《2019物联网芯片赋能产业亚洲峰会》

  • 来源专题:集成电路
  • 编译者: shenxiang
  • 发布时间:2019-10-21
  • 近日,2019 物联网 芯片赋能产业亚洲峰会(峰会)在萝岗会议中心盛大召开,本次峰会由广芯微电子(广州)股份有限公司主办,粤芯半导体、广州开发区投资集团、穗开投资、智光电气、ZETA联盟、广州市半导体协会、纵行科技、广东铁塔、日邮物流(中国)、中移物联网有限公司协办。峰会吸引了广州市国际投资促进局中心、广州高新兴、科学城投资集团、建智控股、中国科学院微电子所、广州奥松电子、促进企业投资协会、广州昂宝电子有限公司、穗开物流、Techsor、Amkor、日本软银、日本凸版、东京大学、日邮物流(中国)、野村综合研究所、广东铁塔、纵行科技、中移物联网、安吉智能、中集物流、中国京东等国内外近100家集成电路、电信运营商、物联网、物流行业的知名企业参加,约200位专家和行业资深人士汇聚一堂,共同探讨跨产业赋能,创新发展的主题。

    大会开始,黄埔区工业和信息化局总工雷敏为峰会开场致辞,围绕如何把推进粤港澳大湾区建设作为牵引带动全区工作的“纲”,实施“湾区+”的战略做了重要的讲话,雷敏表示,这次峰会可以加速推动物联网芯片和产品在广州传统产业的应用,特别是拉动现代物流、工业制造、绿色农业、健康医疗、智慧物业等传统行业进一步转型和升级,对带动区内企业间的高效合作,实现广州开发区更高标准创新、更高水平开放、更高质量发展,起到积极的作用。

    粤港澳大湾区半导体产业联盟创会理事长及广州市半导体协会会长陈卫先生从自主知识产权方面对ZETA技术给予高度的评价,并对ZETA联盟提出期望,希望更多的联盟成员落户广州开发区,加速粤港澳大湾区的建设。

    在高峰论坛上,来自中移物联网有限公司、ARM中国、广东铁塔、日本软银、安吉智能、广芯微电子、日邮物流、东京大学、Amkor Technology、日本凸版、粤芯半导体数位嘉宾进行主题演讲的分享,分别从行业应用、芯片设计、生产制造及产业布局多个角度对物联网行业的发展提出自己的观点

    在最后的圆桌论坛上,ZETA中国联盟嘉宾代表和ZETA日本联盟的嘉宾代表就“ZETA技术赋能物流产业的前景”主题展开热烈的讨论,各位专家在传统行业信息化的动力,芯片和 物联网技术 在传统行业落地的困难,ZETA技术比较适合的传统行业和场景等核心问题发表各自的看方,嘉宾们非常关注ZETA联盟在物联网产业中的作用,并对联盟的发展充满信心。

    ZETA技术是中国原创的低功耗远距离通信技术标准,是一种面向行业应用的领先通信技术,在低功耗领域可以作为5G的补充,得到中国铁塔的大力支持。广芯微针对ZETA的技术特点,结合集成电路行业最先进的低功耗和高可靠技术定制开发了专用芯片,其相关产品适合快递包裹、物流货品、物流容器跟踪,装配式建筑管理,资产盘点,市政设备监控,特殊物品状态监测,低成本、大范围数据采集等多种应用,可以及时有效地采集物品的状态信息并提供给云端,促进万物智联的发展。

相关报告
  • 《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。
  • 《美国芯片法案 VS 欧洲芯片法案》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2023-05-12
    •     过去几年,半导体行业以一种非常艰难的方式向世界展示了其重要性。之前,美国和欧盟各自都没有足够的产能,这让他们的半导体行业极具脆弱性和依赖性。     鉴于疫情期间涌现的对半导体的大量需求,美国推出了《芯片和科学法案》。该法案的初衷是旨在刺激对其国内半导体制造能力的投资,加强供应链和国家安全。     2022年8月初,美国总统拜登签署生效了该法案,提供527亿美元用于刺激美国半导体研发、制造和人力发展。该法案的目标是提高美国国内半导体制造水平,并最终减少对亚洲生产的依赖。目前,该法案已经产生了实质的影响。     SIA在一份报告中指出,自2020年5月以来,美国各地已宣布了40多个新的半导体生态系统项目,包括新的晶圆厂、现有工厂的扩建,以及为半导体行业供应和生产材料和设备的设施建设项目。     这些项目分布在美国的16个州,私有投资价值总共近2000亿美元,同时也将创造约40000个新的高质量工作岗位。 此外,材料、化学品和设备的供应商也在对晶圆厂建设的增加进行应对。提供晶圆、高纯度化学品、半导体制造设备和特种气体的企业也宣布了一些投资设施的计划,如ASML、Hemlock Semiconductor、SK Siltron CSS、EMD         Electronics、Edwards Vacuum和Globalwafer等公司,以支持不断增长的美国国内制造能力。总的来说,这些官宣了的项目在未来10年的价值达90亿美元,将带来4971个新的工作岗位。     欧盟的对等法案也于2022年初推出,但直到现在,它才获得欧盟各机构的批准。2023年4月, 欧洲 理事会和欧洲议会就加强欧洲半导体生态系统达成了一项临时政治协议,即众所周知的《欧盟 芯片法案 》。     《欧盟芯片法案》预计将为发展欧洲工业基地创造条件,到2030年,该基地可以使欧盟在半导体领域的全球市场份额翻番,从10%达到至少20%。然而,这个数字一直存在争议。     表面来看,这两个法案似乎大同小异。他们都有类似的目标,旨在为各自的地区创造更好的基础,并将提供差不多的资助资金。在某种程度上,它们的主要区别似乎只是语义和措辞。但如果往深了看则不然。     针锋相对,目标相似,预算不同     提高供应链弹性,以及从国家安全角度防范中国的发展,是美国芯片法案的两个主要目标。而《欧盟芯片法案》在寻求加强其供应链弹性的同时,还要维护欧洲主权和战略的独立性。不久前,德国工业联合会(BDI)发布了一份报告,直接比较了欧盟和美国芯片法案的不同关键要素,那这两项法案是如何一争高低的呢?     先从资金方面来看,这两项法案似乎确实具有可比性。美国《芯片和科学法案》为半导体行业提供了527亿美元资金,而欧盟将调动430亿欧元资金。“调动”是一个关键词。欧盟没有通过《芯片法案》来提供额外的“新资金”,因为这笔资金将部分来自现有的欧盟资助计划。     还值得一提的是,美国芯片法案中的527亿美元将严格用于半导体制造、研发和人力发展。另据麦肯锡公司指出,另外还有240亿美元的税收抵免可用于芯片生产。     美国和欧盟想要通过芯片方案实现的目标都类似——在产能方面,实现市场份额基本上翻一番。然而,他们在为实现这一目标提供的资金方面却存在巨大差异。     此外,与欧盟芯片法案不同的是,美国芯片法案提供税收优惠,以鼓励投资和制造业。在美国,对半导体生产设备和设施的投资将有可能获得25%的税收抵免。     更广泛的资金来源     与主要为“一流设施”项目提供资金的《欧盟芯片法案》不同,《美国芯片法案》没有这样的限制。《美国芯片法案》通常更多的是补贴晶圆厂的建设、现代化和扩张。正如BDI所指出的,欧洲将对第二、第三和第四类设施提供财政支持,而其它领域的投资将只能来自公司,这将降低欧洲的吸引力和竞争力。     除此之外,美国《芯片和科学法案》为“成熟半导体”特别提供了20亿美元的预算,而欧洲则没有为成熟半导体提供特别的财政支持。事实上,这正是欧洲所缺乏的。     BIS在其研究报告中指出:“目前,67%的欧洲半导体行业需要大于90nm的半导体,对22nm至65nm尺寸的半导体需求为21%,22nm至7nm尺寸的需求为7%,对小于7nm的半导体的需求仅为5%。”     人才     《美国芯片法案》也向“美国芯片人力和教育基金”拨款了2亿美元。这笔钱是为了解决半导体行业持续缺乏熟练工人的问题。     而《欧盟芯片法案》指出,它将解决熟练人才短缺的问题,还要吸引新人才,并支持熟练人才的培养,但没有明确的资金支持框架。     具有附加条件的补贴     美国芯片法案非常明确,任何依据该法案获得资金或使用税收抵免的公司都必须同意在10年内不扩大在中国大陆或任何其他“受关注国家”的半导体制造。如果出现违规行为,公司有义务偿还已经获得的补贴。相比之下,欧盟芯片法案并不要求寻求资金补贴的公司做出此类承诺。然而,在发生经济危机时,可能还是需要出口许可证。     总之,直接比较这两个法案不太容易,即使它们的目标相似,但它们的资金水平和涉及的范围都大为不同。每一个法案的成功都将取决于其吸引投资、促进创新和创建能够满足未来需求的可持续半导体产业的能力。     然而,可以肯定的是,《欧盟芯片法案》和《美国芯片法案》之间最关键的区别在于资金。如前所述,这两个法案具有相似的目标,美国的目标是取得全球芯片产能的30%份额,欧盟设定的目标则是20%,使两个地区目前产能的市场份额翻番。然而,美国是通过提供新的资金来实现其目标,而《欧盟芯片法案》中的资金主要来自现有的欧盟资助计划(如IPCEI II)、成员国的资金和企业的可能投资。在欧盟计划调动的430亿欧元中,只有33亿欧元来自欧盟预算。