【机遇】AIGC催动异构集成浪潮,为本土产业带来历史性机遇；华为回应AITO问界成立销服联合工作组；

1.AIGC催动异构集成浪潮，为本土产业带来历史性机遇；

2.华为回应AITO问界成立销服联合工作组：旨在提升客户服务体验；

3.国科大校长泪忆“龙芯之母”黄令仪：匍匐在地擦干祖国身上的耻辱；

4.一周融资（6.26-7.2）：元芯半导体、长飞先进、韫茂科技等获新一轮融资；

5.五部门发布《制造业可靠性提升实施意见》，聚焦车规级汽车芯片；

1.AIGC催动异构集成浪潮，为本土产业带来历史性机遇；

集微网消息，以“智联世界生成未来”为主题的2023世界人工智能大会，即将在本周（7月6日）拉开帷幕。

从今年的大会主题不难看出，生成式人工智能（AIGC），正是当下人工智能学术界、产业界的最大热点，可以想见，大会期间，各家厂商的自研大模型将上演一场名副其实的“百模大战”。

回顾AIGC走红的过程，2018年谷歌发布Transformer模型无疑是一个关键里程碑。由于舍弃了NLP领域自回归计算范式的LSTM/GRU传统算法，从CV领域借用已较为成熟的注意力机制，以位置信息取代时序信息，Transformer得以充分利用GPU等SIMD架构处理器硬件的并行处理能力，实现了令人惊艳的工程效果，并使大型语言模型（LLM）成为其后迅速走向主流的研究路径，工程实践与能力涌现的良性循环，最终为ChatGPT、Midjourney等产品的现象级传播奠定了基础。

当下这场无人甘于错失的AI淘金热中，大算力AI芯片，顺理成章成为衡量各家AIGC业务能力的最重要标尺之一，得到了空前关注。不过在公众舆论场中，这一极具解析价值的议题似乎被简单粗暴地等同于“囤积了多少块英伟达A100/H100”。

有鉴于此，集微网特意对国内外开发大算力AI芯片的科技公司概况进行了整理，以期为读者提供一幅AI“大芯片”全景图谱。

01 通用还是定制，AI芯片体系结构“天问”

1991年，当黄仁勋还未创立英伟达之时，深度学习“三巨头”之一的杨立昆（Yann LeCun），就已经在贝尔实验室开发了卷积神经网络专用训练芯片ANNA，初步验证了为AI训练、推理任务开发的领域专用架构在算力、能效上的优越性。

2015年前后，在AlexNet、AlphaGO的震撼下，大批企业涌入AI芯片市场，掀起了这一细分赛道的第一波创投热潮。

作为AI芯片中最为高端的品类之一，面向数据中心市场的AI大算力芯片也吸引了众多新老玩家。集微网所梳理的主要厂商，彼时普遍押注于两大技术路线，即英伟达为代表的GPGPU路线，和谷歌TPU为代表的定制ASIC路线。

数年后的今天，英伟达GPGPU无疑依然占据着市场主导地位。

根据集微咨询（JW Insights）统计，AI类芯片在2022年352亿美元的市场规模中，GPGPU占比接近60%，TrendForce则预测，2023年AI服务器（包含搭载GPU、FPGA、ASIC定制芯片）出货量近120万台，其中英伟达GPU市占率约60-70%，云计算巨头自研AI芯片占比约20%。

在英伟达高端产品一卡难求的同时，不少曾经的AI芯片独角兽则已悄然退场，连续收购Habana、Nervana、Movidius等AI芯片明星创企的英特尔，近期也传出加速计算产品线被大幅削减的消息。

定制大算力AI芯片的“骨感”现实，一方面源于AI模型、算法、用例本身极为快速的迭代，使针对特定模型的硬件优化往往面临问世即过时的可能，通用芯片与软件优化的组合有其内在合理性，并且谷歌及一众初创企业实践的ASIC路线依靠乘加器脉动阵列来训练神经网络，往往面临流水线头尾开销大，计算资源利用率不足的问题。

更重要的是，对需求端的AI开发者而言，英伟达不仅意味着一个加速卡硬件品牌，更是完整AI开发平台的代名词。从杨立昆、辛顿（Geoffrey Hinton）等人的开创性工作开始，英伟达CUDA并行计算框架，已经成为事实上的AI学术界、工业界通用标准，在AI开发者社区形成了明显的网络效应，恰如英特尔在CPU领域的统治力来源于IBM PC机所培育的终端用户生态。

当然，ASIC路线暴露出的不足，也刺激了进一步的技术、架构探索，自FPGA起源的可重构计算，近年来又向由数据流驱动的空间计算（Spatial computing）演进，涌现出Tenstorrent、特斯拉、Cerebras等新秀。

AIGC空前热潮下，英伟达之外的新老玩家在大算力AI芯片领域技术与产品布局正在加速。

以全球三大云计算厂商为例，亚马逊近期主动对外表态，对AMD为数据中心AI负载开发的新一代MI300 APU表示了明确兴趣；全球第二大厂微软，也在近期被曝出代号Athena的自研AI芯片项目，据称已有部分样品供微软和OpenAI员工试用，第三朵“大云”谷歌，刚刚公开了TPUv4号称“登月工程”的Pods架构设计。

定制大算力AI芯片，缘何“风云再起”？

02 旧瓶新酒，定制AI芯片拥抱Chiplet

要理解供给端的技术与产品潮流变化，首先应当在需求端寻找线索。

生成式人工智能的基本特征之一，无疑是对计算、存储、IO带宽能力堪称永无止境的需求。

为了命中市场需求新的“甜蜜点”，各大厂商也展开了堪称八仙过海的多元探索，而这样的探索，显然不会是上一轮AI芯片竞争的简单重复。

在英伟达、谷歌等厂商致力于挖掘集群Pod\Rack层面系统工程潜力的同时，更多AI芯片开发者在性能“军备竞赛”中，将目光投向了Chiplet（芯粒）工程方法，将之作为构建大规模、可扩展、高能效异构算力集群的基石，为了满足AI云端训练、推理任务对计算性能和内存带宽的需求，CPU/GPU/FPGA/ASIC通过Chiplet实现异构集成的实践已不断涌现。

如老牌巨头AMD推出的MI300系列APU，集成晶体管数量近1500亿颗，通过三种Chiplet芯粒（Base layer、GPU GCDS、CPU CCDs）与不同规格HBM灵活搭配，可以形成丰富的产品组合，覆盖客户差异化需求，研发成本和量产成本都极具优势。

再如近期被诸多巨头追捧的AI大芯片初创企业Tenstorrent，就明确以Chiplet作为产品迭代方向，并已经与LG电子达成具体产品合作意向。

大体而言，业界当前对Chiplet的技术与商业价值已形成广泛共识。

在计算性能上，芯粒的立体堆叠能够突破光刻掩膜尺寸极限，大幅提高集成晶体管密度并降低数据传输资源开销，不同体系结构的计算核可灵活组合，形成高内聚、低耦合、可配置、可伸缩的“超级芯片”，适应各类AIGC算法优化需求，实现从System on Chip到System of Chips的转变，在算力集群的系统层面继续推进摩尔定律。而在商业上，Chiplet更有望大幅减少开发量产成本及周期，进一步降低AI算力硬件开发、制造门槛。

此外，如果说海外用户还可以坐观各家差异化方案成败，那么在中国这一全球最二大AI支出市场，大算力AI芯片“另辟蹊径”，更可以说是“Must be”的紧迫要求。未来海外高端GPU/APU即便还可继续“特供”，在互连带宽等关键参数限制下，也将实质性失去处理更大规模模型的能力。

从产业视角看，Die-to-Die（D2D）互连，则堪称Chiplet走向商业应用的最关键环节，同样已成为Chiplet产业链创新创业的热点。

Tenstorrent公司CEO、芯片设计大师Jim Keller就曾谈到，当前Chiplet加速成熟，一个重要因素就是封装技术已能够提供较为理想的D2D信号链路，满足芯粒互连的带宽、功耗需求。

在这一产业环节，除了传统互连IP供应商延申拓展其布局，目前国内外也已涌现出Blue Cheetah、奇异摩尔（Kiwimoore）、Eliyan等新锐厂商，并呈现出十分旺盛的创新活力。

国内代表性厂商奇异摩尔成立于2021年初，是全球首批基于 Chiplet 架构，提供“通用互联芯粒产品及系统级解决方案”的公司。核心产品涵盖高速互联IO Die、高性能互联底座Base Die两类芯粒，以及一系列 Die2Die IP 和 Chiplet 软件设计平台等全链路软硬件产品。公司面向由 AIGC 驱动的数据中心、自动驾驶、个人计算平台等高性能计算市场，通过提供以互联芯粒为核心的 chiplet 系统级解决方案，助力客户更快、更容易的做出复杂高算力芯片。

Blue Cheetah，则是海外目前风头最盛的D2D互连技术供应商之一，在BOW和UCIe联盟均十分活跃，其BlueLynx D2D互连IP已经在多代工艺节点完成硅验证，并已经被DreamBig、Apex等企业应用于其数据中心网络芯片产品。

某种意义上看，这些企业在新赛道上的竞争，也将会决定其所在区域Chiplet产业生态的发展水平。

03 Chiplet，大规模异构算力集群基石

新一代人工智能技术中，无论是NLP领域的大模型（LLM\DM），还是搜广推领域兴起的DLRM模型，各种更新换代的AI工作负载已经明显超出单卡存、算极限，因此在单个芯片规格不断进步的同时，也势必需要由大量异构计算核心组合成算力集群进行处理，以高效完成AI模型训练、推理、迭代等各类生产流程。

AIGC对硬件算力越来越高的要求，使用户日益关注作为一个整体的计算集群能效、费效表现，由大量异构计算核心组成的算力集群，无疑已成为AIGC产业的重要竞争维度。

正如上文所述，AIGC模型参数、数据集的超大规模，使得批处理过程中数据吞吐量极高，为了提升访存带宽，片内封装HBM几乎成为所有AI大算力芯片的必选项，而Tenstorrent等新锐企业的空间计算范式创新，同样内嵌着异构众核的先进封装需求，正因如此，Chiplet已被广泛视为构建大规模、可扩展、高能效异构算力集群的基石。

有鉴于此，集微网也联系到奇异摩尔这一本土Chiplet产业代表厂商，邀请其分享了来自行业前沿的观察。

奇异摩尔联合创始人兼产品及解决方案副总裁祝俊东表示，当前超大规模计算集群的发展有着三大驱动因素：

第一，从单芯片本身的维度来看，对其性能依然有非常高的要求，各家厂商无不在继续致力于提升单片性能规格，不过传统的SoC方式已经逼近极限，怎样做一颗更大的芯片就成为挑战；

第二，从AI角度着眼，不同类型的AI应用其实对于算子/算力的要求千差万别，既要兼顾在不同情况下的通用性，也要满足适度的专用性，例如对于Transformer的优化；

第三，数据驱动的生成式人工智能，在运用中涉及大量预处理/前处理工作，已不适合纯用GPU处理，需要用到异构计算架构去处理。

算力集群的持续扩展和异构集成，也带来多重技术挑战，互连是其中尤为关键的瓶颈，在祝俊东看来，超大规模异构如果在板卡级或者集群级实现，互连带宽势必会成为瓶颈，尤其是东西向带宽随着节点规模扩大，在总带宽难以提升的情况下，更成为瓶颈，这也是业界推崇在芯片级异构Chiplet的原因所在，片内异构集成在带宽、延时、功耗上能够带来更为优越的表现。

算力投资热潮下，Chiplet产业也已经步入加速普及阶段，根据研究机构Yole预测，狭义口径的Chiplet（2.5D/3D封装芯片）产品，正在迎来出货量与市场规模的跃迁，2023、2024、2024年产品产值预计将分别达到70亿、480亿、990亿美元。

如此惊人的跳跃式增长，既受益于需求端AI/HPC大芯片等热门应用的“拉力”，也有供应端先进制程技术演进带来的“压力”。

半导体行业权威性的IRDS 2022版光刻技术路线图中就明确警告，如果高NA EUV在2025年成功实用化，将导致当前的EUV光刻机最大单次曝光面积进一步缩小一半，掩模尺寸必须更小，因此当高NA设备被引入时，monolithic芯片的“解耦”（disaggregation）几乎不可避免，Chiplet势必将从可选项向必选项转变。

综上所述，Chiplet在数据中心市场的加速渗透普及已经是一个不可逆扭转的趋势 ，各个巨头的中高端产品里已经普遍使用Chiplet工程方法。

04 跨越鸿沟，Chiplet产业生态嬗变

如同二十年前的SoC技术，“小荷才露尖尖角”的Chiplet，产业链仍然处于发育的早期阶段，目前在高端处理器领域的代表性产品，依然多为芯片与系统大厂内部自研。

对于当下想要试水Chiplet的其他芯片开发团队，依然面临着多方面的技术与商业挑战：

第一，在前端设计上原有SoC/ASIC方法学及EDA工具链面临重构，以适应基于D2D互连的Chiplet架构；

第二，Chiplet产品总体性能并不简单等同于芯粒的堆叠规模，需要一套有效的D2D互联架构及算法以实现高带宽、低延时、低功耗，解决物理分离LLC的NUMA（非统一内存访问），更进一步看，D2D互联还需要形成行业标准，以实现不同厂商芯粒的互连互通；

第三，异构乃至异质芯粒封装引入新的约束，后端设计面临热、力、电磁仿真及可测试性的全新挑战；

第四，目前能够提供可靠良率的成熟Chiplet工艺方案依然有限，台积电CoWoS/InFO近乎居于垄断地位，其他拥有先进封装工艺能力的厂商，往往在PDK工艺库与EDA设计工具的结合上依然滞后，导致Chiplet芯片设计与制造能力无法有效对接。

对此，祝俊东也向集微网感言，传统芯片公司对于封装环节工艺细节普遍缺乏掌握，封装厂则需要客户提供其对先进封装工艺的需求，同样不了解相关技术如何在产品中发挥作用，因此产业环节对接还有很大的鸿沟，确实是一个有待解决的挑战。

基于上述原因，对国内外大部分公司而言，想要尽早布局新兴赛道，就必须借助于第三方厂商的服务，而与SoC产业链上的IP/设计服务厂商相比，Chiplet服务商覆盖的产业链条不但更长，其在整合产业生态上的作用也更为关键。

以在北美市场极为活跃的Palo Alto Electron为例，该公司可为客户完成基板和系统设计、CHIPLET设计与验证、原型和PDK开发，结合生态合作伙伴的芯粒库和代工服务，形成了工程服务的“闭环”。

国内企业中，奇异摩尔也是这一新兴产业环节的代表，除了完善的芯粒库，该公司还可提供软件设计平台，可快速完成Chiplet 系统设计、验证、仿真等工作。

国内Chiplet产业发展同样堪称有声有色，在产品层面，华为公司早在2019年前后就已经完成五大基础Chiplet设计，包括CPU-Compute Die、AI-ComputeDie、Compute-lO Die、NIC-IO Die和Wireless-ACC Die，基础Chiplet之间共享公共联接，并遵循共同物理设计规则，可基于不同的Chiplet搭配组合出服务器CPU、AI加速期、Smart-NIC等多种数据中心大芯片产品，而在供应链上，设计服务、代工制造环节本土企业也正在加速崛起，以奇异摩尔为例，该公司目前除了完善的芯粒库、软件设计平台外，还与本土IC供应链巨头润欣科技达成合作，可望进一步形成turnkey式的完整解决方案交付能力。

从英特尔、AMD到PAe、奇异摩尔，大小公司、新老势力的活跃身影，共同勾勒出Chiplet当下在大算力AI芯片领域掀起的变革浪潮，令人犹如置身千禧年之初SoC大兴的年代，对于半导体产业人而言，能够在一场重大“范式转移”的现场亲眼见证，无疑是一种幸运。

正如SoC大潮成就了以高通为代表的众多Fabless企业，深刻改变了全球半导体产业生态，Chiplet的兴起，同样已经预示了大算力芯片市场的重大机遇。

凭借着毫不逊色于海外厂商的本土Chiplet产业生态，在这一宝贵的机遇窗口，大算力AI芯片产业链的自主创新将会涌现更多、更大的突破，也必将更有力支撑我国生成式人工智能全产业链发展。有理由期待，即将开幕的世界人工智能大会，将为我们带来一系列惊喜。

2.华为回应AITO问界成立销服联合工作组：旨在提升客户服务体验；

集微网消息，日前，AITO问界发布“致全体合作伙伴的一封内部信”称，赛力斯与华为共同决定成立“AITO问界销服联合工作组”，自7月1日起全面负责营销、销售、交付、服务、渠道等业务的端到端闭环管理。

《证券时报》报道指出，此举被市场解读为华为正进一步加强对AITO问界的隐形控制。1个月前，华为方面刚受让21个问界商标，此举也被视为华为进一步强化对问界商标的话语权。7月2日下午，华为相关负责人回应，成立工作组与双方话语权无关，整体旨在提升问界客户服务体验，完善渠道服务相关管理。

2023年5月，AITO问界系列交付新车5629辆，环比增长22.7%；5月27日，用时15个月，AITO问界迎来第10万辆整车的下线。（校对/刘沁宇）

3.国科大校长泪忆“龙芯之母”黄令仪：匍匐在地擦干祖国身上的耻辱；

集微网消息，7月1日，中国科学院大学举办2023年度毕业典礼暨学位授予仪式，国科大校长周琪致辞。

人民日报报道，周琪在致辞中回顾了陈家镛院士、刘东生院士、冯康院士、李振声院士等科学家创新为民的感人故事，当谈到不久前去世的微电子所研究员黄令仪老师的事迹时，周琪哭了。

周琪说道：“不久刚刚离开我们的微电子所研究员黄令仪老师，为了尽快解决国家芯片‘卡脖子’问题，年近八十依然坚守在‘龙芯’研发中心。她说，‘我这辈子最大的心愿就是匍匐在地，擦干祖国身上的耻辱。’每次想到这句话，我都泪流满面。”

周琪表示，希望我们国科大的毕业生，能以老一辈优秀科学家为榜样，从经济社会发展和国家安全面临的实际问题中寻找自己的主攻方向，奔着最紧急、最紧迫的问题去，永远不要再让“卡脖子”的那双无形之手遏制我们的发展，永远不要让核心技术的壁垒成为我们强国道路上难以逾越的鸿沟。

黄令仪，女，1936年出生；1958年毕业于华中工学院（今华中理工大学），随后进入清华大学半导体专业深造；1960年学成返校，在母校创办半导体专业和实验室；1962年加入中科院计算所。

澎湃新闻曾指出，作为“龙芯”芯片研发团队项目负责人之一，黄令仪被誉为“龙芯之母”。2020年1月，黄令仪获中国计算机学会女性科技工作者夏培肃奖。

2023年4月20日，黄令仪因病医治无效在北京逝世，享年86岁。（校对/刘沁宇）

4.一周融资（6.26-7.2）：元芯半导体、长飞先进、韫茂科技等获新一轮融资；

集微网消息，超15家企业获新一轮融资，融资规模超55亿元。

长飞先进、开源中国等融资规模较高。

获融资企业来自碳化硅功率半导体、薄膜沉积装备、工业气体等领域。

（校对/姜羽桐）

5.五部门发布《制造业可靠性提升实施意见》，聚焦车规级汽车芯片；

集微网消息，6月30日，工业和信息化部、教育部、科学技术部、财政部、国家市场监督管理总局联合发布《制造业可靠性提升实施意见》（以下简称《实施意见》）。

《实施意见》提出“两步走”目标：第一阶段到2025年，聚焦补短板、强弱项，按照夯基础、优服务、促提升的思路，通过开展技术攻关、建立标准体系、完善公共服务等举措，力争形成100个以上可靠性提升典型示范，推动1000家以上企业实施可靠性提升，为实现第二阶段目标奠定坚实基础；第二阶段到2030年，聚焦锻长板、促成效，按照树标杆、强带动、促转化的思路，充分发挥可靠性标准引领作用，推动10类关键核心产品可靠性水平达到国际先进水平，培育一批具有竞争力和影响力的可靠性公共服务机构和可靠性专业人才，促进我国制造业可靠性整体水平迈上新台阶，成为支撑制造业高质量发展的重要引擎。

重点任务（部分）

加快可靠性工程技术研发与应用推广

围绕可靠性工程管理、设计、制造、分析评价、试验验证等环节，依托国家重点研发计划等科技重大项目，开展失效物理、加速试验等可靠性前沿基础理论研究，加强可靠性仿真、故障诊断与智能运维等应用技术研究，突破可靠性正向设计关键技术，开发可靠性工程新方法和新工具。

推广运用先进可靠性管理工具，提高产品全生命周期可靠性管理能力。鼓励产学研用联合攻关，构建可靠性设计技术体系，推广可靠性建模、分配、预计等普适性可靠性设计技术，鼓励企业加强可靠性设计技术应用，促进可靠性设计与产品功能设计同步实施。强化制造工艺可靠性技术应用，加强对材料热处理、电子封装和机械装配等工艺可靠性技术的推广，提升产品制造质量可靠性水平。强化可靠性分析与评价技术应用，支持第三方机构开展产品可靠性认证及质量分级行动，构建产品全生命周期可靠性综合分析与评价技术体系。推广多应力综合可靠性试验、可靠性加速试验等试验验证技术，应用试验、分析、改进等闭环措施，促进产品可靠性持续提升。

实施基础产品可靠性“筑基”和整机装备与系统可靠性“倍增”工程

聚焦机械、电子、汽车等行业，实施基础产品可靠性“筑基”工程，筑牢核心基础零部件、核心基础元器件、关键基础软件、关键基础材料及先进基础工艺的可靠性水平。实施整机装备与系统可靠性“倍增”工程，促进可靠性增长。强化可靠性指标考核与评价，在产业基础再造和制造业高质量发展等专项实施和相关标准制修订中，强化可靠性攻关及创新成果评价与转化应用，倒逼可靠性不达标的产品退出市场。

完善可靠性标准体系

加强可靠性标准体系顶层设计，编制制造业可靠性标准体系建设指南。围绕机械、电子、汽车等行业现状和可靠性提升需求，开展通用要求、管理、设计、分析、试验、评估、维修保障等可靠性基础共性标准和急需标准制修订，补齐短板，推动在关键核心产品强制性标准中增加可靠性指标。发挥市场驱动力，鼓励企业、行业协会和专业机构积极参与标准制修订，加强高水平可靠性团体标准研制，实施企业标准“领跑者”制度。加强可靠性标准统筹协调，依托有关标准化技术组织和机构成立可靠性标准工作组，完善制造业可靠性标准体系协调推进机制。积极参与国际标准化活动，加快推进适合我国国情的可靠性国际标准转化，推动国内先进可靠性标准上升为国际标准。强化标准宣贯实施，开展可靠性标准化建设与应用试点，加快相关标准推广应用。

此外，《制造业可靠性提升实施意见》解读指出，机械、电子、汽车三个行业产业规模大，占工业总产值比重高，辐射带动能力强，且具备一定的可靠性工作基础，在制造业可靠性提升中具有代表性。机械行业是国民经济的支柱产业，已具备相当规模，部分产品可靠性水平提升明显；电子是工业基础行业，行业体量大、市场竞争充分，对其他行业具有重要支撑作用，重点企业均已建立完善的可靠性管理体系；汽车的安全可靠与人民群众生命财产息息相关，行业可靠性实践起步早、步伐快、水平高，已形成较为完善的可靠性技术和管理体系。《实施意见》聚焦机械、电子、汽车三个重点行业，一方面，通过提高核心基础零部件、核心基础元器件可靠性，促进相关行业产品可靠性提升，增强产业链供应链韧性。另一方面，发挥行业基础优势，形成可复制可推广的先进经验，为其他行业树立典型示范，带动制造业可靠性整体水平提升。（校对/刘沁宇）

热点聚焦：

1.荷兰升级管制新规：DUV对华出口也需许可证，ASML回应

2.联电加快收购厦门联芯,预计一次性完成
3. 荷兰人权机构裁定ASML可拒绝中国等求职者

4.全国省级半导体重大项目:2年立项2.1万亿,设备材料项目数超3成
5.传美拟进一步扩大对华半导体出口管制范围

6.传ASML对华设备出口最快30日面临新限制

7.NVIDIA黄仁勋家族图曝光:AMD苏姿丰喊他表舅

8.欧盟将发布关键技术管制清单，年底前提案限制投资

更多新闻请点击进入爱集微小程序 阅读

球分享

球点赞

球在看