公众号改了规则，推送不按时间顺序，若不想错过文章，请设置“星标”，顺手点下“再看”，下次更新优先推送消息；欢迎点赞、在看；

内容来源于网络，若不便发表，请联系后台删除；文章仅用于研究参考，不构成任何投资建议，投资有风险，入市需谨慎。

价投百宝箱是价值百宝箱亲友团后花园，特别情况备用号，信息内容互补，欢迎过来聊聊

ChatGPT 对芯片设计端有什么变化？

ChatGPT 对算力要求很大，现在是 GPT3.5, 训练 NLP 大模型，训练一次算力 3640p, 如果用英伟达 A100 的显卡，需要上万块才能完成。

受益最大的是提供算力的 AI 芯片厂，如英伟达，A100, H100，需求有大规模增长。会促使整个产业链都去做高性能芯片。从设计公司看，谁能抢到这个市场，都是一个机遇。国内做高端芯片的企业不多，寒武纪，昆仑芯。

目前看支持 ChatGPT 训练的肯定要往大算力方向走。从设计端看到两个思路。一是依靠先进工艺迭代，从 16 纳米到 7 纳米，晶体管集成度提高一倍。再从 7 纳米提高到 5 纳米，3 纳米。英伟达最新的 H100 已经达到 5 纳米。这是一个思路，但靠工艺迭代已经有了瓶颈，到

2,3 纳米以下，以后技术难度要增加很多，而且也接近硅材料的物理极限，再小也做不了。

另外一种思路是先进封装，有比较成熟的解决方案，像 2.5D 封装，内存上有用 3D 封装。目前 AI 上用的最成熟的是 2.5D 封装。把高宽带的内存颗粒和芯片封在一个封装上，提高带宽内存访问速度，也提高 AI 整体性能。算力再强，访问速度慢，计算性能也差。2.5D 封装目前就是要解决大算力性能跟宽带的思路。

再以后要提高算力，就走 Chiplet 路线，把晶粒放一起，通过高速互联接口，把它连起来，算力翻倍。苹果把两个 CPU 拼在一起，同理也可以通过 Chiplet 把两个 AI 处理器拼一起。寒武纪已经实现这种技术。

先进制程和先进封装能延续摩尔定律的思路。现在受限于大算力芯片功率问题，用的 2.5D

封装，没有直接用 3D 叠上去做。以后散热问题解决，算力还能提升。

散热有哪家公司在做吗？

整个行业还没有突破这个技术。AI 芯片功耗大，尤其大算力芯片，需要散热。做 2.5D 的还是放在平面，散热好一点。如果叠放，热量出不去。以后可能通过把距离拉宽，或者打孔来实现。目前还没有完全突破。

英特尔在 3D 封装有积累，台积电，日月光也在布局。如果散热问题解决，芯片集成度还会提升。先进制程解决不了的，通过封装技术来延续。

Chiplet 发展到什么阶段？

在这个技术比较早，最开始是 AMD 在用。但当初封装技术不是特别成熟，也没给 AMD 带来大的收益。产业链也不是非常认可这个技术。21,22 年火了起来。当时中国被限制，所以在积极推动先进封装的技术。

Chiplet 概念很简单，叫小芯片，和 SOC 是对立的概念。原来的手机处理器 SOC, 叫系统级芯片，把所有东西都装在一个芯片上。CPU, GPU, 图形处理器，解码器，都集合在一起。通过台积电的先进工艺一次性做出来。Chiplet 是个相反概念。把复杂的 SOC 分开设计，按不同功能拆解，假设一个手机 CPU, 把 SOC 拆成 GPU 等，在按最适合的生产和工业区生产，每个都按新项目。一片 Wafer 上有一个 CPU, 有一个内存，做好之后按不同的工艺做成晶圆。

做芯片，把东西全切下来，封在封装里面。零件搭好，切出不同的模块。不用全流程都是 5

纳米，7 纳米，相对便宜些。通过高速互联接口，性能也没差。这就是替代的概念。

只用在手机的 SOC 芯片吗？

都可以用，在 AI 芯片里也能做。AI 芯片里有 AI 处理器，内存，CPU, 还有高速内存接口。可以拆解，按不同模块去做，到时候通过芯片封装封在一起。从设计端就要这么建立。有一个优势，有的模块可以采购。比如说，寒武纪把 AI 处理器模块授权给海思麒麟处理器，相当于把芯片代码给他们，把代码通过 SOC 集成进去，最后一起流出来。现在是 Chiplet, 只做一个模块，直接卖晶圆给海思，直接卖实物。

现在的问题是没有统一的标准，各家有自己的接口。去年底成立了 UCIE 联盟，希望以后按统一的标准来做。

国产的 EDA 设计软件，有 Chiplet 设计吗？

原来的 EDA 软件不用考虑工艺制程。现在 Chiplet 对设计和验证工具提出了不同的要求。需要堆叠和互联接口，不同的架构不同的接口，原来放在一起做，现在拆开做。前三大 EDA厂商，去年年底已经推出第一款，现在正在迭代。

国产的 EDA 厂商，华大，概伦在模拟芯片这比较成熟。高端制程上还是空白。对于国产厂商来说，EDA 是个机遇。开发 Chiplet 的 EDA 软件比直接开发 SOC 的难度要小。以前所有东西都要在一个软件设计，现在可以设计部分的软件。美国的限制也提供了国产软件的机会，需求端爆发，国内有些厂家已经在布局。

寒武纪的 AI 芯片，和英伟达芯片以及地平线的 AI 芯片有什么区别？

AI 芯片分不同的类别。英伟达出货量最大的是云端产品，应用在数据中心，云服务器这些场景。Chatgpt 也是云端产品，属于训练芯片。

下游应用还有边缘端市场，最成熟的是网络摄像头，安防领域，海康，大华。国内有 2,30

家做边缘端产品。跟云端的差别是算力要求没那么大。10T+就够了。

还有一个应用场景是手机或者智能音箱，算力要求更小。1T 可能就够了。

另外一个大的应用是汽车芯片，用在辅助驾驶，比较成熟的是 L2 辅助驾驶，自动泊车技术等。地平线就是做汽车用的芯片，以后做算力更大的 L4 级别芯片。L4 要求 200t 以上的算力。

英伟达是云端芯片的巨头，地平线是汽车芯片巨头，边缘芯片是华为海思占比最大。寒武纪是做云端起家，也布局边缘端和汽车芯片。英伟达的 Orin 是汽车市场最成熟的产品。寒武纪有云端推理和训练的产品。

寒武纪和英伟达的产品区别在哪？

寒武纪的思元 290 和英伟达 A100 的上一代 V100 是同一个级别的训练产品。A100 是目前主流的产品，寒武纪的思元 590，去年 4 季度发布的对应 A100 性能。因为供应问题，还没上市。但已经给客户送样。国内其他家目前还是对应 V100 的水平。

主要是因为美国制裁导致的没办法大规模出货。但也要想办法生产，通过其他公司代理去下单生产。

如果之前代码在英伟达生态，现在用寒武纪芯片来训练，代码需改动吗？

代码需要改很多，不同的生态。有一定工作量和移植成本。训练寒武纪的芯片有寒武纪自己的基础软件。

英伟达的云端 AI 训练生态已经 10 几年了，客户已经习惯。国内芯片企业去推，遇到的最大瓶颈就是在这。英伟达的生态不支持国内软件，是封闭的生态。寒武纪已经发展 5,6 年，其他的国产软件在支持上面更是薄弱。这也是英伟达的护城河，软件支持力度很大，占据了

90%以上的云端市场。

芯原的 IP 服务介绍

IP 是授权，全球最大的 IP 授权是 ARM. 不管苹果还是高通，都用 ARM 的 CPU 架构。Arm 授权使用 CPU, 再去开发芯片。芯原也做了很多 IP, 相当于模块。比如寒武纪做一款 GPU, AI处理器是自己设计，高速接口，去找芯原买。CPU 找 Arm 买。IP 就是走授权的方式。比如

Arm 现在最新的 CPU 发展到 A78 核，寒武纪就在做 SOC 集成的时候，把 Arm 的代码放进去。合作的模式可谈。有一次性买断。也有分期付，第一批付款，之后提成。

有些小的 IP 公司，一次性买断可谈。对于设计很重要的概念。IP 不需要生产，纯前端服务，

Arm 就是没有自己的产品。

芯原的核心 IP 有小算力 GPU, 也有接口 IP. 芯原属于寒武纪上游供应商。

-----------------------------------------------------------------------------

读完顺手点下“在看”，下次更新优先推送消息；欢迎点赞、在看；更多纪要：及时分享市场、行业及公司动态，包括投资策略、行业数据库、专家调研、公司纪要；信息超越99%的投资者；投资资料包括纪要音频会议、pdf及word纪要、行业及公司数据库、事件点评等；为您节省时间，提高效率，获取高质量的投研信息；有数万份一手纪要信息，可作为投资数据库使用。   

欢迎点赞、在看；更多纪要：请加微信：value116688