC發(fā)展趨勢(shì)報(bào)告2023》騰訊研究院，長江證券研究所人工智能帶來的生產(chǎn)力變革風(fēng)聲已近01?

追求生產(chǎn)力的提升和生產(chǎn)關(guān)系的優(yōu)化，是人類社會(huì)發(fā)展的根源動(dòng)力和核心目標(biāo)，而生產(chǎn)力升級(jí)的最本質(zhì)目標(biāo)就是效率提升和成本降低。從人類社會(huì)四次工業(yè)/科技革命來看，第一次工業(yè)革命的核心成果是以蒸汽機(jī)為代表的機(jī)械替代人力，第二次工業(yè)革命是以電力、燃油為代表的能源突破，第三次是以計(jì)算機(jī)及信息技術(shù)為代表的信息結(jié)構(gòu)性變革和自動(dòng)化生產(chǎn)，其共同的特征就是生產(chǎn)規(guī)模的不斷擴(kuò)大、生產(chǎn)方式上科技應(yīng)用不斷地向工業(yè)和社會(huì)的更高層結(jié)構(gòu)滲透。底層的、低技術(shù)含量的、規(guī)模龐大的生產(chǎn)模塊不斷被機(jī)器替代，人力生產(chǎn)持續(xù)向高層的、復(fù)雜的、尖端的生產(chǎn)方式和技術(shù)模塊演進(jìn)，是一個(gè)不變的趨勢(shì)。歷次工業(yè)革命中國人工智能場(chǎng)景發(fā)展程度第一次工業(yè)革命機(jī)械時(shí)代第二次工業(yè)革命電氣時(shí)代信息革命信息時(shí)代智能革命（進(jìn)行中）智能時(shí)代核心成果標(biāo)志事件機(jī)械織布機(jī)、蒸汽機(jī)發(fā)電機(jī)、內(nèi)燃機(jī)計(jì)算機(jī)、互聯(lián)網(wǎng)人工智能19世紀(jì)70年代：傳送帶、

20世紀(jì)40-90年代：計(jì)算機(jī)1784年第一臺(tái)機(jī)械織布機(jī)

電燈、發(fā)電機(jī)、內(nèi)燃機(jī)、

、航天技術(shù)、原子能（核

高效能運(yùn)算、智能手機(jī)、無線電報(bào)

能）、互聯(lián)網(wǎng)、材料技術(shù)網(wǎng)絡(luò)升級(jí)（5G）、物聯(lián)網(wǎng)、20世紀(jì)初：流水線、飛機(jī)

、移動(dòng)終端、移動(dòng)互聯(lián)網(wǎng)人工智能1785年蒸汽機(jī)、汽車等第一次工業(yè)革命的新增工業(yè)部門如鋼鐵、煤炭、機(jī)械加工等的發(fā)展電力驅(qū)動(dòng)多種工業(yè)部分發(fā)展手工業(yè)發(fā)展瓶頸數(shù)據(jù)在社會(huì)中的全面滲透多種科學(xué)的理論和應(yīng)用發(fā)展連攜提速，科學(xué)技術(shù)轉(zhuǎn)

在材料等多種基礎(chǔ)工業(yè)突化為直接生產(chǎn)力的速度加快以法拉第的電磁學(xué)為代表學(xué)等自然科學(xué)積累

的自然科學(xué)開始引領(lǐng)工業(yè)進(jìn)步發(fā)展基礎(chǔ)（技術(shù)層面）牛破下算力的指數(shù)增長信息傳遞的廣覆蓋、高精度、低延遲智能擬人化、計(jì)算規(guī)?；?、數(shù)據(jù)滲透全面化，智能應(yīng)用覆蓋社會(huì)全場(chǎng)景機(jī)械制造，人力解放進(jìn)程

能源升級(jí)，機(jī)械應(yīng)用基礎(chǔ)

信息處理與傳遞演進(jìn)，科意義特征開始夯實(shí)技應(yīng)用指數(shù)增長科技革命形態(tài)轉(zhuǎn)變，出現(xiàn)較強(qiáng)民用傾向工業(yè)革命主要圍繞生產(chǎn)工業(yè)革命向軍事蔓延尖端科技向民用下沉的速度開始加快，尖端、軍用科技研究方向外開始出現(xiàn)專業(yè)的科技民用化的研究方向智能革命浪卷人類社會(huì)全方面蒸汽機(jī)、機(jī)械使得制造業(yè)中工廠開始替代原始私人作坊流水線使得單一工廠生產(chǎn)向產(chǎn)業(yè)鏈分工生產(chǎn)轉(zhuǎn)變資料：IDC，長江證券研究所人工智能三要素逐步成熟，推動(dòng)行業(yè)進(jìn)入爆發(fā)期01?

AIGC的本質(zhì)是內(nèi)容與場(chǎng)景，其發(fā)展需要AI與后端基建，算法、算據(jù)和算力三要素耦合共振。AIGC的三大發(fā)展階段是：?

模型賦智階段(從現(xiàn)實(shí)生成數(shù)字）：AIGC利用AI技術(shù)構(gòu)建模擬現(xiàn)實(shí)世界的數(shù)字孿生模型；?

認(rèn)知交互階段(從數(shù)字生成數(shù)字）：A能夠?qū)W習(xí)并創(chuàng)作更豐富的內(nèi)容

;?

空間賦能階段(從數(shù)字生成現(xiàn)實(shí)）：AIGC基于物聯(lián)網(wǎng)，多模態(tài)技術(shù)獲取多維信息，實(shí)現(xiàn)更加智能的人與機(jī)器互動(dòng)。?

市場(chǎng)規(guī)模：2021

年，全球人工智能市場(chǎng)收支規(guī)模(含硬件、軟件及服務(wù))達(dá)

850

億美元。IDC

預(yù)測(cè)，2022

年該市場(chǎng)規(guī)模將同比增長約

20%至1017億美元，并將于

2025

年突破

2000

億美元大關(guān)，CAGR

達(dá)24.5%，顯示出強(qiáng)勁的產(chǎn)業(yè)化增長勢(shì)頭。2021年，中國人工智能市場(chǎng)收支規(guī)模達(dá)到

82億美元，占全球市場(chǎng)規(guī)模的9.6%，在全球人工智能產(chǎn)業(yè)化地區(qū)中僅次于美國及歐盟，位居全球第三。IDC

預(yù)測(cè)，2022

年該市場(chǎng)規(guī)模將同比增長約

24%至

102

億美元，并將于

2025

年突破

160

億美元。人工智能三要素逐步成熟，推動(dòng)行業(yè)進(jìn)入爆發(fā)期全球及我國人工智能市場(chǎng)收支規(guī)模及預(yù)測(cè)（億美元）數(shù)據(jù)層面標(biāo)注大數(shù)據(jù)語料庫高精度訓(xùn)練集2500200015001000500投喂計(jì)算任務(wù)2042訓(xùn)練算力層面算法層面1017核心技術(shù)突破多模態(tài)認(rèn)知計(jì)算850數(shù)據(jù)數(shù)據(jù)巨量化硬件算力-本地化16182102AIGC0實(shí)時(shí)算力-云計(jì)算20212022E全球

中國2025E認(rèn)知交互力算法跨模態(tài)融合算力內(nèi)容創(chuàng)造力感知+交互數(shù)字孿生虛擬現(xiàn)實(shí)全息立體應(yīng)用場(chǎng)景智能交互-邊緣計(jì)算資料：甲子光年，IDC

Global，IDC

China，上海數(shù)字大腦研究院，長江證券研究所大模型參數(shù)量快速提升，算力需求大幅增加01?

大模型主要由各大龍頭企業(yè)推動(dòng)，在國內(nèi)科技公司中，阿里巴巴達(dá)摩院在2020年推出了M6大模型，百度在2021年推出了文心大模型，騰訊在2022年推出了混元AI大模型。?

大模型最核心的除了算法外主要是參數(shù)的設(shè)置，其中參數(shù)量(Params)形容模型的大小程度，類似于算法中的空間復(fù)雜度,往往參數(shù)量越大(復(fù)雜程度越高)的神經(jīng)網(wǎng)絡(luò)模型對(duì)算力的需求程度更高，復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型的算法參數(shù)量約千億級(jí)別甚至萬億級(jí)別，與已知應(yīng)用級(jí)別的呈現(xiàn)指數(shù)級(jí)別的差異。這些模型不僅在參數(shù)量上達(dá)到了千億級(jí)別，而且數(shù)據(jù)集規(guī)模也高達(dá)TB級(jí)別，想要完成這些大模型的訓(xùn)練，就至少需要投入超過1000PetaFlop/s-day的計(jì)算資源。主要大模型建設(shè)情況各大主要模型的參數(shù)量巨大廠商預(yù)訓(xùn)練模型BERT應(yīng)用語言理解與生成對(duì)話系統(tǒng)參數(shù)量（億）4810-LaMDA谷歌PaLMImagenParti語言理解與生成、推理、代碼生成語言理解與圖像生成語言理解與圖像生產(chǎn)視覺識(shí)別54001102006.417017501501228004141750120FlorenceTuring-NLGOPT-1758M2M-100GatoGopherAlphaCodeGPT3微軟語言理解、生成語言模型100種語言互譯多面手的智能體語言理解與生成代碼生成FacebookDeepMindOpen

AI語言理解與生成、推理等圖像生成、跨模態(tài)檢索代碼生成CLIP&DALL-ECodex120ChatGPT語言理解與生成、推理等-英偉達(dá)

Megatron-Turing

NLGStability

AI

Stable

Diffusion語言理解與生成、推理等5300-語言理解與圖像生產(chǎn)資料：StarLab，《AIGC發(fā)展趨勢(shì)報(bào)告2023》騰訊研究院，長江證券研究所大模型參數(shù)量快速提升，算力需求大幅增加01?

大模型主要由各大龍頭企業(yè)推動(dòng)，在國內(nèi)科技公司中，阿里巴巴達(dá)摩院在2020年推出了M6大模型，百度在2021年推出了文心大模型，騰訊在2022年推出了混元AI大模型。?

大模型最核心的除了算法外主要是參數(shù)的設(shè)置，其中參數(shù)量(Params)形容模型的大小程度，類似于算法中的空間復(fù)雜度,往往參數(shù)量越大(復(fù)雜程度越高)的神經(jīng)網(wǎng)絡(luò)模型對(duì)算力的需求程度更高，復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型的算法參數(shù)量約千億級(jí)別甚至萬億級(jí)別，與已知應(yīng)用級(jí)別的呈現(xiàn)指數(shù)級(jí)別的差異。這些模型不僅在參數(shù)量上達(dá)到了千億級(jí)別，而且數(shù)據(jù)集規(guī)模也高達(dá)TB級(jí)別，想要完成這些大模型的訓(xùn)練，就至少需要投入超過1000PetaFlop/s-day的計(jì)算資源。大模型的基礎(chǔ)是龐大的算力基建2018年后大模型訓(xùn)練算力需求顯著提升資料：甲子光年，英偉達(dá)，長江證券研究所大模型參數(shù)量快速提升，算力需求大幅增加01?

1、算力總需求量=參數(shù)量*詞條長度（單個(gè)詞語計(jì)算次數(shù)，單精度）*訓(xùn)練詞數(shù)?

2、GPU總需求量=算力總需求量/單張加速卡算力/計(jì)算用時(shí)?

按照175B的參數(shù)規(guī)模測(cè)算，若訓(xùn)練時(shí)長為1個(gè)月，則英偉達(dá)A100

GPU需要張數(shù)超6000張，A100加速卡成本1.56億美元；若參數(shù)量提升至481B，則加速卡成本上升至4.28億美元；若481B模型的計(jì)算時(shí)間限制為一周，則僅加速卡成本將達(dá)到18.35億美元。又好（參數(shù)量大）、又快（迭代時(shí)間短）的需求將大幅推升龍頭廠商的硬件軍備競賽。?

同時(shí)，由于22.10的新制裁方案，A100對(duì)國內(nèi)是禁售的，需要申請(qǐng)新的出口許可，因此保質(zhì)保量的國內(nèi)供應(yīng)商是國內(nèi)龍頭廠商正在迫切尋找的。主要大模型算力加速卡需求情況參數(shù)量（億）訓(xùn)練詞數(shù)

單個(gè)詞語計(jì)算計(jì)算用時(shí)（h）僅考慮A100GPU成本

A100成本（億美廠商預(yù)訓(xùn)練模型應(yīng)用總計(jì)算量（萬億億次）

算力（TFLOP/s）GPU需要數(shù)量（顆）（億）次數(shù)（億美元）元）BERT語言理解與生成481030006865819.5720171301.714.28LaMDA對(duì)話系統(tǒng)---------PaLM語言理解與生成、推理、代碼生成540030006972019.5720192311.924.81谷歌ImagenParti語言理解與圖像生成語言理解與圖像生產(chǎn)110200300030006619836019.519.57207203927120.040.070.100.18FlorenceTuring-NLGOPT-1758M2M-100Gato視覺識(shí)別語言理解、生成語言模型100種語言互譯多面手的智能體語言理解與生成代碼生成6.41701750150123000300030003000300030003000666666611.52306315027021.65040745.219.519.519.519.519.519.519.572072072072072072072023605623253443997214740.000.060.620.050.001.000.150.010.151.560.130.012.490.37微軟FacebookDeep

MindOpenAIGopherAlphaCode2800414GPT3語言理解與生成、推理等175030006315019.572062320.621.56CLIP&DALL-ECodex圖像生成、跨模態(tài)檢索代碼生成120120-30003000-66-216216-19.519.5-720720-427427-0.040.04-0.110.11-ChatGPT語言理解與生成、推理等英偉達(dá)Megatron-Turing

NLG語言理解與生成、推理等530030006954019.5720188751.894.72StabilityAIStableDiffusion語言理解與圖像生產(chǎn)---------資料：《AIGC發(fā)展趨勢(shì)報(bào)告2023》騰訊研究院，長江證券研究所（單個(gè)詞語計(jì)算次數(shù)即單精度假設(shè)為均為6次；算力假設(shè)為英偉達(dá)Tesla

A100

GPU算力19.5TFLOPS；A100成本為包含8張Tesla

A100及配套芯片，即整機(jī)價(jià)格）大模型參數(shù)量快速提升，算力需求大幅增加01?

人工智能技術(shù)將全面賦能各行各業(yè)。預(yù)計(jì)到2025年，人工智能涉及的場(chǎng)景規(guī)模將達(dá)到2,081億美金，并在無人駕駛、智慧金融、智慧醫(yī)療、智慧零售、文娛等領(lǐng)域大顯身手。人工智能技術(shù)對(duì)于算力的核心拉動(dòng)點(diǎn)在于未來各應(yīng)用場(chǎng)景內(nèi)單設(shè)備芯片算力的增長和人工智能技術(shù)的行業(yè)滲透率的進(jìn)一步提升，帶動(dòng)對(duì)云計(jì)算中心、邊緣設(shè)備和終端NPU的巨大需求。整體預(yù)計(jì)在

2030

年，人工智能相關(guān)領(lǐng)域?qū)τ谒懔Φ男枨髮⑦_(dá)到~16,000

EFLOPS，相當(dāng)于1,600億顆高通驍龍855內(nèi)置的人工智能芯片所能提供的算力。大模型的基礎(chǔ)是龐大的算力基建僅人工智能相關(guān)應(yīng)用就將帶來海量算力需求14001200100080060040020001271.4922.8640.7427268155.247.795.5111.37539.667.980.356.530.311.72019202020212022E2023E2024E2025E2026E中國通用算力規(guī)模（EFLOPS）中國智能算力規(guī)模（EFLOPS）資料：IDC，《泛在算力：智能社會(huì)的基石》，長江證券研究所02AI+Chiplet：信息革命的基石應(yīng)用-軟件-硬件循環(huán)向上，AI芯片發(fā)展多元變化02AI芯片相關(guān)技術(shù)關(guān)鍵技術(shù)對(duì)算力的具體要求資料：《人工智能芯片技術(shù)白皮書（2018》清華大學(xué)，北京未來芯片技術(shù)高精尖創(chuàng)新中心，《泛在算力：智能社會(huì)的基石》，長江證券研究所應(yīng)用-軟件-硬件循環(huán)向上，AI芯片發(fā)展多元變化02中國AI芯片市場(chǎng)規(guī)模占比（IDC）AI芯片的目標(biāo)領(lǐng)域1.0%

0.4%9.6%GPUNPUASICFPGA89.0%主要AI相關(guān)芯片的市場(chǎng)規(guī)模及增速（百萬美元，Gartner）202020212022E2023E2024E2025E2026ECAGR

2021-2026E應(yīng)用處理器（分立或嵌入式）17,77326,81033,03738,22943,13445,95648,64013%DSPFPGAGPU614326910214398,8971521870216239872%58%21%1152609241442912478658697,23110,55912,166MCU/SoC微處理器191,12840492,107861063,5101562125,8362912867,6694754729,45568375411,36088173%40%59%70%嵌入式微處理器其他ASIC3376841,2882,5354,6606,8959,663資料：Gartner，《人工智能芯片技術(shù)白皮書（2018》清華大學(xué)，北京未來芯片技術(shù)高精尖創(chuàng)新中心，IDC，長江證券研究所（注：Gartner統(tǒng)計(jì)AI芯片口徑包含服務(wù)器以外如AIoT、手機(jī)、筆電等應(yīng)用；IDC口徑則以服務(wù)器AI相關(guān)芯片為主）應(yīng)用-軟件-硬件循環(huán)向上，AI芯片發(fā)展多元變化02?

以人工智能芯片為例，目前主要有兩種發(fā)展路徑：一種是延續(xù)傳統(tǒng)計(jì)算架構(gòu)，加速硬件計(jì)算能力，主要以CPU、GPU、FPGA、ASIC為代表。當(dāng)前階段，GPU配合CPU是AI芯片的主流，而后隨著視覺、語音、深度學(xué)習(xí)的算法在FPGA以及ASIC芯片上的不斷優(yōu)化，此兩者也將逐步占有更多的市場(chǎng)份額，從而與GPU達(dá)成長期共存的局面。?

深度神經(jīng)網(wǎng)絡(luò)算法是大型多層的網(wǎng)絡(luò)模型，典型的有循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)，模型單次推斷通常需要數(shù)十億甚至上百億次的運(yùn)算，對(duì)芯片的計(jì)算力提出了更高要求，同時(shí)對(duì)器件的體積、功耗還有一定的約束。四類邏輯芯片特性比較主要AI芯片的功能特性比較GPU通用型好FPGA半定制化好ASIC定制化不好低定制化程度靈活性成本高較高Verilog/VHDL等硬件描述語言，編程語言/架構(gòu)功耗CUDA、OpenCL等/OpenCL、HLS大較大小峰值計(jì)算能力強(qiáng)、產(chǎn)品成

平均性能較高、功耗較低、靈活性

平均性能很強(qiáng)，功耗很低、體積小主要優(yōu)點(diǎn)熟強(qiáng)效率不高、不可編輯、功

量產(chǎn)單價(jià)高、峰值計(jì)算能力較強(qiáng)、

前期投入成本高、不可編輯、主要缺點(diǎn)性能功能效率靈活性FPGA

ASIC延遲耗高編程語言難度大研發(fā)時(shí)間長、技術(shù)風(fēng)險(xiǎn)大云端訓(xùn)練、云端推斷、終端推主要應(yīng)用場(chǎng)景代表企業(yè)芯片云端訓(xùn)練、云端推斷云端推理、終端推斷CPUGPU斷英偉達(dá)Tesla、高通Adreno等谷歌TPU、寒武紀(jì)CambriconXilinxVersal、英特爾Arria等等資料：與非網(wǎng)，賽迪智庫，長江證券研究所GPU：并行運(yùn)算帶來對(duì)AI應(yīng)用的高度適配02?

在架構(gòu)上GPU由數(shù)以千計(jì)的更小、更高效的核心（類似于CPU中的ALU）組成，這些核心專為同時(shí)處理多任務(wù)而設(shè)計(jì)。現(xiàn)在的CPU，一般是多核（multi-core）結(jié)構(gòu)；而

GPU

一般是眾核（many-core）結(jié)構(gòu)。?

為充分利用GPU的計(jì)算能力，NVIDIA在2006年推出了CUDA（Computer

Unifie

Device

Architecture，統(tǒng)一計(jì)算設(shè)備架構(gòu)）這一編程架構(gòu)。該架構(gòu)使GPU能夠解決復(fù)雜的計(jì)算問題。它包含了CUDA指令集架構(gòu)（ISA）以及GPU內(nèi)部的并行計(jì)算引擎。英偉達(dá)在GPU里面增加了Tensor

Core為AI服務(wù)，它的并行力度就從基本的數(shù)據(jù)點(diǎn)進(jìn)化到以小矩陣快來進(jìn)行計(jì)算。所以Tensor

Core最基本的并行單元是一個(gè)4×4的矩陣塊，能夠在一個(gè)時(shí)鐘周期里面算出一個(gè)4×4矩陣和另一個(gè)4×4矩陣相乘的結(jié)果。原來用數(shù)據(jù)點(diǎn)來并行的話，它需要16次這樣的計(jì)算，才能算出一個(gè)4×4的矩陣。相比之下Tensor

Core的算力比原來的GPU要高，等價(jià)的功耗等比原來GPU的要低，這就是Tensor

Core用來做矩陣一個(gè)顯著的進(jìn)化。CPU和GPU架構(gòu)對(duì)比CUDA

Core做卷積（以點(diǎn)為基本粒度進(jìn)行）資料：《AI芯片設(shè)計(jì)：原理與實(shí)踐》（陳巍，2022），匯芯投資，長江證券研究所GPU：并行運(yùn)算帶來對(duì)AI應(yīng)用的高度適配02Ampere架構(gòu)H100可大幅加速大模型訓(xùn)練時(shí)間?

英偉達(dá)Ampere

GA100是迄今為止設(shè)計(jì)的最大的7nm

GPU。GPU完全針對(duì)HPC市場(chǎng)而設(shè)計(jì)，具有科學(xué)研究，人工智能，深度神經(jīng)網(wǎng)絡(luò)和AI推理等應(yīng)用程序。NVIDIA

A100基于7nmAmpere

GA100

GPU，具有6912CUDA

內(nèi)

核

和

432

Tensor

Core

，540億個(gè)晶體管數(shù)，108個(gè)流式多處理器。采用第三代NVLINK，GPU和服務(wù)器雙向帶寬為4.8

TB/s，GPU間的

互

連

速

度

為

600

GB/s

。

另

外

，Tesla

A100在5120條內(nèi)存總線上的HBM2內(nèi)存可達(dá)40GB。從5天加速到19小時(shí)（GPT-3，1750億參數(shù)）從7天加速到20小時(shí)（MoE，3950億參數(shù)）?

2022年，NVIDIA推出了具有采用全新Hopper架構(gòu)的,

800億個(gè)晶體管的H100，這是首款支持Pcle5.0標(biāo)準(zhǔn)的GPU，單個(gè)H100就支持40Tb/s的IO帶寬。資料：面包板，英偉達(dá)，長江證券研究所英偉達(dá)：三重壁壘構(gòu)造AI時(shí)代軟硬件一體化龍頭02AI的核心驅(qū)動(dòng)與英偉達(dá)的三重壁壘?

第一層壁壘：硬件層。GPU奠定圖形渲染和AI算力基礎(chǔ)，英偉達(dá)硬件層的三芯戰(zhàn)略已逐步成型：GPU解決AI大規(guī)模并行運(yùn)算痛點(diǎn)，DPU解決AI訓(xùn)練推理中設(shè)備網(wǎng)絡(luò)通信與CPU負(fù)荷問題，CPU填上三芯戰(zhàn)略最后一塊拼圖，GPU強(qiáng)耦

合

設(shè)

計(jì)

構(gòu)

造

完

整

AI

解

決

方

案

，NVlink+NVSwitch+ConnectX突破芯片直連和設(shè)備網(wǎng)絡(luò)連接限制，GPUDirect

Storage

技術(shù)實(shí)現(xiàn)高性能存儲(chǔ)和數(shù)訪問CIS、激光、5GGPUDPUCPU視頻流、社交媒體……多芯配合算力迭代突破硬件摩爾定律限制數(shù)據(jù)持續(xù)高增，算力需求遠(yuǎn)超現(xiàn)存三芯戰(zhàn)略數(shù)據(jù)多芯互聯(lián)瓶頸打開算力上限硬件層軟件層NVlinkConnectXCUDA互聯(lián)網(wǎng)絡(luò)AI發(fā)展關(guān)鍵瓶頸算力、功耗、體積與成本以及如何發(fā)揮軟硬件強(qiáng)耦合充分發(fā)揮硬件優(yōu)勢(shì)芯片應(yīng)用軟件?

第二層壁壘：軟件層。CUDA釋放GPU潛力引航AI發(fā)展DOCA、Omniverse等軟件層進(jìn)一步填充生態(tài)，增強(qiáng)AI業(yè)對(duì)英偉達(dá)的粘性。CUDA從底層代碼出發(fā)發(fā)揮GPU并行算

優(yōu)

勢(shì)

，

奠

定

近

十

年

人

工

智

能

發(fā)

展

基

礎(chǔ)

，

DOCABlueField

DPU量身定做軟件開發(fā)平臺(tái)，復(fù)刻GPU+CUD的強(qiáng)耦合成功路徑，Omniverse初試工業(yè)共享虛擬空間，從硬件→軟件→云上社區(qū)，在強(qiáng)勁軟硬件基礎(chǔ)上打造系統(tǒng)級(jí)AI生態(tài)圈，NVIDIA

AI

Enterprise加速AI模型開發(fā)，未來或有望助力實(shí)現(xiàn)以AI開發(fā)AIAIDOCA算力下沉應(yīng)用層提供更完整解決方案OmniverseAI

Enterprise行業(yè)應(yīng)用軟件從消費(fèi)到數(shù)據(jù)基建再到AI完整領(lǐng)域游戲生產(chǎn)力算法數(shù)字孿生應(yīng)用層數(shù)據(jù)中心自動(dòng)駕駛專業(yè)視覺算法經(jīng)歷超半世紀(jì)發(fā)展主流模型逐步成熟元宇宙社會(huì)效益?

第三層壁壘：應(yīng)用層。游戲顯卡、數(shù)據(jù)中心、自動(dòng)駕駛、元宇宙先后接力，十年成長曲線浪潮疊加。資料：長江證券研究所景嘉微：構(gòu)造圖形GPU國產(chǎn)化基礎(chǔ)02?

景嘉微在圖形處理芯片領(lǐng)域經(jīng)過多年的技術(shù)鉆研，成功自主研發(fā)了一系列具有自主知識(shí)產(chǎn)權(quán)的GPU芯片，是公司圖形顯控模塊產(chǎn)品的核心部件并以此在行業(yè)內(nèi)形成了核心技術(shù)優(yōu)勢(shì)。公司以JM5400研發(fā)成功為起點(diǎn)，不斷研發(fā)更為先進(jìn)且適用更為廣泛的一系列GPU芯片，隨著公司JM7200和JM9系列圖形處理芯片的成功研發(fā)，公司聯(lián)合國內(nèi)主要CPU、整機(jī)廠商、操作系統(tǒng)、行業(yè)應(yīng)用廠商等開展適配與調(diào)試工作，共同構(gòu)建國產(chǎn)化計(jì)算機(jī)應(yīng)用生態(tài)，在通用領(lǐng)域成功實(shí)現(xiàn)廣泛應(yīng)用。2022年5月，公司JM9系列第二款圖形處理芯片成功研發(fā)，可以滿足地理信息系統(tǒng)、媒體處理、CAD輔助設(shè)計(jì)、游戲、虛擬化等高性能顯示需求和人工智能計(jì)算需求，可廣泛應(yīng)用于用于臺(tái)式機(jī)、筆記本、一體機(jī)、服務(wù)器、工控機(jī)、自助終端等設(shè)備。景嘉微JM9圖形顯示卡功能參數(shù)景嘉微Wind一致預(yù)期情況參數(shù)指標(biāo)描述關(guān)鍵指標(biāo)營業(yè)收入(百萬)

530.79增長率(%)

33.63歸母凈利潤(百萬)175.972019A2020A653.7723.172021A2022E2023E1,776.9254.812024E2,490.3840.15視頻解碼支持

H.265/H.264/VP9/AVS2/AVS/JPEG/MPEG4

等主流格式；1,093.20

1,147.802D圖形生成功能3D圖形生成功能像素填充率內(nèi)核性能總線接口顯存帶寬顯存容量支持

DirectFB

1.7.7；支持

OpenVG1.1

矢量圖形加速；67.214.99支持

OpenGL4.0、OpenCL3.0、Vulkan1.1、OpenGLES3.2；8GPixels/s；32

位單精度浮點(diǎn)性能

512GFlops；207.63292.74288.88423.34577.48增長率(%)EPS(攤薄)23.670.5817.990.6940.990.97-1.320.6346.540.9336.411.27內(nèi)核時(shí)鐘頻率

1GHz（支持動(dòng)態(tài)調(diào)頻）；PCIE

4.0X825.6GB/s8GB基準(zhǔn)股本(百萬股)301.27ROE(攤薄)(%)

7.46301.258.20301.2410.22455.139.36455.1312.35455.1314.78支持

2路獨(dú)立的圖形顯示控制器，支持

2路

HDMI2.0、1

路

eDP1.2、1路

VGA輸出；顯示接口ROA(%)PE7.037.379.207.979.6211.0789.102.45支持

X86、ARM、MIPS

處理器和

Linux、中標(biāo)麒麟、銀河麒

麟、統(tǒng)信軟件、翼輝、天脈等操作系統(tǒng)；?15W支持平臺(tái)功耗100.304.24101.435.64156.623.82178.11-135.20121.542.61PEG資料：景嘉微公司公告，Wind，長江證券研究所（注：Wind一致預(yù)期數(shù)據(jù)更新至2023年3月25日）沐曦：頂級(jí)團(tuán)隊(duì)布局全棧解決方案02?

沐曦2020年9月成立于上海，擁有技術(shù)完備、設(shè)計(jì)和產(chǎn)業(yè)化經(jīng)驗(yàn)豐富的團(tuán)隊(duì)，核心成員平均擁有近20年高性能GPU產(chǎn)品端到端研發(fā)經(jīng)驗(yàn)，曾主導(dǎo)過十多款世界主流高性能GPU產(chǎn)品研發(fā)，包括GPU架構(gòu)定義、GPU

IP設(shè)計(jì)、GPU

SoC設(shè)計(jì)及GPU系統(tǒng)解決方案的量產(chǎn)交付全流程。?

打造全棧GPU芯片產(chǎn)品，推出MXN系列GPU（曦思）用于AI推理，MXC系列GPU（曦云）用于AI訓(xùn)練及通用計(jì)算，以及MXG系列GPU（曦彩）用于圖形渲染，滿足數(shù)據(jù)中心對(duì)“高能效”和“高通用性”的算力需求。沐曦產(chǎn)品均采用完全自主研發(fā)的GPU

IP，擁有完全自主知識(shí)產(chǎn)權(quán)的指令集和架構(gòu)，配以兼容主流GPU生態(tài)的完整軟件棧（MXMACA），具備高能效和高通用性的天然優(yōu)勢(shì)，能夠?yàn)榭蛻魳?gòu)建軟硬件一體的全面生態(tài)解決方案，是“雙碳”背景下推動(dòng)數(shù)據(jù)中心建設(shè)和產(chǎn)業(yè)數(shù)字化、智能化轉(zhuǎn)型升級(jí)的算力基石。曦思N100人工智能推理GPU曦思N100已完成百度飛槳I級(jí)兼容性測(cè)試資料：沐曦集成官網(wǎng)，長江證券研究所壁仞科技：訓(xùn)推一體化劍指全球龍頭02?

壁仞科技創(chuàng)立于2019年，團(tuán)隊(duì)由國內(nèi)外芯片和云計(jì)算領(lǐng)域核心專業(yè)人員、研發(fā)人員組成，在GPU、DSA（專用）和計(jì)算機(jī)體系結(jié)構(gòu)等領(lǐng)域具有深厚的技術(shù)積累。從發(fā)展路徑上，壁仞科技將首先聚焦云端通用智能計(jì)算，逐步在人工智能訓(xùn)練和推理、圖形渲染等多個(gè)領(lǐng)域趕超現(xiàn)有解決方案，實(shí)現(xiàn)國產(chǎn)高端通用智能計(jì)算芯片的突破。?

壁仞科技BR100系列通用GPU芯片針對(duì)人工智能（AI）訓(xùn)練、推理，及科學(xué)計(jì)算等更廣泛的通用計(jì)算場(chǎng)景開發(fā)，主要部署在大型數(shù)據(jù)中心，依托“壁立仞”原創(chuàng)架構(gòu)，可提供高能效、高通用性的加速計(jì)算算力。BR100系列通用GPU芯片BR100系列產(chǎn)品與英偉達(dá)H100、A100產(chǎn)品參數(shù)對(duì)比BR104-300WPCIeNVIDIA

H100

NVIDIA

H100

NVIDIA

A100BR100-OAMSXM5PClePCle產(chǎn)品形態(tài)OAM雙FHFL

PClePClePClePCle256

TFLOPS（Tensor

Core）128

TFLOPS（Tensor

Core）FP3260

TFLOPS48

TFLOPS19.5

TFLOPS峰值性能TF32+500

TFLOPS400

TFLOPS156

TFLOPS512

TFLOPS256

TFLOPS512

TFLOPS（TF32）（TF32）（TF32）（TF32）312

TFLOPS（FP16）BF161024

TFLOPS1000

TFLOPS800

TFLOPS1600

TOPSINT82048

TOPS1024

TOPS2000

TOPS624

TOPS顯存64GB

HBM2E32GB

HBM2E80GB

HMB380GB

HBM2E

80GB

HBM2EPCle

5.0PCle

5.0接口SXM5900

GB/s700WPCIe

5.0600

GB/s350WPCIe

4.0600

GB/s400W支持CXL

2.0支持CXL

2.0互連帶寬512

GB/s500W192

GB/s300W最大熱設(shè)計(jì)功耗（TDP）資料：壁仞科技官網(wǎng)，芯東西，長江證券研究所（注：NVIDIA

H100僅計(jì)入未采用稀疏技術(shù)的規(guī)格）芯原股份：GPU+NPU的IP賣水人02?

芯原股份自2016年收購圖芯美國增加GPU

IP后持續(xù)推進(jìn)在GPU、NPU領(lǐng)域的研發(fā)，目前已具備多款3D/2.5D

GPU/GPGPU

IP，是國內(nèi)GPU

IP的核心供應(yīng)商之一。芯原Vivante的神經(jīng)網(wǎng)絡(luò)處理器

（NPU）

IP是高度可擴(kuò)展、可編程的計(jì)算機(jī)視覺和人工智能處理器，支持終端、邊緣端及云端設(shè)備的人工智能運(yùn)算升級(jí)。Vivante

NPU

IP可滿足多種芯片尺寸和功耗預(yù)算，是具成本效益的優(yōu)質(zhì)神經(jīng)網(wǎng)絡(luò)加速引擎解決方案，芯原業(yè)界領(lǐng)先的

NPU

在過去幾年已經(jīng)向60多個(gè)客戶交付，被應(yīng)用于110多個(gè)系統(tǒng)級(jí)芯片（SoC）中。?

2023年3月15日，芯原股份宣布與微軟就Windows

10

IoT企業(yè)版操作系統(tǒng)開展合作，合作內(nèi)容涵蓋硬件，以及對(duì)功能強(qiáng)大的嵌入式平臺(tái)的長期支持。芯原將利用自身的嵌入式軟件設(shè)計(jì)能力和數(shù)十年推出成功產(chǎn)品的經(jīng)驗(yàn)，使嵌入式應(yīng)用開發(fā)人員和原始設(shè)備制造商(OEM)能夠基于可信賴的操作系統(tǒng)，使用熟悉的開發(fā)和管理工具快速創(chuàng)建、部署和擴(kuò)展物聯(lián)網(wǎng)解決方案，并通過微軟Azure

IoT將設(shè)備無縫連接到云端。?

值得重視的是，芯原代理了全球高速Serdes

IP的龍頭廠商Alphawave在大中華區(qū)的銷售和芯片定制設(shè)計(jì)應(yīng)用，高速Serdes接口或?qū)⒊蔀樗懔σ酝庾顬殛P(guān)鍵的結(jié)構(gòu)。芯原VivanteGPU

IP產(chǎn)品線及其應(yīng)用芯原VivanteNPUIP產(chǎn)品線及其應(yīng)用資料：芯原股份官網(wǎng)，長江證券研究所FPGA：AI應(yīng)用的加速卡02數(shù)據(jù)中心中FPGA可配合多種芯片實(shí)現(xiàn)性能的大幅提升?

以賽靈思FPGA

ACAP（自適應(yīng)平臺(tái)）產(chǎn)品為例，其可以搭配CPU、存儲(chǔ)、網(wǎng)絡(luò)接口等，大幅提升整體性能：網(wǎng)絡(luò)NIC?

搭配CPU：傳統(tǒng)的數(shù)據(jù)中心服務(wù)器有1個(gè)CPU連接網(wǎng)絡(luò)，通過NIC（網(wǎng)絡(luò)接口控制器）和PCIe連接到存儲(chǔ)設(shè)備。搭配Xilinx

Versal

ACAP可會(huì)實(shí)現(xiàn)速度的巨大提升。以生命科學(xué)公司lllumina基因組計(jì)算為例，Xilinx的加速組件為其基因組分析應(yīng)用提速了90倍；使用FPGA數(shù)量對(duì)QUERYPerformance影響13XPCIe1412108CPU加速效果：1.5X數(shù)據(jù)包處理吞吐量：3-6X7X64X4?

搭配存儲(chǔ)器：可以加速數(shù)據(jù)的壓縮/解壓縮、解密；1X2SSD00124?

搭配NIC：Smart

NIC可以通過移除惡意數(shù)據(jù)包提供更好的安全性，并通過將網(wǎng)絡(luò)堆棧從CPU卸載到Smart

NIC來加速數(shù)據(jù)包處理。使用基于Xilinx的智能網(wǎng)卡，數(shù)據(jù)吞吐量加快了3~6倍，CPU利用率提高了1.5倍。相關(guān)性能計(jì)算加速用于TWITCH

VP9網(wǎng)絡(luò)直播的視頻轉(zhuǎn)碼技術(shù)用于illumine基因組數(shù)據(jù)分析用于TEND實(shí)時(shí)最大似然推理100X30X90XFPGAGPUCPUFPGACPUFPGACPU20X1X1X1X010203040020406080100020406080100資料：與非網(wǎng)，長江證券研究所國產(chǎn)FPGA替代先鋒——紫光同創(chuàng)02?

紫光國微民用可重構(gòu)系統(tǒng)芯片業(yè)務(wù)由參股子公司深圳紫光同創(chuàng)電子承擔(dān)。紫光同創(chuàng)是中國FPGA領(lǐng)導(dǎo)廠商，總投資超過20億元，主要從事可編程邏輯器件（FPGA、CPLD等）的研發(fā)與銷售、EDA設(shè)計(jì)工具的開發(fā)，產(chǎn)品覆蓋通信、工業(yè)控制、視頻監(jiān)控、消費(fèi)電子、數(shù)據(jù)中心等應(yīng)用領(lǐng)域。正積極推進(jìn)高中低端全系列FPGA產(chǎn)品的研制開發(fā)工作。公司研發(fā)實(shí)力深厚，職工人數(shù)超過500人、研發(fā)人員占比為85%，擁有專利超300項(xiàng)、核心專利占比超過80%。

紫光同創(chuàng)2020年已實(shí)現(xiàn)3.16億元銷售收入，同比大幅增長超210%，未來有望進(jìn)一步釋放公司FPGA產(chǎn)品及IP、軟件等解決方案盈利能力。公司還可提供圍繞FPGA器件的系統(tǒng)解決方案、板卡外包設(shè)計(jì)服務(wù)以及IP模塊解決方案，正在逐步從FPGA產(chǎn)品提供商向提供FPGA平臺(tái)和系統(tǒng)解決方案的平臺(tái)型企業(yè)發(fā)展。紫光同創(chuàng)發(fā)展歷程紫光同創(chuàng)FPGA開發(fā)軟件平臺(tái)資料：紫光同創(chuàng)官網(wǎng)，長江證券研究所邊緣計(jì)算：云-端-邊的下一個(gè)發(fā)展方向02?

從性能方面來看，由網(wǎng)絡(luò)帶寬對(duì)云端算力的全量發(fā)揮的限制和網(wǎng)絡(luò)時(shí)延的影響所帶來的算力錯(cuò)配要通過增設(shè)邊緣端來彌補(bǔ)，因此未來形成“云、邊、端”多層級(jí)算力部署方案是必然趨勢(shì)，部分中低功耗的邊緣端AI芯片有望成為行業(yè)下一個(gè)發(fā)展的關(guān)鍵趨勢(shì)，如AI

SoC在智能音箱、智能家居、智能穿戴、智慧安防等領(lǐng)域的應(yīng)用。網(wǎng)絡(luò)傳輸帶寬和時(shí)延導(dǎo)致算力錯(cuò)配，需要邊緣算力支撐資料：《泛在算力：智能社會(huì)的基石》，長江證券研究所Chiplet：芯片集成的新形態(tài)，規(guī)避限制的關(guān)鍵技術(shù)02?目前，主流系統(tǒng)級(jí)單芯片（SoC）都是將多個(gè)負(fù)責(zé)不同類型計(jì)算任務(wù)的計(jì)算單元，通過光刻的形式制作到同一塊晶圓上。比如，目前旗艦級(jí)的智能手機(jī)的SoC芯片上，基本都集成了CPU、GPU、DSP、ISP、NPU、Modem等眾多的不同功能的計(jì)算單元，以及諸多的接口IP，其追求的是高度的集成化，利用先進(jìn)制程對(duì)于所有的單元進(jìn)行全面的提升，缺點(diǎn)則是設(shè)計(jì)時(shí)間漫長、成本高昂。?而Chiplet技術(shù)是SoC集成發(fā)展到一定程度之后的一種新的芯片設(shè)計(jì)方式，它通過將SoC分成較小的裸片（Die），然后每個(gè)單元選擇最適合的工藝制程進(jìn)行制造，再將這些模塊化的小芯片（裸片）互聯(lián)起來，采用新型封裝技術(shù)，將不同功能不同工藝制造的小芯片封裝在一起，成為一個(gè)異構(gòu)集成芯片?；贑hiplet的異構(gòu)架構(gòu)應(yīng)用處理器的示意圖Chiplet可靈活實(shí)現(xiàn)集成各類功能的芯片設(shè)計(jì)資料：芯原股份業(yè)績說明會(huì)，長江證券研究所Chiplet實(shí)現(xiàn)的方式：SIP/2.5D/3D02?目前來看，可應(yīng)用于Chiplet的封裝解決方案主要是SIP、2.5D和3D封裝。其中，2.5D封裝技術(shù)發(fā)展已經(jīng)非常成熟，并且已經(jīng)廣泛應(yīng)用于FPGA、CPU、GPU等芯片當(dāng)中，近年來，隨著Chiplet架構(gòu)的興起，2.5D封裝也成為了Chipet架構(gòu)產(chǎn)品主要的封裝解決方案。其最大特色是采用Interposer

(中介層)做為整合媒介，主要用來做為放置于其上的小芯片們間的通訊互聯(lián)，以及芯片們與載板間的聯(lián)結(jié)。?此外，還有HD-FO(Highdensity

Fan-out)封裝技術(shù)，目前雖仍僅應(yīng)用在較基礎(chǔ)的異質(zhì)元件整合

(如邏輯IC與HBM的整合)，但隨技術(shù)持續(xù)進(jìn)步搭配其低成本優(yōu)勢(shì)，未來可能有機(jī)會(huì)進(jìn)一步成為Chiplet采用者的另一封裝選擇。?

3D封裝能夠幫助實(shí)現(xiàn)3DIC，即芯粒間的堆疊和高密度互聯(lián)，可以提供更為靈活的設(shè)計(jì)選擇。但是，3D封裝的技術(shù)難度也更高，目前主要有英特爾和臺(tái)積電掌握3D封裝技術(shù)并有商用。Chiplet實(shí)現(xiàn)的主要方式：SIP/2.5D/3D封裝芯片內(nèi)部互聯(lián)網(wǎng)絡(luò)是小芯片以外最為重要的組成資料：SiP

與先進(jìn)封裝技術(shù)，長江證券研究所下游需求加速擴(kuò)圍，產(chǎn)業(yè)鏈價(jià)值重構(gòu)02?

早在2014年，國內(nèi)某核心設(shè)計(jì)公司與臺(tái)積電的CoWoS（Chip-on-Wafer-on-Substrate）合作產(chǎn)品已經(jīng)發(fā)布，在2019年推出了基于Chiplet技術(shù)的7nm鯤鵬920處理器，Chiplet技術(shù)逐步走向成熟。目前，已有AMD、英特爾、臺(tái)積電為代表的多家集成電路產(chǎn)業(yè)鏈領(lǐng)導(dǎo)廠商先后發(fā)布了量產(chǎn)可行的Chiplet解決方案、接口協(xié)議或封裝技術(shù)。其中，AMD、Intel已經(jīng)率先實(shí)現(xiàn)Chiplet量產(chǎn)。Chiplet方案產(chǎn)品梳理圖：公司產(chǎn)品概述?

拓寬下游產(chǎn)業(yè)鏈加速Chiplet生態(tài)發(fā)展。預(yù)計(jì)至2024年，全球基于Chiplet的器件市場(chǎng)規(guī)?？蛇_(dá)到59億美元左右。高性能服務(wù)器/數(shù)據(jù)中心、自動(dòng)駕駛、筆記本/臺(tái)式電腦、高端智能手機(jī)等將在未來幾年成為Chiplet的主要應(yīng)用場(chǎng)景，引領(lǐng)該市場(chǎng)增長。每個(gè)EPYC處理包括4個(gè)Zeppelin

die，使用2D

MCM

（Multi-chip

module）封裝。Zeppelin

die

包含2

個(gè)core

complex-CCX。單獨(dú)看，

每個(gè)Zeppelin

die都包括單獨(dú)的memory、IO

complex、infinity

Fabric的控制與接口；從公司層面看，對(duì)于研發(fā)成本，一個(gè)Zeppelin

die可以覆蓋服務(wù)器和桌面兩個(gè)市場(chǎng)，收益明顯。有一個(gè)中央集中式I/O和內(nèi)存控制器die，而且這個(gè)集中IOD仍然有14nm工藝，CCD

仍然保持8個(gè)核的設(shè)計(jì)。8個(gè)CCD

die，

一個(gè)IOD，最高核數(shù)為64個(gè)。每個(gè)CCD

上的核數(shù)可以根據(jù)良率變化，每個(gè)SKU上的Chiplet數(shù)目也可以選擇。Ryzen

產(chǎn)品線重用了

EYPC

Rome

的CCD。只是單獨(dú)配了一個(gè)Client

IOD。對(duì)于產(chǎn)品線復(fù)雜的公司，Chiplet

設(shè)計(jì)，極好地降低了總研發(fā)費(fèi)用。Stratix

10是Intel第一款使用EMIB的設(shè)計(jì)，中心是FPGA

die，周圍是6個(gè)Chiplet。4個(gè)高速EPYC（Naples）AMDEPYC（Rome）Ryzen（Matisse）全球基于Chiplet的器件市場(chǎng)規(guī)模（分下游應(yīng)用，百萬美元）Altera

Stratix10

FPGA

transceiver

Chiplet

和2個(gè)高帶寬memory

Chiplet。這6個(gè)Chiplet是來自三個(gè)不同fab的6個(gè)不同工藝Chiplet，證明了不同fab之間的強(qiáng)大互操作性。Lakefield使用3D封裝，運(yùn)用不同核的混合架構(gòu)和Chiplet

設(shè)計(jì)，一個(gè)compute

die，一個(gè)base

die。Lakefield

SoCBase

die主要是I/O

功能，性能不敏感，因此可以用22nm

工藝，而混合了大小CPU

核、IPU、GPUcompute

die，會(huì)持續(xù)演進(jìn)，用7-5nm

工藝。IntelEthernet

Switch市場(chǎng)的第一款分離為Chiplet

的設(shè)計(jì)。Switch

ASIC長期以來都是把模擬和邏輯部分Barefoot

the

Tofino

2

放在一起設(shè)計(jì)的，模擬部分其實(shí)和邏輯部分演進(jìn)的時(shí)間表完全不同。如果是單芯片設(shè)計(jì)，模擬部分chip7nm+

Chipletswitch

ASIC也不得不隨著邏輯部分的工藝演進(jìn)前進(jìn)。如果采用Chiplet

分離設(shè)計(jì)，邏輯部分可采用最新工藝，模擬部分可保留傳統(tǒng)工藝。Chiplet帶動(dòng)模擬部分的工藝節(jié)省，而且還可以通過不同的Chiplet

配置，來提供不同的SKU。蘋果將兩枚

M1

Max

芯片通過

Chiplet

技術(shù)拼接。M1

Ultra

芯片采用了

UltraFusion

封裝架構(gòu)，通過兩枚

M1

Max晶粒的內(nèi)部互連。架構(gòu)上，M1

Ultra

采用了

20

核中央處理器，由

16

個(gè)高性能核心和

4個(gè)高能效核心組成。AppleM1MaxXlinix2011

Virtex-72000T

4個(gè)die的Chiplet設(shè)計(jì)。Marvell

提出Mochi

概念，最大的驅(qū)動(dòng)力是降低成本，模塊化芯片設(shè)計(jì)，像LEGO

那樣，提高模塊的重用性。借助基本模塊的重用，還能在保持靈活性的同時(shí)，加快新產(chǎn)品的上市時(shí)間。MarvellMochi8個(gè)Chiplet

設(shè)計(jì)，融合了HBM

die，邏輯部分與I/O