当前位置:首页 > > 大鱼机器人
[导读]报道称,过去一年里, 国内企业从从日本、韩国和其他地方购买了近320亿美元的设备,用于生产计算机芯片,而芯片进口近3000亿美元。 我国芯片何时才能实现自主化?

报道称,过去一年里, 国内企业从从日本、韩国和其他地方购买了近320亿美元的设备,用于生产计算机芯片,而芯片进口近3000亿美元。

我国芯片何时才能实现自主化?

2020年,中国进口的计算机芯片数量激增。 数据显示,国内企业从日本、韩国和其他地方购买了近320亿美元的设备,用于生产计算机芯片,比2019年增长了20%。 随着像华为这样的公司在美国制裁前开始大量采购芯片,国内计算机芯片的进口额攀升至将近3800亿美元,约占当年中国进口总额的18%。

一年进口3800亿美元芯片,芯片进口量上升

2020年,中国进口近3000亿美元的芯片。 过去的几年里,美国逐步限制中国公司获得美国技术的机会,促使国内企业在经过多年的缓慢发展之后加倍努力发展国内芯片产业。

特朗普政府的采取的行动暴露了中国在这一关键领域的脆弱性,甚至在新一届政府上台后,我国仍在推进一项全面的新计划,以实现半导体自给自足。 上海Gavekal Dragonomics的技术分析师表示,「 从短期来看,中国将依靠进口来促进其半导体制造行业。中国还没有能力生产所需的先进芯片制造设备。中国正在大力投资,但成功需要十多年的努力 」。 中芯国际等国内企业已经增加了对制造硅片和计算机芯片所需机器的购买力度。 根据国际半导体产业协会(SMIC)去年12月的报告,中国已成为2020年此类设备的最大市场。

随着华为和其他科技公司在美国实施限制之前储备芯片,到2020年底国内芯片进口量激增了约14%。 去年,华为被美政府列入黑名单,阻止其从智能手机和通信设备所需的美国供应商那里购买芯片和其他设备。 紧接着,特朗普政府进一步严格了规定,以阻止任何使用美国装备的公司向华为供应产品。

再者,由于新冠大流行期间全球对计算机和远程工作的强劲需求,国内的芯片采购量也猛增,大部分芯片从智能手机到笔记本电脑。

芯片自主化还需多久?

全球的芯片需求激增,台积电是最大的赢家之一。芯片需求飞涨导致全球汽车制造商芯片短缺,不得不迫使一些汽车厂商停产。

而今年的需求将继续增长,半导体产业协会在12月预测,今年全球芯片销售将增长8.4%,继续使台积电、英特尔和三星电子等公司受益。 国内实现芯片自主化还需多久? 5G时代的到来,催生了智能设备对芯片的需求。不仅手机、电脑,还有汽车、各类电器都需要芯片的支持,而芯片成了智能设备的灵魂。 另一方面,台积电断供华为,美国对华为控制芯片出口,也再一次的警醒我们:芯片的国产化,是我们必须要面对的难题。 据IC Insights报告数据显示, 2019年中国的IC产量占其近1250亿美元IC市场的15.7% ,而IC市场需求还是远远高于IC产量。

由于芯片制造相关的基础科研能力不足,国内企业无法跟上世界顶尖企业的发展步伐,缺少足够的市场竞争力,差距逐渐拉大。 美国在芯片设计、制造领域有巨大的优势。美国公司设计的芯片占了54%的市场份额,国内企业设计的仅占3%。 国内芯片自主化还有很远的路要走。

来源:Bloomberg

编辑:yaxin

免责声明:本文内容由21ic获得授权后发布,版权归原作者所有,本平台仅提供信息存储服务。文章仅代表作者个人观点,不代表本平台立场,如有问题,请联系我们,谢谢!

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

依托微五科技公司平台的技术积累与产业资源,芯片产品已在燃气、电网、信创及物联网等领域实现芯片规模化应用,成为推动RISC-V架构落地的重要力量。未来,该公司将持续深耕AIoT芯片领域,为更多行业客户赋能,提供高性能、高安...

关键字: 芯片 半导体

中国,2026年5月25日——意法半导体(简称ST)(纽约证券交易所代码:STM)总裁兼首席执行官 Jean-Marc Chery 将于北京时间2026年6月2日下午17点(即同日中欧时间上午11点)在巴黎举行的 BNP...

关键字: 意法半导体 电源 芯片

在汽车电子、工业控制、医疗设备等安全关键领域,嵌入式产品的生命周期不仅仅是从开发到上市这一短周期,而是要5年、10年甚至更久的长期维护、更新与迭代。对嵌入式系统开发工程师与研发团队而言,时间不再只是衡量项目进度的标尺,而...

关键字: 汽车电子 工业控制 芯片

少一次回写、少一次读回,按理说融合应更快,可很多内核一融合反而掉速,问题常不在算子数学,而在活跃状态被拉得太长。AI芯片做编译优化时,最容易高估的不是融合收益,而是寄存器和片上暂存能否接住融合后的活跃值。

关键字: AI 芯片 寄存器

峰值带宽写得很高,实际执行却总像喂不饱阵列,这种落差常常不在 HBM 规格本身,而在数据流并没有均匀走到每一条通路。AI芯片若把外存分布和片上互连解耦看,理论带宽再大也会先堵死在局部热点。

关键字: AI 芯片 HBM

模型并不轻,单次推理却总跑不出预期吞吐,这种问题在小批量场景尤其常见。AI芯片面对在线推理、实时控制或多租户请求时,最难受的往往不是峰值算力不够,而是流水线永远没被真正填满。

关键字: AI 芯片 算力

理论上跳过零值就能省算力,可很多稀疏加速器一上真模型,利用率却远没想象中高。AI芯片要把稀疏红利吃满,难点并不在于识别零,而在于元数据和负载波动会把省下来的乘法重新花在别处。

关键字: AI 芯片 负载均衡

模型规模没变,利用率却总上不去,很多时候不是算力单元太少,而是片上缓存先被撑爆。AI芯片一旦把局部存储和分块调度看得过于理想,乘加阵列就会反复等数据,而不是持续吃满。

关键字: AI 芯片 SRAM

标称功耗没超预算,频率却总是跑不久就掉下来,这类现象往往不是散热器不够大这么简单。AI芯片在高并发矩阵和缓存访问同时拉满时,最先撞上的常常是瞬态供电边界和热控反馈,而不是长期平均功耗。

关键字: AI 芯片 功耗

权重和激活一降到低比特,吞吐是上去了,精度却常常不是线性下降,而是在某几个层面突然断崖。AI芯片做低比特计算时,最危险的并不是量化本身,而是量化误差和累加边界在同一层上叠加失控。

关键字: AI 芯片 精度
关闭