工业4.0的“算力神经”,如何让产线良品率从95%跃升至99.2%?

当传统MCU在实时控制与复杂运算间进退维谷时,遨格芯微FPGA+AG32MCU异构方案,正以“软硬协同”的方式重塑工业控制的底层逻辑——这不仅是技术创新,更是对工业4.0算力需求的精准应答。

实时性与算力的“二元突破”

工业机器人的运动控制要求微秒级响应,而视觉检测又需要强大的并行处理能力。AG32MCU的实时中断响应时间小于20ns,负责电机驱动等确定性任务;FPGA则通过硬件加速实现图像边缘检测,处理速度较纯MCU方案提升20倍。某3C制造企业采用该架构后,生产线良品率从95%提升至99.2%。

 

 

功耗与性能的动态平衡

工业场景的能源约束,要求芯片具备“按需分配”的算力调度能力。AG32MCU的动态功耗管理模块,可根据任务负载实时调整FPGA的工作频率,在空闲时将功耗降至1.2mW。在智能电网终端中,这种设计使设备续航延长至5年,运维成本降低60%。

开源生态的“破圈”尝试

为降低开发门槛,遨格芯微在官网开源FPGA逻辑代码与AG32MCU驱动库,开发者可基于RISC-V指令集自定义加速模块。这种“硬件开源”模式,吸引了超过500家工业企业参与方案共建,形成从芯片到终端的完整生态链。

未来工厂的“数字孪生”基座

随着工业元宇宙的兴起,FPGA+MCU架构正成为数字孪生的算力基座。AG32MCU采集的设备运行数据,经FPGA实时预处理后上传云端,构建高精度虚拟工厂模型。某汽车焊装车间应用该技术后,设备故障预测准确率提升至92%,停机时间减少40%。

当芯片学会“思考”

2025年,全球AI芯片市场规模突破2000亿美元,但这不仅是一场算力的军备竞赛。真正的变革在于,芯片正在从“计算工具”转变为“认知伙伴”。在传统CPU与GPU之外,各类专用芯片如雨后春笋般涌现,形成百花齐放的生态格局。本文将从三个新颖视角解析这场静默的硅基革命。

 

 

一、架构创新:从“通用计算”到“场景智能”

范式转变的三重奏

神经拟态芯片正在颠覆传统计算架构。不同于冯·诺依曼结构,这类芯片模仿人脑神经元与突触的工作方式:

事件驱动计算:仅在需要时激活,能耗可降至传统芯片的1/1000

存算一体设计:突破“内存墙”瓶颈,数据处理速度提升100倍以上

时空编码:同时处理时间与空间信息,更适应动态环境

芯片类型关键创新点适用场景

神经拟态芯片事件驱动、存算一体边缘设备、实时感知

光计算芯片光子代替电子传输超大规模模型训练

量子AI芯片量子态叠加计算药物发现、材料模拟

生态系统的多样性

没有任何一种架构能通吃所有场景。英伟达的GPU仍主导数据中心训练,而自动驾驶领域则被特斯拉的D1芯片和Mobileye的EyeQ系列分割。初创公司如Graphcore的IPU专注于图形计算,Cerebras的晶圆级引擎则重新定义了尺寸边界。

二、能效革命:每瓦特算力的价值重构

绿色AI的硬件基石

“算力即权力”的时代正在向“能效即竞争力”过渡。最新研究表明,AI耗电量已占全球电力的2%,2030年可能达到10%。这一挑战催生了三大创新路径:

1. 工艺制程突破

3nm及以下工艺使晶体管密度翻倍

二维材料(如石墨烯)替代硅基材料

三维堆叠技术实现垂直集成

2. 软件定义芯片

动态重构架构:

训练模式 → 高精度浮点运算 (FP32)

推理模式 → 低精度整数运算 (INT8)

休眠模式 → 仅保持基础连接

3. 冷却技术革命

浸没式液冷将散热效率提升80%

相变材料实现被动冷却

热电转换回收废热

经济学的重新定义

芯片选择不再仅看峰值算力。企业开始计算“全生命周期能效比”——包括制造能耗、运行功耗和冷却成本。这一转变使得某些峰值算力较低但能效出众的芯片,在边缘计算场景中获得压倒性优势。

三、软硬协同:算法与芯片的共生进化

从“适配”到“共设计”

传统模式是芯片设计完成后再优化算法,而现在进入了算法-芯片协同设计时代:

双向优化案例:

Transformer专用芯片(如Google TPU v4)

算法层:稀疏注意力机制

硬件层:动态稀疏计算单元

效果:相同任务能耗降低60%

联邦学习芯片组

算法层:差分隐私保护

硬件层:本地加密计算单元

效果:隐私与效率的平衡点

开源硬件的兴起

RISC-V架构的AI扩展指令集正催生新的生态。与传统x86和ARM架构相比,开源架构提供了定制化的自由:

可针对特定神经网络优化指令

避免了授权费用的成本转嫁

促进了学术界的创新参与

“没有一种指令集是完美的,但多样性让整个生态系统更具韧性。”​ —— RISC-V国际基金会主席David Patterson

四、未来展望:超越硅基的想象

材料科学的突破

硅材料正在接近物理极限,下一代AI芯片可能基于:

碳纳米管芯片:已实现比硅芯片快10倍的实验原型

自旋电子器件:利用电子自旋而非电荷存储信息

DNA计算芯片:在生化反应中执行并行计算

分布式智能网络

未来的AI系统可能不是单一芯片,而是层级化的智能网络:

云端超算芯片 ←→ 边缘推理芯片 ←→ 终端感知芯片

(训练) (协同推理) (数据采集)

这种三级架构中,每个层级的芯片形态、精度要求和能效标准都截然不同,催生了更加细分的市场格局。

五:多样性即生命力

AI芯片的发展轨迹正在从“趋同”转向“分化”。不同的应用场景需要不同的芯片特性:自动驾驶需要极低的延迟,医疗诊断需要极高的精度,消费电子需要极佳的能效。

在这个价值万亿美元的市场中,中立地看,没有绝对的赢家架构,只有最适合场景的解决方案。CPU、GPU、FPGA、ASIC以及新兴的神经拟态芯片、光芯片和量子芯片,各自在庞大的AI生态中找到了自己的生态位。

最终,这场革命的胜出者可能不是单一芯片,而是能够整合异构计算资源、平衡算力与能效、兼顾性能与成本的完整解决方案。当芯片真正理解场景需求时,人工智能的“智能”二字,才获得了它坚实的物理基础。以上就是小编分享的全部内容,希望可以帮助到大家。

周末杂谈:假如比亚迪给英伟达发降价函,老黄会怎么回?

这周圈内媒体刷屏的比亚迪事件,我并没有发表任何意见,也没写任何文章,意味着我也并不会随便站在一边指责另一边。

比亚迪和供应商的生意是个自由市场交易,买卖双方是“一个愿打一个愿挨”的关系,供应商并非没有说不的权利,最后能不能成交也是个你情我愿的结果。

 

 

反过来思考,如文章主题的场景真的发生了,老黄会不会这么回:“对不起,你可以不买啊!”

有没有这样的案例?还真的有,就在我所在的MCU领域。

2020年,国产MCU领域知名的L公司遇到了大难题,他们当时最大的客户是T公司,业务占比超过了20%,就在年关的时候,T公司突然对其提出了大幅降价的强硬要求,如果不能答应要求,T公司就会将订单给其竞争对手B公司,L公司经过痛苦的思考,觉得长痛不如短痛,毅然决定放弃T公司这个最大的客户。

L公司的业绩短暂地受到了失去大客户T公司的影响,但是在过后几年业绩反而大幅增长,毛利率保持稳定,最大的变化是再也没有一个大客户能在L公司这里占比超过20%,客户分布更分散也更稳定了。而靠低价替代L公司进入客户的B公司,走量不赚钱,吃力不讨好,毛利率偏低,近两年都是巨额亏损状态。

这三家都是业内知名的上市公司,我想很多朋友都知道这个案例。所以说,塞翁失马焉知非福,大客户在手有利就有弊,要看你要什么了。

我们老家过年,最后必吃的一道菜,不是什么鸡鸭鱼肉,也不是什么生猛海鲜,而是一道“炒豆芽”,我们称之为“如意菜”,一方面取其形状得名,另一方面也寓意新年吉祥如意的愿望。这道菜还有一个外号,这还是一道“厨艺菜”,即体现烧菜人水平的一道菜,用平淡无奇的食材能烧出什么味道来,就体现了厨师的真实水平。

世界上最体现水平的职业是什么?我觉得是作家(包括诗人)。李白的静夜思,五言绝句区区20个字,每一个字连小学生都认识,李白组合出一个产品(作品),就可以流芳百世,而我噼噼啪啪说一堆话,顶多也就是网上转瞬即逝的垃圾而已。同样还有,刘慈欣孤独地窝在水电站的机房里,用一台破电脑写出了这么多科幻作品,很多小朋友的电脑配置比他高多了,却大多用来打LOL游戏了。

莫扎特贝多芬也很牛,每一个音符我们都知道,比需要认识的字少多了,但他们魔术般地把这么简单的音符组合起来,写成了那么多脍炙人口的名曲,这是化腐朽为神奇的力量。

IC设计公司的水平体现在哪里呢?是你用了台积电7nm工艺,还是你买了ARM最新内核或者是Imagination给你授权了现成的IP,你就能变成最牛的IC设计公司了呢?你的水平和创新价值又体现在哪里呢?如果换了一家有钱的主,也可以很快搞出来,这样的东西又有什么稀奇的呢?

大多数时间,这样产生出来的芯片,越来越倾向于粗加工,很容易同质化, 就把一个高科技产品,做成了粗加工产品。这样的结果是,你能做,我也能做,我们之间靠价格战和员工996来内卷竞争,最后大家都赚不到微薄的利润,不幸的是可能还会遇到比亚迪这样的主顾,不仅给你强行杀价还需要长达一年的账期,最后给你一张承兑汇票算是很好的结果了。

这也是很多IC设计公司看上去像在做高科技创新,实际上却是在做劳动密集型的粗加工流水线,这样的产品让客户给你高利润,似乎确实不能成立。如同厨师和作家,如果能用平淡无奇的成熟工艺,却能做出独特创新的高附加值产品,这才体现IC设计公司的水平。

比较意外的是,特斯拉这次主动跳进了是非圈。

特斯拉显得很得意,但是没办法,人家确实是降维打击,特斯拉和比亚迪虽然都是车,但是其属性是完全不同的,这也决定了他们的打法不同。

合宙秦总的观点是,比亚迪是工具属性(必需品),特斯拉是道具属性(身份认同),这里产生的品牌溢价差别就比较大。举个手机品牌的例子就好理解了,苹果是道具属性(中产时尚高端),华为是道具属性(爱国多金直男),小米是道具属性(科技年轻),红米荣耀那就是工具属性了。

比亚迪的电车,是由几百上千个供应商的产品搭积木而成,吉利、小鹏、蔚来、理想的供应商也是一样,甚至大部分都是重合的,这就意味着大家卖的其实也是同质化粗加工的产品,没有太多独特的创新价值,都是工具。

工具属性的东西就是拼价格,连带上面所有的供应链都需要拼尽最后一滴血,PDD平台是最典型的例子,裹挟在其中的公司如果合法经营不可能有利润,没有成长发展研发创新的可能,就是一块随便可以丢弃的抹布,Nobody Care.

客户和供应商的理想关系,也许应该是互相成就,如同ASML和蔡司镜头的关系,苹果和富士康的关系,英伟达和台积电的关系,相互对等相互尊重,为长期合作留有一些缓冲余地,也许更好,但我们的大企业习惯了杀红了眼,上满所有的杠杆,也许这是时代的产物,需要时间去进化走向更好的模式。

特朗普叫停芯片补贴法案,准备搞死英特尔?

今天,特朗普在国会演讲的时候,表示要叫停芯片补贴法案,不会向芯片制造商提供任何来自该芯片法案的资金,这对美国半导体制造来说可不是个好消息,但国会的反应是掌声雷动。

特朗普说,要废除这个法律,剩下的钱拿来减少债务或者做其他事情。这也意味着,拜登政府任内承诺的芯片补助,英特尔、台积电、美光科技、三星电子、SK海力士等都拿不到资金补贴了。由于这个法案是拜登政府的政绩,特朗普打算彻底废除这个前任政策,并要证明自己的政策更英明。

 

 

从近来特朗普政府上台以后的“改革”措施来看,主要的思路是降低政府开支(削减机构、裁撤公务员、查财政去向)、降低公用事业开支(冻结科研经费,取缔教育部)、降低对外援助开支(乌克兰、北约、国际开发署),芯片法案也是个花钱如流水的项目,特朗普不可能不关注。当初拜登在2022年启动芯片法案,准备拨款390亿美元资助芯片大厂,完成美国芯片自主计划。当时已经签署了很多合作协议,现在特朗普让这些协议全部作废。

特朗普的新思路,是要求芯片大厂来美国建厂,不给补贴,但是不来的话就加关税惩罚,也就是不给萝卜只给大棒,所谓的空手套白狼。特朗普之所以这么有信心,主要原因还是台积电的主动投靠。

前天台积电宣布将对美国晶圆厂追加1000亿美元投资。台积电此次扩大投资计划包括兴建三座新晶圆厂、两座先进封装设施,以及设立一间主要研发团队中心。台湾《经济日报》形容,这项投资是“美国史上规模最大的单项外资直接投资”。此前,台积电已在2020年、2023年及2024年,累计承诺在亚利桑那州投资650亿美元建造三座晶圆工厂。

对此,台湾《工商时报》评价台积电的投资决定是“护岛神山买到四年免死金牌”。

由此带来个新的问题,即特朗普废除芯片补贴法案的决策,将对英特尔带来什么样的影响呢?

2022年8月9日,美国出台《芯片与科学法案》(以下简称“《芯片法案》”),旨在重建美国在半导体制造业的领导地位,巩固全球供应链,加强国家和经济安全。其核心内容是投资美国芯片产业。

按照之前的统计,芯片法案对企业拨款情况如下:

英特尔是《芯片法案》的最大受益者之一,原计划获得总计79亿美元的补贴,用于俄亥俄州、亚利桑那州等地的芯片工厂建设。截至2025年3月,英特尔已分两笔收到22亿美元补贴,但特朗普政府正在审查并可能重新谈判已签署的协议,甚至取消剩余拨款。若法案被彻底废除,英特尔未到账的补贴资金(约57亿美元)可能面临终止风险。

英特尔的“千亿美元”投资计划已经因财务压力而多次延期,如俄亥俄州工厂的建设已推迟至2030年。补贴法案的中止可能导致其进一步削减或推迟投资计划,影响其在美国的产能扩张和技术升级。

英特尔原本依赖《芯片法案》缩小与台积电的技术差距(如推进2nm工艺),若补贴终止,其研发投入可能削减,进一步落后于竞争对手。同时,台积电在美国的工厂(如亚利桑那州4nm厂)因已签署协议并获补贴,可能更快推进先进制程,加剧对英特尔的竞争压力。

从英特尔股价的角度,若英特尔无法继续依赖补贴,其现金流压力将增大(2024年制造部门亏损130亿美元),投资者可能对其长期战略信心不足。若英特尔分拆制造部门并与台积电合作,可能降低亏损压力并提升代工效率,半导体行业正加速整合(如博通收购传闻),若英特尔成为并购标的,股价可能因溢价收购预期而上涨,但需关注美国政府对外资控制敏感技术的态度(如台积电入股可能受审查)。

原本市场预期台积电可能会接盘英特尔制造部门,但是这次台积电的建厂投资决策基本上排除了收购英特尔晶圆厂的可能性。

这两个事件对于英特尔来说,可以说是屋漏偏逢连夜雨,祸不单行,既丢了政府补贴,又少了潜在买家,可谓是致命性打击,几乎就是被宣布进入ICU的节奏了。

特朗普为什么要置英特尔于死地?

英特尔可以分为设计和制造两个板块,设计部门是妥妥的现金奶牛,凭他在X86 CPU上的市场统治地位至少还可以稳赚十年,制造部门虽然是亏钱的,但是看其财报实际上是在2024年一次性计提撇清了一大笔坏账支出,相当于洗了一次帐,这种财务操作在A股里是屡见不鲜了。而Intel的18A先进工艺正在关键时刻,黑箱里的状态只有内部高层才知道,就目前公布的工艺参数来说与台积电的最先进2nm工艺不相上下。

因此英特尔虽然是落毛的凤凰,但是是很有价值的资产,这是毋庸置疑的。联想到之前特朗普对Tiktok的谜操作,我的推理是特朗普的关系户里有人盯上了英特尔这块肥美的蛋糕,希望用超低的底价来收入囊中,然后再利用政府资源盘活脱手,联想到马斯克要收购英特尔的传言,想来应该不是空穴来风。资产到手以后,特朗普无非就是再宣布一下英特尔是美国之光,应该大力支持,背后一定是一步大棋。

对特朗普来说,都是生意。

地缘之芯——芯片战争与全球供应链的重塑

今天,一枚芯片的旅程,比任何一部环球旅行记都更复杂。它的设计可能在美国,IP授权来自英国,制造设备来自荷兰和日本,生产在中国台湾或韩国,封装测试在东南亚,最终装配在中国,销往全球。这条供应链的精密与脆弱,在新冠疫情和地缘政治冲击下暴露无遗。

 

 

芯片已成为数字时代的“石油”,但比石油的分布更为集中、生产更为艰难。这种战略性地位,使其不可避免地成为大国竞争的焦点。出口管制、技术封锁、巨额补贴法案(如美国的《芯片与科学法案》)、本土制造回流……一系列举措正在撕裂过去几十年形成的全球化分工体系。

各国都在追求一种艰难的平衡:既要维护全球化带来的效率与创新,又要保障自身供应链的安全与韧性。结果是,一个“一个世界,两套(或多套)系统”的雏形正在显现。美国、欧洲、中国、日本、韩国等主要经济体都在倾注巨资,试图在本土建立更完整、更可控的芯片产业链。

这场“芯片战争”没有简单的赢家。它推高了全球成本,可能延缓技术进步,但也迫使各方重新审视技术的根本价值。未来,我们可能不会再有一个统一的全球芯片市场,而是几个既有竞争、又有必要合作的技术生态圈共存。芯片,这个全球化的产物,正在成为重塑世界格局的关键力量。

后摩尔时代,芯片的未来之路在何方?

“摩尔定律”正在放缓,物理极限和经济效益的“墙”已清晰可见。当晶体管尺寸逼近原子级别,单纯靠“更小、更密”已难以为继。芯片行业,正在开启一场波澜壮阔的架构革命。

 

 

“专用计算”成为主旋律。通用CPU一统天下的时代过去了。未来的芯片将是“异构计算”的乐园:GPU处理图形和并行计算,NPU专攻AI推理,DPU处理数据流,各种传感器集成专用处理器……就像一支高度专业化的交响乐团,每种芯片都扮演最擅长的角色,共同完成复杂的任务。

“堆叠”与“拼接”成为新范式。既然无法在平面上无限缩小,那就向立体发展。3D堆叠技术将多层芯片像三明治一样封装在一起,极大缩短了内部信号距离,提升了性能带宽。而Chiplet(芯粒)技术,则将大型芯片拆分成多个功能模块,像乐高一样用先进封装技术拼接,既能提升良率、降低成本,又能灵活组合,实现“混合制程”。

此外,新材料(如二维材料、碳纳米管)、新原理(如存算一体、量子计算)也在实验室中孕育着下一代突破。芯片的未来,不再是单一维度的冲刺,而是一场在架构、材料、封装和算法等多个维度并行的全面创新。谁能在这场系统性的革命中整合出最佳方案,谁就将定义下一个计算时代。

制造之巅——光刻机:人类工业皇冠上的终极明珠

如果说芯片是信息时代的钻石,那么能雕刻这颗钻石的“刻刀”——极紫外光刻机,则是人类工程学巅峰的产物。它价值数亿美元,重达180吨,包含超过10万个零件,需要40个集装箱运输,其内部是比外太空还要真空的环境。

 

 

光刻的原理,如同用光来“冲印照片”。但到了7纳米、5纳米乃至更先进的工艺,所用的“光”是波长仅13.5纳米的极紫外光。产生这种光,需要用激光以每秒5万次的频率轰击下落的高速锡滴,将其变成等离子体发光。而引导这种光的镜头和反射镜,其表面平整度误差需小于一个原子的大小。

全球仅有荷兰ASML一家公司能够生产最先进的EUV光刻机。它不仅是荷兰的骄傲,更是全球化的终极产物:其光源来自美国,光学系统来自德国,轴承来自瑞典,软件来自全球……它证明了没有任何一个国家能完全独立掌握芯片制造的全链条。

光刻机的故事,揭示了尖端芯片制造的极高壁垒:它融合了顶尖的光学、精密机械、材料科学、软件和控制技术,需要天文数字的研发投入和长期的生态协作。一台光刻机,就是一座移动的、浓缩的人类尖端科技博物馆。它守护着半导体产业最核心的圣殿,也划定了技术主权竞争的疆界。

芯片设计师:在纳米世界里建造城市

如果把芯片制造比作在指甲盖上建造一座超级城市,那么芯片设计师,就是这座城市的总建筑师和规划师。他们不使用砖瓦水泥,而是用一行行代码,在虚拟世界中勾勒出百亿晶体管的布局与连接。

 

 

芯片设计是一座金字塔。最底层是物理设计,工程师们像微观城市规划师,决定每一条“道路”(电路)的走向、每一个“建筑”(晶体管)的位置,在功耗、性能和面积之间进行精妙绝伦的权衡。其上则是架构设计,这决定了芯片的“灵魂”——是擅长并行计算的GPU,是通用灵活的CPU,还是为AI算法定制的NPU?架构师需要预见未来几年的应用需求,像将军一样排兵布阵。

如今,设计环节已成为芯片产业皇冠上的明珠。以ARM、英伟达、高通为代表的设计公司,掌握着核心知识产权(IP),他们不建工厂,却凭借超凡的设计能力,定义了整个移动互联网和AI时代的技术路径。EDA软件(电子设计自动化)是设计师手中的“神笔”,没有这把钥匙,任何复杂设计都无从谈起。

设计一款尖端芯片,需要数亿美元和数百名工程师数年的心血。这是一个在物理法则、商业需求和工程极限之间走钢丝的艺术。每一次流片(试生产)都如同一次豪赌。正是这些在数字世界里默默耕耘的设计师,将天马行空的创意,转化为驱动现实的硅基动力。

一枚小小芯片,如何撬动现代文明?

“信息时代”我们真正在谈论的,是建立在沙滩上的硅基文明。而芯片,就是这文明最微小也最坚固的基石。

它不是一颗冰冷的石头。在一块指甲盖大小的硅片上,通过人类迄今最复杂的制造工艺,雕刻出数以百亿计的晶体管。这些微小的开关,以光速开合,构成了现代计算的灵魂。手机得以智能,汽车得以自动驾驶,电网得以高效运行,全球数据得以瞬间流动——所有这些奇迹,都始于这枚小小的硅片。

 

 

芯片的发展史,就是一部浓缩的人类创新史。从1958年杰克·基尔比的第一块集成电路,到英特尔奔腾处理器的横空出世,再到今天苹果M系列、英伟达GPU的算力狂欢,它忠实地遵循着“摩尔定律”的预言:每18-24个月,芯片上的晶体管数量翻一番。这指数级的增长,是过去半个世纪经济增长和技术爆炸的核心引擎。

然而,这颗基石正变得前所未有的重要和敏感。它已从纯粹的技术产品,跃升为大国战略博弈的焦点、全球供应链的核心节点。一台智能手机需要上百颗芯片,一辆高端电动车需要超过两千颗。芯片的短缺,可以瞬间让工厂停产,让汽车变成“库存”。

理解芯片,就是理解我们所处时代的底层逻辑。它不仅是科技的产物,更是经济、政治和地缘力量的结晶。当我们凝视一枚芯片,我们看到的,是人类智慧的极限,也是未来世界的蓝图。

科技公司选股构建组合的方法

我在文章中一直强调,任何投资都需要匹配个人的具体需求,因此,“如何构建组合”并没有标准答案。

这就像生病了去看医生,医生是根据我们的具体病症、个人的身体情况、是否有过敏史等因素,对症、对人开药。

哪怕是有标准答案的情况 —— 比如咳嗽吃 A 胶囊、腿酸贴 B 药膏,人们通常也会咨询医生,投资也应如此。

虽然我不能替大家去把脉每个人的自身情况,但是我们还是可以从10+家公司的角度,给大家分析一下,如果去分析一个组合应该是什么样的。

 

 

读这公众号的朋友,有老粉丝,也有新粉丝,比较早的时候,我分享过几篇信息科技的产业链,简要介绍了上、中、下游产业链,其实我的组合也包含了产业链的视角。

今天的信息科技,范畴很大,主要是因为科技的发展,产生的子方向很多,同时也使得信息科技的边界在不断扩大。

子方向很多是因为各个细分方向里面,都长出来很多很大的公司,比如说之前说的数据库,在早期就是一个很小的行业,后面慢慢才变得很大,Oracle这种公司的市值也达到了几千亿美金。

再比如说,早期的存储市场规模也小得很可怜,存储产品一开始出来的时候容量是kB级别,到后面有了硬盘存储芯片等各种新的技术,才让这个市场变成千亿美金的市场。

早期使用的存储产品中,有一款叫软盘,其功能类似于现在的U盘或移动硬盘,主要用于简单的文件存储与传输,当时这个软盘的空间是几十kB到几百kB,如下图:

几十kB和几百kB是什么概念呢?就是上面这张图片本身放进去都存不下,因为这张图已经是几百kB甚至是1MB,也就是说你想把这篇包含图片的文章存下来,也是不可能的。

而今天的存储芯片,除了做出来更大存储空间的产品,应用场景也在拓展,今天的电子烟、扫地机器人里面都有存储芯片。

否则大家的扫地机器人应用程序,以及扫描的屋子地图,怎么保存呢?这在过去都是不可想象的。

那今天的信息科技板块,是什么样的?部分老粉丝读过我关于产业链的介绍,里面多次使用过下面的内容:

210亿美金的EDA软件和IP(IP是知识产权)

1400亿美金的设备和材料市场

生产出来5730亿美金的芯片

支撑起来2.5万亿的各类电子产品

造就下游行业应用的5.5万亿美金市场

这个数字略微有一点点过时,特别是AI来之后,预期市场规模有进一步增加。

但里面的逻辑关系是一样的,那就是信息科技领域存在一条非常清晰的“上游到下游”产业链,且下游市场规模远大于上游。

这也很容易理解,就像开餐馆,每日营业额需远高于食材采购等成本,否则餐馆难以持续经营。

行业的上游是下游的成本,所以下游一定比上游大,而且至少是几倍的关系,大家也可以看看美国的科技公司市值,头部市值大公司多在下游。

当然现在的英伟达、台积电也超过了万亿,而且偏上游,这其实是罕见的,但是不会普遍性地存在,需要多个万亿市值的下游公司,才能共同“供养”出一个上游的万亿市值公司。

另外,目前时间还不足够长,英伟达能不能长期和下游应用巨头保持着同等规模市值,我们需要等等看,时间会告诉我们答案。

我们配置信息科技的时候,其实这里面的每个环节都可以选择,前面提到的10+公司,也都可以放置到这里面的特定位置。

读者自己也可以把你手中的信息科技公司,放到这里面看看是在哪个环节,也可以看看持有基金或者ETF,是侧重于产业链的哪一段。

细心的朋友可能已经发现,10+公司里面,都分布在下游的三个环节:芯片、电子产品和下游应用(蓝色部分),而EDA和材料设备都没有选择公司。

实际上EDA本身就是信息行业,它是用来设计芯片的软件,按理应该有公司入选,但是A股几家EDA公司估值都比较高。

比如华大九天、广立微、概伦电子等,公司的收入也比较小,距离“合理估值”有点距离,买入的话得咬着牙,所以想想就没有放进来了。

设备材料的公司就比较多了,市值和收入规模比较大的龙头企业有北方华创、中微公司等。

当然设备的属性和材料的属性还不太一样,设备更看订单,而且有建设周期,材料属于持续的消耗品,稳定性更高。

前者对散户来说,其实是比较难跟的,因为主要是跟订单,没有调研机会的朋友,比较难在第一时间跟踪到最新信息。

所以大家都是看到股票暴涨后,才会在网上看到小作文说订单如何如何,材料类公司则稳定性高很多。

大家知道,中国企业多是在应用端较强,比如说互联网应用很厉害,这是典型的应用层。

而在基础层领域,无论是先进制程芯片、操作系统,还是设计先进芯片的 EDA 软件、制造先进芯片的设备与材料,发展水平还落后于海外公司比较多。

买上游的公司,要忍耐比较大的波动,一是因为早期的公司,规模比较小,同时高估值里,有部分靠“梦想”和“情怀”支撑的。

当这些公司出现业绩波动,或市场对其信心不足时,股价容易出现大幅下跌,而我们也很难判断公司股价回升的概率有多大。

之前选择是10+公司里面,圣邦股份、兆易创新、顺络电子都是芯片和器件层,传音控股、海康威视则是硬件层。

而金蝶国际、金山办公、中望软件是软件,东方财富、腾讯控股是互联网和软件应用。

上次增加的三家公司,思瑞浦是芯片层,华测导航是硬件层,合合信息是软件应用,也是遵循了上中下游的思路。

然,这里面还是没有考虑到估值和市场价格,如果把这个层面考虑进来会更完整一些。

大家再结合自己的个体情况构建投资组合,就应该是一个比较符合每位读者自身需求的组合了。

总结来说,组合的构建不是东一榔头,西一棍子的乱拳,而应该是一个体系。希望以上内容,再帮大家回顾一下信息科技的产业链,也对大家构建组合有所帮助。

为什么模拟芯片会出现“强者恒强”的局面?

在上一篇关于模拟芯片行业的宏观探讨中,我们构建了一个基础的投资框架:模拟芯片作为连接物理世界与数字世界的桥梁,使用场景非常广。

具体到产品,就是分为电源管理芯片和信号链芯片,下游应用渗透到各行各业的产品里,工业、汽车、通信及消费电子等等。

大的结论也很明确:这是一个天花板不断被技术进步(如电动化、智能化)向上推高的行业,所以我们不需要担心行业上限,这个增量逻辑适合全球的模拟市场,自然包括中国市场。

而对于A股市场,除了行业本身的增长,还叠加“国产替代”逻辑,从数据上来说,国内排名靠前的数十家公司的总收入,才和海外巨头(德州仪器)一家公司在中国的市场规模差不多,所以这部分空间也非常大。

 

 

当然,以上是行业逻辑,只有行业逻辑好,个股才有机会,我们今天谈以下几个话题:

• 为什么模拟芯片会出现“强者恒强”的局面?

• 为什么小公司在这个领域难以通过“价格战”颠覆巨头?

我们一说芯片的时候,大家首先想到的是手机里面最核心的那个芯片,或者最近火热的AI芯片(即GPU)。

这个领域的特征有点像选运动员,如果选出了一个天才运动员就可以横霸天下,但是一旦下一代产品没有做出来特别领先的产品,公司可能就会遇到很大的问题,但在模拟芯片领域,逻辑截然不同。

前面说了模拟的下游非常分散,比如一个汽车里面用到多个不同的模拟芯片,如果你是供应商,你想服务好一个大客户,那你需要做一大批不同的模拟芯片产品。

这样的结果是什么?你手上的产品数量就会非常丰富,客户需要20个不同的芯片,即便产品迭代了,可能其中3个不用了,你依旧会供应剩下的17个不同的芯片。

更不要说,现在产品迭代中,需要越来越多的模拟芯片种类,所以可能是3种芯片不用了,最终需要的却是25种模拟芯片。

当你有几百、几千,甚至几万个种类的芯片的时候,一个公司的收入是不是就不会因为某一个或者某一类的芯片需求出现波动而波动呢?基本不会。

模拟芯片的产品特性,也决定了这个行业强者恒强,为什么?

试想一下,一个典型的工业客户,在设计一块复杂的产品时,可能需要用到上百颗模拟芯片:有的负责电压转换,有的负责信号放大,有的负责接口保护。

如果这些芯片需要从几十家不同的供应商处采购,对于客户的采购部门和研发部门来说,简直是灾难,这不仅意味着巨大的管理成本,还涉及复杂的供应链协调风险。

因此,客户天然倾向于选择那些拥有“多品类”供应能力的头部厂商,如果一家公司能提供大部分的模拟料号,客户会毫不犹豫地将其列为首选。

这种需求端偏好,直接导致了供给端的“马太效应”,头部企业凭借成千上万的料号,构建了极深的护城河。

这种优势是自我强化的:产品越全,越能吸引大客户;大客户越多,企业越有资源投入研发扩充新品类,从而进一步拉大与中小厂商的差距。

我们用自己的例子为例,如果你过年回家需要买几十种年货,你更愿意去品类最丰富、规模最大的超市,还是愿意一个小店一个小店地跑?其实生活中的例子就能说明问题。

有人说,那小厂通过价格战,是不是可以让这个市场一直无法出清?

首先,不能否认小厂的价格战会带来一定程度的负面影响,在模拟行业,小供应商往往很难做“价格屠夫”。

主要是头部企业拥有巨大的出货规模,它们在晶圆代工端有极高的议价权和产能利用率,其单位成本更低。

同样,更大的出货量也会降低单个产品的研发成本,比如说头部公司研发一个产品可以供应给十个客户,一年出货1万个。

而小的供应商只能供给1个客户,出货量1000个,那同样研发费用,出货量1万的公司,摊在每个产品上的研发成本就更低,即便是同样的价格,头部公司也可以赚更多的钱。

更残酷的是,即便小厂商咬牙报出了更低的价格,客户也未必买账,这就涉及了模拟芯片独特的价值占比逻辑。

模拟芯片的一个显著特征是,在客户的整个成本中占比比较低,但是影响非常大。

以一台售价20万元的新能源汽车为例,其中一颗负责电源管理的模拟芯片可能仅售几块钱,如果一家小供应商跑来说:“用我的吧,我可以便宜2块钱”,车企愿意节省2块钱,去选一个小的供应商吗?

如果这颗芯片失效,导致整车趴窝,甚至引发安全事故,这个就不是省钱了,这就是为什么说车规级产品要求很高,也是这个逻辑。

这些其实是常理,单个产品价值量低、产品类别众多,对产品的影响又很大,所以客户愿意选择产品类别众多的头部公司,有这个逻辑在,头部公司就可以实现行业地位的自我强化,因为:

客户会选择产品种类丰富的头部公司,自然给头部公司贡献更多的收入,而头部公司因为获得更多的客户,一方面获得更多的收入,可以进一步投入研发,同时也会收到客户最新的需求,掌握市场的动向。

因此研发出来更多的产品,使得客户对自己的依赖更强了,你看是不是一个正循环?

而处于行业排名靠后位置的公司,就是恶性循环,因为产品品类少,无法服务到头部客户,收入更少,也接触不到最前沿的需求,导致研发资金有限,新产品进一步跟不上。

模拟公司的逻辑远远不止如此,但是我们一篇一篇地来,先把今天的逻辑理解了,想了解更多关于AI芯片的内容,请关注本站哦!

超越摩尔定律:AGM芯片如何重塑计算的物理极限

在半导体行业为“摩尔定律”的终结而焦虑不安的时代,一种全新的芯片架构正悄然掀起一场静默的革命。它不追求在指甲盖大小的硅片上 cram 更多的晶体管,而是选择了一条更为精妙的道路——重新定义芯片的“思考”方式。这就是AGM芯片,一个将算法、硬件与物理极限深度融合的下一代计算解决方案。

 

 

传统瓶颈:当“更快更小”遇到天花板

过去五十年,计算性能的提升遵循着一个简单而有效的范式:通过光刻工艺的进步,让晶体管变得更小、更密集、更节能。然而,随着工艺节点逼近1纳米,量子隧穿效应、巨大的研发成本和呈指数级增长的设计复杂度,使得这条道路变得举步维艰。我们面临着“功耗墙”、“内存墙”和“频率墙”的多重围剿。芯片性能的线性增长,已无法满足人工智能、量子模拟、气候预测等前沿领域对算力近乎贪婪的指数级需求。

AGM内核:从“通用计算”到“算法即硬件”的范式迁移

AGM芯片的核心突破,在于其革命性的设计哲学:Algorithmically-Generated Microarchitecture(算法生成微架构)。

与传统CPU或GPU的固定架构不同,AGM芯片没有预设的指令集和计算单元。其内部是一个由大量高度可重构、细粒度并行的基础计算单元(如可编程逻辑单元、存算一体单元)构成的“未成形”硬件资源池。

它的工作流程独树一帜:

算法解析与特征提取:当目标算法(如一个深度神经网络模型或一个流体力学方程)输入AGM编译系统时,系统会对其进行超深度的数学解构和并行性分析,识别出最核心的计算模式、数据流依赖和精度要求。

硬件拓扑动态生成:编译系统根据分析结果,实时生成一个最优的、专属于该算法的硬件连接拓扑图。这相当于在芯片内部,“现场”为这个算法雕刻出一条最高效的专用数据通路。计算单元之间的互联网络被动态配置,形成一条“直通高速公路”,彻底消除了传统架构中取指、解码、数据搬运带来的巨大开销。

物理计算与自适应优化:算法在生成的定制化硬件上直接以物理方式运行,效率极高。更惊人之处在于,AGM芯片内置的传感器能实时监测温度、电压和计算误差,并动态微调硬件拓扑和电压频率,在保证结果可靠的前提下,始终将能效比推至物理极限。

优势:不仅是性能的飞跃,更是效率的革命

极致能效比:通过消除一切与特定算法无关的硬件开销,AGM芯片在运行专用算法时,能效比可达顶级GPU的10-100倍,为边缘计算和超大规模数据中心带来革命性的节能效果。

超低延迟:定制的硬件数据流使计算延迟极低且可预测,在自动驾驶、工业控制等实时领域具有不可替代的优势。

突破性算力密度:在同等制程和功耗下,AGM芯片提供的有效算力远超传统架构,为AI大模型训练、科学计算等任务提供了新的可能。

内在的安全性:高度定制化和瞬时重构的硬件拓扑,使得芯片难以被逆向工程或植入固定硬件后门,提供了硬件级别的安全增强。

应用蓝图:从边缘到云,赋能智能新时代

下一代AI:AGM芯片能直接“化身”为某个大模型最核心的Transformer层或MoE架构,训练与推理效率倍增,让百亿参数模型在终端设备运行成为常态。

智能边缘:在智能手机、自动驾驶汽车、物联网设备中,AGM芯片可以动态适配最新的视觉识别、自然语言处理算法,让设备真正“越用越聪明”。

专业科学:在生物医药领域,它可动态配置为分子动力学模拟器;在天文学中,可变为实时射电信号处理器。科研工具将获得前所未有的敏捷性和力量。

自适应通信:在6G乃至未来网络中,AGM基站芯片能实时重构,以最优硬件形态应对瞬息万变的网络协议和加密需求。

挑战与未来:一场刚刚开始的远征

当然,AGM芯片的成熟之路并非坦途。其动态编译系统的智能化、支持算法的广度、开发工具的生态建设,以及如何平衡专用效率与一定通用性,都是需要持续攻关的课题。

然而,AGM芯片代表了一个明确的方向:当晶体管的缩放步履蹒跚,计算创新的主战场必须从纯粹的“制造工艺”转向更深层次的“架构与算法协同设计”。它不再试图建造一座能容纳所有车辆的通用立交桥,而是为每一支重要的车队,在瞬息间铺就一条直达目的地的最优航线。

这标志着我们正在迈入一个“软件定义硬件”的全新计算纪元。在这个时代,芯片将不再是僵化的硅基容器,而是一种流动的、智能的、能与算法共舞的计算生命体。AGM芯片,正是这个新时代的第一缕曙光,它正引导我们超越摩尔定律的物理围城,奔向一个充满无限可能的算力新大陆。