2020芯片战事:群雄逐鹿,国产芯片崛起

新闻
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。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。

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

 

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

 

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

 

[[314503]]

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

 

[[314504]]

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

 

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。

责任编辑:未丽燕 来源: DOIT
相关推荐

2011-03-23 09:27:02

2011-12-26 10:59:02

数据中心网络TRILLSPB

2010-09-06 10:10:20

Wi-Fi

2020-01-08 10:38:17

5G手机芯片5G通信

2022-01-05 06:44:09

自动驾驶安全芯片

2018-03-06 09:49:28

云计算PaaSIaaS

2012-02-15 08:58:12

云计算并购合作

2010-08-23 15:57:28

互联网

2010-06-07 09:43:19

刀片服务器

2009-08-21 15:29:01

2010-05-17 18:03:22

统一通信系统

2015-01-22 17:50:46

戴尔

2010-06-09 11:42:08

世界杯虚拟化

2010-01-04 10:16:52

2018-03-27 11:26:04

工业云平台互联网

2015-07-14 10:46:20

网盘

2016-08-12 15:28:14

云计算互联网

2012-08-14 11:08:46

OS微软

2017-09-13 13:31:30

平安云金融科技合规
点赞
收藏

51CTO技术栈公众号