一半是海水，一半是火焰，国产AI芯片路在何方
导读：2024年9月，国内AI芯片巨震。先是国产AI芯片独角兽象帝先宣布调整业务结构，解雇部分员工。其后，国产AI芯片初创企业壁仞科技宣布启动上市流程，加上此前宣布启动上市流程的燧原科技，这已经是最近第二起宣布启动上市流程的AI芯片公司。AI芯片市场广阔，缘何赛道内企业表现不一？AI芯片创业难点在哪？赛道投融资情况如何？本文尝试分析和探讨。
AI芯片也被称为AI加速器或计算卡，按技术架构可以分为通用图形处理器（GPGPU），中央处理器（CPU），专用集成芯片（ASIC）以及现场可编程门阵列（FPGA）等。在人工智能的发展中，研发人员发现并行计算可以进行高效的模型训练，处理大规模复杂数据。而GPGPU相对其他芯片并行计算性能较高，适合计算密集型应用，因此成为了算力芯片的主流。
按功能分类，AI芯片可以分为训练卡和推理卡两个类型。训练卡也叫大卡，通常拥有更高的计算能力和内存带宽，以支持训练过程中的大量计算和数据处理；推理卡也称小卡，其参数较低，只需满足推理需求。一般情况下，训练卡可以作为推理卡使用，但推理卡不能作为训练卡使用。简单来说，大模型的训练需要大量的训练卡形成显卡集群，而在应用上，则需要推理卡运行AI模型进行计算。
本轮人工智能浪潮由ChatGPT掀起，并以语言大模型和生成式AI应用作为切入点。自谷歌在2017年发表至今，Transformer除了带来像ChatGPT这样的C端爆款产品外，其早已在自然语言处理、计算机视觉、自动驾驶等领域里广泛应用。各中外科技企业持续加大对相关的投入，包括谷歌、Meta、微软、字节跳动、百度等海内外一众科技巨头和初创企业均希望分一杯羹，其他非技术公司也不断在人才、技术和资源方面进行布局。根据Bloomberg Intelligence的预测数据，到2032年，生成式 AI 在总体信息技术硬件、软件、服务、广告和游戏等支出中的占比或将从目前不到1%的水平扩大至12%。
图表 1：2020-2032E全球生成式AI收入及预测（单位：10亿美元）数据来源：Bloomberg Intelligence、来觅数据整理
2018年，OpenAI推出第一代生成式预训练语言模型GPT-1，拥有1.17亿个参数，2023年发布的GPT-4参数量约为1.8万亿个。5年时间超万倍参数量的提升带来的是大模型对于算力需求的指数级别增长。OpenAI 测算，自2012年起，全球头部AI模型训练算力需求每3-4个月翻一番。尤其是在2023年后，AI发展如火如荼，海内外厂商纷纷都加大了生成式AI的投入，“百模大战”再起，这也使得算力需求将长期陷入紧缺。
图表 2：2019-2026E中国智能算力规模及预测（单位：亿元）数据来源：IDC、来觅数据整理
在算法攻关、以及部分模型开源的背景下，国内大模型进展迅速，不少国产AI大模型宣称其单项能力已追赶上GPT-4。就目前而言，国内AI能力与海外最大的差距主要在AI芯片上。由于众所周知的原因，国内的科技企业不但无法购买先进AI芯片，而且即使有了完整方案，自行制造AI芯片也变得十分困难。在这种背景下，国产AI芯片潜在成长空间巨大。
AI芯片是一个赢家通吃的游戏。Nvidia在AI芯片上的垄断性地位足以使大多数竞争对手望而生畏。来觅研究院认为，AI芯片的难度主要体现在三个方面，即单卡性能/集群性能、生态/灵活性、制造难度/性价比。综合这三个方面，Nvidia综合实力最为领先，因而其在AI芯片市场取得了超90%的市场份额。
国内企业产业进展如何？我们统计了国内外相关AI芯片公司的具体参数，可以看到目前国内AI芯片与海外AI芯片单卡性能上仍存在差距；但更大的差距来自训练侧的万卡互联与生态建设。总体而言，国产AI芯片长期来看任重而道远。
图表 3：国内外AI芯片厂商、产品及技术特征情况数据来源：公开资料、来觅数据整理
国内AI芯片主要集中于推理侧，这一方面是为了与英伟达展开错位竞争，另一方面，随着AI技术的发展与普及，行业对高性能、低功耗的AI芯片的需求正不断增加。不过，训练侧芯片也有厂商正在布局，在2024年全球AI芯片峰会上，壁仞科技首次公布自主原创的异构GPU协同训练方案HGCT，业界首次支持3种及以上异构GPU混合训练同一个大模型。摩尔线程公布了其基于MTT S4000的万卡智能集群夸娥（KUAE），发力训练测。华为、寒武纪、海光信息等厂商亦有类似动作。
AI芯片创业极为困难。来觅研究院认为，AI芯片创业难点一是要解决芯片设计、制造问题。由于海外制约，相关设计工具已被管制。然而制造问题是更现实的难题，Nvidia最新的AI芯片采用4NM制程，目前仅有台积电具备制造实力，而大陆芯片制造实力则稍显不足。
二是市场问题，英伟达仍是目前最有性价比的AI芯片方案，国内AI公司采购国产AI芯片一方面是由于国产替代的主观或客观原因，另一方面也希望能使用更贴合自己需求的产品（如字节跳动等厂商针对需求自行设计AI芯片）。大模型一方面加速了AI芯片的发展，另一方面也让芯片厂商之间的差距越来越大。国产AI芯片厂商必须考虑自己的产品能满足客户的什么特定需求，才能让客户甘愿花费高额溢价。
三是盈利能力。由于众所周知的原因，AI芯片研发周期长、强度大、成本高，而这些投入往往在短期内难以得到回报。因此，能获得造血能力极为重要。在目前一级市场动态下，完全指望创投市场输血可能性微乎其微，AI芯片公司的正现金流同样值得考验。
AI芯片市场近年来呈现出强劲的增长势头。2024年全球AI芯片市场规模预计将达到712.52亿美元，同比增长33%，并有望在2025年进一步增长至919.55亿美元。在中国市场，2023年AI芯片市场规模达到1206亿元，同比增长41.9%，预计2024年将增长至1412亿元。据来觅数据显示，AI芯片亦是今年最为活跃的赛道之一，融资轮次仍偏向早期，但部分明星项目已得到市场认可，资本正不断加码。感兴趣的读者，可以登录Rime PEVC平台获取AI芯片赛道全量融资案例、被投项目及深度数据分析。
图表 4：2024年以来AI芯片主要投融事件数据来源：来觅数据
展望
随着大模型革命席卷全球，算力需求达到新高，推动云、边、侧AI芯片迭代与进化。在数据爆炸式增长、工艺逼近物理极限、国际形势复杂多变三朵阴云下，许多AI芯片企业低调务实地承压前行，积极备战生成式AI浪潮带来的时代机遇。
正如Elon Musk所言：只有原材料是唯一的限制，制造的每一个环节都完全可以被重新发明。AI的巨大潜力必将催生出数万亿的市场规模，“卡脖子”只是暂时的，伴随着先进制程的突破与资本的投入，我们与海外AI的距离是在缩小而不是增大。而国产替代的空间是巨大，相关企业也会迎来高速增长机会。
终局思维需要锁定胜者。未来的世界需要无穷算力，但参考美国市场竞争格局，胜者可能只有寥寥数个。由于AI芯片赢家通吃的特点，我们认为国产AI芯片公司胜出必须同时具备技术实力、渠道能力、融资能力几项能力。这些能力对创业公司挑战巨大，但无形之中也构建了行业壁垒。
版权及免责声明：本文内容为来觅研究院撰写，其版权系深圳来觅数据信息科技有限公司（下称：Rime 或 来觅数据）所有。未经来觅数据许可或授权，任何单位或人士禁止转载、引用、刊登、发表、修改或翻译本文内容，及其他以作商用的行为。许可或授权下的引用、转载时须注明出处为Rime或来觅数据。任何未经授权使用本报告的相关商业行为都将违反《中华人民共和国著作权法》和其他法律法规以及有关国际公约的规定，来觅数据将保留追究其相关法律责任的权利。本文内容基于来觅数据认为可信的公开资料或实地调研资料，我们力求本文内容的客观、公正，但对本文中所载的信息、观点及数据的准确性、可靠性、时效性及完整性不作任何明确或隐含的保证，亦不负相关法律责任。受研究方法和数据获取资源的限制，本报告全部内容仅供参考之用，对任何人的投资、商业决策、法律等操作均不构成任何建议。在任何情况下，对因参考本报告造成的任何影响和后果，来觅数据均不承担任何责任。
低空经济“峰会”密集召开，eVTOL成为资本宠儿？
政策新规下K12教培能否“再获新生”
苹果将上线听力健康检测功能，“辅听耳机”将成新一代助听器？
苹果发布会最大亮点在哪？AI功能推迟发布，对AI手机行业影响如何？
长时储能赛道风起，液流电池领跑万亿风口？
医疗服务2024年二季度投融市场报告
从《黑神话：悟空》看AI在游戏领域的应用价值
智能眼镜：重塑交互体验，探索投资新蓝海
计算机软件2024年二季度投融市场报告
乡村振兴2024年二季度投融市场报告
医疗器械2024年二季度投融市场报告
新消费2024年上半年投融市场报告
人工智能2024年二季度投融市场报告
产业互联网024年二季度投融市场报告
新能源汽车2024年上半年投融市场报告
医药制造2024年二季度投融市场报告
机器人2024年二季度投融市场报告
半导体2024年二季度投融市场报告
AI大模型商业化进度浅析
【重磅发布】来觅研究院2024年上半年PE/VC市场报告
长坡厚雪，模拟芯片或将迎来并购热潮
【重磅发布】2024年中投资机构系列榜单
多因素驱动，硅光芯片迎来高速增长
液体活检新风口：外泌体检测
人形机器人产业加速，即将迎来量产元年
两会提及的热点赛道——汽车芯片
【重磅发布】来觅研究院2023年度PE/VC市场报告
【重磅发布】2023年度投资机构系列榜单
氢能独角兽再次冲击IPO，2023年氢能赛道的投资表现如何？
芯片的晶体管数量，是如何走到今天？
来源：内容来自cpuTECHandECO，谢谢。
以英特尔4004的诞生为开端，五十年的微处理器历史已经书写完成。几乎没有一个领域像微处理器那样发展的如此迅速，在短短五十年间，微处理器的发展跨越了七个数量级--从2300个晶体管到540亿个。最初的4位单个ALU设计已经演变成众核巨无霸，这些进步几乎为人类生活的每个方面提供了动力。 为了说明这些变化，MPR重点突显了一些能定义整个行业的产品，包括英特尔8088、MIPS R2000、DEC Alpha 21164、英特尔Core Duo、IBM Power8和NvidiaA100。每一个产品都通过频率和微体系结构的升级展示出不断增长的性能。 在过去的50年里，晶体管数量的上升与戈登-摩尔的预测（摩尔定律）保持了惊人的一致，即晶体管的数量每两年就会翻一番。将这一翻倍速度应用于4004的晶体管，预测2020年将出现540亿个晶体管的处理器，如图1所示，Nvidia通过A100实现了这一目标。尽管晶体管数量仍然与性能密切相关，但在这段期间，各公司也通过电路结构和微体系结构创新提高了性能。一个人的军队推出4004
英特尔于1971年发布了其4位4004处理器，在两英寸晶圆上以10微米的工艺制造它。与以前拥有几十或几百个晶体管的集成电路相比，它是当时最先进的设计，包括2250个晶体管。然而，它是由单独一名工程师费德里科-法金（Federico Faggin）创造的，他每周工作80小时，以按期交付740kHz的处理器（见MPR 12/18/06，"英特尔4004的35周年"）。除了设计逻辑和电路之外，他还必须手工切割用于制造光学掩模的红宝石薄膜。在一个自我陶醉的时刻，设计师在一个掩模上刻下了“F.F.”。 4004只实现了46条指令，其中5条是双倍长度。该处理器集成了一个单一的ALU，在8个时钟周期内完成4位加法（和大多数其他指令），使其有效执行率低于0.1MHz。尽管有一个完整的CPU，尺寸为12平方毫米，但4004无法独立运行，因为除了64位（16x4位）寄存器文件外，它缺乏任何存储器。因此，Faggin还交付了4001 ROM芯片、4002总线接口芯片、4002 RAM芯片和4003总线接口芯片。 4004彻底改变了市场，因为它是第一个软件可编程的芯片。它首先服务于Busicom公司的141-PF计算器，因为该公司拥有该设计的独家权利。但Intel意识到可编程性使这一设计适用于广泛的系统，因此它通过谈判达成协议，允许Intel向其他客户出售4004，从而开创了微处理器市场。即使在1971年，该公司也着眼于游戏市场；例如，4004最终进入了弹球机，为曾经的纯机械游戏增添了光彩。8088为IBM个人电脑提供动力
16位的Intel 8088于1979年投入生产。如图2所示，该公司使用其3微米技术制造了这个包含29000个晶体管的芯片。峰值速度徘徊在5MHz左右。英特尔在其新建的以色列海法实验室创造了8088。该处理器与8086基本相同，后者引入了x86指令集，但8088将外部总线接口减少到8位以降低系统成本。与8086一样，它有一个6字节的取指队列，一个16位的ALU和16位的寄存器。它的简单流水线有两个流水段：取指/译码和执行。（8088有33平方毫米和29,000个晶体管。虽然芯片最早是Intel设计的，许多类似AMD的厂商获得了设计授权能够进行制造。（照片源自Pauli Rautakorpi《维基百科<https://en.wikipedia.org/wiki/Intel_8088#/media/File:AMD_8088_die.JPG>》，按照CC BY 3.0授权））
然而，与8086相比，8088由于其较窄的数据总线和较小的预取队列而出现性能问题。它体现了顺序处理器的低效率：例如，程序员需要将长指令与短指令交错使用，以避免瓶颈。8088在调用、跳转和中断方面也有困难，因为这些指令重置了预取队列，可能需要15个周期来重新填充。4004需要定制存储芯片，而8088可以使用商品RAM和ROM。客户通常将8088与英特尔的8位锁存器8282处理器、8284时钟发生器、8位8287驱动器、8288总线控制器、8259总线仲裁器和8087数学协处理器配对使用。 8088在第一台IBM PC中赢得了一个重要的设计，确保了英特尔和x86体系结构在个人电脑PC革命的长期中心地位。英特尔并不是唯一一家提供8088解决方案的公司；IBM要求有第二个供应来源，因此英特尔将8088设计授权给AMD、NEC、德州仪器和其他公司。在这一时期，授权处理器是很常见的，但英特尔最终在1985年的80386时代停止了这种做法。MIPS提供了第一个RISC处理器
MIPS计算机系统公司在1986年提供了MIPSISA的第一个商业实现，从而震撼了计算机体系结构的世界。R2000是第一个商业化的RISC体系结构，启动了RISC与CISC的辩论。这款32位110,000晶体管的芯片有三个速度等级：8.3MHz、12.5MHz和15MHz。MIPS是第一批无工厂产线的处理器供应商之一，将R2000外包给Sierra半导体公司并使用其2微米的双层金属CMOS工艺（见MPR 2/89，"MIPS挑战SPARC和88000"）。 R2000的执行引擎有一个ALU和一个乘法/除法单元。简化的RISC结构在每个时钟周期处理一条指令，远远超过了竞争性的CISC处理器。该CPU有五个流水段，使其成为未来几十年内的顺序RISC设计模板，包括RISC-V的RocketCPU。像同时期的80386一样，R2000需要外部芯片来实现高速缓冲存储和（可选择）执行浮点（FP）运算。 R2000在工作站和服务器制造商中特别受欢迎。其强大的数学性能使MIPS成为工程师和科学家的理想选择，而ISA因其优化的软件栈而变得更加流行。编译器设计者帮助创建了最早的ISA模拟器之一，这加速了UNIX在MIPS机器上的应用。DEC在性能上压倒了英特尔
如图3所示，Alpha 21164是一款野兽般的微处理器。数字设备公司（DEC）于1994年发布，它的最高频率为300MHz（见MPR 9/12/94，"Digital公司以21164引领潮流"）。七级流水线比任何竞争者的设计都要深，使该处理器具有速度优势。21164实现了DEC专有的64位Alpha体系结构，支持UNIX和OpenVMS。该公司用自己的0.5微米工艺制造该芯片，塞进了930万个晶体管。（这款芯片在当时是庞然大物，尺寸为314平方毫米。主频300MHz，远远超过其他竞争芯片。（照片源自Pauli Rautakorpi《维基百科<https://en.wikipedia.org/wiki/Intel_8088#/media/File:AMD_8088_die.JPG>》，按照CC BY 3.0授权））
21164的超标量微体系结构与最近的处理器相似。它集成了一个8KB的指令缓存，并将指令传递给一个宽度为4的译码器，该解码器每个周期向执行引擎发出四条译码后的指令。21164包括两个整数单元和两个浮点单元用于算术运算。它还实现了一个片上二级缓存，容量为96KB。该设计有一个43位的虚拟地址空间和一个40位的物理地址空间，使其能够处理比同时代更多的存储。8TB的虚拟内存和1TB的DRAM。这种地址空间为需要大型数据集的应用提供了独特的优势。 在发布时，21164扩大了DEC的性能领先优势：它在SPECint95中的得分是15.4，在SPECfp95中的得分是21.1，在这两个方面都超过了英特尔的Pentium。由Alpha 21164驱动的系统因此完成了新的壮举，如CAD建模，多媒体编辑，甚至是视频会议。1994年，DEC公司处于世界之巅，因为它的Alpha组合提供了无可匹敌的性能。但是，当英特尔的Pentium Pro（P6）到来时，好日子就结束了，它使用RISC技术来提高x86性能。从那时起，RISC在PC和服务器中的受欢迎程度急剧下降，DEC在2001年放弃了Alpha。酷睿双核是第一个多核PC处理器
英特尔在2006年发布了Core Duo，这是第一个多核的个人电脑PC处理器。服务器之前已经采用了多核芯片，但该公司将这种方法带到了个人电脑上，为笔记本电脑和台式机提供了两种不同的设计（见MPR 10/3/05，"Yonah做双核的权利"）。该公司在其65纳米节点上制造了管芯面积为143平方毫米的台式机版本（Conroe），包装了2.91亿个晶体管。它的频率达到3.0GHz，同时运行32位和64位x86体系结构。在英特尔的高主频NetBurst方法火了之后，Conroe是第一批使用Core微体系结构的处理器之一，该体系结构仍然是该公司目前旗舰CPU的基础。 酷睿双核Core Duo开启了今天的多核运动，并成为中心。通过将两个CPU装在一个管芯Die上以填补其晶体管预算，英特尔大大提升了性能。另一个选择是建立一个更复杂的单核CPU，相对于上一代产品，其尺寸增加了一倍，但这被证明是不可行的。乱序的Core CPU核心集成了一个32KB的指令和数据缓存，四个解码器，一个96个条目的重排缓冲器，以及五个用于内存和算术操作的执行端口。它集成了一个128位SIMD单元，用于加速英特尔的向量（SSE）扩展。 新的双核处理器不仅因其性能而闻名，而且还因其（当时）令人印象深刻的65W功耗TDP等级而闻名。然而，双核模式给软件带来了问题，这些软件被设计为在单个CPU上运行。工程师需要实现多线程编程模型。发布升级的软件花了几年时间；在这期间，很少有用户能看到承诺的性能提升。Power8将多线程带入一个新的水平
到2014年，多线程软件已经成为常态，但Power8将多线程带到了一个新的水平。2014年发布的它是一个多线程的怪物，包装了12个核心，有96个线程（见MPR 12/29/14，"Power8冲击商业市场"）。IBM用22纳米绝缘体上硅（SOI）工艺制造了这颗190W的芯片。即使按照现代标准，它也是巨大的，面积为650mm2，装有42亿个晶体管，如图4所示。这也是第一个可供商业购买的POWER芯片。（在2014年，IBM通过12核，每核4线程将多线程推进到新的高度。22纳米的晶片管芯尺寸是650平方毫米，同时封装了42亿晶体管。（由IBM拍摄的晶片管芯照片））
在设计Power8时，片上存储器成为IBM的重点。该芯片每个内核采用512KB的二级缓存，96MB的嵌入式DRAM（eDRAM）用于L3缓存。eDRAM的使用是独一无二的：它使IBM能够在芯片上集成大量的存储，而单靠SRAM是不可能做到的。即使是巨大的内核数量，Power8的速度也达到了3.6GHz。该设计的特点是具有14个执行单元的特别宽的执行引擎，可以处理分支以及整数、浮点、定点和向量操作。广泛的执行引擎帮助Power8在IPC方面超过了竞争对手。 该处理器仍然让Intel在服务器市场上赚到钱。Power8的价格比英特尔的旗舰产品至强E5-2699v3低30%，提供类似的整数性能和领先的浮点性能。全球的银行家和零售商都受益于定点的十进制引擎，它加速了传统的Cobol软件。尽管有更好的性能和更低的价格，但该处理器缺乏X86兼容性，使其在IBM自己的系统之外没有获得吸引力。Nvidia A100达到了光照极限（Reticle Limit）
Nvidia的A100最能代表当今的高性能处理器，它使用专门的体系结构在一个流行的应用程序上实现了领先的性能。该公司的GPU已经成为神经网络训练的代名词（见MPR 6/8/20，"Nvidia A100在AI性能方面名列前茅"）。在过去十年中，人工智能应用的普及率飙升，触及日常生活的许多方面。但神经网络带来的巨大计算压力造成了对专门硬件的需求。用于数据中心400W的A100 GPU在20年第二季度投入量产，并立即成为AI的热门产品。它具有540亿个晶体管；在7纳米统一中，826毫米的巨大芯片测试了台积电的光照尺寸极限。 A100实现了Nvidia的AmpereGPU体系结构，以加速AI训练和推理。VLIW配置减少了指令调度逻辑，许多SIMD单元有利于计算神经网络经常采用的大型卷积。该芯片有108个GPU核心，包含矩阵乘法单元和向量ALU。它的发布使英伟达处于人工智能市场的顶端。该公司围绕A100及其他基于GPU的人工智能加速器建立了一个庞大的软件生态系统，其目标是几乎所有可以想象的领域，从医疗保健到农业到分子动力学。摩尔定律的胜利
如表1所示，在过去的50年里，单个芯片上的晶体管数量已经爆炸性增长。表中的每个产品都需要重大的工艺技术进步，从光学光刻到紫外线、多重曝光，以及今天的EUV（见MPR 5/20/19，"EUV工艺达到大规模生产"）。晶体管面积下降了200万倍。随着缺陷率的下降和工艺的改进，晶片管芯尺寸也在增加，允许每个芯片有更多的晶体管。这些因素使更复杂的微体系结构、更多的片上存储器，以及最终每片更多的内核成为可能，提高了性能。（50多年来，晶体管数量猛增。这种增长之所以可能，是因为主流工艺技术的改进。†使用了向量（SIMD）单元。(来源：厂商））
对于基于CPU的处理器，频率上升了四个数量级。4004开始时不到1MHz，但现代Intel处理器可以达到5,200MHz。CPU设计者使用了两种技术来提高时钟频率：一种是依靠代工厂提高晶体管速度，另一种是通过微体系结构的升级来实现收益。 虽然A100是一个GPU，但MPR仍然认为它是一个处理器，因为它加载和执行指令。MPR把Nvidia的芯片包括在内，以强调GPU和AI产品现在是如何推动摩尔定律的。最先进的设计有数百个1,024位的ALU，与原始微处理器上的单一4位ALU相比，相差甚远。我们是如何走到今天的？
没有一篇文章能涵盖微处理器50年的全部历史。MPR的精心策划包括了其认为在这个时间段内具有代表性的产品，强调了处理器所经历的许多结构变化。最早的例子只能执行最基本的功能，如加法，而且缺乏片上存储器。随着时间的推移，设计者集成了一些功能，如浮点单元和总线接口，而这些功能以前是在独立的芯片上。 一旦整个CPU都在芯片上，公司开始增加更多的CPU。数据路径从4位扩展到64位，对于专门的SIMD单元来说甚至更宽（在这个过程中消耗了许多晶体管）。缓存在20世纪80年代开始成为一种外部功能，在20世纪90年代转移到芯片上，并发展成为今天复杂的多级缓存。更深的流水线实现了更高的时钟速度，但它们需要更多的缓冲器和旁路逻辑，进一步增加了晶体管数量。 虽然更深的流水线和更宽的执行单元等技术似乎已经达到了极限，但芯片设计者仍在试图通过尝试不同的方法来提高性能，如特定应用和异构体系结构。当他们缺乏更好的想法时，他们会增加更多的CPU内核，尽管很少有PC应用能够使用它们。 相对于人类历史的跨度，50年几乎是一个小点。然而，在这个微不足道的时期，微处理器的发展速度令人难以置信。它们无处不在，从微波炉到自动驾驶汽车。当人们花时间欣赏微处理器时，也必须记住这项宝贵的发明是如何从简陋的4004开始的。*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2965内容，欢迎关注。
晶圆｜集成电路｜设备｜汽车芯片｜存储｜台积电｜AI｜封装
相关问答
16k×32位可由几片1k×4位的存储芯片构成?
一个16k×32位的存储器可以由32片1k×4位的存储芯片构成。这是因为16k表示该存储器有16,384个存储单元,每个存储单元有32位。1k×4位的存储芯片有1,024个存储...
内存单通道与双通道是什么意思-懂得
内存单通道就是系统具有一个64位的内存控制器,双通道内存就是系统有2个64位的内存控制器。双通道,就是在北桥芯片级里设计两个内存控制器,这两个内...
希捷ST1000LM024HN-M101MBB有必要装‘英特尔驱动器的快速存...
AHCI还可提供更长的电池使用时间与链接电源管理(LPM),可以降低芯片组的功耗和串行ATA(SATA)硬盘驱动器。如果你想要很及时全面的监控磁盘状态,最好安装此...
用别的主板上的N沟道MOS场效应管50N024换可以吗?-ZOL问答
不可以必须与原型号一样如果电流够可以按常理来说,是不可以,但具体能不能换得看这两个MOS管的参数以及此MOS管在电路中所起的作用。简单的方法...
内存单通道与双通道是什么意思-Lucky酒窝姑娘的回答-懂得
内存单通道就是系统具有一个64位的内存控制器,双通道内存就是系统有2个64位的内存控制器。双通道,就是在北桥芯片级里设计两个内存控制器,这两个内...
电脑内存显卡的多少G和GB的意思是什么?
多少K...没有区别。GB=Gigabyte,千兆字节,电脑的一种存储单位,1GB=1024MB,1TB=1024GB。生活中,我们都习惯省略GB的B。显卡的G,也可以说是显存,也被叫做帧缓存...
内存单通道与双通道是什么意思-lwwan88的回答-懂得
单通道只有一个内存控制器,双通道有两个内存控制器,效率更高这是主板的技术不是内存的双通道,看字面意思就是两个通道,而且是相互紧密联系的两条内...
求一份厦华遥控器代码型号配对表_住范儿家装官网
如果没反应的话就用摄像头看他发射的红外线是否正常,不正常就是坏了看看电池是否没电什么的,实在不行在保外就去换一个原装的,30块。修可能也要10块...
()A.晶体硅是光导纤维、芯片的主要成分B.电离程度(同温度...
[最佳回答]A、晶体硅是可以做半导体材料,是芯片的主要成分,二氧化硅是制造光导纤维的主要材料,故A错误;B、同温度同浓度的弱酸中,酸性越强,电离程度越大,所以H...
dct系数矩阵具有的特性?
可用于数字图像处理的比较好的定点DSP芯片有德州仪器公司新一代高性能定点DSP芯片TMS320C6200系列。它具有VLIW(VeryLongInstructionWord)结构,由8个可并.....
扫一扫微信交流