《全球芯片告急,深圳“芯”事如何?》

  • 来源专题:光电情报网信息监测服务平台
  • 编译者: husisi
  • 发布时间:2021-01-22
  • 全球芯片告急,车企巨头纷纷减产,缺“芯”困局引起高度关注。深圳,作为全国最大的集成电路(IC)设计基地,“芯”事如何?

    年销售额1300亿芯片设计“一超四强”

    “不仅仅是汽车芯片缺,在整个IC行业,都没有闲置的产能。”南方科技大学深港微电子学院、国家示范性微电子学院副院长周生明告诉本报记者。

    可喜的是,深圳车企比亚迪并未受到冲击。比亚迪早前在接受相关媒体采访时表示,“比亚迪在芯片和电池方面已有完整的产业链,目前可完全保障自供,还有部分余量可以进行市场化运作。”据悉,2002年,比亚迪已进入半导体领域,目前其自主研发制造的车规级MCU芯片,已累计装车超500万颗。

    “深圳集成电路设计产业在国内一直居龙头地位。”深圳市半导体行业协会秘书长常军锋在接受本报记者采访时说。

    数据显示,深圳集成电路设计业产业规模连续九年位居全国城市首位,2019年销售额达1098.7亿元,首次突破千亿大关,2020年销售额达1300亿元,保持稳健增长。

    目前,深圳设计业仍然保持“一超四强”的格局:海思半导体已成为全国最大的IC设计企业;中兴微电子、汇顶科技、比亚迪微电子和敦泰科技等四家企业的销售收入均超过了20亿元。形成了具有相当规模的IC设计与应用企业聚集基地,构建了5G、通信、物联网、显示驱动与触控、汽车电子、人工智能等IC设计与应用优势产业链。

    设计强制造弱产业发展不均衡

    尽管IC设计业一直领跑全国,但业内专家却对整体行业的发展感到隐忧。

    中国半导体行业协会副理事长、清华大学微电子研究所魏少军教授在2020年中国(深圳)集成电路峰会上就曾指出:“如果把海思拿掉,深圳设计业的发展就不值得那么多庆贺。因此,未来若干年当中设计业特别是深圳设计的发展也需要重新思考和重新定位。深圳发展具有得天独厚的优势,但是也存在设计很强、制造很弱的情况。”

    与深圳集成电路设计业领跑全国形成鲜明反差,制造业规模小、发展速度缓慢。据深圳市半导体行业协会提供的资料,目前深圳集成电路制造企业仅有中芯国际深圳分公司、方正微电子以及深爱半导体三家,技术水平也处于相对低端的状态。深圳现已建成投产的只有6条生产线,最大晶圆尺寸为8英寸,工艺水平还停留在大于90纳米。

    “如果不补强深圳在制造领域的短板,会严重影响深圳IC设计业的进一步发展,从而影响深圳整个集成电路产业的发展。”深圳市半导体行业协会秘书长常军锋对记者说,深圳虽在设计方面领先,但在关键的芯片制造、封装测试领域,以及设备和材料方面缺乏竞争力,整个产业链发展极度不均衡。“现在全国都在积极发展集成电路产业,深圳的龙头地位受到极大的挑战。”

    制造业是核心人才是关键

    如何改变目前深圳IC产业“设计很强、制造很弱”,

    产业发展极度不平衡的现状?

    制造业是核心,尤其是高端制造业。

    深圳市半导体行业协会秘书长常军锋认为,“深圳应借助粤港澳大湾区发展政策,持续加大企业创新资源投入,营造更为友好的创新和营商环境,吸引高端制造企业在深落户,以补足产业短板。”

    “人才是关键”,常军锋说,“放眼整个行业,一是深圳乃至全国集成电路的人才缺口巨大;二是深圳的高生活成本影响深圳对人才吸引力。”

    深圳每年对集成电路人才的需求总量超过3000人,而深圳现有能够培养集成电路人才的8所院校人才供给量每年不足1000人。集成电路人才的争夺已经成白热化的状态。

    常军锋建议,积极出台全面的集成电路人才专项政策,结合深圳实际的生活水平,把深圳生活的“高成本”因素影响降到最低。在“引人、留人”方面,要全面覆盖高、中、低三个人才层次,确保人才队伍的阶梯式可持续发展。

相关报告
  • 《全球现芯片人才荒》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2022-01-05
    • 据华尔街日报报道,世界上最大的芯片制造商正在争取工人为他们在世界各地建造的价值超过10亿美元的设施配备人员,以解决半导体短缺的问题。 多年来,合格工人供应的减少一直困扰着半导体高管。据行业官员称,现在这种担忧因全球劳动力短缺、大流行引发的对所有数字化事物的需求以及政府之间加强本地芯片制造能力的竞赛而加剧。 许多行业都面临劳动力短缺的问题。 虽然芯片制造商的优势在于他们的流程是自动化程度最高的,但他们设施中使用的高科技设备仍然需要熟练的员工来操作。现在发生的扩张规模正在创造对人员的特殊需求,通常是在利基领域。 “我们绝对处于人才争夺战中,”ASML执行副总裁JimKoonmen说。 新的芯片制造设施,被称为制造工厂或“晶圆厂”,需要数千名受过大学教育的工程师才能运作。技术人员监督和管理制造过程,而研究人员则帮助创新新型芯片及其制造方法。 “整个半导体行业,需要培养的技能从建筑行业到支持我们工厂建设的任何地方,一直到最先进的研究人员,”英特尔公司执行副总裁AnnKelleher之前负责监督公司的制造业务,他在最近的国会听证会上说。 英特尔已承诺未来几年在美国和欧洲的芯片工厂投资超过1000亿美元。台湾半导体制造有限公司,三星电子有限公司和其他人也有很大的扩张计划。 根据人才管理公司Eightfold.ai的一份报告,仅在美国,到2025年就必须从2020年的水平增加约70,000至90,000名工人,以满足预期晶圆厂扩张的最关键劳动力需求。根据这项研究,一些国会议员敦促更雄心勃勃地扩张,使美国独立于外国供应,这将使这一数字增加到300,000名工人。 根据104JobBank的数据,在全球芯片制造巨头所在地台湾,招聘缺口处于六年多来的最高水平。招聘平台8月份的一份报告估计,半导体工人的平均每月缺口约为27,700名员工,比上年增长44%。报告称,芯片制造业的月平均工资升至十多年来的最高水平。 “人才短缺问题变得更加严重,主要是因为需求增加,”台湾顶尖工程项目之一的国立台湾大学电机工程与计算机科学学院院长张耀文说。“我对我们能完全解决这个问题并不乐观。” ASML的Koonmen先生表示,在未来一段时间内,这家荷兰公司的员工需求预计将每年增加10%或更多,以满足全球新芯片工厂激增所推动的对其工具的蓬勃发展的需求。 Koonmen先生说,为了吸引员工,“我们正在多个方面加强我们的竞争”,包括加强其招聘功能。他说,公司正在调整对合适人才的寻找,并加深与大学的联系,以培养毕业生。公司需要具备从光学到软件技能再到电气工程技能的人才。 格芯公司首席财务官大卫·里德(DavidReeder)表示:“在我看来,美国劳动力市场对我们来说可能是最具竞争力的劳动力市场。”他补充说,几年内它可能会保持紧张的市场。 罗彻斯特理工学院教授SantoshKurinec表示,近年来,大学毕业生对芯片制造的兴趣减弱,这加剧了这种担忧,因为许多人更愿意在软件或互联网服务领域找到工作,并且不愿攻读博士学位,而没有可观的薪水。 他进一步指出,该校半导体设计与制造本科微电子电气工程专业的学生人数一直在稳步减少,从1980年代中期的约50人降至现在的约10人。“有些人想为谷歌、Facebook和其他人制作应用程序,”他接着说。 在台湾,随着半导体变得越来越复杂,缺乏高技能工程师可能会破坏保持在先进技术前沿的努力。行业协会SEMI全球首席营销官兼台湾分会主席TerryTsao表示:“我们需要更多的博士学位,他们也参与半导体行业的下一代。” 在急于吸引人才的过程中,政府可能会发挥关键作用。由于美国毕业生人数减少,而研究生招生已转向外国学生,美国的芯片公司已游说立法者允许他们从海外招聘。 今年5月,台湾通过了一项促进半导体等高科技领域创新和教育的法律,导致几所台湾大学与台积电等公司合作开设专门的半导体学院。 “我相信产学合作可以为台湾半导体产业的未来10年奠定基础,并希望吸引外国专家并增加人才流动,”台积电董事长MarkLiu在12月台北科技论坛上表示。 作为推动芯片和人工智能等先进技术自给自足的一部分,中国大陆开设了专门的半导体研究学校和培训中心。截至12月,中国已有12所大学建立了专注于芯片的学院,其中包括中国最负盛名的大学,北京大学和清华大学。 总部位于北京的技术研究公司EqualOcean的研究经理IvanPlatonov估计,由于对芯片行业的投资增加,中国的半导体劳动力在过去五年中几乎翻了一番。然而,他说,该国在2020年短缺约250,000名工程师。
  • 《盘点2019年全球十大AI芯片》

    • 来源专题:集成电路
    • 编译者:shenxiang
    • 发布时间:2019-12-25
    • 人工智能 浪潮的推动下,AI相关产业的商用场景正逐步大规模落地,基于AI技术的三大支柱:“算法+大数据+计算能力”智能应用已成为计算机最主要的负载之一。我国在用户数据方面拥有数量的先天优势,但面对有限的规模、结构固定、能耗受限的硬件制约下,如何用AI芯片处理海量的并不断演进的深度学习算法呢?跟随OFweek编辑一起来看看各大科技巨头们研发的AI芯片吧。(排名按首字母顺序排列) 1.含光800 2019年的杭州云栖大会上,达摩院院长张建锋现场展示了这款全球最强的 AI芯片——含光800。在业界标准的 ResNet-50 测试中,含光 800 推理性能达到 78563 IPS,比目前业界最好的 AI 芯片性能高 4 倍;能效比500 IPS/W,一个含光800的算力相当于10个GPU。 目前,含光800已经实现了大规模应用于阿里巴巴集团内多个场景,例如视频图像识别/分类/搜索、城市大脑等,未来还可应用于医疗影像、自动驾驶等领域。以杭州城市大脑实时处理1000路视频为例,过去使用GPU需要40块,延时为300ms,单路视频功耗2.8W;使用含光800仅需4块,延时150ms,单路视频功耗1W。 2.Graphcore IPU 总部位于英国布里斯托的Graphcore公司日前推出了一款称为智能处理单元(IPU)的新型AI加速处理器。芯片本身,即IPU处理器,是迄今为止最复杂的处理器芯片:它在一个16纳米芯片上有几乎240亿个晶体管,每个芯片提供125 teraFLOPS运算能力。一个标准4U机箱中可插入8张卡,卡间通过IPU链路互连。8张卡中的IPU可以作为一个处理器元件工作,提供两个petaFLOPS的运算能力。与芯片在CPU和GPU中的存在形式不同,它为机器智能提供了更高效的处理平台。 Graphcore公司于2016年启动风险投资计划,并在2018年12月的最后一轮融资中募集了2亿美元。基于其17亿美元的公司估值,Graphcore已成为西方半导体界的唯一“独角兽”。它的投资者们包括戴尔、博世、宝马、微软和三星。 3.Inferentia芯片 2019年,亚马逊的云服务业务AWS在其发布会AWS re:Invent上带来了高性能机器学习加速芯片Inferentia。据了解,AWS Inferentia 是一个由 AWS 定制设计的机器学习推理芯片,旨在以极低成本交付高吞吐量、低延迟推理性能。该芯片将支持 TensorFlow、Apache MXNet 和 PyTorch 深度学习框架以及使用 ONNX 格式的模型。 每个 AWS Inferentia 芯片都能在低功率下支持高达 128 TOPS(每秒数万亿次运行)的性能,从而为每个 EC2 实例启用多个芯片。AWS Inferentia 支持 FP16、BF16 和 INT8 数据类型。此外,Inferentia 可以采用 32 位训练模型,并使用 BFloat16 以 16 位模型的速度运行该模型。与EC4上的常规Nvidia G4实例相比,借助Inferentia,AWS可提供更低的延迟和三倍的吞吐量,且每次推理成本降低40%。 4.昆仑芯片 2019年尾声,百度宣布首款AI芯片昆仑已经完成研发,将由三星代工生产。该芯片使用的是三星14nm工艺技术,封装解决方案采用的是I-Cube TM。 据悉,昆仑AI芯片提供512Gbps的内存带宽,在150瓦的功率下实现260TOPS的处理能力,能支持语音,图像,NLP等不同的算法模型,其中ERNIE模型的性能是T4GPU的三倍以上,兼容百度飞桨等主流深度学习框架。该款芯片主要用于云计算和边缘计算,预计在2020年初实现量产, 5.Nervana NNP 芯片 2019 英特尔人工智能峰会,英特尔推出面向训练 (NNP-T1000) 和面向推理 (NNP-I1000) 的英特尔 Nervana 神经网络处理器 (NNP)。据了解,Nervana NNP-T 代号 Spring Crest,采用了台积电的 16nm FF+ 制程工艺,拥有 270 亿个晶体管,硅片面积 680 平方毫米,能够支持 TensorFlow、PaddlePaddle、PYTORCH 训练框架,也支持 C++ 深度学习软件库和编译器 nGraph。 Nervana NNP-I,代号为 Spring Hill,是一款专门用于大型数据中心的推理芯片。这款芯片是基于 10nm 技术和 Ice Lake 内核打造的,打造地点是以色列的 Haifa ,Intel 号称它能够利用最小的能量来处理高负载的工作,它在 ResNet50 的效率可达 4.8TOPs/W,功率范围在 10W 到 50W 之间。 6.Orin芯片 2019年NVIDIA GTC中国大会中英伟达发布了全新的软件定义自动驾驶平台——NVIDIA DRIVE AGX Orin,该平台内置全新Orin系统级芯片,由170亿个晶体管组成。 Orin系统级芯片集成了NVIDIA新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和 计算机视觉 加速器,每秒可运行200万亿次计算,几乎是NVIDIA上一代Xavier系统级芯片性能的7倍。此外,Orin可处理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络,并且达到了ISO 26262 ASIL-D等系统安全标准。 7.邃思DTU 由腾讯领投、融资累计超过 6 亿元的 AI 芯片公司燧原科技,在2019年发布会中推出自主研发的首款 AI 训练芯片“邃思 DTU”。 据了解邃思DTU采用格罗方德12nm FinFET工艺,480平方毫米主芯片上承载141亿个晶体管,实现2.5D高级立体封装,据称单卡单精度算力为业界第一,达20TFLOPS,首次支持混合精度,半精度及混合精度下算力达80TFLOPS,最大功耗仅225W。 邃思芯片基于可重构芯片的设计理念,其计算核心包含 32 个通用可扩展神经元处理器(SIP),每 8 个 SIP 组合成 4 个可扩展智能计算群(SIC)。SIC 之间通过 HBM 实现高速互联,通过片上调度算法,数据在迁移中完成计算,实现了 SIP 利用率最大化。 8.思元220芯片 寒武纪在第21届高交会正式发布边缘AI系列产品思元220(MLU220)芯片及M.2加速卡产品,标志寒武纪在云、边、端实现了全方位、立体式的覆盖。 思元220芯片采用了寒武纪在处理器架构领域的一系列创新性技术,其架构为寒武纪最新一代智能处理器MLUv02,实现最大32TOPS(INT4)算力,而功耗仅10W,可提供16/8/4位可配置的定点运算。作为通用处理器,支持各类深度学习技术,支持多模态智能处理(视觉、语音和 自然语言处理 ),应用领域广泛,客户可以根据实际应用灵活的选择运算类型来获得卓越的人工智能推理性能。 9.昇腾910 2019年8月,华为在深圳总部发布AI处理器Ascend 910(昇腾910),据华为发布的参数显示,昇腾910是一款具有超高算力的AI处理器,其最大功耗为310W,华为自研的达芬奇架构大大提升了其能效比。八位整数精度(INT8)下的性能达到512TOPS,16位浮点数(FP16)下的性能达到256 TFLOPS。 作为一款高集成度的片上系统(SoC),除了基于达芬奇架构的AI核外,昇腾910还集成了多个CPU、DVPP和任务调度器(Task Scheduler),因而具有自我管理能力,可以充分发挥其高算力的优势。 昇腾910集成了HCCS、PCIe 4.0和RoCE v2接口,为构建横向扩展(Scale Out)和纵向扩展(Scale Up)系统提供了灵活高效的方法。HCCS是华为自研的高速互联接口,片内RoCE可用于节点间直接互联。最新的PCIe 4.0的吞吐量比上一代提升一倍。 10.征程二代 2019世界 人工智能大会 中,人工智能芯片初创公司地平线正式宣布量产中国首款车规级人工智能芯片——征程二代,并且获得五个国家市场客户的前装定点项目。 据介绍,征程二代于今年初流片成功,搭载地平线自主创新研发的高性能计算架构BPU2.0(Brain Processing Unit),可提供超过4TOPS的等效算力,典型功耗仅2瓦,满足AEC-Q100标准,算力利用率超过90%,每TOPS算力可以处理的帧数可达同等算力GPU的10倍以上,识别精度超过99%,延迟少于100毫秒,多任务模式下可以同时跑超过60个分类任务,每秒钟识别目标数可以超过2000个。 此次地平线率先推出首款车规级AI芯片不仅实现了中国车规级AI芯片量产零的突破,也补齐了国内自动驾驶产业生态建设的关键环节。 小结 目前通过CPU/GPU处理人工神经网络效率低下,谷歌大脑需要1.6万个CPU核跑数天方能完成猫脸识别训练;AIpha GO与李世石下棋时用了1000个CPU和200个GPU,AI芯片的发展是第三次AI浪潮中极为明显的趋势,算法已渗透到云服务器和智能手机的方方面面,未来每台计算机可能都需要一个专门的深度学习处理器。