11月10日，第29届中国集成电路设计业2023年会暨广州集成电路产业创新发展高峰论坛（ICCAD 2023）在广州保利世贸博览馆正式拉开帷幕。摩尔精英董事长兼CEO张竞扬在高峰论坛上发表《摩尔精英助力客户实现芯片高效的研发到量产》主题演讲。他表示：“芯片创业进入效率时代，从“做大、做快”到“做好、做强”，芯片团队的产品效率成为最关键指标。”

关于芯片企业创业进入到效率时代，张竞扬在结合过去客户服务经验及合作伙伴情况的分析，提出了自己的思考：“对于芯片企业，产品效率已成为最重要指标，完成研发到量产同等性能产品消耗的资金总额就是产品效率，资金消耗量越少，产品效率就越高，企业产品的竞争优势也就不言而喻。”

灵活应变，底线思维：芯片企业变局之势

过去几年里，在资金充裕且便宜的环境中，大多数企业以快速发展、扩大规模为目标。进入到2023年，市场需求骤变，全球半导体市场进入去库存周期，伴随着经济低迷、投资下行让不少芯片企业夹缝中生存，这也使得芯片产业逐渐回归理性，企业也从“Easy模式”进入“Normal甚至是Hard模式”。资金充裕且便宜的时代结束了，没有效率的增长和扩张是加速自杀，没有效率的融资和贷款是高利贷。

在“Normal/Hard模式”下，芯片从业者更需要重新审视企业产品的市场竞争力及公司运营策略。一颗芯片的诞生，无论是从0到1（需求定义），还是从1到100万（工程到量产），其中每一个环节都是至关重要的。所以，芯片企业更应把目光放在芯片产品的竞争力和效率上。先产品后公司，先研发后运营，先核心后全面，先人后事，把钱花到刀刃上，花到核心研发上，积累核心价值。底线思维，以终为始，只要效率足够高，别人做同样的花钱更多，底线可以被并购，让投资人收回成本和利息。


市场导向，转变思维：产品效率及价值的认知重塑

产品性能、价格、营销、品牌是考量产品市场竞争力重要维度。对于芯片企业来讲，快速提高产品效率（产品效率=完成研发到量产同性能产品消耗的资金总额）进而提升产品价格优势是最快捷的方式。

芯片产品的诞生周期是以年为计算单位的，一个芯片从需求定义到量产的周期短则1—2年，在产品研发期间，企业需要投入大量的研发、人力以及资金等资源，同时从芯片设计到量产这中间的环节对于企业来说容错率非常低，一旦出现重要环节的失误，对于企业就是致命一击。张竞扬认为：“快速提高产品效率将成为芯片企业最为重要的目标。”


国内外 AI 芯片差距较大，科技巨头展开布局

决定计算能力的关键是芯片。中美两国人工智能领域的竞争，算法主要看设 计团队的智慧和灵感，双方没什么差距；大数据资源中国占据绝对优势；大数据 分析技术双方相近；但决定人工智能产品表现的关键要素还包括“算力”，通俗 描述就是“运算能力、计算能力”。计算能力是计算机的核心能力，这也是中美 两国在超级计算机领域竞争多年的原因之一。

在 AI 芯片领域，国外芯片巨头占据了大部分市场份额。全球范围内主要布 局人工智能芯片的厂商有 Intel、NVIDIA、Qualcomm、Google 等。无论是在人才 聚集、公司合并等方面，都具有领先优势。特别是美国的巨头企业，凭借着多年 在芯片领域的领先地位，迅速切入 AI 领域并积极布局，目前已经成为该产业的 引领者。此外，在 GPU 和 FPGA 方面，它们更是处于完全垄断地位。

我国 AI 芯片产业起步较晚，技术上与世界先进水平也还存在着较大的差距。 国内 AI 芯片市场也较为分散，集中度低。随着数字经济的兴起，人工智能已经 深入渗透到各个行业，特别是在互联网等科技公司中更为普及。这些公司对于计 算机软件技术和存储设备的要求极高，因此对于底层技术的布局和提升更为重视， 尤其是在人工智能芯片领域。 国内各科技巨头都在这个领域展开布局。例如，百度于 2011 年成立了昆仑 芯，开始探索芯片领域；阿里巴巴在 2018 年成立了平头哥，专注于 AI 芯片市场。 华为一直在人工智能芯片领域进行布局，早在 2017 年就推出了基于神经网络处 理器的 Ascend 芯片，主要面向人工智能推理场景。2019 年，华为又推出了面向 全场景的 Ascend AI 处理器，具有更高的性能和更广泛的适用性，可应用于智能 手机、云计算、自动驾驶等多个领域。此外，华为还推出了 Atlas AI 计算平台， 提供完整的 AI 计算框架，以支持用户进行高效的 AI 开发。华为在人工智能芯片 领域的不断投入和创新，使其成为全球领先的人工智能技术供应商之一。国内 AI 芯片厂商以中小公司为主，多集中于设备端 AI ASIC 的开发，并已有所建树。其 中寒武纪成为全球 AI 芯片领域第一个独角兽初创公司，其 NPU IP 已被应用于全 球首款手机 AI 芯片——麒麟 970。

全球 GPU 领域处于寡头垄断的局面。近年来 GPU 市场由英特尔、英伟达和 AMD 三分天下，其中英特尔的市场占比份额在 60%以上，其次是英伟达和 AMD。英 特尔的身位领先主要得益于在家用机的集成 GPU 芯片市场的绝对主导地位，而在 AI 及高性能计算方面，则英伟达凭借其自身 CUDA 生态占据绝对主导地位。从细 分市场来看，英伟达和 AMD 在独立 GPU 芯片市场基本包揽全场，英特尔占比极 小。

国产 GPU 在性能方面与国际领先水平的差距在加速缩小。在图形渲染 GPU 方 面，景嘉微的 JM9 系列图形处理芯片将支持 OpenGL 4.0、HDMI 2.0 等接口，以及 H.265/4K 60-fps 视频解码。其核心频率至少为 1.5GHz，配备 8GB 显存，浮点 性能约 1.5 TFlops，与英伟达 GeForce GTX 1050 相近。虽然景嘉微的产品与国 际尖端 GPU 存在着极大的差距，但作为一颗由中国企业完全独立研发、采用正向 设计、具有自主知识产权的 GPU，已经有长足的进步。

GPGPU 方面，国内外厂商仍存在较大差距。制程方面，目前 Nvidia 已率 先到达 4nm，国内厂商多集中在 7nm；算力方面，国内厂商大多不支持双精度（FP64） 计算，在单精度（FP32）及定点计算（INT8）方面与国外中端产品持平；生态方 面，与 Nvidia CUDA 的成熟生态相比，差距较为明显。海光 DCU 系列产品以 GPGPU 架构为基础，兼容通用的“类 CUDA”环境以及国际主流商业计算软件和人工智能软 件，对标目前国际主流 NVIDIA A100 产品，海光 DCU 单芯片产品基本能达到其 70%的性能水平，但是公司 DCU 产品的片间互联性能还有较大的提升空间。

FPGA 发展机遇大。与其他 AI 芯片相比，FPGA 芯片开发门槛较高，前期需要 投入大量资源，存在壁垒。全球 FPGA 芯片市场主要由赛灵思和 Altera 针锋相 对，共占据 77%的份额，其中赛灵思以 52%的份额领先。剩下的约 10%的市占率则 由 Lattice 和 Microsemi 瓜分，呈现“两大两小”的格局。中国 FPGA 厂商仍处 于起步阶段，但是随着 5G、AI 产业化带来的巨大需求，国内 FPGA 企业技术有望 不断实现突破，迎来快速成长。

ASIC 国产替代正当时。ASIC 市场未形成垄断，国产厂商仍存在可观的机会抢占市场。