社区

北京时间11月16日凌晨，“微软造芯”这颗飞了一个月的石头落地了：微软CEO萨提亚·纳德拉在Ignite2023开发者大会上发布两款芯片，一款CPU、一款AI加速器，均用于云服务，分别命名为Azure Cobalt 100和Azure Maia 100。芯片用于云服务，切中了网友的猜测。而此次发布会上还有两点超出了网友原本的预料：第一，没发布NPU，反而推出了一款CPU；第二，英伟达CEO黄仁勋被请到现场，大谈两公司在AI领域的合作成果，坊间猜测的“微软挑战英伟达”说在一定程度上被消解。果然，科技圈没有永远的市场争夺，只有慕强是唯一真理？01微软为何要做CPU？“体量够大。”这是记者提问“为什么微软要做CPU时”，业界专家给出的答案。对于微软来说，云计算是当前最重要的业务板块、也是最大的盈利来源。在算力需求日益旺盛的当下，由购置处理器带来的成本已相当可观。自研处理器，很有可能是基于实现企业利益最大化的考量。芯谋研究企业服务部总监王笑龙表示，靠自研芯片提升企业品牌价值可能是一些小企业的思路，对于微软这样体量的企业来说，自研芯片肯定是为优化企业业务服务。对于云计算厂商来说，传统的服务器通常由CPU和GPU两类处理器组成。其中CPU的主要供应商是英特尔和AMD，GPU的主要供应商是英伟达和AMD。而微软此次推出的两款芯片，恰恰对应这两大类型：Azure Cobalt 100是CPU，Azure Maia 100作为一款AI加速器，主要对应的是当前GPU的功能。萨提亚·纳德拉表示，这两款产品将先自用，再逐步对外供应。萨提亚·纳德拉发布Azure Cobalt 100另一方面，现有处理器不是最适合AI的，几乎已经成为算力芯片供应商的共识。这也是在大模型浪潮的推动下，NPU、APU、TPU等AI专用处理器类型纷繁迭出的底层逻辑。在AMD、英特尔等传统处理器企业之外，芯片设计已经吸引了亚

文｜ 郝博阳 无忌最强GPU芯片再次升级了，但更像是半代升级。在11月13日的2023年全球超算大会（SC23）上，英伟达发布了新一代AI芯片HGX H200，用于AI大模型的训练，相比于其前一代产品H100，H200的性能提升了约60%到90%。H200是英伟达H100的升级版。与过往GPU升级主要都在架构提升上不同，H200与H100都基于Hopper架构。在同架构之下，H200的浮点运算速率基本上和H100相同。而其主要升级点转向了内存容量和带宽。具体包括141GB的HBM3e内存，比上一代提升80%，显存带宽从H100的3.35TB/s增加到了4.8TB/s，提升40%。H200核心GPU运算数据与H100完全一致然而，在大模型推理表现上，其提升却极其明显。H200在700亿参数的Llama2大模型上的推理速度比H100快了一倍，而且在推理能耗上H200相比H100直接降低了一半。对于显存密集型HPC（高性能计算）应用，H200更高的显存带宽能够确保高效地访问数据，与CPU相比，获得结果的时间最多可提升110倍。因为框架未有改变，H200与H100有着完全的兼容性。这意味着已经使用先前模型进行训练的AI公司将无须更改其服务器系统或软件即可使用新版本。为什么英伟达突然不卷频率，卷起内存了呢？01H200这个半代升级，是不得不发的无奈之举芯片内存，靠着AI才走向了前台。几十年来，出于技术和经济原因，各种处理器在计算上配置过度，但在内存带宽上配置不足。因为内存容量取决于设备和工作负载。比如处理Web基础设施工作、或一些相对简单的分析和数据库工作，一个拥有十几个DDR内存通道的CPU就足够处理了。但对于HPC模拟和建模、人工智能训练和推理来说，这点内存通道就不够用了。为了实际提高矢量和矩阵引擎的利用率，内存容量和内存带宽突然成了高性能GPU的命门。早在今年年初，全球大厂扫货

1.引言在上一篇文章（微软Azure云数据中心工作负载分享：SSD与HDD，何去何从？）中，我们提到在应对SSD QLC/PLC大容量的挑战中，HDD也是在不断的努力，推出HAMR，SMR等新介质。HDD如果想要不被SSD抢占市场，必须要提升容量，并且降低成本。成本是HDD最大的优势。本文，我们重点聊聊，如何提升硬盘的容量，以及各家HDD厂商的产品进度。2.如何提升硬盘的容量？如果要增加盘的容量，势必需要增加碟片磁道的密度，随着容量越大，碟片上放置数据的颗粒位之间间距越来越短，相互之间的磁性影响也会越来越大。如何保证保持数据位的稳定性，如何在需要时强迫一个非常稳定的位改变其磁方向？如果颗粒的热稳定性非常高，如何将新数据写入硬盘？这就是HAMR和MAMR要解决的问题。(1)HAMR：全称，Heat Assisted Magnetic Recording，是一种热辅助磁记录技术HAMR 采用了一种新型的介质磁技术，数据颗粒位的占用空间会更小，密度也会相应增加，从而达到提升容量的目的，同时保持磁稳定和热稳定。在需要写入新数据的时候，磁头上激光二极管就会瞬间在颗粒位增加热量，使得单个颗粒位实现磁极性完成反转，从而完成写数据的过程。这个加热/冷却完成数据存储的过程持续的时间非常短，在1ns级别，对硬盘整体的稳定性和可靠性没有影响。不过，这个激光二极管在颗粒位产生的温度达到400-700C，保证基板和其他部件的高温影响，可靠性这部分对于HAMR来说，仍然有很多的难点需要突破，这也是HAMR为何研究了十几年，却一直无法大规模生产的原因。为了克服衍射极限，HDD厂商（比如希捷）利用光子晶体中的等离子体激元来突破衍射极限。这个新组件被称为等离子体近场传感器，简称NFT。等离子体 NFT 由一个圆盘和类似钉子的结构组成。光被圆盘吸收，并变成了表面等离子体。这个表面等离子体沿圆盘和钉子，精确指向

算力的字面意思，大家都懂，就是计算能力（Computing Power）。所谓“计算”，我们可以有多种定义。狭义的定义，是对数学问题进行运算的过程，例如完成“1+1=？”的过程，或者对“哥德巴赫猜想”进行推理的过程。广义的定义，则更为宏观，凡是对信息进行处理并得到结果的过程，都可以称为“计算”。很显然，狭义和广义定义的区别，主要是计算的内容不同。而完成计算过程的能力，都可以称之为“算力”。事实上，人类的思考，就是一个最常见的计算过程。我们除了睡觉和发呆的时间之外，每时每刻都在进行着思考。我们通过五官对外界信息进行观察、感知和收集。然后，借助大脑，对这些信息进行处理（也就是思考）。最后，得出结论，做出判断，并采取行动。在这个过程中，大脑就是我们的算力工具。而大脑的思考能力，就是算力。大脑的思考速度越快，意味着算力越强。计算是人类解决问题的一种方式。在漫长的历史长河中，人类遇到过很多问题，都需要通过计算来解决。这些计算任务，仅凭大脑这个“原生”算力工具，是无法完成的。于是，人类发明了很多算力工具和方法，满足计算需求。例如算盘、算筹、计算尺等。20世纪40年代，在技术的不断积累下，电子计算机诞生，信息技术革命正式开启。早期的计算机，其实就是一个大型计算器，主要用于军事领域的复杂计算任务（例如弹道计算）。它的性能并不算强，而且体积和功耗巨大。后来，晶体管被发明出来，取代了真空管，才逐渐解决了体积和功耗的问题。1958年，集成电路问世，正式开创了芯片时代。芯片里面拥有大量的电子元件（例如晶体管、电阻、电容等），可以执行运算指令。近几十年以来，在摩尔定律的支配下，芯片上的晶体管数量不断增加，性能也不断提升。在芯片能力的加持下，计算机变得越来越强大，体型也越来越小，最终催生了PC，以及繁荣的IT软硬件生态。计算机开始走入家庭和行业，并最终成为人类最重要的算力工具。我们将计算机应用于各个领

近期，英伟达新发布的H200芯片，堪称“地表最强”AI芯片，性能相较前一代的H100提升约60%到90%。而更早之前，微软、英特尔与AMD都相继发布了自家的新AI芯片。相关信息，芯师爷在最新文章《万亿AI芯片市场，巨头开抢》中均有梳理。遗憾的是，从美国当前的高端芯片出口政策看，以英伟达H200为代表的美国高端AI芯片短时间内暂时无缘国内。但国内AI技术还是得不断迭代发展，国产替代行不行得通？未来GPU国产适配一定是“在路上”。那么问题来了，高性能GPU 被限制，普通GPU不能用吗？CPU和GPU差在哪里？在解答这些问题之前，我们先来了解下目前哪些场景使用了GPU，以及为什么说大多数程序员都应该了解GPU。GPU和CPU全方位协同的时代说起GPU的应用起源，就不得不说打游戏。可以说在GPU发展的前期，游戏发展占半边天。PS5和Xbox游戏机都内置了GPU芯片。如果你是一位游戏爱好者，你大概率会知道购买游戏设备，会更看重其GPU性能。即所谓的“CPU决定下限，GPU决定上限”。GPU大体决定了游戏分辨率、特效能开多高，对于用户的游戏体验起到关键性作用。其次就是前几年还比较流行的加密货币、“挖矿”。比特币等加密货币的火爆带动矿卡GPU需求，Nvidia的股票也是成倍的翻。矿机算力的大小决定挖矿的速度，算力越大，挖矿越快。当时有句话叫，“上班是为了给我的矿机挣电费”。其次是自动驾驶场景，自动驾驶场景一般在处理分析实时数据后，需要在毫秒的时间精度下对行车路径、车速进行规划，保障行车过程安全，对处理器的计算速度要求也较高。而GPU采用流式并行计算模式，可对每个数据行独立的并行计算,擅长大规模并发计算，正是自动驾驶所需要的。再其次就是深度学习，随着Transformer的出世，AI大模型其参数量从亿级飙升到万亿级，训练时间从小时到天级，使得大模型对算力提升提出要求，而这时高性能GPU集群

三年又三年，都快十年了。 如今，智能驾驶行业可谓是两极分化—一边是辅助驾驶市场熙熙攘攘，一边是自动驾驶行业凄凄惨惨。 车企和智驾供应链上下都被牢牢禁锢在辅助驾驶科技普惠的铁帽子下，哪怕杀敌一千自损八百，也要自割腿肉，顺带着相互降价、拆台、互怼、阴阳……吵吵闹闹，好坏难辨。 至于自动驾驶（注：本文中“自动驾驶”特指L3以上自动驾驶），谁都没有多余的精力和眼神分给它——它就像一颗掠地流星，虽然出现在公众眼里的时间相较于其他流星而言确实长了不少，但一时还是在视野中愈行愈远。 2015年，前百度副总裁、无人车项目负责人王劲发出豪言壮语，将实现自动驾驶汽车“三年商用，五年量产”。如今三年之后又三年，马上就快十年了，自动驾驶依然奋战在量产的道路上。 但近期，不少媒体和车评人都明示、暗示了自动驾驶似乎有卷土重来，重登巅峰的可能，并且直言，这个猜测绝非空穴来风。 他们的依据在于，工信部在去年11月发布的《关于智能网联汽车准入和上路通行试点工作的通知（征求意见稿）》，按正常审批流程，正式通知大概率将在今年年底前发布，满打满算也就这两个月的事情了。 在征求意见稿中，有两点很是引人注意： 一是允许符合条件的道路机动车辆生产企业和具备量产条件的搭载自动驾驶功能的智能网联汽车产品开展准入试点。 二是对通过准入试点的智能网联汽车产品，在试点城市的限定公开道路区域内开展上路通行试点。 不少媒体对此的理解是，若文件正式签发，意味着具备L3及以上自动驾驶功能的车辆，将走通生产、销售和上路的全流程，得到国家层面的认可和允许，很多曾经横亘于自动驾驶汽车面前的法律问题就会迎刃而解。 并由此断言，L3及以上级别自动驾驶将以此为凭，演绎一段自动驾驶殿堂的“熹贵妃回宫”的高光戏码，卷土重来，重登巅峰。 但这份万众期待的试点通知真的能成为L3及以上级别自动驾驶卷土重来的机会和底气吗？自动驾驶是否就真的离普通用户更近了一步

近日，四川洪芯微科技有限公司（以下简称：洪芯微科技）旗下资产被挂至阿里拍卖网，引发市场关注。图源：阿里资产根据拍卖信息，本次拍卖标的包含洪芯微科技旗下芯片工厂、土地、生产设备、产品及原材料等资产，起拍价格共计3493.28万元，约为评估价的70%。开拍日期为2023年12月6日，拍卖缘由备注为“企业破产”。据洪芯微科技官方微信公众号介绍：四川洪芯微科技有限公司成立于2014年8月，投资1.5亿元，位于四川省射洪县西部国际技术合作产业园，是一家专业从事先进功率半导体芯片设计、生产、销售及技术服务的有限责任公司。更多公开资料表明，洪芯微科技主要产品有GPP、TVS、Schottky、FRD、Triacs、TSPD等。芯师爷追溯洪芯微科技官方微信公众号内容，其账号内容主要为招聘信息，最早内容更新于2014年12月。图源：洪芯微微信公众号从成立到破产，洪芯微科技走了9年，这期间，这家企业经历了什么？洪芯微科技发展历程洪芯微科技一度是被寄予厚望的四川遂宁现代产业高端突围项目之一。以往的公开报道较为清晰地展示了洪芯微科技的发展历程：2014年8月洪芯微科技成立于四川遂宁。2015年6月（另有报道称8月），洪芯微科技4英寸功率半导体芯片投产，成功生产第一颗芯片诞生。该芯片的诞生被认为是“实现了遂宁电子产业从‘切芯片’到‘造芯片’的新跨越。”2017年达到产能30万片，实现国内产销量前三名的目标。2018年启动50万片/月生产计划。2019年5月，其官方微信公众号发布最后一则“急聘”启事，同时透露公司拥有员工150余人，超过150家的客户，产销50万片/月以上。图源：洪芯微微信公众号2020年，公司入选省专精特新中小企业培育名单。2022年，公司先后被评为 “知识产权优势企业”“高新技术企业”。图源：企查查2022年4月，公司最后一次在职位招聘平台中招聘员工。2022年10月起，公司与合作

11月15日，工信部发布了关于《道路机动车辆生产企业及产品公告》（第377批）和《享受车船税减免优惠的节约能源使用新能源汽车车型目录》（第五十六批）拟发布公告。其中，备受关注的小米汽车现身新一期目录中。 本次新产品公示中，“小米牌”汽车共有2款，均为纯电动轿车，型号分别为BJ7000MBEVA1和BJ7000MBEVR2，企业名称为北京汽车集团越野车有限公司。 产品信息方面，两款车型在车高、动力电池、发动机等方面均有差别。 BJ7000MBEVA1长宽高分别为4997mm、1963mm、1440mm，轴距为3000mm。动力方面，搭载宁德时代的三元锂电池；发动机采用苏州汇川联合动力系统股份有限公司的YS210XY102/TZ220XY102，功率为220/275kw。车尾显示有尾标“北京小米”，可选装2种尾标字体“SU7 Max”/“SU7 Pro”。 BJ7000MBEVR2长宽高分别为4997mm、1963mm、1455mm，轴距为3000mm。动力方面，搭载襄阳弗迪电池有限公司的磷酸铁锂电池；发动机采用联合汽车电子有限公司的TZ220XS000，功率为220kW。车尾显示有尾标“北京小米”、“SU7”。 “一般而言获取生产资质有两种方式，其一为收购其它汽车品牌或走代工路线，其二是通过自建工厂获得资质。”有业内人士分析认为，从目前曝光的信息看，显然小米汽车还没完全搞定生产资质问题，虽由自建工厂生产，但申报企业名称却是北汽越野车。“小米汽车前期可能需要暂时使用北汽的生产资质，而后继续申请独立的资质。” 另据每日经济新闻消息，北京经开区小米汽车工厂生产厂房已初见规模，有内部人士透露，小米汽车一期工厂内四大制造工艺(冲压、焊接、涂装、总装)车间均已建好，并已开始小批量试生产。 有知情人士透露，小米汽车将在12月开始批量生产，2024年开年（2月）上市开卖。而此前，雷军曾表示，

11月10日-11日，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）在广州成功举办。芯易荟（ChipEasy）作为一家提供全球领先的DSA处理器设计工具的新一代EDA公司，亮相本届展会。芯易荟展台人气火爆，吸引众多产业专家、研发人员、行业媒体现场交流。在大会两大分论坛上，芯易荟还带来了两场精彩的演讲，与产业人士共话EDA与IC设计领域发展新趋势。图：浦东新区科经委副主任夏玉忠一行人莅临芯易荟展台参观交流图：上海集成电路行业协会秘书长郭奕武一行人莅临芯易荟展台参观交流展会现场，芯易荟展示了全球首款C语言描述基于RISC-V基础指令集的DSA处理器生成工具FARMStudio™。该工具针对密集计算和复杂数据处理的应用场景，赋能工程师自由探索计算架构，优化PPA，快速收敛至最佳设计。可广泛应用于定制针对视觉、AI、通信、音频、DPU、工业控制等领域的处理器解决方案，助力芯片设计公司高效自研IP。此外，现场还展示了FARMStudio™在定制开发DSP32的灵活和优秀的浮点能力。芯易荟创始人汪人瑞博士分享了公司价值主张、创业背景和FARM设计方法学等内容。汪人瑞指出，多核异构是当下芯片设计的主流趋势，这也是芯易荟技术开发的重点所在，对此，芯易荟将自身定位聚焦在原型设计环节，旨在将系统级的概念落实到芯片上，帮助客户实现多、快、好、省的设计并提供全流程服务。“芯易荟拥有丰富的研发经验，设计团队由来自不同领域的工程师有机结合，实现了‘1+1>2’的效果。在此基础上，芯易荟以服务中国半导体行业为发展重点，以帮助客户真正实现投产作为考验自身价值的依据。” 汪人瑞指出，“EDA公司与半导体公司由传统的供求关系转变为合作关系是至关重要的一环，未来我们将继续加大生态建设投入，与产业合作伙伴共同成长。”图：芯易荟创始人汪人瑞（右一）、CEO汪达钧（左

10月30日至11月1日，2023慕尼黑华南电子展（electronica South China）在深圳国际会展中心（宝安新馆）盛大召开。展会之际，芯师爷专访了国内数家半导体产业链的优秀企业，特别推出“慕名而来·圳好”专题报道。本篇文章采访的企业是深圳康盈半导体科技有限公司（以下简称为“康盈半导体”）。康盈半导体是康佳集团半导体产业的重要组成部分，公司专注于嵌入式存储芯片、模组、移动存储等产品的研发、设计和销售，产品广泛应用于智能终端、智能穿戴、智能家居、物联网、网络通信、工控设备、车载电子、智慧医疗等领域。此次专访中，康盈半导体副总经理齐开泰向芯师爷介绍了公司的参展产品及应用领域，并就存储市场行情等热点话题，与芯师爷进行了深入探讨。1本次展会上，贵司带来哪些主要产品？康盈半导体主要有两大产品线，分别是嵌入式产品线和模组式产品线。其中嵌入式产品主要包括 eMMC、eMMC工业级、Small PKG. eMMC、UFS、ePOP、eMCP、nMCP、SPI NAND、MRAM、LPDDR和DDR等；模组式产品分成B端产品线和C端产品线，产品包括SSD、内存条、存储卡、便携式移动固态硬盘等。图源：芯师爷此次展会上，康盈半导体主要展出了工控领域、智慧物联、智能家居等领域应用的存储产品，包括容量覆盖4GB到64GB的工业级eMMC、容量范围覆盖1Gb到4Gb的SPI NAND以及工业级LPDDR。同时，康盈半导体还带来了移动存储卡、移动硬盘、固态硬盘、内存条等个人消费存储产品，助力积极进取、自在向前的年轻人从容生活，享受人生中每一个精彩时刻。2贵司工控类产品的核心优势体现在哪？对于工控类产品，客户最关心的是产品性能的稳定性、在严苛环境下使用的可靠性以及长期稳定的供应。因此康盈半导体在产品研发阶段，会进行更多且长周期的稳定性测试，以及模拟实际使用环境的测试，以确保产品的整体设计符合