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。

AG32 MCU:重新定义微控制的“灵活性”与“能效”边界

在万物智联的时代,微控制器(MCU)作为嵌入式系统的“神经中枢”,正面临着前所未有的挑战:一方面,需要处理更复杂的任务(如轻量级AI、多协议通信);另一方面,又必须严守功耗、成本和尺寸的严苛红线。传统的固定架构MCU已显疲态,而一款名为 AG32 的创新MCU,正凭借其独特的 异构融合、动态可重构 架构,悄然改写中高端嵌入式市场的游戏规则。

 

 

核心理念:不是“通用”,而是“适时专用”

AG32的设计哲学超越了简单的“高性能、低功耗”口号。它深刻洞察到,现代智能设备的工作负载是动态混合型的——时而需要密集的数字信号处理(如音频编码),时而需要灵敏的控制逻辑(如电机驱动),时而又需要极低功耗的传感监测。

传统MCU以固定的CPU为核心,所有任务排队等候处理,如同只有一个主厨的厨房,效率瓶颈明显。而AG32的答案是:构建一个可随时“重组”的微型计算车间。

架构解密:三大支柱撑起的灵活之城

AG32的奥秘,在于其三大创新支柱的协同:

高效能主控核心+可编程硬件加速阵列

核心并非单一的CPU。它通常集成一个经过优化的RISC-V处理器核心,负责运行操作系统、任务调度和通用逻辑。

关键创新在于其嵌入式可编程逻辑阵列。这不是一个完整的FPGA,而是一个高度优化、颗粒度适中的硬件可编程区域。开发者可以将算法中计算密集、高并发的部分(如滤波器、加密算法、自定义协议解析)“编译”成硬件电路,在这个阵列中直接运行。其效率可比软件实现提升数十倍,功耗却大幅降低。

智能异构总线与存算协同

芯片内部采用创新的网状互连总线,允许CPU、可编程逻辑、各类外设以及存储器之间进行高效、并发、低延迟的数据交换,彻底打破传统总线架构的拥堵问题。

部分型号引入存算一体单元,在存储器内部或附近完成简单运算,进一步减少数据搬运的功耗开销,特别适合实时传感数据流处理。

自适应电源与时钟管理域

AG32将芯片划分为多个独立的电源和时钟域。可编程逻辑区域、特定外设甚至部分内存都可以在不需要时完全关闭或深度睡眠。当可编程硬件加速电路被调用时,仅该区域被精确唤醒并供电,实现了芯片级的“精细化能效管理”。

核心优势:为复杂嵌入式应用而生

性能与能效的完美平衡:通过硬件加速将关键任务“卸载”,主CPU得以在更低频率下运行,系统整体性能飙升,同时动态功耗管理使电池寿命大幅延长。

无与伦比的灵活性:产品定义后期甚至部署后,仍可通过更新硬件描述逻辑来修改或增强功能(如增加新的通信协议、升级加密算法),极大地缩短了开发周期,并赋予了产品强大的现场适应和升级能力。

高集成度与成本优化:一颗AG32 MCU可替代“标准MCU + 外部FPGA/CPLD + 专用ASIC”的组合,简化了PCB设计,降低了总体物料成本和系统复杂度,提升了可靠性。

强大的实时性与确定性:硬件加速的任务执行时间是可预测和确定的,不受其他软件任务干扰,满足了工业控制、汽车电子等领域最严苛的实时性要求。

应用场景:何处能大放异彩?

高端智能物联网终端:例如,在智能摄像头中,可编程逻辑可实时运行AI人脸检测算法,同时CPU处理网络传输;在复杂环境监测仪中,可动态配置传感器融合算法。

工业4.0与电机控制:实现多轴、高精度、带先进预测算法的电机驱动,硬件处理PWM和编码器反馈,软件处理通信与上层逻辑。

消费电子创新:在TWS耳机中,硬件加速处理主动降噪和语音唤醒,CPU专注连接与音效,实现更长续航和更佳体验。

通信基础设施:作为多协议网关的核心,其可编程逻辑可以动态适配Zigbee、Thread、BLE Mesh等不同协议栈的物理层与链路层处理。

汽车电子:在车身控制器、智能座舱边缘节点中,实现灵活的功能集成和未来OTA升级能力。

开发体验:平衡力量与易用性

AG32的生态系统是其成功的关键。厂商提供了完整的开发套件,包括:

集成开发环境:将传统的C/C++软件开发流程与硬件描述语言(如Verilog)或高级综合工具无缝整合。

丰富的IP库:提供经过验证的常用硬件加速IP核(如DSP、通信控制器、接口转换器等),开发者可像调用软件库一样使用,降低硬件设计门槛。

强大的调试工具:支持对软硬件协同系统的联合调试,可视化数据流,是复杂系统开发的利器。

挑战与未来

AG32的成功之路也面临挑战:其开发难度高于传统MCU,需要开发者同时具备软硬件思维;工具链的成熟度和社区生态的建设需要时间;在超低功耗、超低成本场景,其优势可能无法完全体现。

然而,AG32 MCU代表了一个明确的趋势:MCU的竞争正从比拼主频和内存容量,转向比拼架构的智能与灵活性。它不再是一个被动的指令执行者,而是一个可以按需“变形”、主动适应任务的智能计算伙伴。

随着AIoT应用的深入和系统复杂性的增长,AG32这类融合了CPU的灵活性与硬件并行效率的可重构系统芯片,正成为驱动下一代智能设备创新的核心引擎。它不仅仅是又一颗MCU,更是通往更智能、更高效嵌入式未来的一张关键船票。

国产MCU替代:从可用到好用的跨越

在全球芯片短缺与国产替代浪潮下,国产MCU通过技术创新与生态布局,正逐步实现从“可用”到“好用”的跨越。以AG32系列为代表的国产MCU,在性能、功能与成本上对标国际大厂,为消费电子、工控和AIoT市场提供智能化解决方案。

 

 

技术突破:性能与功能的双重提升

高性能计算:AG32 MCU主频达248MHz,搭配128KB SRAM与1MB Flash,支持浮点运算与复杂算法(如FFT、矩阵运算)。

丰富外设:提供5个UART、2个I2C、SPI、CAN 2.0、USB FS+OTG等接口,支持多设备并行连接与自定义协议扩展。

低功耗与高可靠性:支持多种低功耗模式,内置看门狗定时器、RTC与温度补偿算法,确保系统稳定运行于-40℃至85℃环境。

应用场景:从传统到新兴领域

工业控制:AG32在电机控制中实现无感FOC算法,降低转矩脉动;在三相电能计量中,单芯片集成计量算法,BOM成本较分立方案降低30%。

汽车电子:支持UWB数字车钥匙、车载娱乐系统与ADAS,满足车规级可靠性要求。

消费电子:在智能门锁中集成指纹识别、蓝牙通信等功能,降低主MCU负载;在音频处理中支持降噪与声音增强。

生态与成本:国产替代的核心优势

生态支持:国产MCU厂商提供FreeRTOS实时操作系统、计量库与PC GUI校准工具,降低开发门槛。

成本优势:通过单芯片集成(如MCU+CPLD)替代分立方案,减少外围器件,BOM成本降低20%-40%。

灵活定制:支持客户定制功能(如接口IP、Decoder),快速响应设计规范变化。

随着政策扶持与生态完善,国产MCU将在高性能、车规级和AIoT领域持续突破。预计2025年,中国MCU市场规模将超500亿元,国产替代率超30%。

MCU芯片:智能设备的“微型大脑”

无处不在的控制核心

MCU(微控制器)芯片作为嵌入式系统的核心,已经渗透到现代生活的各个角落。从智能家居到工业自动化,这些集成了处理器、内存和外围接口的微型计算机,正在以数十亿的年度出货量支撑着数字世界的运转。

 

 

技术架构演进

现代MCU芯片已从简单的8位控制器发展为多层次产品矩阵:

架构类型主要特点典型应用

8位MCU低成本、低功耗小家电、遥控器

16位MCU平衡性能与功耗电机控制、传感器集线器

32位MCU高性能、丰富外设物联网设备、智能穿戴

专用MCU针对特定功能优化无线连接、触摸控制

市场分化与创新趋势

当前MCU市场呈现出明显的应用导向分化:

超低功耗系列:针对电池供电设备,续航可达数年

高性能系列:集成DSP和浮点单元,处理复杂算法

无线集成系列:内置蓝牙、Wi-Fi等连接能力

安全增强系列:硬件加密、安全启动功能

生态系统的力量

MCU的成功不仅取决于芯片本身,更得益于其开发生态系统:

成熟的集成开发环境(IDE)

丰富的软件库和中间件

活跃的开源社区支持

多层次的技术文档和培训资源

这种生态优势使得MCU能够持续适应新的应用需求,保持其在控制领域的核心地位。

国产MCU芯片的技术突破方向是什么?面临哪些挑战?

当前国产MCU芯片的核心技术突破方向有哪些?

为缩小与国际主流产品的差距,国产MCU芯片正朝着“高端化、智能化、低功耗、自主化”四大方向突破:

高端制程突破:从成熟的55nm制程向40nm、28nm先进制程演进,兆易创新、中颖电子已实现28nm车规MCU量产,华大半导体计划2027年推出14nm工艺产品。

架构自主化:减少对ARM架构的依赖,大力发展RISC-V架构,沁恒微电子CH32V系列、先楫半导体HPM6E00系列等RISC-V MCU已实现量产并批量应用。

智能化升级:集成AI加速引擎,发展智能MCU(AIMCU),国芯科技CCR4001S芯片集成AI NPU,算力达4TOPS,支持工业质检端侧推理;兆易创新GD32VW553系列集成AI加速器,可实现本地语音识别。

低功耗优化:采用动态电压频率调节(DVFS)等技术,国民技术N32L4系列采用55nm工艺,DeepSleep模式功耗低至0.5μA,适配可穿戴设备、远程监测等电池供电场景。

 

 

国产MCU芯片发展仍面临哪些核心挑战?

尽管发展迅速,但国产MCU芯片仍面临三大核心挑战,制约其向高端市场突破:

核心技术壁垒:高端制程(28nm以下)产能依赖外部代工,自主可控性不足;功能安全认证(如车规级ASIL-D、工业级IEC61508)进展缓慢,高端车规、工控市场仍由国际厂商垄断。

生态建设滞后:自主开发工具链(IDE)、算法库的完善度不足,与国际主流工具存在差距;开发者社区规模较小,技术支持响应速度与国际厂商相比有提升空间。

高端人才短缺:MCU芯片设计涉及集成电路、算法、嵌入式系统等多领域知识,高端研发人才与国际顶尖企业相比存在缺口,制约技术创新效率。

PSRAM能为MCU带来什么

在嵌入式系统领域,内存一直是一个关键话题。随着物联网和人工智能应用的普及,MCU对存储容量的需求与日俱增。在这个背景下,PSRAM(伪静态随机存取存储器)作为一种介于SRAM和DRAM之间的存储方案,正在获得越来越多的关注。

要理解PSRAM的优势,我们需要先了解传统存储器的特点。SRAM虽然速度快、接口简单,但因为需要六个晶体管来存储一个比特的数据,成本高昂且密度较低。DRAM虽然密度高、成本低,但需要复杂的控制器进行周期性刷新,增加了系统复杂度。PSRAM则巧妙地结合了两者的优点:采用类似DRAM的一个晶体管加一个电容的存储结构,同时保持了类似SRAM的简单接口。

 

 

在当前市场上,众多知名厂商都推出了支持PSRAM的MCU产品。英飞凌的TRAVEO系列、恩智浦的i.MX RT系列、瑞萨的R-CAR系列等都提供了PSRAM解决方案。

在国产MCU阵营中,合封PSRAM的产品如下:

• 兆易创新GD32E5系列MCU:片上集成了4MB PSRAM。

• 启明智显Model3芯片:Model3芯片是一款高性能的显示交互和智能控制MCU,内置片上1MB大容量SRAM以及64Mb PSRAM。

• 思澈科技ButterFliSF32LB557:SF32LB55x是一系列用于超低功耗人工智能物联网(AIoT)场景下的高集成度、高性能的系统级(SoC)MCU芯片,集成了4MB PSRAM。

• AGM(遨格芯)AG32系列:AG32系列MCU新品合封了64Mb PSRAM,适用于片内RAM需求较大的客户。

PSRAM的优势主要体现在以下几个方面:

首先是成本效益比高,相比SRAM能在相同成本下提供更大的存储容量;

其次是功耗较低,特别适合便携式设备;

第三是接口简单,易于集成;最后是具备较大带宽,在串行接口模式下可实现超过3Gbps的传输速度。

在实际应用中,PSRAM特别适合需要大量数据缓存的场景,如图像处理、音视频播放、人工智能等。例如,在智能家电、工业控制、车载显示等领域,都能看到PSRAM的身影。

展望未来,随着物联网和人工智能应用的进一步普及,对MCU存储容量的需求还将持续增长。PSRAM作为一种平衡了成本、性能和易用性的存储方案,必将获得更广泛的应用。通过将PSRAM直接合封在MCU中,为用户提供了更加便捷的解决方案,代表了未来MCU发展的一个重要方向。

对于中国的半导体产业来说,PSRAM技术的发展既是机遇也是挑战。一方面,我们看到越来越多的国产MCU厂商开始在产品中集成PSRAM,显示出强劲的技术追赶势头;另一方面,在高端PSRAM技术方面,与国际领先企业相比仍有差距。但随着创新产品不断涌现,相信国产MCU在PSRAM应用方面会逐步缩小与国际水平的差距。

总的来说,PSRAM为MCU带来了更大的存储空间、更优的成本效益比、更低的功耗以及更简单的系统设计。这些优势使得PSRAM成为现代MCU设计中不可或缺的一环。随着技术的不断进步和应用需求的持续增长,我们有理由相信,PSRAM将在未来的MCU设计中发挥更加重要的作用。

本文来源于微信公众号:土人观芯

MCU市场内卷状态:差异化红海

内卷的极致状态是怎么样的?最近看到O大的一篇旧文,讲述了他在大宗商品市场的经历:

他介绍完油的生产过程之后,他问全班一个问题,“如果你是一个炼油厂的老板,不管你在西伯利亚,北海,还是英国,你要去期货交易所报价自己的商品,你要怎么报价?

 

 

然后他一个一个问过来,有人说用均价,有人说用共识预期价格,有人说比之前报价的人低一点点。

那哥们说都不对,你有且只有一个选择,就是报价你的短期现金成本,short term cash cost。

然后我们都不明白,全班都很默然,然后他非常诡异地笑着和我们说,这就是大宗商品市场残酷的地方。他解释说,在一个同质化竞争,没有品牌溢价的市场里面,你唯一能做的就是尽可能降低自己的生产成本,然后希望去卷死对手,别无他法。所以你 甚至不能报价全成本(All in sustaining Cost),因为这里面包括了折旧和摊销,如果你这样报价,你可能会被一个忍受短期亏损,决定勒紧裤腰带两年然后自杀式报价的对手干掉,在那两年里面你觉得他在自杀,而两年后挂掉的反而是你。

最后我记得他的总结,大意是:远见在一个残酷竞争的同质化市场中不值钱,每个人都是争取在明天能活下来,然后明天的明天能活下来,然后如果运气好的话可以迎来一个真的明天。

他说以前生意最好的时候,他要招十几个工人,现在根据他的经验,他可能需要降低一些员工的数量,然后他也觉得如果需求不能好起来,那么后面的竞争会很激烈,他需要控本增效,希望用自己的经验和十几年的口碑活下来。

同质化竞争,只有一个活下来的方法就是降低短期成本。然后活下来的人最后再把所有亏掉的钱赚回来,而没有活下来的人就成为了故事里面的遗憾。

以上的故事总结下来,在完全同质化且需求短期刚性的市场里,囚徒困境把理性决策者逼向“现金成本自杀式报价”;而行业的长期利润只能靠“让对手先死”来实现——这就是所谓“大宗商品市场残酷的地方”。

把“报价只能等于短期现金成本”这个逻辑套到内卷行业,关键看四个条件:

1. 产品高度同质化,用户几乎只看价格

2. 产能退出壁垒低(或资金链脆弱),谁先断现金流谁先出局

3. 需求侧短期刚性,谁先涨价谁先丢单

4. 重复博弈:只要熬死对手,后面就能把亏掉的钱赚回来

满足这四条的行业,就会出现典型的“现金成本报价—极限压缩—剩者为王”内卷路径。现实中大体有三类:

一、大宗原材料与上游制造

· 钢铁(螺纹钢、热卷)

· 炼油、PTA、乙烯、纯碱、玻璃

· 硅料、锂盐、镍、钴——新能源周期里的典型“现金成本血战”

这些行业的产能在金融周期里被“超前建设”,一旦需求减速,价格直接打到可变成本,高折旧的新产能反而最先被拖死(2023 年的硅料、2024 年的锂盐都在重演)。

二、电子与半导体里的“标品”

· 存储芯片(DRAM、NAND)

· 面板(LCD、LED 芯片)

· 光伏组件、电池片

技术节点一旦标准化,品牌溢价瞬间归零,报价只看“现金成本+折旧忍耐度”。存储芯片每 3~4 年一次“自杀式杀价”,最后由三星、SK 海力士等现金流最厚的玩家把亏损再赚回来。

三、互联网与服务业的“流量标品”

· 网约车、外卖(运力端)

· 社区团购、共享充电宝

· OTA 的机票、酒店标品

· 直播电商的“白牌工厂货”

这些行业把“产能”换成了“司机/骑手/团长/机酒库存”,退出壁垒看似低,但平台通过补贴把“现金流”变成“流量现金成本”。谁先没钱补贴谁先掉单量,剩下来的平台再把份额变现。2021 年社区团购的“1 分钱买菜”就是典型“现金成本报价”。

不适用或弱适用的行业

· 需要强品牌或体验差异化的:白酒、化妆品、奢侈品

· 高研发迭代、专利壁垒深的:创新药、GPU、先进制程晶圆

· 政策强监管、退出门槛高的:银行、保险、公用事业

凡是你能说出“谁家便宜就买谁”且产能能快速扩张或退出的行业,都可能被这条逻辑锁死。那么我们身处的MCU行业,是否适用这个逻辑呢?

答案显然是不适用的,至少远没到“只能报短期现金成本”的极端境地。原因有三点:

1. 产品并非标品

MCU 有 8/16/32 位、主频、Flash/RAM、外设组合、温度等级、功耗、封装等几十个维度,同一颗料号往往对应多家客户的定制固件。用户要的不只是“便宜 1 分钱”,而是“刚好满足我板子上的 5 路 UART + 2 路 CAN + 低功耗 3 µA”,同质化程度远低于大宗 DRAM 或螺纹钢。

2. 客户锁定效应强

– 代码重写的迁移成本(外设库、引脚兼容性、IDE 生态)远高于换一袋水泥或换一块光伏板。

– 车规、工规要过 AEC-Q100、IEC61508 认证,周期 1~2 年,形成“认证壁垒”。

– 大客户还要签 5~10 年长期供货协议(LTSA),价格里包含了“供应安全溢价”。

这些因素让厂商敢在报价里保留折旧和毛利,而不至于被“自杀式对手”一夜踢出局。

3. 产能退出/扩张弹性差

MCU 用 40 nm~90 nm 的成熟节点,但这些产线同时跑 Nor Flash、PMIC、CIS 等十几种产品,产能切换需要 mask set 和良率爬坡,不能像炼油厂“今天开、明天关”。因此即使短期需求下滑,也很少出现“大家一起把价格打到现金可变成本”的踩踏。

现实数据也印证了这一点:

2023 年全球 MCU ASP 下滑约 15 %,但头部厂商(ST、NXP、Microchip、Infineon)毛利率仍保持在 45 %~55 %,远高于硅料、存储芯片的 10 %~20 % 甚至亏损区间。大家拼的是“产品组合 + 生态 + 长期供货”,而不是“谁能把固定成本全部牺牲掉”。

所以,兼容 MCU 行业是“差异化红海”而非“纯价格战红海”。你可以看到局部杀价(比如 8 位消费级小厂互砍),但行业整体仍保留品牌、认证、生态和长期协议带来的溢价空间,因此远不到“只能报短期现金成本”的残酷逻辑。

具体到MCU的各个细分赛道,其内卷程度也是冷热不均的。

8位MCU

8 位 MCU 已经“红海到发紫”,价格普遍低于 0.2 USD,但远未到“只能报短期现金成本”的极端——各家还能靠“外设组合 + 车规/工规认证 + 长寿命供货”保留一点毛利,整体属于“深红海”而非“血海”。

1. 价格跌幅:脚踝斩

• 2020 年主流 PIC/AVR 仍卖 0.35–0.5 USD;

• 2024 年国产兼容型号(Padauk、赛元、晟矽、中颖)渠道价 0.12–0.18 USD,跌幅 60–70 %;

• 最低端 OTP 版本杀到 0.06 USD(Padauk PMS150C 10 k+ 价格)。

2. 玩家密度:30+ 家混战

Global top:Microchip(PIC/AVR)、瑞萨(RL78/78K)、ST(STM8)、NXP(S08)、英飞凌(XC800)等仍占高端。

中国本土:赛元、中颖、晟矽、芯海、东软载波、灵动微、汇春、赛腾微、赛芯、航顺等 >20 家,每家都有 10 余颗 Pin-to-Pin 兼容料号。

3. 技术护城河:只剩“外设+认证”

• 通用型(GPIO+ADC+PWM)已完全同质;

• 带 12-bit ADC、CAN-FD、LIN、LCD Driver、车规 AEC-Q100 Grade 1 的 8 位单片机仍能卖 0.4–0.6 USD;

• 工业级 ‑40 ℃~105 ℃、15 年供货承诺的料号,价格可再溢价 30–50 %。

4. 需求侧:总量稳、结构分化

• 全球 2024 年市场规模 544 亿元人民币,未来六年 CAGR 仅 4.8 %;

• 家电、玩具、低端电动工具、汽车节点、智能卡仍是主战场;

• 高端 8 位(带 CAN/LIN)在车身/照明节点继续增长,低端 OTP 市场因 32 位 M0 挤压呈萎缩。

8 位 MCU 的“深红海”特征:

– 通用型价格已逼近晶圆级现金成本,但车规/工规/长寿命料号仍留 30–50 % 溢价;

– 市场总量稳定且分散,玩家超过 30 家,价格战常态化,却未到“集体跳楼”阶段;

– 未来三年,高端认证 8 位与超低价 OTP 将两极分化,中间档会被 32 位 M0 进一步蚕食。

M0级MCU

32 位 M0 级 MCU 已经进入“价格脚踝斩”的残酷内卷阶段,但还没到“只能报短期现金成本”的纯大宗逻辑——因为仍有生态、认证和供货安全三层差异化护城河,只是水位越来越浅。

1. 价格

• 2015 年一颗 32 位 M0 还能卖 3~4 元人民币,2024 年渠道现货最低已杀到 0.4~0.5 元,跌幅接近 90 %。

• TI 2024 年在车规项目直接把 M0+ 系列报到 0.6 USD,国产厂商 1 USD 都接不住。

• 消费级 STM32F030 等通用料号常年 3~4 元横盘,但国产 Pin-to-Pin 替代件已做到 1 元以内。

2. 玩家数量

• 公开叫得出名字的国产 M0 级厂商 >30 家,兆易、航顺、华大、中微、国民技术、芯海、沁恒……每家都至少 3–5 条 Pin-to-Pin 对标线。

• 原厂+代理+贸易商三线并行,渠道库存常年 3–6 个月,价格踩踏频繁。

3. 产能与工艺

• 8 英寸 eFlash 工艺已经成熟,2024 年起多家转向 12 英寸 55/40 nm,进一步缩小 die size,单颗 wafer 成本再降 15–20 %。

• 晶圆厂产能释放+砍单潮,使得“晶圆代工费”不再是护城河。

4. 差异化护城河还剩多少

• 生态:STM32Cube、Keil/IAR Pack、社区教程仍是新人首选,国产虽兼容但生态黏性略弱。

• 认证:车规 AEC-Q100、工业级 105 ℃/125 ℃ 仍是硬门槛,能把价格托在 0.6–1 USD 区间。

• 供货安全:长协+库存+多晶圆厂备份,大客户愿意付 10–20 % 溢价。

因此如果你做的是消费级、无认证、Pin-to-Pin 通用的 32 位 M0,那已经是红海中的红海,价格战随时击穿现金成本; 一旦加上车规、工规、低功耗、无线协议栈或安全加密,就仍能保留 30–50 % 溢价,暂时脱离“纯内卷”轨道。

M3/M4级MCU

M3 已经“红海化”;M4 正在“浅红→深红”过渡,高端型号仍靠附加价值缓降,但通用型离“脚踝斩”只差一年。

1. 价格曲线

• M3(主频 72–120 MHz,无 FPU):

2020 年渠道价 ≈ 2.5 USD;2024 年国产 Pin-to-Pin 最低杀到 0.7 USD,跌幅 ≈ 70 %,与当年 STM32F103 现货价 1.2 USD 相比已倒挂 40 %。

• M4(主频 120–240 MHz,带 DSP/FPU):

2020 年通用型 F4xx 系列 3–4 USD;2024 年国产 AT32F407、GD32F407 已降到 1.2–1.5 USD,跌幅 ≈ 60 %。

带高速 USB、以太网、CAN-FD 的“高配”M4(如航顺 HK32F4、小华 HC32F4A0)仍能守住 2–3 USD,溢价 50–100 %。

2. 玩家密度

• 公开量产 M3 的本土厂商 ≥ 25 家,兆易、航顺、中科芯、雅特力、极海、国民技术全部有 Pin-to-Pin 兼容料号。

• 量产 M4 的目前约 15 家,其中 9 家 2024 年已发布 ≥ 240 MHz、带 Ethernet/USB-HS 的高集成型号。

→ M3 出现“20 家抢 1 个插座”,M4 目前还是“10 家抢 3 个插座”。

3. 技术护城河

• M3:外设差异小,主流封装 LQFP-48/64 已标准化,软件生态 90 % 以上兼容 STM32,导致“谁便宜谁上位”。

• M4:高速接口(USB-HS、Ethernet MAC、CAN-FD)、大容量 SRAM/Flash、硬件加密、电机控制协处理器仍能做差异化;车规 AEC-Q100、工业 125 ℃ 认证可再抬 30–50 % 价格。

4. 产能 & 工艺

• 2024 年起 55/40 nm 12 寸线对 M3/M4 全面开放,die cost 再降 20 %;

• 8 寸线库存高企,M3 通用料号现货 6–10 周即可交,进一步压价;

• 高集成 M4 仍需 40 nm + 高速模拟 IP(USB-PHY、Ethernet-PHY),短期难以大规模杀价。

M3 已陷入“价格踩踏 + 渠道踩踏”的深红海,基本符合“现金成本报价”前的最后一道门槛; M4 的通用型(仅 FPU+DSP,无外设升级)正在复制 M3 的路径,预计 2025–2026 年也会跌到 1 USD 以下; 带高速接口、车规/工规认证的“高配”M4 还能维持 2–3 USD,暂时留在“差异化红海”区间,但窗口期仅剩 1–2 年。

M4级以上MCU

M4 以上(M7、M33、M55 等)暂时处于“浅红”状态——价格已松动,但远未像 M0/M3/M4 那样打到现金成本;真正的护城河是高速外设、车规/工业认证、功能安全和生态锁定,三到五年内不会演变成纯内卷。

1. 价格与跌幅(对比 2020 → 2024)

→ 跌幅明显小于 M0/M3/M4 的 60–90 %。

2. 玩家与产能

• 全球能量产 M7/M33/M55 的厂商 < 10 家;大陆能量产 M7 的只有兆易、航顺、极海、国民技术 4 家,真正能量产 M33/M55 的目前 0 家(样品阶段)。

• 工艺集中在 40 nm eFlash,12 寸线产能被车规/工业长期协议锁定,短期不会大放量。

→ 供给端天然寡头,抑制踩踏式杀价。

3. 差异化护城河

• 外设复杂度:480 Mbps USB-HS、2-port Gigabit Ethernet、CAN-FD × 8、SDIO 3.0、LCD-TFT、2D-GFX、硬件加密引擎——任何一项的模拟/PHY IP 都不是 6–9 个月就能“抄”出来的。

• 认证:车规 AEC-Q100 Grade1/2、ISO 26262 ASIL-B/C、工业 SIL-2,验证周期 18–30 个月;客户不愿冒险换料,价格容忍度高。

• 生态:ST STM32Cube、NXP MCUXpresso、瑞萨 FSP 提供完整驱动、安全库、OTA 方案;国产厂商仍在追赶。

4. 需求侧

• 汽车域控(网关、车身、电池管理 BMS)、工业伺服、高端 PLC、图形仪表盘、AI 边缘节点对主频 200–400 MHz、Flash 1–2 MB、SRAM 512 KB 以上的 MCU 需求年增 15 %。

• 2024 年缺的不是“核”,而是“带高速接口 + 功能安全 + 十年供货保证”的组合拳。

M4 以上 MCU 仍处在“技术-认证-生态”三重壁垒保护的蓝-红过渡带:

• 2024–2025 年价格会继续温和下探 15–25 %;

• 2026 以后若国产厂商完成车规认证和大批量产能爬坡,才可能向 M4 的深红海靠拢。

因此目前谈“内卷到现金成本”为时尚早,属于“蓝海末班车”或“浅红窗口期”。

本文来源于微信公众号:土人观芯

AGM芯片推出TensorLight框架,全面拥抱AI+边缘推理市场

伴随着AI技术的进一步深度赋能,以及汽车、工业、消费电子、物联网等领域的新一轮强劲需求,MCU行业将迎来技术革新与市场变革的关键节点。边缘计算的需求正在推动AI算法与MCU的深度结合。MCU不再局限于传统控制功能,而是逐渐集成AI推理能力,用于图像识别、语音处理、设备预测性维护等场景。

AGM推出自主研发的轻量级AI框架TensorLight,能够在有限的硬件资源下加速运行AI算法,降低了开发门槛,使得更多的MCU开发者能够将AI技术应用到自己的产品中,可以部署各种主流嵌入式机器学习模型如TinyML等,帮助开发者在云端构建专属的模型,并在本地边缘节点上完成部署。

 

 

将AI能力集成到MCU上,使得AI算法可以实时地在设备本地进行处理和响应,而无需依赖于云端或其他远程服务器。这提高了系统的实时性和即时响应能力,使得设备能够更快速地做出决策和反应,且可以在低功耗的情况下实现高效的AI计算。

AGM TensorLight框架能够为用户提供广泛的开发支持。公司还将提供定制化AI服务,以满足客户的差异化需求。我们专注于开发多样化的AI解决方案,未来将推出更多参考设计,为智能应用开辟更广阔的空间。

AGM将继续联合众多生态合作伙伴合作,共同打造完善的边缘AI生态系统,为客户提供丰富的软件库和解决方案。有兴趣的客户可以关注www.agmcn.com,会持续更新。

本文来源于微信公众号:土人观芯

ST收购Deeplite:MCU未来的主战场

近日,意法半导体收购AI初创公司Deeplite的消息曝光,引来了MCU业界的关注。

DeepLite(Deeplite)是一家专注于深度学习优化的AI软件公司,成立于2018年,总部位于加拿大蒙特利尔,CEO Nick Romano在AI领域有丰富的经验。其主要核心技术包括:

– 深度学习模型优化:DeepLite的核心产品是其优化软件,能够将大型深度学习模型进行压缩和优化,使其在资源受限的边缘设备上高效运行。

– 自动化神经网络架构设计:DeepLite的软件能够自动化设计神经网络架构,大大减少了以往需要人工反复测试的时间和错误。

– 针对不同硬件平台的解决方案:DeepLite与多家硬件供应商合作,提供针对RISC-V CPU等不同硬件平台的优化方案。

DeepLite的核心能力,在于通过多种方式降低深度学习模型的功耗,主要通过优化模型结构、减少计算复杂度和存储需求,以及提高模型在硬件上的执行效率来实现。

 

 

具体地分析,DeepLite做的工作包括:

1、模型压缩与量化

– 权重剪枝(Weight Pruning):通过移除模型中不重要的权重(即接近零的权重),减少模型的参数数量。剪枝后的模型在计算时需要处理的参数更少,从而降低了计算复杂度和功耗。

– 量化(Quantization):DeepLite的量化技术可以在几乎不损失模型精度的情况下,将模型的存储需求减少数倍,并显著降低计算功耗。

2、 优化模型结构

– 自动化架构设计(AutoML):利用自动化机器学习技术,DeepLite能够设计出更适合特定硬件和应用场景的神经网络架构。可以将深度学习模型的推理速度提高数倍,同时显著降低功耗。

– 稀疏化(Sparsification):通过使模型的权重矩阵稀疏化,即增加零值权重的比例,减少实际计算的次数。可以显著减少模型的计算量,从而降低功耗。

3、硬件适配与优化

– 针对特定硬件的优化:可以根据不同的硬件平台(如RISC-V CPU、Arm Cortex-M系列等)进行定制优化。

– 内存访问优化:通过优化模型的内存访问模式,减少内存访问的次数和延迟。

4、减少数据传输

DeepLite的优化技术使得模型可以在本地设备上运行,减少了数据传输到云端或服务器的需求。数据传输本身会消耗大量功耗,尤其是在无线通信中。

某种角度上看,DeepLite简直就是边缘AI的DeepSeek。DeepLite通过模型压缩、量化、优化模型结构、硬件适配和减少数据传输等多种技术手段,显著降低了深度学习模型的功耗。这些技术不仅提高了模型的执行效率,还使得复杂的AI模型能够在资源受限的物联网设备上高效运行,推动了物联网设备的智能化和节能化发展。

2019年DeepLite与晶心科技合作,将DeepLite的优化技术与晶心的RISC-V CPU相结合,推动深度学习模型在边缘设备上的应用。其优化后的模型在执行时间上比TensorFlow Lite Micro的模型快了9%,模型大小减少了1.7倍,同时功耗显著降低。

对于意法半导体这样的MCU巨鳄来说,这个收购显然非常匹配。

1、DeepLite在模型优化、量化和压缩方面有独特技术,可使AI大模型在边缘设备上运行得更快、更小、更节能。ST作为半导体巨头,收购DeepLite后,能将后者的软件解决方案与自身先进的MCU和NPU相结合,打造全球领先的边缘AI平台。

2、DeepLite能够提供最先进的模型、针对AI处理器的预先优化以及训练和部署模型到生产环境所需的工具,这将大大加速ST NPU的采用,并缩短AI应用的上市时间。

ST一直以来都在通过收购等方式来补充和部署技术和产品资源,以实现纵向和横向扩展。收购DeepLite是其在AI领域的重要布局,有助于ST在未来的市场竞争中占据更有利的位置,更好地满足客户对高性能、低功耗AI解决方案的需求,从而在AI芯片市场中占据更大的份额。

早在2021年,意法半导体就收购了法国边缘AI软件专业开发公司Cartesiam,基于ARM平台开发AI开发工具,并推出了带有神经网络硬件处理单元(Neural-Art Accelerator)的通用微控制器——STM32N6。

今年4月10日,意法半导体发布年报时披露了其公司战略的更多细节,其中最核心的部分就有:“部署更多人工智能和自动化技术,优先投资面向未来的基础设施”,这一规划与该公司此次对Deeplite的收购行动不谋而合。

这个收购案也预示着未来MCU(微控制器)的主战场正在向边缘AI计算领域转移。

其他几家MCU大厂也在不断收购该领域的初创企业并紧锣密鼓地准备迎战。

瑞萨:收购Reality AI,提供TinyML解决方案。

英飞凌:收购瑞典Imagimob公司,提升其微控制器和传感器上的TinyML边缘 AI 功能。

恩智浦:已推出机器学习软件eIQ软件和AI工具链NANO.AI。

随着边缘计算和AIoT(人工智能物联网)的发展,AI芯片的市场争夺逐渐向边缘侧转移。据预测,到2025年,75%的数据将在边缘侧进行处理,端侧AI MCU市场潜力巨大。这表明边缘AI计算的需求正在快速增长,MCU作为边缘设备的核心组件,将在这一趋势中发挥重要作用。

未来的MCU不再局限于传统控制功能,而是逐渐集成AI推理能力,用于图像识别、语音处理、设备预测性维护等场景。具备边缘计算能力的MCU凭借低功耗、高效性能、即时响应等特性,成为边缘算力的重要载体,为智能设备和系统提供更强大的支持。

本文来源于微信公众号:土人观芯

国际MCU大厂为什么这么惨?

2024年,国际MCU大厂的业绩都很惨,这是一个耐人寻味的问题。

MCU行业有六家国际超级大厂,占据了大部分的市场份额,他们这次的年报业绩却不约而同地成为比惨大会。

欧洲三家:

1、意法半导体(ST)

2024年全年,业务收入同比下降23.2%,整体净利润暴跌63%。ST已经启动裁员计划,预计裁员2000-3000人,大约6%,并关闭部分工厂。

2、恩智浦(NXP)

全年营收下降5%,利润下滑6%,宣布全球裁员1800人,并减少2025年的资本支出。

3、英飞凌

MCU业务营收同比下降8%,利润下降13%。决定推迟其马来西亚“超级晶圆厂”第二阶段建设,并削减投资10%。

美国两家:

1、德州仪器(TI)

2024年全年营收同比下降12%,净利润下降26%。TI决定削减资本支出,并在全球范围内进行降本增效,以度过寒冬。

2、Microchip

营收同比暴跌41.9%,宣布关停美国亚利桑那州晶圆厂,影响500名员工,并暂停扩产计划。

日本一家:

1、瑞萨电子

全年营收同比下滑8.2%,营业利润下滑42.9%,净利润下滑34.9%。

很多报道对这个现象找了一些原因,比如:

1、过去两年,大量厂商为应对短缺囤积MCU,如今需求锐减,库存高企,企业只能靠“降价清仓”,导致行业利润大幅缩水。

2、全球经济增长放缓甚至部分地区出现衰退迹象,企业投资和居民消费都趋于保守,各行业对MCU的采购意愿不强。

3、新兴的半导体企业也不断涌入,使得市场份额争夺更加激烈。国产替代在中国市场对国际大厂冲击很大。

4、部分国际MCU大厂产品结构较为单一,在市场需求结构发生变化时,不能及时调整产品布局以适应新的需求。

以上原因当然都是事实,作为业内人士我也盲人摸象,说说我的看法。

 

 

MCU行业在半导体行业里不算小,也不算是很大,但是在厂商市场份额分布上却有很大的独特性,跟其他IC子行业完全不同。

所有的IC设计子行业最明显的竞争特点是:“赢家通吃”,在技术性很强的领域,一般会有一家公司主导这个子领域,此外最多还有1-2家竞争公司。比如说在X86 CPU领域,Intel和AMD两分天下,Intel吃肉,AMD喝汤,其他厂商连汤都喝不上,手机基带芯片领域,高通带上联发科基本上控制了全球市场,展锐一直活得很艰难;在GPU领域,英伟达独领风骚,在FPGA领域,Xilinx和Altera占掉90%市场。其他的子领域,你们可以继续补充,差不多就是这个情况。

只有在MCU领域,出现了奇特的竞争分布,六家公司居然均分全球市场份额,没有一家占据绝对优势地位,没有一家能够过半甚至超过30%,这种分布本身就不太符合IC行业的规律,是极其不正常的。

造成MCU这种不正常市场分布的原因是什么呢?

核心的原因是,和其他半导体设计领域比起来,MCU实际上并不是技术密集型行业,而是关系密集型行业。

MCU的技术开发门槛真的存在吗?ARM提供底层开发平台,IP授权公司提供各种接口和工艺IP,代工厂提供制造能力,有了他们的协助分工,MCU不存在很深的技术护城河,实际上谁都可以设计制造MCU,那么谁能搞定客户关系就变成比技术更重要的事情了。

那么这六家国际大厂是怎么进入中国市场的呢?我们可以回想二十年前,我们家里用的是松下的电视机,西门子的冰箱洗衣机,三菱大金的空调,飞利浦的小家电,这只是家里用到的家用电器,在各种各样的合资工厂里,所用到的生产设备大多是进口的,或者也是由所在国带进来的合资厂生产的,比如美资的工厂就用美系的供应链,日资的工厂就用日本本土的元器件和设备,德国合资的企业(如大众)当然是优先使用来自欧洲的元器件和设备方案。

再后来,国内家用汽车市场从无到有,德系、日系、美系合资工厂纷纷在国内开建,又把这些汽车用的MCU厂家带进来。这就是关系密集型行业。

国产家电和国产汽车初期起步的阶段,必然是借鉴成熟品牌的方案来模仿设计,势必也会采用相同的元器件和供应商,继续使用这些国际大厂的产品,这就是一个惯性主导的关系型生意。

那么,当我国本土品牌和本土制造业真正崛起的今天,我们再来审视这个行业的周期过程时,我们会逐渐发现,本土MCU必然会逐渐追进甚至赶超国际大厂的产品,而且一旦在某些领域完成国产替代,就会彻底颠覆原有大厂格局的时候,历史的齿轮就开始运转了。

MCU之所以没有像别的领域一样快速整合,还有一个重要的原因,在工业领域供应链替代的周期比消费电子长太多了。在汽车领域,新产品通过车规级认证传统上需要三年时间,然后在整车厂上车又需要两年时间,再算上产品研发的时间,让我想起欧洲的慢节奏生活,简直是岁月静好,无忧无虑。记得我读大学的时候,某老师从欧洲工作了一段时间回来,跟我们说瑞士有一条几十米长的马路,修了整整一年多都没好,我们都惊呆了。

从仰望国际大厂,到平视怯魅对待,到公平竞争,到我们能做得更好,这就是过去二十年在所有行业发生过的正常叙事,这个过程再正常不过了。当惯性被突破的时候,变革就来临了。

所以有人问,这些国际大厂会不会触底反弹,我也说不清,也许都已经在历史的进程中了,回归第一性原理,我们拭目以待就好了。

本文来源于微信公众号:土人观芯

AG32的CPLD特长篇:精密仪器之电子天平

CPLD凭借其高度并行的处理架构、纳秒级响应能力和卓越的时序控制精度,已成为现代高端仪器仪表设计的核心器件。在精密测量与控制领域,CPLD的应用正从传统的辅助角色逐渐转向系统关键功能的承载者,AG32集成了2K LUT逻辑的CPLD内核,完美地支持了各种精密仪器仪表产品,已经广泛应用于国内的高端科学仪器中。

CPLD在仪器仪表中的主要应用场景:

1、精密时序控制

在高速数据采集系统中,同步精度直接决定了测量结果的可靠性。CPLD通过硬件级并行处理能力,实现了多通道信号的严格同步控制,消除了传统MCU顺序执行带来的时序抖动问题。比如在电力谐波分析仪中,CPLD可同时控制3路电压/电流信号的采样保持器(S/H),确保同相电压电流的同步误差≤71.02μs。

2、接口扩展与协议实现

仪器仪表通常需要连接多种传感器、执行器和通信模块,CPLD在此扮演了硬件抽象层的关键角色,显著简化了系统架构。

3、高速信号预处理

CPLD的硬件并行处理能力使其能够直接处理高速模拟信号链的数字逻辑部分,有效分担主处理器的计算负载。

电子分析天平(精度0.01mg)是CPLD在精密测量领域的标杆性应用。这类仪器对测量稳定性、温度漂移和重复性等指标要求极高,是CPLD在精密测量领域的典型应用平台。AG32已经广泛应用于国产电子分析天平中,其中AG32承担的工作主要包括:

-电磁力补偿激励与信号采集

-自动校准与温度补偿算法

AGM Micro在2014年就推出了经典的CPLD国产芯片AG256,后来陆续推出了AG576、AG1280等经典CPLD芯片产品,特别适合仪器仪表中的高速数据采集、协议转换特性,因此一经推出就广泛应用在各种仪器仪表方案中,经过十几年的迭代和演进,AG32系列(AGRV2K)继续服务国内外各个仪器仪表厂家,得到了广泛的应用。

AG32系列MCU+CPLD产品,在芯片内部内置了CPLD逻辑和比较器,且可以通过CPLD逻辑自定义定制开发特色功能,可以有效满足仪器仪表的各种定制需求,客户除了使用其主CPLD,还可以同时利用其强大的MCU功能(主频高达248M),且管脚可以动态灵活配置,价格却只相当于一颗传统的CPLD芯片,有效降低了客户的BOM成本。

AG32产品特色:

1、AG32与市场上的通用MCU相比体现了极致的差异化,RISC-V+CPLD内核架构(单一管芯非合封),业内唯一的存在。

2、与市场上的单片机+FPGA分立集成的产品比起来,最大的优势是逻辑部分可以直接连单片机的总线,AG32的是AHB总线,可以通过DMA搬运数据,甚至自己就可以做DMA主机。

3、客户买一颗MCU或者CPLD芯片的市场价格,同时获得两颗芯片的实用价值,性价比极具优势。淘宝零售价格:48PIN 7.5人民币。

4、AG32提供丰富的SDK库,着力于用户简洁编程模式,基本所有外设、Freertos、usb都写了库。另外还有非常有参考性的MCU+FPGA联合开发的库,里面通过AHB总线直接访问、或者是转APB之后访问低速外设。

5、AG32没有限定应用场景,是极其灵活可定制的产品,AG32管脚就像乐高积木,所有管脚几乎都可以动态配置。可定制逻辑可以用于定制各种接口、特定算法、加密甚至串口(有客户甚至用其定制支持多达15个)。

6、帮助客户在内卷市场打造属于他们的差异化产品竞争力,在使用通用MCU、FPGA、专用芯片之间的边缘地带,用最快时间推出新产品,且兼顾成本。

有兴趣的客户可扫描下面二维码加原厂商务微信(加的时候备注下公司名),立即获得原厂工程师技术支持。也欢迎有兴趣的代理商申请加入渠道体系。

 

关于AGM:

AGM Micro是领先的AG32 32位MCU、可编程SoC、和异构(MCU)计算芯片设计公司,致力于为消费电子、工控和AIoT中高量市场提供智能化的设计软件和芯片系统。AGM针对不同的纵向应用市场,并拥有几十个知识产权,以及获得专利的编译软件(包括数据库、综合、布局、布线、时序分析、比特流产生等)及电路。

AGM在北京、上海、杭州、美国硅谷和香港设有运营部门和研发中心。AGM为商业客户提供业界领先的产品销售,包括最全面的SoC方案及软件产品。

转自 土人观芯

AI这条赛道,大家都在卷

现在大家都在说国内各行各业都太卷了,国内的牛马们羡慕国外的work life balance的生活。但硅谷目前也是卷的不行,正在上演一场史无前例的人才争夺战,焦点集中在AI领域的顶尖专家。

与此同时,AI芯片(GPU 和 AI ASIC)的厂商们,也都公开了自己的roadmap,几乎是每年都有一个新的AI平台。按老美之前的work life balance的节奏,完全是无法想象的。

现在B300已经出来了,国内也可以拿到货。按照英伟达的roadmap,在明年的下半年,基于Rubin架构的产品就可以出货了,再过一年就是Rebin Ultra.

AMD虽然现在的市场占有率并不是很高,但MI400明年上半年也出来了。

AI ASIC的厂商们,后面几年也都是一年一次平台的升级。

image-20250706225627146
image-20250706230439502

再来看AI方面的竞争,这个主要就是体现在抢人才。自2022年底ChatGPT的惊艳亮相以来,AI技术的突破引发了对稀缺人才的激烈竞争。Meta、OpenAI、Google DeepMind和Anthropic等科技巨头不惜重金,通过天价薪酬、股权激励和战略收购争夺能够推动技术革新的精英。

根据SignalFire的《2025年科技人才报告》,自疫情以来,入门级技术岗位需求下降了50%,而中高级AI人才的需求却急剧上升。硅谷和纽约作为AI生态系统的核心,吸引了超过65%的AI工程师,尽管高昂的房价和远程工作的灵活性并未削弱这些地区的吸引力。

顶尖AI人才的稀缺性是这场争夺战的核心,Sam Altman估计,全球真正能够推动AI技术突破的研究人员仅有几十到一千人,其生产力可能是普通工程师的10,000倍。这种稀缺性使得公司不惜一切代价争夺这些人才。甚至连苹果这样的科技巨头也难以招到顶尖AI专家。根据傅盛的说法,苹果等大公司因组织臃肿、效率低下,难以吸引AI人才,而像OpenAI和Anthropic这样的新兴AI创业公司则因高成长潜力、优厚股权激励和扁平化管理更具吸引力。

Meta近期在AI人才市场中的动作尤为引人注目,扎克伯格亲自领导了一场招聘热潮,成功从OpenAI挖走四名核心研究人员:Shengjia Zhao(参与GPT-4开发)、Shuchao Bi(多模态模型经理)、Jiahui Yu(前Google Brain和DeepMind高级研究科学家,擅长序列建模和计算机视觉)和Hongyu Ren(负责OpenAI o3和o4 mini模型后期训练)。此外,Meta还从OpenAI苏黎世办公室挖走三位开发人员:Lucas Beyer、Alexander Kolesnikov和Xiaohua Zhai。这些人才的加入显著增强了Meta新成立的“Meta Superintelligence Labs”的实力,目标是开发多模态AI和推理模型,弥补与竞争对手的差距。

Meta还从Anthropic和Google DeepMind招募了开发Claude和Grok等模型的专家,挖角比例在与OpenAI和DeepMind的竞争中分别达到8:1和11:1。此外,Meta尝试收购多家AI初创公司,如Perplexity AI、Runway和Safe Superintelligence,虽然多未成功,但小扎的抢人的决心可见一斑。

2025年6月,Meta以14.3亿美元收购了AI初创公司Scale AI 49%的股份,这是Meta历史上最大的外部投资之一。Scale AI成立于2016年,专注于提供海量标注数据及定制化训练数据,是训练大型语言模型的关键供应商。作为交易的一部分,Scale AI创始人兼首席执行官Alexandr Wang加入Meta,领导“Superintelligence Labs”。还是按照傅盛的说法,这次收购,其实主要是为了Alexandr Wang,至于数据标注的业务,Meta本身并不需要收购。年仅27岁的Alexandr Wang被任命为Meta首席人工智能官,甚至连图灵奖得主杨立昆也要向其汇报。

Meta能成功挖来这么多人,基本都是通过天价的薪酬来吸引,Meta提供的签约奖金高达1.5亿美元,首年薪酬超过1000万美元,包括前置股权和奖金。Meta为OpenAI研究员提供的四年合同总值高达3亿美元,首年股权立即归属,这一做法在行业内极为罕见。尽管Meta否认了部分高额报价,但业内普遍认为其薪酬极具竞争力。此外,Meta还提供尖端芯片的无限访问权限。

而国内目前的状况,曾经的AI六小龙,自从Deepseek出来后,现在基本都挣扎在存亡线上,像kimi,笔者去年用的还比较多,但今年基本都在用豆包和元宝了,再也没用过国内的其他AI平台,app也早就卸载了。

end

<