随着人工智能、大数据、5G等新一代信息产业的蓬勃兴起，人类社会要处理与分析的数据量也与日俱增。统计数据显示，2020年全球数据总量将达到44ZB,而到2025年全球数据总量将达到175ZB，增长三倍以上。这些海量的数据对我们芯片的计算能力提出愈来愈高的要求。在这一背景下，如何将已经有50多年历史的摩尔定律继续延续下去，已经成为了学术界和产业界共同面临的一大挑战。

过去十年以下游的应用驱动设计公司的成长转换为由设计公司主导应用正在发生。从需求层面看企业成长空间。类似90年代的PC和10年的智能手机带来的亿级大空间增量市场将很容易推动企业的快速增长。设计企业能够在成长轨迹上实现跨越式突破的可能性来自于赛道的选择。但站在现在时点看，人工智能是确定性的方向，在所有已有领域的人工智能渗透，都将极大的改变人类的生活。处于最前沿的芯片公司的革新正在以此而发生，重新定义底层架构的芯片，从上游推动行业的变革。在并没有具体应用场景爆发之前已经给予芯片公司充分的高估值就是认可设计公司的价值。

注：以下文章中所提及的《大国“芯”生态》与《异构计算时代正式起飞》链接如下：

大国“芯”生态：

https://xhpfmapi.zhongguowangshi.com/vh512/share/9816407?isview=1&homeshow=1&newstype=1001

异构计算时代正式起飞：

https://mp.weixin.qq.com/s/W5qWszWcrNwEjmcj3RDC8w

算力时代的到来

数字经济时代的“算力”，由大数据、云计算、人工智能、区块链等数字化技术综合体形成，主要包含五个方面：一是计算速度，芯片、服务器、计算机、超算系统都反映这方面的能力；二是算法；三是大数据存储量；四是通讯能力，包括5G基站多少、通讯的速度、延滞、带宽、可靠性、能耗；五是云计算服务能力，包括数据处理中心服务器的数量。

从产业需求来看，数据量与算力需求处于循环增强状态，数据量的不断增加要求更强的算力处理数据，同时哺育人工智能等新技术不断训练、应用，这些技术的落地应用产生又催生更多数据、反过对算力提出巨大需求。

1992年，全人类每天只产生100GB数据；今天全球70亿人，每人每天产生的数据高达1.5GB，仅一辆自动驾驶汽车，一天就能产生64TB数据，足以填满32块硬盘。据IDC和EMC统计，近10年来全球算力的增长明显滞后于数据的增长。

以人工智能为例，据OpenAI测算，从2012年开始，全球人工智能训练所用的计算量呈现指数增长，平均每3.43个月便会翻一倍，计算量扩大了30万倍，远超过算力的增长速度。

一方面，摩尔定律放缓成为不争的事实；另一方面，数据量却在持续增加。图灵奖获得者JimGray提出“新摩尔定律”：即每18个月全球新增信息量是计算机有史以来全部信息量的总和。

没有强大的算力，数字经济将失去核心支撑

20世纪90年代起，美国迅速抓住计算机产业发展起步的机遇，掀起数字革命，缔造出强大的经济帝国，日本、欧洲等国家与地区紧随其后，同样成效巨大。

过去20年里，互联网加速全球信息化改造，各产业企业深挖流量红利，通过迅速拓展用户数量带动市场效应高增长，为全球的数字化发展积累了深厚的基础。但数字和互联网渗透率的不断提高，依靠规模扩张的发展方式陷入瓶颈，只有实现算力的强劲发展，才能助力各行业完成从量变向质变的跨越发展。

中国大陆芯片公司还处于中低端同质化竞争的局面，市场环境也比较复杂。无论是风险投资还是地方政府的关注点，更多的是聚焦在应用创新或者工艺制造方面，对IP和设计环节重视不够。随着数字化进程的推进，算力需求将越来越大，数据中心将逐步演变为计算中心，算力将成为新的生产力。

未来，算力不断发展推动数字经济持续向前，数字经济又持续向前加重对算力的支撑依赖，“算力时代”正在到来。

重塑芯片底层架构，推动产业变革

人工智能背景浪潮下，计算的体系处于碎片化引发芯片架构变革。

计算芯片占整个集成电路芯片市场的约1/3的市场份额，2019年的总的市场规模约1280亿美金（数据来源参见中金的调研报告——云计算开启国产CPU和AI芯片的腾飞之路），在所有类别的芯片中排名第一，其次是存储芯片，市场规模约1000亿美金，再次是通讯芯片，市场规模约600亿美金。在计算芯片中，主要分为CPU（含嵌入式MCU）、GPU、DSP等通用计算芯片、FPGA、AI等专用芯片等。

CPU（中央处理器）：以运行用户操作系统、界面、各种应用软件为主，承担管理、控制任务。
DSP（数字信号处理器）：主要是用来进行语音、视频、位置等各种数据信息的处理和交换。优势是强大的数据处理能力和较高的运行速度。
GPU（图形处理器）：以满足图形处理、显示和超大规模并行计算为主。
AI(CNN,RNN,TPU)芯片：专门实现深度学习神经网络计算的芯片。
FPGA：现场可编程门阵列芯片，可以定制实现大多数的集成电路。

数据的扩张远大于处理器性能的扩张，依靠处理器性能在摩尔定律推动下的提升的单极世界已经崩溃，处理器性能提升的速度并不足以满足AI所需的应用程序的需求。大量数据消耗的数字运算能力比几年前所有数据中心加起来还要多。

回顾历史：Intel和AMD两次芯片架构变化引发的产业变革和应用爆发

Intel与Windows结合构建PC生态，本质上诞生了软硬件结合的机器时代。而在其基础上的延升， 2010后苹果带来的智能手机引发的ARM与Android生态，将机器与人的结合拓展到了移动端。我们回顾历史上的芯片架构历史，认为冯诺伊曼架构带来了计算体系的建立并通过Intel实现了最大化；ARM通过共享IP的商业模式带来了更开放的生态体系，实现了软硬件的结合延伸了人类的触角。

1） Intel——PC时代的王者荣耀

Intel是一家成立于1968年的半导体制造公司，总部位于美国加州。随着个人电脑的普及和全球计算机工业的日益发展，公司逐渐发展成为全球最大的微处理器及相关零件的供应商。2020年英特尔公司在世界500强排行榜中排名138位。

根据2020年第四季度X86处理器市场份额的最新数据,包括嵌入式、IoT物联网领域在内，Mercury Research数据表明，英特尔在第四季度环比增加了移动和桌面市场份额。英特尔移动端2020Q4的市场份额达到了81.0%，对比Q3的79.8%增长了1.2%；桌面端PC处理器2020Q4市场份额为80.7%，对比上一季度的79.9%增长了0.8%，实现了桌面和移动CPU的双增长态势。

新冠疫情的影响让人们前所未有的认识到PC的价值，极大地刺激了远程办公、在线教育市场的需求，整个PC市场再次显示活跃和巨大需求，致使供应面临行业挑战，Intel处理器面临强劲需求。

根据Intel在1月底发布的Q4及全年财报显示，英特尔2020全年的业绩、收入和运行现金流方面创下新纪录，并保持连续五年创新高。英特尔此次再获客户端计算市场份额，正如英特尔CEOBob Swan司睿博在最新的财报分享会上提到的：“得益于PC CPU出货量本季增长33%，我们坚信英特尔再获更多市场份额。” Mercury Research公布的数据证实了英特尔在移动和台式机CPU的市场份额获得环比增长。

回顾Intel 90年代至今发展历程，清晰看到Intel曾在2000年前后达到过一次峰值，显而易见的原因是个人电脑的快速普及渗透。遵从摩尔定律的每一代产品的推出，叠加个人电脑快速渗透的乘数效应，持续放大了企业的市值，类似于戴维斯双击，推动股价的一路上扬。

1983年-2017年间，摩尔定律推动下的Intel股价

而近十年，随着数字经济时代的到来，Intel股价持续性升高，已经超越了2000年的峰值，股价不断创新高。

2014年-2021年间，Intel的股价变化

2）ARM——开放生态下移动时代的新王加冕

ARM公司是全球领先的半导体知识产权 (IP) 提供商，专门从事基于RISC技术芯片设计开发，并因此在数字电子产品的开发中处于核心地位。公司的前身Acorn于1978年在伦敦正式成立。1990年ARM从Acorn分拆出来。得益于20世纪90年代手机的快速发展，基于ARM技术的芯片出货量飞速增。

近日， ARM公布了2020年第4季的销售状况。根据报告指出，仅在2020年第4季，全球基于ArmIP的芯片出货达到了创纪录的67亿颗，超越了x86、ARC、Power和MIPS等其他架构芯片出货的总和。迄今为止，Arm合作伙伴已交付超过1800亿颗基于ArmIP的芯片。

ARM本身不直接从事芯片生产，只设计IP，包括指令集架构、微处理器、图形核心和互连架构，依靠转让设计许可由合作公司生产各具特色的芯片，目前它在世界范围有超过1100个的合作伙伴。

ARM的创新型商业模式为公司带来了丰厚的回报率：它既使得ARM技术获得更多的第三方工具、制造、软件的支持，又使整个系统成本降低，使产品更容易进入市场被消费者所接受，更具有竞争力。正因为ARM的IP多种多样以及支持基于ARM的解决方案的芯片和软件体系十分庞大，全球领先的原始设备制造商(OEM) 都在广泛使用ARM技术，因此ARM得以在智能手机、平板上一枝独秀，全世界超过95%的智能手机都采用ARM架构。

ARM的销售模式

ARM沿用了冯诺伊曼架构，在性能和功耗上做到了更加平衡。在底层架构没有发生根本性变革的情况下，在架构的横向延伸上寻找到了技术的转换，从而实现了智能手机时代移动端的产品阶跃。

处理器架构在根源上看ARM延续了X86的底层架构。与X86不同的是在指令集方面，ARM架构过去称作进阶精简指令机器（Advanced RISC Machine），更早时期被称作AcornRISC Machine，是32位精简指令集（RISC）处理器架构，被广泛地使用在嵌入式系统设计中。在应用场景上有所不同。

ARM指令集架构的主要特点：一是体积小、低功耗、低成本、高性能，因此ARM处理器非常适用于移动通讯领域；二是大量使用寄存器且大多数数据操作都在寄存器中完成，指令执行速度更快；三是寻址方式灵活简单，执行效率高；四是指令长度固定，可通过多流水线方式提高处理效率。

ARM架构的发展

ARM的商业模式是最值得关注的点。ARM通过授权和版税来赚取收入。使用ARM的授权，跟据流片的次数，可以付一次流片的费用，也可以买三年内无限次流片，更可以永久买断。芯片量产后，根据产量，会按百分比收一点版税。Intel通过售卖自己的芯片来赢得终端客户和市场，而ARM则是通过授权让全世界的芯片制造商使用自家的产品来推广。ARM的商业模式之所以在智能手机时代能够推广，是因为移动端的生态更为开放，自上而下的生态建立，不仅是芯片开发者，也包括软件开发者，都被构建在生态的范围内。

为何芯片底层架构如此重要？

我国目前在芯片领域主要是卡在制造和设计软件上。

2020年9月14号，美国的芯片巨头英伟达从日本软银手里以400亿美金的价格收购全球最大的半导体IP提供商ARM公司。

这次收购完成，我国芯片产业当下需要尽快攻破的难题又多了一个，而这个难题就是除了光刻机和EDA软件外，另一项对芯片研发至关重要的基础技术，指令集架构。

X86架构基本框架

也许指令集架构，你听着比较陌生，为了便于大家了解，我们需要先讲一下英伟达跟ARM这两家公司。说起英伟达，很多人应该多少知道一些，特别是喜欢玩游戏的朋友，电脑里大部分装的都是英伟达的GPU（显卡），它是目前全球最大的图形处理芯片设计公司，在独立GPU的市场占有率为73%，远高于对手AMD的27%，随着英伟达持续在人工智能和数据中心的发力，让它的市值在20年正式超过美国芯片老大英特尔，达到3000多亿美元，随着自身迎来高光时刻，英伟达一直想补足在移动领域的短板，其实不仅仅是英伟达，英特尔，AMD这种传统做PC芯片的公司，都没在手机平板领域做起来，这背后主要的原因就与指令集架构有关。

在移动端芯片谁做起来了呢，就是英国的ARM公司，目前全球90%以上的移动终端设备里使用的都是基于ARM架构的芯片，而ARM之所以能崛起，主要有两个原因，一、ARM所设计的芯片指令集架构相比英特尔设计的更适合移动设备，其特点主要是低功耗，低成本，从苹果的iPod到第一代iPhone用的都是ARM的芯片架构，这也奠定了ARM后来在移动终端的地位。二、ARM在经营策略上，采用IP授权模式，就是卖芯片设计方案给其他公司，通过技术授权费和版税营业，因为收费不高，大大降低了芯片设计公司的早期研发成本和风险，进而促使很多公司都愿意采用ARM的技术，所以ARM的生态圈越来越大，像高通，苹果，华为，三星，包括收购ARM的英伟达，都在一些芯片上使用了ARM的架构。

目前最流行的指令集主要有两种，CISC复杂指令集，RISC精简指令集，这两种指令集的区别，从名字上就能看出复杂指令集支持的指令更多，每种运算需求都有自己一套完整的指令，比如你去超市买牙膏，需要出门步行进超市购买这几个步骤，所以要实现买牙膏这整个步骤流程，也就是我们说的指令，一开始就设计在了芯片当中，如果你要实现买水果，就还有一套买水果的指令，因此，采用复杂指令设计出来的CPU更强大，运算效率更高。

在两种指令集的基础上，有分别产出了不同的架构，最有代表性的一个是英特尔的x86架构，另一个就是ARM架构，x86架构基于复杂指令集，ARM架构基于精简指令集，那么架构指的又是什么呢？简单来说，架构基本上等于指令集，这就是我们经常会把指令集架构当成一个词来说的原因，所以当听到有人说芯片架构，他们主要指的就是指令集架构，指令集与架构唯一的区别，就是针对CPU，架构是指在指令集的基础上，实现对CPU内所含部件，如控制单元，逻辑单元，存储单元的一系列完整设计安排。

CPU里，还有一种架构，我们称之为微架构，在买电脑时，我们经常会看到四核六核这样的信息，这里面的核指的就是CPU的核心，而微架构，就是对这些核心的设计，它包含核心可以达到的最高频率，核心在一定频率下能执行的运算量，一定工艺水平下核心的能耗水平等，如果说指令集架构是上层的芯片运算逻辑规范，那么微架构就是底层的电路设计的实现，是在指令系统架构的框架之内进行的，在业界，微架构是芯片研发企业的核心，也是技术含量最高的领域之一，就是实现独立微架构研发的企业，才能真正具备CPU的自研能力，而这也是我国众多芯片设计企业目前面临的难题。

电脑端的芯片，从指令集到微架构，主要是由英特尔和AMD垄断的，这两家都是美国的公司，AMD最早也是从英特尔拿到X86指令集架构的授权，但微架构与英特尔的不一样，因为英特尔很少对外授权X86架构，所以我国企业目前在自研电脑CPU这块还比较空白。而手机端的芯片就是ARM垄断了，我国大部分的芯片设计企业基本上都是买的ARM的设计方案。

人工智能芯片——新架构的异军突起

观察人工智能系统的搭建，以目前的架构而言，主要是以各种加速器来实现深度学习算法。

首先我们必须描述人工智能对芯片的诉求，深度学习的目标是模仿人类神经网络感知外部世界的方法。深度学习算法的实现是人工智能芯片需要完成的任务。在算法没有发生质变的前提下，追根溯源，所有的加速器芯片都是为了实现算法而设计。

通过整理人工智能芯片相关的类型和产业链公司，传统的芯片厂商/生态的建立者/新进入者。传统的芯片制造厂商：Intel，Nvidia和AMD。他们的优势在于在已有架构上对人工智能的延伸，对于硬件的理解会优于竞争对手，但也会困顿于架构的囹圄；上层生态的构建者进入芯片设计，比如苹果和Google，优势在于根据生态灵活开发定制各类ASIC，专用性强；新进入者，某些全新的架构比如以异构计算芯片设计的华夏芯和神经网络芯片的寒武纪等。

华夏芯作为芯片底层架构原创企业，远景目标是与世界四大主流芯片架构并列、建立基于自身架构的产业和技术生态。华夏芯的核心技术从IP延伸到异构SoC芯片设计和算法、软硬件等应用开发。公司是中国首家从零到一研发异构处理器的指令集的芯片设计公司——华夏芯“统一指令集”，拥有全部自主的CPU/DSP/GPU及 AI专用处理器 IP核技术（指令集、工具链、微架构），其中CPU、DSP和AI IP核已经集成到现有的芯片中。

因此，这些新进入者因为是全新的市场开拓，具有后发先至的可能。新进入者的机会，因为是个全新的架构机会，将有机会诞生独角兽。

后摩尔时代，AI对算力的需求变化，

推动云端计算架构重构，转向异构计算

随着近年来数据的爆发式增长以及人工智能技术的兴起，云端市场对于计算的需求也开始发生了巨大的变化，进而使得对于计算架构的需求也开始发生了变化。

过去云端的AI计算全部都是由CPU来完成，但是随着AI对于算力需求的快速提升，依赖于摩尔定律推动的CPU性能的提升已经无法满足，CPU也并不是AI计算的最佳载体，因此在云端的AI计算也开始由原先的X86 CPU一统天下，转向了异构计算。(文章可参考“异构计算时代正式起飞”）

所谓异构，就是将CPU、DSP、GPU、ASIC、FPGA等不同制程架构、不同指令集、不同功能的计算单元，组合起来形成一个混合的计算系统。

比如在云端AI训练方面，现在比较多的会采用CPU＋GPU集群的架构，同时也开始出现CPU＋专用的AI训练芯片集群；而在AI推理方面，更多的会选择CPU＋FPGA或者CPU＋专用的云端AI推理芯片。随着云端对于AI计算能力要求的不断提升，彻底打破了原有的云端计算单纯依靠CPU的局面。

我们可以看到，除了众多的AI芯片厂商纷纷推出了针对云端的AI芯片之外，一些云服务厂商也在纷纷推出针对云端的AI芯片。比如2018年7月，百度就发布了首款云端全功能AI芯片“昆仑”；2018年11月，亚马逊公布了首款云AI芯片Inferentia；2019年9月，华为推出了针对云端的AI训练集群Atlas900；2019年9月，阿里也发布了针对云端的号称全球最强的AI推理芯片的“含光800”。

异构计算有两大优势，一是可以提高处理效率，异构计算能够充分发挥CPU/GPU在通用计算上的灵活性，及时响应数据处理需求，搭配上FPGA/ASIC等特殊能力，来充分发挥协处理器的效能，根据特定需求合理地分配计算资源。二是成本利好，由于目前神经网络算法和与之对应的计算架构层出不穷，如果采用不断更新ASIC架构的方式，最终下沉到用户和企业身上，就会导致使用成本和替换成本过高。因此，最好的解决办法就是将多种计算架构融合在一起，生命周期变长，在产业落地上具有更大的优势。

因此，对于互联网及云服务巨头来说，在庞大的数据驱动下，追求性能、能效和成本的最优化，选择采用定制型的计算芯片也是必然。并且随着市场竞争的日趋激烈，越来越多的厂商开始寻求差异化，而采用自研或定制型芯片则可以给自身的产品和服务带来较大的差异化。与此同时，众多新的应用和特殊需求的出现，也需要独特的芯片来满足市场需求。

例如全球异构计算芯片技术的探索者、中国嵌入式异构计算领域的领军企业、华夏芯也是全球异构计算联盟（HSA）的主席单位华夏芯就采用新一代的异构设计路径，实现了1）大幅提升性能，2）降低研发投入，无需向第三方（例如ARM）授权计算IP,缩短设计周期，3）降低应用开发门槛。

华夏芯以一套公共指令集加扩展指令集的方式设计不同的计算单元，从而使得多种计算单元集成在同一个SoC里面时，拥有一定程度的技术优势。比方说，只需要一个小的IP设计团队，因为共享相同的指令集和工具链，只有微架构不一样。从而使得一个小公司可以设计复杂的异构芯片。并且对开发者来说非常有吸引力，因为大幅度简化了异构计算的应用软件的开发复杂度，算法工程师只要专注在算法开发上，华夏芯会提供一个多计算单元的统一开发环境和仿真、调试平台，而不是不同计算单元各自为政的开发环境。

英特尔中国研究院院长宋继强曾在采访中表示，如果说传统计算架构是一种烧汽油的引擎，那么异构计算就是一种混合动力引擎甚至新能源引擎，并且“动力十足”，能够推动人工智能、5G等新兴领域更好、更快地发展。

为了建立完善的软硬件体系来支撑全新异构计算体系，进而解决生态问题，使下游产业链用户主动采用异构计算技术，AMD、高通、ARM、三星、北京华夏芯等成立了全球异构计算系统HSA(Heterogeneous Syste Architecture)联盟，IBM、Google、英伟达等成立了OpenPOWER联盟，Intel则自成体系。

中国需要技术自主，从底层架构变革开始，异构计算成为破局点

得益于国家对于国内集成电路产业的大力扶持，国内集成电路产业近两年也取得了突飞猛进的发展。但是随着2018年4月，中美贸易战及中兴事件的爆发，中国在半导体产业链上的薄弱环节被暴露无遗。

2019年以来，美国又加码对于华为等中国科技企业进行持续打压，阻挠中国科技产业的发展，这也迫使国内科技产业链加速推动“自主可控”及“国产替代”的建设。

2020年12月中央经济工作会议将“强化国家战略科技力量与增强产业链供应链自主可控能力”提到了2021重点工作的最前列，突显了中国转向“创新驱动”、扭转一批“卡脖子”问题的决心。

2021 年2 月19 日，中共中央总书记、国家主席、中央军委主席、中央全面深化改革委员会主任习近平下午主持召开中央全面深化改革委员会第十八次会议并发表重要讲话。会议强调，发挥全面深化改革在构建新发展格局中的关键作用，要围绕实现高水平自立自强深化改革，完善党对科技工作领导的体制机制，推动科技创新力量布局、要素配置、人才队伍体系化、协同化，发挥新型举国体制优势，坚决破除影响和制约科技核心竞争力提升的体制机制障碍，加快攻克重要领域“卡脖子”技术，有效突破产业瓶颈，牢牢把握创新发展主动权。

最近，《瞭望》两会特刊封面并经新华社、人民网等轮番专题报道《大国“芯”生态》之后，不但使得芯片的源头核心底层架构成为两会热议的国是课题，更让国内底层架构领域除龙芯以外唯一的龙头华夏芯浮出水面。它不但通过异构计算建立了底层架构全面的技术壁垒并实现了量产，而且和全球巨头处于同一起跑线并在能效以及性价比方面领先。一方面基于公司三位国千和国际异构计算联盟主席领导的多位Intel, IBM, ARM等国际芯片大厂的科学家倾情加盟，另一方面也源于公司创业于青萍之末非常务实甚至接地气的业务发展和生态建立。

高端芯片的工具链、指令集、微架构是芯片设计领域的核心知识产权，亦称为IP核。IP核是集成电路产业链的最上游节点，是新一代信息技术的生态基石，也是人工智能芯片的发动机和加速器。

中国集成电路的核心IP、EDA的国产化率小于1%，IP成为中国芯片供应链安全的核心要素。除开华夏芯等极个别企业外，包括华为在内的99%的中国芯片设计企业的核心IP基本依赖于ARM、Ceva等海外垄断巨头。

芯片底层构架就像房屋的地基，为了打破ARM、Intel、英伟达等全球巨头基于长期生态发展所构建的垄断优势，我们需要建立属于我国自己的芯片生态，而AI（人工智能）和5G时代开启了新的生态或者说多生态并存的局面，这也是国产芯片厂商的发展机遇。

华夏芯作为中国第一家从指令集、工具链到微架构全部为自主设计的半导体公司，其指令集、微架构、工具链等底层架构，完全开放并可以兼容Intel X86和ARM，让用户在享受底层安全和高性价比的同时又毫无顾虑。通过兼容开放的底层架构和技术支撑，逐步建立独立融合的生态体系。比如某通讯巨头同时就在用ARM和华夏芯的两套指令集架构，最终华夏芯完全可以融合ARM生态，达到1：38的长尾生态效应。

随着英特尔、英伟达以及AMD三大处理器头部厂商都在向CPU+GPU+FPGA/NPU的方向靠拢，为异构计算之战备足“粮草”。

2020末，英特尔宣布重返独显市场，正式发布了独立显卡iRIS Xe Max。在一系列的收购行为后，英特尔弥补了PC产品线的关键零部件，也成功实现了XPU异构计算架构。

AMD收购赛灵思，在具备“CPU+GPU”计算架构的基础上，FPGA的可编程特质，能进一步提升计算平台的灵活性，从而适应AI时代根据不同工作负载进行加速的需求。

英伟达收购ARM，不仅弥补了缺乏CPU的短板，也将英伟达的AI计算平台拓展到移动生态。

我国芯片产业链实现“自主技术可控”需要从底层架构变革开始，“算力时代”下，从异构计算芯片设计出发，或许可以成为我国芯片厂商实现“自主技术可控”和大国“芯”生态的破局点。

作者：龙琳煜

来源：格致产业发展

免责声明：本文系网络转载，版权归原作者所有。如转载众多，无法确认真正原始作者，故仅标明转载来源。本文所用图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准立即删除内容！本文内容为原作者观点，并不代表本号赞同其观点和对其真实性负责。