2020芯片战事：群雄逐鹿，国产芯片崛起

 

　　2020年，5G商用将会进一步加速，这样的背景下，半导体行业将会迎来一次换“芯”潮，同时在三星、台积电等厂商的努力下，芯片的制程、工艺也将迎来大的变局。

　　2019年，是特别的一年，手机芯片、自动驾驶芯片，AI推理、训练芯片等密集发布。包括华为、AWS、英伟达、阿里巴巴等巨头企业，均拿出自己的“杀手锏”。这些“杀手锏”在不同程度上提振了自己在行业的影响力，也给产业带来巨大变革。

　　首先，从总体市场上来看，发布最为集中的是5G芯片，华为的麒麟990 5G处理器集成巴龙5000基带给其他厂商后续产品带来借鉴。高通依旧选择了保守的方式应对市场竞争，联发科、三星重新发力芯片中高端市场，又给市场给来一层“迷雾”。

　　其次，其他芯片领域也“战事”激烈，比如AI推理、训练芯片，华为、阿里巴巴、AWS、英特尔巨头的加入，给市场上的创业企业将会带来怎样的冲击，还是未知。那么这种情况下，回顾2019年的重磅产品，对产业、对行业将有重要的意义。

　　下面，中国软件网重磅发布2019年十二大半导体、芯片产品，以飨读者。

　　1.华为麒麟990 5G处理器

 

　　2019年9月，华为发布了麒麟990系列芯片，为加快5G商用的步伐，华为也是业界第一家发布5G芯片的厂商。华为麒麟990 5G处理器首次集成了巴龙5000基带，支持5G网络。使用台积电二代的7nm以及EUV先进工艺技术。

　　同上一代麒麟980芯片基础架构相同，GPU采用ARM的Mali-G76。CPU方面，两个2.86GHz的ARM Cortex A76核心，两个2.36GHz的A76核心，四个1.95GHz的A55核心。更重要的是，在AI方面， 麒麟990采用了新一代达芬奇架构，AI性能大幅度提高。

　　2.英伟达自动驾驶芯片NVIDIA DRIVE AGX ORIN

 

　　2019年12月，英伟达GTC CHINA大会上，英伟达发布了最强自动驾驶系统级芯片ORIN。ORIN不是一款简单的芯片，设计参考数据中心，支持虚拟化，采用应用隔离。内存涉及到计算的部分均通过加速引擎进行加密，保证每一台车的计算是独立的。

　　ORIN包含170 亿个晶体管，8个核心。算力可达200TOPS，是上一代芯片Drive Xaiver算力的7倍，更超过特斯拉今年推出的自动驾驶芯片Autopilot Hardware 3.0。除了强大的计算能力，安全同样有所保障，ORIN的CPU和GPU可锁步运行。ORIN覆盖从L2到L5的自动驾驶技术，计划2022年投产使用。

　　3.AWS Inferentia和Graviton2

　　2019年AWS re:Invent大会上，AWS推出一款机器学习专用芯片Inferentia和一款基于ARM架构的高性能计算处理器芯片Graviton2。Inferentia具有高吞吐量、低延迟、性能稳定持久等优点的同时，也具备经济效益优势。Inferentia支持主流框架INT8、FP16等，也支持TensorFlow、Caffe2、ONNX等在内的多款机器学习框架。

　　Graviton2来源于gravity引力，比X86同类产品的性价比高40%，计算量提升4倍。Graviton2已经针对AWS云原生应用进行了优化，基于64位ARM Neoverse内核和AWS片上定制系统设计，并且每个核心的浮点性能提升了2倍。可用于科学和高性能工作负载领域，最多支持64个虚拟CPU，25Gbps网络和18Gbps EBS带宽。Inferentia和Graviton2的发布，可以看作AWS开始重点发力AI芯片和服务器芯片两大战场。

　　4.ARM Mali-G77 GPU

　　2019年，ARM发布了新一代Mali-G77 GPU，Mali-G77采用了全新架构Valhall。这意味着，与Mali-G71至Mali-G76的架构Bifrost不同，全新架构Valhal在旧架构上做了重要升级，通过设计ISA总线和计算核心，弥补了以往Bifrost架构的主要缺点。

　　ARM官方数据显示，Mali-G77较前代效能提高30%，性能提高30%，机器学习能力提高60%。每平方毫米性能较前代提升1.4倍，实现30%的同比能效改进的同时，比Mali-G72节省50%的功耗。从以往几代产品的应用情况华为麒麟、三星猎户座市场表现优良，因而可以预计Mali-G77 GPU将会在未来厂商中得到较大范围应用。

　　5.苹果A13 Bionic

　　2019年9月，苹果秋季发布会上，推出了新一代A13仿生芯片，A13仿生芯片搭载于iPhone 11系列新品手机上。新品发布会上，苹果占用较长时间，介绍了iPhone 11系列高流畅性能背后的“功臣”。苹果称，A13 Bionic是有史以来最快的A系列芯片，拥有85亿个晶体管，功率更低，比A12提升20%。

　　A13的CPU有两个高性能核心，速度提升20%，功耗降低30%;四个效能核心，速度提升20%，功耗降低40%。GPU则为四核心设计，速度提升20%，功耗降低40%。此外，A13的8核神经计算引擎，优化了手机摄影、视频功能。在工艺制程上，A13采用了先进的7nm工艺。

　　6.高通骁龙865

　　2019年年底，高通骁龙夏威夷技术峰会上，高通一口气发布骁龙765、骁龙765G、骁龙865三款移动平台，覆盖高中低端所有机型。其中高端骁龙865芯片将成为2020年与苹果、华为竞争的利器。与华为策略不同，高通骁龙865为了照顾4G厂商，并未集成5G基带。

　　从性能上看，5G、AI、摄像较上一代产品均有较大幅度提高。CPU采用Kryo 585架构，包括一个2.84GHz的Cortex-A77，三个2.42GHz的Cortex A77，以及四个1.8GHz的Cortex-A55。性能、能效均提高了25%。GPU采用Adreno 650，性能提升25%，能效提升35%。

　　骁龙865支持20亿像素/秒的处理速度，支持2亿像素摄像头;支持4K 120帧、8K 30帧的录制。搭载第五代AI Engine引擎，运算能力达15万亿次/秒，比上一代引擎运算能力增加一倍多。无论在摄影、视频拍摄、5G网络、Wi-Fi 6连接，骁龙865均表现出色。

　　7.联发科天玑1000

 

　　2019年，联发科推出了酝酿许久的旗舰5G芯片天玑1000，该款芯片是联发科在5G商用时代冲击高端市场的重磅产品。天玑1000采用集成M70 5G基带的方案，台积电7nm工艺制造。天玑1000的CPU采用八核设计，四个2.6Ghz主频的Cortex-A77大核，四个Cortex-A55小核心。

　　GPU采用最新的九核心Mali-G77 MC9(Multi Core)，性能提升40%。AI运算方面，采用六核心APU 3.0组合，两个大核、三个小核、一个微小核。所以综合天玑1000的CPU、GPU、AI等各个方面的性能，均能够对高通、三星等竞争对手产生较大的威胁，具备一定的市场竞争力。

　　8.三星Exynos 980

　　2019年9月，三星推出了Exynos 980 5G芯片，该款产品与手机厂商vivo共同打造，并搭载在vivo新一代旗舰终端vivo X30系列手机上。Exynos 980采用8纳米FinFET制程工艺，CPU有两个2.2GHz的Cortex-A77核心，以及六颗1.8GHz的A55核心。GPU采用Mali-G76 MP5。内置NPU神经网处理器，人工智能计算性能优化约2.7倍。

　　Exynos 980可处理1.08亿像素拍摄的图像，最多可以连接五个图像传感器，支持三个传感器同时驱动，NPU性能加持后，可通过AI技术识别拍摄物体形态、周围环境，调节至拍摄最佳状态。在网络方面，Exynos 980支持NSA/SA双模网络，支持Wi-Fi 6。

　　9.阿里巴巴含光800

 

　　2019年9月，阿里巴巴首次推出了AI推理芯片含光800。根据阿里巴巴公布的数据显示，含光800是全球最强AI推理芯片，主要应用于云端视觉场景。其性能、能效比均为第一名，1颗含光800的算力相当于10颗GPU。

　　目前，含光800已大规模应用于阿里巴巴内部核心业务中，比如视频图像识别、分类、搜索，城市大脑等。未来还可应用于医疗影像、自动驾驶等领域。在城市大脑中实时处理杭州主城区交通视频应用场景中，传统GPU需要40颗，而用含光800仅需4颗，延时降至150ms，大幅度提高效率。

　　10.寒武纪思元270

　　2019年6月，寒武纪宣布推出第二代云端AI芯片思元270(MLU270)和板卡产品，思元270采用采用寒武纪公司自主研发的MLUv02指令集，可支持视觉、语音、自然语言处理以及传统机器学习等高度多样化的人工智能应用，为视觉应用集成了充裕的视频和图像编解码硬件单元。

　　同时，思元270处理非稀疏深度学习模型理论峰值性能提升至上一代MLU100的4倍，理论峰值达到每秒128万亿次人工智能基本运算(INT8)。支持多种运算精度，比如INT4、INT8、INT16、INT32等，同时兼容INT4和INT16运算，其中INT4理论峰值达每秒256万亿次，INT16理论峰值达每秒64万亿次。

　　11.英特尔NNP-T和NNP-I

 

　　2019年8月，英特尔发布两款AI芯片(Nervan神经网络处理器)NNP-T和NNP-I。NNP-T用于训练，代号SpringCrest;NNP-I用于推理，代号SpringHill。具体而言，NNP-T采用台积电16nm FF+制程，拥有270 亿个晶体管，硅片面积680平方毫米。主要用于深度学习训练，可从头开始构建大规模深度学习模型，TensorFlow、PaddlePaddle、PYTORCH 训练框架。

　　而NNP-I采用10nm 技术以及Ice Lake内核打造，由以色列海法研发中心开发，同样支持所有主流深度学习框架。作为一款专门用于大型数据中心的推理芯片，NNP-I能加速大规模深度学习部署，利用最小的能量处理高负载工作，ResNet50上的效率可达 4.8TOPs/W，而功率范围在10W至50W之间。互联网社交巨头Facebook已开始使用NNP-I芯片。AI时代，英特尔正以全面解决方案商的角色进入市场。

　　12.华为Ascend 910

　　2019年8月，华为隆重发布了算力最强、训练速度最快的AI芯片Ascend910(昇腾910)。根据华为介绍，Ascend 910的算力是国际顶尖AI芯片的2倍，相当50个当前最新最强的CPU。其训练速度，也比当前最新最强的芯片提升了50%至100%。

　　同时，华为还发布了新一代AI开源计算框架MindSpore，对标谷歌的TensorFlow和FaceBook的PyTorch，MindSpore将会在2020年第一季度全面开源、开放。