数字芯片之通用处理器CPU

数字芯片是半导体行业里市场空间最大，技术壁垒最高的赛道。之前我们分析过的那些尖端设备和材料，主要都是为数字芯片打造的。

目前芯片设计这些赛道里，IGBT和模拟芯片领域都有IDM厂商，但数字芯片很少有做全产业链的，大家专注于自己的环节，分工合作。

这是因为IGBT和模拟芯片虽然技术和资金壁垒也很高，但生命周期长。数字芯片的发展却遵循摩尔定律，不但研发需要大量资金，晶圆代工需要大量资本购买设备，迭代又非常快。

等你把这一代产品全都配置好了，人家下一代产品又出来了，还得接着追，这就是数字芯片最难的地方。

数字芯片的工作原理简单来说就是通过晶体管控制电流的“开”和“关”，来表达数据信息的“1”和“0”，或者逻辑判断的“是”与“非”，所以数字电路也称开关电路或逻辑电路。

其组成主要就是工作在开关状态的晶体管，所以数字芯片的规模大小由其中的晶体管数量决定，摩尔定律说的也是每隔18个月晶体管数量增加一倍，因此晶体管数量对数字芯片性能起决定性作用。

数字芯片包含七种类别，分别是逻辑电路、通用处理器、存储器、单片系统SoC、微控制器MCU、定制电路ASIC和可编程逻辑器件。将来我们会对其中主要类别进行逐个分析。

简单的逻辑电路通常由门电路构成，基本是由与门、或门和非门电路排列组合而成，这些系列的电路也称为组合逻辑电路。

数量庞大的逻辑电路芯片经过不同的排列组合，理论上可以处理非常复杂的控制和运算问题。

但当下的芯片集成度很高，许多自成系统的逻辑电路可以集成在芯片内部，一个芯片就可以实现复杂的功能，也就没人愿意用大量小芯片去实现一个大系统。

所以目前逻辑电路芯片仅用于小型电子产品中，以及在大系统的通用大芯片之间的连接电路上。

通用处理器一般指服务器用和桌面计算用的CPU芯片，也包括GPU、DSP、APU等。

它是规模最大、结构最复杂的一类数字电路芯片，由海量逻辑电路组成，包含了控制、存储、运算、输入输出等完整的数据和信息处理系统，这次我们先分析CPU这一细分领域。

01 什么是CPU

CPU也叫中央处理器，是计算机的运算和控制中心，主要功能是完成计算机指令的执行和数据处理，因此CPU与内部存储器、输入输出设备被认为是计算机三大核心部件。

控制单元是CPU的控制中心，当下达指令时，控制单元负责将存储器中的数据发送至运算单元并将运算后的结果存回存储器中。

运算单元负责执行控制单元的命令，进行算术运算和逻辑运算。

存储单元是CPU中数据暂时存储的位置，其中寄存有待处理或者处理完的数据。寄存器相比内存可以减少CPU访问数据的时间，也可以减少CPU访问内存的次数，有助于提高CPU的工作速度。

按照处理信息的字长，CPU可分为四位微处理器、八位微处理器、十六位微处理器、三十二位微处理器以及六十四位微处理器等，后续还在不断拓展。

CPU作为集成电路的一部分，现在全球集成电路市场受益于5G、可穿戴设备和云服务等应用领域发展，依旧在稳步增长。

中国是全球最大的集成电路市场，增速也是全球最快，2012-2020年九年间集成电路产业市场规模复合增长率达到1681%。

集成电路进出口市场上，我国存在较大逆差，而且逆差还在拉大，国产化替代空间广阔。

CPU的下游市场涵盖服务器、桌面端、移动 PC端、智能手机以及物联网、人工智能、 汽车 电子、智能穿戴等新兴应用领域。

目前桌面端和移动PC端发展平缓，服务器受益于云化趋势增速较快，智能手机受益于5G换机潮迎来一波周期性机会，行业中长期发展还得看那些新兴领域，但新兴领域并不完全是CPU的增量市场，比如新能源 汽车 。

目前全球新能源 汽车 销量持续增长， 汽车 三化（电动化、智能化、共享化）势不可挡，电子成本占总成本的比率逐步提升，发展空间很大，2021年全球 汽车 芯片市场规模预计可达到440亿美元。

按应用场景划分，车用计算芯片可以划分为智能座舱芯片和自动驾驶芯片、车身控制芯片。

由于单纯一个的CPU已经无法满足智能 汽车 的算力要求，将CPU与GPU、FPGA、ASIC等通用或专用芯片异构融合的SoC方案成了各大AI芯片厂商算力竞争的主赛道。

不仅智能 汽车 ，在物联网和人工智能等领域，传统CPU也出现了不能适应市场要求的情况。

随着物联网设备灵活性要求日益提高，芯片向低功耗、高性能方向发展，MCU和SoC脱颖而出。

人工智能常用的AI芯片通常是针对人工智能算法做了特定加速设计的芯片，如GPU、FPGA、ASIC和神经拟态芯片。

虽然深度学习算法上CPU不如AI芯片，但做大规模推理，CPU比较有优势，再加上CPU优势领域的市场空间广阔，应用场景丰富，国内 科技 企业持续研发国产CPU依然势在必行。

目前CPU主要市场份额仍在海外企业手中。随着国内技术进步，国内CPU也在变得更好用，再加上政策持续加码，国产替代确定性较高。

02 CPU芯片架构

芯片架构也叫指令集架构，简单来说就是芯片的执行流程，不同指令集架构的芯片就是执行步骤的不同。

目前CPU指令集架构主要分为复杂指令集（CISC）和精简指令集（RISC）两大类。

复杂指令集支持的指令更多，每种运算都有自己的完整指令。由于只有少部分指令会反复使用，精简指令集就是对其进行精简，不用每种运算都有完整指令。

复杂指令集更适用于运算复杂的电脑CPU，精简指令集更适用于运算要求较低，功耗也较低的手机CPU。

在这两种指令集基础上又产生了不同的架构，也就是在指令集基础上实现对CPU内的控制单元、运算单元、存储单元等部件的一系列完整设计和安排。

03 X86架构

CISC的架构主要就是X86架构，目前Intel和AMD两家独大。

Intel和Windows组成了“Wintel”联盟，击败了苹果、IBM、摩托罗拉的Power联盟，垄断桌面市场长达20多年。直到目前，服务器、桌面和移动PC主要使用的还是X86架构处理器，Intel依然占据大部分市场。

后来随着AMD第二代Epyc处理器“罗马”问世，AMD服务器CPU市占率在短短两年内从1%增长到了8%。接着第三代Epyc处理器“米兰”发布，其服务器市场份额有望达到15%。

由于AMD服务器芯片性价比较高，又有台积电7nm制程技术加成，越来越多数据中心开始采购AMD的产品。

X86架构之所以覆盖范围这么广，除了起步早、性能高、兼容性好之外，还跟它生态完善有关，目前全球65%以上的软件开发商都为X86提供服务，你想自己设计一个架构，没有生态也就没有人使用。

现在X86架构在中国市场依然广阔，尤其是在服务器领域具有绝对优势，几乎占据全部服务器销量。其他非X86架构的服务器占比很小，主要都是ARM架构。

除了Intel和AMD双寡头以外，国内还有兆芯、海光和MPRC几家X86芯片商。目前X86架构的国产化替代还不太明显，兆芯2019年市占率仅01%。

04 ARM架构

RISC的架构有ARM、MIPS、Power PC、Alpha、RISC–V等。

如今超过90%的智能手机采用ARM架构，MIPS在嵌入式设备中应用广泛，而且随着性能提升，技术层面的融合，RISC架构也在不断向X86的应用领域渗透。

ARM架构由于具有成本低、功耗低、体积小、性能高等特点，非常适用移动通讯领域，在智能手机、调制解调器、车载信息设备、可穿戴设备等领域都占据绝对统治地位。

目前ARM架构是非X86架构中应用最广泛，发展最成熟的架构，市占率达到了432%。

ARM完整产品线包括微控制器、微处理器、圆形处理器、实现软件、单元库、嵌入式内存、高速连接产品、外设以及开发工具。

目前国内外主要ARM厂商有ARM、联发科、高通Qualcomm、苹果、三星电子，飞腾、华为鲲鹏、展讯SPREAD TRUM。

世界各大半导体生产商从ARM公司购买其设计的ARM微处理器核，根据各自不同的应用领域，加入适当的外围电路，从而形成自己的ARM微处理器芯片进入市场。

联发科是世界上最大的ARM手机芯片供应商，苹果、三星、高通等行业巨头均在最近几年使用ARM架构，逐步实现基于ARM的全生态链。

截至2021Q1，联发科和高通是最主要的手机CPU供应商，市场份额分别为35%和29%，同比分别增长11%和-2%。

苹果市占率为17%，三星降至9%，华为海思由于受到美国升级制裁的影响，市场份额快速下滑，降至5%。

服务器方面，非X86目前参与者包括华为、飞腾、高通、亚马逊等。

华为鲲鹏服务器是ARM服务器的重要参与者，据华为称，鲲鹏出货量已占据市场50%，未来有望发挥其在移动市场的优势，借力云端协同，抢占服务器市场更多份额。

在桌面PC市场，ARM正逐渐被更多企业应用，2011年微软开始采用ARM的Windows系统，ARM开始进入X86的传统优势领域，如今苹果MacOS、新版Windows等均采用了ARM架构。

此外，ARM在物联网、 汽车 等领域均有很大发展潜质。ARM在公共事业、智慧城市、资产管理等领域均提供了解决方案。

05 MIPS等架构

MIPS、Alpha、Power等架构已经不是市场主流应用，但在特定领域内仍在被使用。

MIPS架构是一种简洁、优化、具有高度扩展性的RISC架构，能够提供最高的每平方毫米性能和当今SoC设计中最低的能耗，已经在移动和嵌入式工业领域销售了近三十年，目前市占率9%。

MIPS多线程CPU已经广泛应用于不同领域，以及许多移动设备的LTE调制解调器中。

国内外主要MIPS芯片商主要有MIPS公司、Ikanos、龙芯中科、北京君正。不过MIPS公司两度易主后，新公司已经转向RISC-V。

龙芯和申威分别获得MIPS及Alpha永久授权发展自主指令集，我国企业成为了该架构应用产品研发和全球生态构建的单一力量，应用的也都是国家非常注重安全的领域。

Power架构在相关市场的占有率也不过1%左右，但在高性能计算领域一直拥有相当重要的地位，其一些技术特性甚至可与Intel一较高下，然而市场参与者基本只有IBM。

06 RISC-V架构

RISC–V是目前业内最被看好，最有机会弯道超车的新架构，具有完全开源、架构简单、易于移植，适用于各种设备、完整工具链， 运行效率高等特点。

这种架构目前接受度逐渐提高，有望成为继X86和ARM架构之后第三大主流指令集架构。

由于RISC-V基金会为非盈利会员制组织，所以RISC-V本身是免费的，自 RISC-V 基金会于 2015 年成立以来，RISC-V 生态系统经历了爆炸式增长，2020年成员增长率达到133%。

物联网的兴起为上游产业链提供新的成长潜力，由于RISC-V具备开源等特性，与物联网更灵活和多样的要求相吻合。

而且自中美贸易战以来，中国企业存在受制于美国不能升级架构的风险，随着RISC-V逐渐被接受，为我国芯片厂商通过RISC-V架构实现独立自主提供可行性。

Semico Research 预测，到 2025 年，市场将消耗 624 亿个 RISC-V CPU 内核，2018-2025 年复合年增长率为 1462%。其中工业领域将以使用超过167亿个内核遥遥领先。

市场研究公司Tractica也预测，RISC- V的IP和软件工具市场在2018年为5200万美元，到2025年时将增长至 11亿美元。

目前RISC-V发展时间较短，尚未一家独大，相关生态还在发展。

短期内ARM架构依然会占据中高端市场，RISC-V主要在一些碎片化的新兴市场展开应用，如物联网的轻终端场景。

这些场景需要低功耗低成本，但是往往程序不用大改、对软件生态的依赖性不高、出货量又很大，符合RISC-V阶段性的发展目标。

RISC-V允许任何厂商设计、制造和销售RISC-V芯片和软件，因此吸引了大批 科技 公司入场。

GreenWaves、IBM、NXP、西部数据、英伟达、高通、三星、谷歌、华为、晶心 科技 、芯源股份、芯来 科技 、阿里平头哥、中天微、Red Hat 与特斯拉等100 多家 科技 公司加入其阵营。

07 国产CPU自主可控程度

国产CPU经历了将近20年的发展，也产生了一批有实力的企业，如前面提到的中科龙芯、天津飞腾、海光信息、上海申威、上海兆芯等。

这其中申威和龙芯自主可控程度最高。上海申威主要从事Alpha架构的研发，它是目前创新可信度最高的国产CPU厂商，基本实现完全自主可控，主供党政办公、军方和超算领域。

其次是飞腾和华为鲲鹏（海思）为代表的ARM架构国产厂商。ARM架构需要有ARM公司授权，主要有三种授权等级：使用层级授权、内核层级授权和架构/指令集层级授权。

其中指令集层级授权等级最高，企业可以对ARM指令集进行改造以实现自行设计处理器，目前海思、飞腾已经获得ARMV8永久授权。

如果他们基于V8授权发展出自己的指令集，其创新可信程度将显著提升，即使未来拿不到V9V10等新架构授权，依然可以维持先进性。

最后是海光和兆芯为代表的X86厂商，仅获得内核层级的授权，未来扩充指令集形成自主可控指令集难度较大。

手机、电脑、电视等电子用品的电路板芯片都有黄金，只是成分多少而已。

黄金在电脑主板上很多地方都有使用：IDE接口、PCI Express插槽、PCI、AGP和ISA中，以及其他的一些接口，跳线，处理器的插座，在老主板的DIMM上也有，这些都是经常覆盖着几微米厚的黄金层。

内存芯片也有黄金，不过很薄，就在金手指（目的是接触式导通）位置可以看到。内存金手指就是内存片与主板插槽连接的，排列整齐的一排触点，也可以说是导体，为了保证外露导电位不被氧化，所以一般是会镀金处理的。

电子元器件提炼黄金

1、脱金水（脱金剂＋氰化钠）。

2、粉碎电子元器件，放进大烧杯，倒入脱金水，过滤出溶液。

3、加入锌粉，吸收金水中的黄金，将沉淀过滤出来（2h）。

4、加稀硝酸和沉淀反应，用滤纸过滤出沉淀（有毒气放出）。

5、金粉和稀硫酸一起加热，去除杂质。

6、风干或者吹风机吹干。

7、和硼砂一起煅烧。

8、得到纯黄金。

1 极海半导体的营收金额为多少目前不得而知，需要查阅相关财务报表或官方公告。
2 由于公司经营业务的不同和市场环境的变化，极海半导体的营收金额会有所波动。
3 除了营收金额，极海半导体的利润、市场份额、产品销售情况等也是衡量公司经营状况的重要指标。

随着互联网的不断发展，越来越多的智能设备出现在我们的生活之中，而今天我们就一起来了解一下，关于移动端智能AI设备的一些发展趋势，下面电脑培训就开始今天的主要内容吧。

关于智能终端设备

相信拥有一台真正可以依赖、可以帮助我们处理日常任务的智能终端设备是每一个人的梦想，这也是很多企业的产品目标。那么在吴琨看来，在未来，智能终端设备会是什么样的出现哪些发展趋势呢

在吴琨看来，智能终端设备可以分为这么几类，一类是IoT(物联网)设备，这些设备的特点是可以连入小范围的局域网，然后通过某个中央枢纽节点路由到广域网。IoT的设备只需要完成一些简单交互和功能，所以终端运算能力、存储能力和智能程度比较低，交互方式应该以简单语音指令为主。

二类是特定领域的智能设备，如服务机器人、智能音箱等。这类设备一般都有触屏，所以需要有更为复杂的交互，除了语音识别外，还需要对话管理、语义理解、图像识别方面的技术应用。所以，对软硬件的要求也会比较高，需要终端有较强的运算能力。

三类是平台化的智能服务加上具有中等运算能力的终端设备。例如将大型游戏的运算从终端转移到云端，然后将数据传回终端。这类终端也需要承担部分运算以便弥补网络设施带来的延迟，但相对来说，会比IoT要更为强大。

关于人机交互

真正的人机交互的话题更多的是哲学层面的。如果要实现人和人一样的人机交互，那么看起来通用人工智能是必不可少的前提。

目前学术界有诸多观点，吴琨比较看好的是三个条件：一是比目前数据量更大、全且完整的海量无结构数据;二是比目前计算能力强得多的计算机;三是比目前网络结构更为复杂但通用的更趋近于人脑的神经网络。然后我们就可以尝试去让计算机从数据中自己发现知识、学习知识。不过，目前这些条件都不满足。因此，我们还是应该脚踏实地，从具体业务、需求出发，走出一条AI实践、AI落地的路，从许许多多这样的路中，总结归纳出更好的方法论，为实现远期目标做有效积累。

机器学习将向终端转移

近年来，机器学习特别是深度学习的模型推演，逐渐出现了从云端向终端迁移的趋势。但终端机器学习取代云端机器学习会成为未来的趋势吗

吴琨认为，出现这一现象主要有这几个原因：先是终端硬件计算能力的提升，特别是专门用于神经网络计算的AI芯片逐渐成为中设备的标配。二是行业对数据保护和用户隐私的重视，使得非必要数据可以不必通过上传到服务器就能服务用户。三是终端计算可以规避网络延迟和无网弱网情况，使得服务的体验更好。四是科技的发展使得AI工程技术人员能够更有效的利用数据来达到同样的服务效果，使得终端计算的可行性也进一步提高。

---