在高端芯片上我国还有明显的差距，半导体设备受制于国外。芯片微加工细分设备高达170余种，均处于高度垄断的状态，牢牢卡住了国产芯片的脖子。如今，三星电子等已经实现5nm量产，并在抓紧攻克3nm。而作为中国大陆第一晶圆代工厂的中芯国际，最领先技术才到14nm。
X86处理器
2019年，AMD CEO 苏姿丰（ LisaSu）证实，AMD不再向中国公司（天津海光）授权其新的X86 IP产品。另外值得一提的是，国产X86芯片厂商兆芯从威盛获得的X86授权也已经于2018年4月到期。这也意味着国产X86芯片前景再度陷入了一片黯淡！
国产X86技术来源众所周知，在PC/服务器处理器市场，Intel的X86架构凭借出色的性能独步天下，再加上曾与微软Windows的深度结盟，使得整个PC应用生态都是围绕着Intel的X86架构而构建。对于国产处理器厂商来说，如果要进入PC/服务器市场，X86架构无疑是首选。特别是在“国产自主可控”的需求背景之下，国产X86架构芯片也就有了“市场”。我们都知道X86架构是Intel的知识产权，国产芯片厂商要做X86架构芯片，首先需要解决的就是X86技术授权的问题。对于Intel来说，显然是不会愿意向中国大陆芯片厂商授权X86架构的，所幸的是除了Intel之外，AMD和台湾威盛都有着X86技术。
威盛早在2009年，美国FTC对英特尔提起了反竞争行为诉讼，指控英特尔违反了美国1914 年《联邦贸易委员会法》第五章的规定，并认为英特尔涉及的范围相比违反反垄断法更为广泛，是属于不公平手段的竞争和欺骗性商业行为，因此不能仿效像反垄断违法般通过赔款了事。虽然Intel对此并不承认，但是最终还是与FTC达成了和解。根据和解协议，Intel被禁止以贿赂手段要求计算机厂商只采购Intel的芯片并拒绝采购其他厂商的芯片，同时亦禁止向采购对手产品的厂商采用恶意报复行为。此外，和解协议还要求Intel修改与 AMD 、 NVIDIA 、威盛的知识产权协议，令以上公司能拥有较大自由度与其他公司合并或者合资而不会受到Intel专利诉讼威胁，而且Intel还需要向威盛提供的X86授权协议延长五年至2018年4月，并将 PCI-Express 总线作为关键接口保留至少六年。而至2018年4月之后，威盛不能再使用英特尔新的X86专利，但是旧的专利仍可持续使用。此外， Intel 亦需要向开发人员开放 Intel 计算机编译程序在 Intel 芯片和非 Intel 芯片之间的差异，同时允许任何软件商使用非 Intel 编译程序编译软件。随后，威盛先后推出了C3、C7、Eden、Nano等一系列的产品，但始终只能在嵌入式市场上混口饭吃，规模也不大。
汽车芯片
在这一轮芯片短缺危机中，中国作为全球最大新车产销量市场，暴露出长期以来汽车芯片对外依赖严重，“卡脖子”问题进一步凸显。危机之下，国内芯片制造商及车企已意识到自研芯片的重要性，亟须发展高精尖芯片技术。根据iHS统计数据，目前全球汽车半导体市场规模约为410亿美元，明年或将达650亿美元。但在市场份额上，欧洲、美国和日本公司分别占据37%、30%和25%，中国公司仅为3%。此外，中国汽车芯片产业创新战略联盟数据显示，2019年中国自主汽车芯片产业规模仅占全球的4.5%，国内汽车行业中车用芯片自研率仅占10%，而中国汽车用芯片进口率超90%，国内汽车芯片市场基本被国外企业垄断。
“芯片问题不可能一蹴而就地得到解决。”中国新能源汽车技术创新中心总经理原诚寅表示，中国汽车芯片短缺可能会持续长达10年之久。目前拥有汽车芯片设计能力的公司都是一些行业巨头，如英特尔、高通、英伟达等。而有能力同时设计和制造处理器芯片的大厂只有英特尔和三星。而我国集成电路(IC芯片)产品由于技术、品质等方面还存在诸多不足，总体水平与国际巨头存在2-5代的差距，同时还存在“供不应求”的问题，自给率不到10%，因此长期高度依赖进口。尽管目前芯片大约占新能源汽车制造成本的10%，但随着汽车智能化、网联化的到来，芯片所占的成本将持续提升。预计2020年每辆车将使用1000颗芯片，因此汽车芯片也是汽车产业转型升级的关键。
目前我国汽车芯片需求持续增长，汽车产量和汽车半导体成分是两个主要因素：汽车产量方面，中国汽车工业协会数据显示2016年我国汽车产量超2900万辆，全球占比稳步升高；汽车半导体成分方面，IHS数据显示，我国2016年每辆汽车半导体成分约为 235 美元，远低于日本、美国、欧洲水平。
眼下，我国作为全球最大的单一汽车市场，集成电路(IC芯片)已经连续5年进口额超过2000亿美元，尤其是2017年我国半导体芯片进口花费已经接近原油进口的两倍。
国际上主流的芯片诞生场景是：在中国品牌的服务器上用着美国的eda软件设计芯片，芯片中可能还用到了来自英国ARM公司的IP，然后到新加坡进行芯片加工制造，在香港交货以后，送到江苏封装测试。我国的大部分芯片也在类似的流程里诞生。这次危机告诉我们，这样的流程有多脆弱。上述环节，除了封装尚能自足外，最顶尖的技术能力全部都被卡脖子。我们具体看一下当前我国在集成电路各个环节的情况：
IC设计：大陆地区在这个领域主要有以下企业：紫光集团、华为海思、中兴微电、汇顶科技、国科微、士兰微、上海贝岭和中电华大等。近几年我国IC设计的成长还是有目共睹的，受益于本土市场的催动，2015 年我国 IC 设计业实现了26.5%高速增长，规模达到1325亿元，且占我国集成电路产业的比重由2012年的28.8%提升至2015年的36.7%。2016年，我国IC设计业继续保持了24.10%的高速增长，规模达到了1644.30亿元。根据2017年的调研数据显示，我国大陆地区IC设计业规模仅次于美国和我国台湾地区。
封装测试：这个领域大陆地区主要的企业有太极实业、华天科技、通富微电、晶方科技、苏州固得这几家，看着虽然企业数量不多，但是我国大陆地区在半导体封测上还是具有很强的实力的。在封装领域，我国企业技术水平和世界一流水平已经不存在代差，体量已经进入世界前三位，且发展速度显著高于其他竞争对手。2012年，中国大陆地区集成电路封装测试业的收入仅为805.68亿元，2016年变为1523.2亿元，是2012年的1.89倍。晶圆制造：集成电路的三大环节，大陆地区在制造领域最弱小。在晶圆制造方面，大陆地区有中芯国际、华虹半导体、福建晋华和晶合科技等潜力股。虽然当前大陆地区晶圆制造不强，但近年发展势头很猛。据SEMI统计，2017到2020年全球计划兴建晶圆厂62座，其中26座将落户中国，占比达到40%。纵观整个半导体产业链，还有一个领域我们不得不重视，那就是半导体设备，晶圆制造产业落后和设备落后有很大的关系。
中国真的没有芯片技术吗？答案是否定的。单纯的计算速度，我们没有问题。毕竟在上一届全球超算大赛中，自研申威处理器夺得第一也算出尽风头。上个月，中科院旗下的寒武纪科技公司发布了我国自主研发的Cambricon MLU100云端智能芯片，理论峰值速度达每秒128万亿次定点运算，达到世界先进水平。问题的关键在于，即便你有了芯片，即便你的芯片计算速度在实验室中比别人的还快。但是，这个CPU在应用场景中的算力如何？是不是大打折扣？你有了芯片，有系统吗？有应用吗？有生态吗？主要原因如下：
一是，我国芯片产业起步较晚，缺少技术储备，国内难以找到相关的高端技术人才来支持研发。根据中国工业和信息化部软件与集成电路促进中心发布的数据显示，2017年中国集成电路从业人员总数不足30万人，缺口40万人。
二是，摩尔定律表明，芯片产业更新换代速度快，投资较高，回报较慢。一般企业很难有雄厚的资金和资源能力。
三是，技术门槛高。相比其他消费类电子芯片，汽车芯片对可靠性要求更高。一般消费类电子芯片工作温度在零下20摄氏度~70摄氏度，而车载芯片的工作温度必须满足零下40摄氏度~85摄氏度，还要能经受住冷热冲击、电磁兼容、抗干扰等压力。这对汽车芯片供应商形成了一定的技术门槛。四是，行业协同机制的缺失。随着高级汽车驾驶辅助系统（ADAS）、自动驾驶、车联网（V2X）、新能源汽车等新产品和新功能层出不穷，算法芯片、毫米波雷达、激光雷达、新型MEMS传感器等技术飞速发展。此背景下，全球芯片企业整合并购动作频繁，半导体产业重心向中国转移。
显卡芯片
截至2020年第四季度，在集成GPU领域中，Intel凭借稳定的供应链占据了69%的市场份额，AMD和NVIDIA分别以17%和15%的市场份额名列第二和第三；在独立GPU领域中，NVIDIA 占据82%的市场份额拥有绝对优势，AMD以18%的市场份额排名第二。
对于国产GPU而言我们要追赶的正是国际巨头，这其中有两大方向，一是面向图形处理的GPU芯片，厂商包括景嘉微、芯动科技、兆芯等。另一类是面向通用计算的GPGPU芯片，厂商包括天数智芯、壁仞科技等。此外，我们在GPU IP方面还有Imagination、芯原股份等公司。这些公司都在各环节推进国产GPU向前发展。
其中值得一提的是通用计算GPGPU芯片。目前进展比较快的当属天数智芯，今年3月，天数智芯发布全自研高性能云端7纳米芯片BI及产品卡。BI是国内第一款全自研、真正基于通用GPU架构的GPGPU云端高端训练芯片，采用业界领先的7纳米制造工艺、2.5D CoWoS封装，容纳240亿晶体管，支持FP32、FP/BF16、INT32/16/8等多精度数据混合训练，集成32GB HBM2内存、存储带宽达1.2TB，单芯每秒可进行147万亿次FP16计算（147TFLOPS@FP16）。
BI芯片及产品卡均以实体形式发布，即将进入批量生产和商用交付，产品开发和商业应用进度领先国内同行1-2年时间。
天数智芯高管对电子发烧友网表示，近年兴起的AI浪潮中，GPGPU对于用传统语言编写的、软件形式的计算有较好的支持，具有高度的灵活性等这些特点，使其成为了一项炙手可热的技术产品。跟ASIC芯片相比，GPGPU具有更广泛的适用性、兼容性、灵活性，对技术变化的包容和适应能力更为突出，产品的应用生命周期更长。同时，通过性能挖掘优化，达成性能、能耗和性价比的最优解，实现跟ASIC芯片相当的算力和能耗水平。
早前，天数智芯首席科学家郑金山曾表示，“国际领先厂商GPU里是有图形渲染的，在芯片上大约占30%，但是图形渲染对于AI和数据中心完全没有用。所以这一块我们直接取消掉。”或许这就是GPGPU在数据中心和AI市场的机会所在。
壁仞科技也是专注GPGPU芯片研发的初创企业，成立于2019年，致力于开发原创性的通用计算体系，建立高效的软硬件平台，同时在智能计算领域提供一体化的解决方案。从发展路径上，壁仞科技将首先聚焦云端通用智能计算，逐步在人工智能训练和推理、图形渲染等多个领域赶超现有解决方案，实现国产高端通用智能计算芯片的突破。短短两年间已完成B轮融资，累计融资额超47亿元人民币。
业内人士表示，GPU芯片的研发比一般芯片难度大，研发成本高，先进工艺的芯片投片花费巨大，少则几亿多则十亿元以上，因此整个国产GPU芯片无论是融资还是投入都是相对较高的。从技术角度看，用于图像渲染的GPU设计相对更加复杂，不仅是GPU架构上，还在接口速率、带宽、存储以及先进封装如Chiplet等方面，考验芯片厂商的设计能力。而GPGPU针对AI训练或推理场景采用一定的算力和算法，能够更有针对性地发展计算性能。
在GPU领域业界常说，英伟达的成功并不仅是它的GPU芯片，更重要的是它的软件生态，因为其构建的强大生态，即便它的芯片或方案更贵，也仍然得到用户的购买。而这样的生态体系，令许多GPU或AI芯片公司望尘莫及。当然，在国内我们的桌面处理器生态系统正在建设，厂商们主动积极地将CPU、GPU与操作系统、应用软件进行广泛适配。另一个突围的机会则是国产GPU芯片厂商与客户充分沟通从定制功能、降低成本的角度切入到客户的需求当中。
「文章参考： 硬件十万个为什么」
「图片来自网络，侵权速删」
