中国芯片出口快速上升，但成熟工艺可能接近产能过剩

中国芯片出口快速上升，但成熟工艺可能接近产能过剩 根据中国海关总署最近发布的半导体进出口报告，中国官方媒体称进出口额增长是中国科技行业的一大胜利。对于成为全球第二大纯晶圆代工厂的中芯国际来说尤其如此。但中芯国际最新的财报显示，其收入增长，但利润下降。这可能归因于新技术开发导致研发成本增加，但许多非中国媒体认为，下降的原因是产能过剩，此前中国芯片行业曾承认短期难以攻克工艺问题。 5 月份，韩国依靠先进技术芯片出口额增同比增长 54.5%，远高于同期中国的21.2%增速，美国也在提高芯片产能，预计到 2032 年将生产全球 30% 的尖端芯片。行业分析师认为，中国最近转向成熟芯片生产可能会导致未来几个月供应将远远超过需求，由此引发价格战和芯片过剩的预测成为现实。 此外，拜登政府已宣布对中国半导体征收 50% 的关税，并正在考虑对中国制造的 GPU 和主板征收 25% 的关税，这可能会严重损害中国的半导体出口。如果美国的制裁和关税继续增加，中国传统芯片生产产能过剩或许会变为现实。 

报告称美国风投公司向中国芯片行业投资逾10亿美元

报告称美国风投公司向中国芯片行业投资逾10亿美元 美国国会一项调查确认，自2001年以来，五家美国风险投资公司为中国的半导体行业总共投入逾10亿美元的资金。这份由众议院美中战略竞争特别委员会的两党成员周四发布的报告显示，这五家公司，纪源资本、金沙江创业投资基金、高通风险投资、红杉资本和华登国际，为150多家中国公司提供了资金。这些投资中约有1.8亿美元流向委员会所称的直接或间接支持北京军方的中国公司。例如中国最大的芯片制造商中芯国际。这份众议院委员会的报告主要针对拜登政府为切断中国获得美国融资渠道而实施全面限制之前的投资。

#更新 美国上周五对先进半导体和芯片制造设备实施了新的出口限制，这些限制是美国对中国芯片行业实施的一些最宽泛的限制措施。美国正努

#更新 美国上周五对先进半导体和芯片制造设备实施了新的出口限制，这些限制是美国对中国芯片行业实施的一些最宽泛的限制措施。美国正努力争取盟友加入，希望它们制定类似的对华限制措施。中驻美大使馆发言人表示，美国的做法是典型的“科技霸权”主义。

SIA：中国芯片销售同比大增28.8%

SIA：中国芯片销售同比大增28.8% “虽然环比销售额略有下降，但2月份全球半导体销售额仍远远领先于去年同月的总额，延续了市场自去年中期以来的强劲同比增长势头。”SIA 总裁兼首席执行官 John Neuffer 说道。“2 月份的销售额同比增长幅度为 2022 年 5 月以来的最大百分比，预计市场增长将在今年剩余时间内持续增长。”从地区来看，中国 (28.8%)、美洲 (22.0%) 和亚太/所有其他地区 (15.4%) 的同比销售额有所增长，但欧洲 (-3.4%) 和日本 (-8.5%) 的销售额同比下降）。所有市场的月度销售额均下降：亚太地区/所有其他地区 (-1.3%)、欧洲 (-2.3%)、日本 (-2.5%)、美洲 (-3.9%) 和中国 (-4.3) %）。2024 年及以后半导体供应链的状况和前景从上至下看，半导体需求疲软，电子设备制造业低迷。标准普尔全球制造业采购经理指数 显示，过去 19 个月中有 18 个月新订单出现下降。我们看到了一些复苏的迹象，下降率有所下降，而通信设备的新订单正在增加。这与 2021 年繁荣时期的扩张速度还有很大差距。中国台湾和韩国主要制造中心的半导体出口也有复苏的迹象。在通用计算基础设施的销售陷入停滞之际，对生成式人工智能的需求为芯片、系统和云供应商提供了可喜的推动力。该市场仍处于发展周期的早期阶段。对 GPU 的巨大需求很大程度上是由一小群有远见的公司建立自己的基础平台推动的，加上中国大陆企业在进一步的出口限制生效之前尽可能多地购买先进的 GPU。在大多数商业公司准备好在真正的创收应用软件中大规模使用这些模型之前，这种热潮可能会出现一段平静期。其时间安排取决于实现普遍可用性之前开发、测试和预览的通常顺序。大规模训练是当今最紧迫的需求，但随着时间的推移，推理将成为迄今为止更大的市场机会，因此，随着需求的回升，如今建立的一些大型培训集群可能会重新用于推理可能会整体放缓随着过剩的消化，基础设施销售。超大规模企业以两种方式使用 GPU：在内部预先训练自己的大型基础模型以供客户使用；面向外，供客户使用 GPU 驱动的实例运行自己的 AI 模型和代码。他们越来越多地开发自己的定制硅加速器，作为 GPU 的补充或替代品。除非性能和效率能够呈指数级提高，否则未来十年数据中心容量的预计增长将无法实现。这种转变对半导体行业来说是一次重大颠覆。公布相关数据的四家超大规模企业的资本支出在2023年第四季度达到308亿美元，同比增长15%，与2019年同期相比增长95%。过去五年里，消费设备的出货量推动半导体行业经历了繁荣与萧条的周期。从长远来看，全球消费技术和相关平台市场与通过光纤和 5G 实现的下一代连接的推出直接相关，其在 2024 年的日益成熟将进一步加速市场发展。新产品和应用将不断涌现，其中许多由人工智能驱动并依赖于片上系统技术，通过CPU、GPU和神经处理单元（NPU）的集成组合来加速人工智能。许多 PC 制造商依靠 2024 年晚些时候推出的“AI PC”来刺激需求。短期内，我们的预测显示，北美智能手机出货量自 2016 年以来一直处于持续低迷状态，预计到 2027 年都不会复苏。家庭媒体设备（包括视频游戏机、电视和流媒体）的出货量在 2020 年增长了 16%， 2021 年将下降 10%，然后在 2022 年和 2023 年合计下降 17%。游戏机出货量预计将下降，而流媒体和智能电视预计未来四年仅增长 1% 至 3%。人工智能用例可能会成为位于集中式公共云和数据中心之外、靠近最终用户、联网机器和传感器的基础设施销售的关键驱动力。全球移动行业正在经历一场改变行业的数字化转型，例如支持联网汽车愿景所需的车内和车外基础设施，有可能实现自动驾驶。这些在很大程度上依赖于由原始设备制造商、行业供应商、超大规模提供商、数据中心提供商和 5G 服务提供商部署、管理和拥有的智能边缘基础设施。持续供应不太领先的“传统”半导体和具有额外嵌入式智能的超低功耗芯片是这一愿景的重要组成部分。重新调整用途的消费芯片和新兴架构RISC-V内核、软件IP和小芯片必须被当前并不总是处于技术创新前沿的嵌入式处理和微控制器芯片专家更快地采用。该行业可能拥有光明的长期未来，但眼前的前景却黯淡，这是无法回避的挑战。这在技术供应链的中间可以明显地看到，其中部分半导体的出口尚未开始复苏。半导体零部件的贸易数据将是追踪实际芯片需求复苏的关键指标。 ... PC版： 手机版：

参加Semicon China半导体行业大会的中国芯片制造商和研究人员经常发出的感叹是，地缘政治紧张局势已终结了全球供应链持续几

参加Semicon China半导体行业大会的中国芯片制造商和研究人员经常发出的感叹是，地缘政治紧张局势已终结了全球供应链持续几十年的发展繁荣时代。 半导体行业能否保持增长，可能取决于地缘政治紧张局势如何发展。行业人士表示，全球半导体产业将进入动荡且无序的时刻。

前谷歌工程师创业造AI芯片 已融资2500万美元

前谷歌工程师创业造AI芯片 已融资2500万美元 在这一背景下，两位前谷歌工程师共同创立了MatX。他们利用在谷歌的经验，识别出现有人工智能芯片的局限性，并致力于开发更高效、成本更低的新型芯片，旨在提高大语言模型的训练和运行效率。MatX信心十足地预测，其芯片的性能将至少比英伟达的GPU好十倍。目前该公司已成功筹集了2500万美元的资金。人工智能时代的到来改变了风险投资对芯片行业的态度，尽管面临英伟达等巨头也在快速发展，但市场对于专门针对大语言模型设计的芯片仍然充满期待。以下是翻译内容大约25年后，感觉硅谷终于又成了“硅”谷。英伟达在驱动人工智能软件的芯片市场上已成绝对主导，促使其他公司决定自行设计芯片。历史告诉我们，这通常是充满灾难的尝试。从头开始设计芯片需要耗费数年时间和数亿美元，而且大多数尝试以失败告终。然而，人工智能的巨大前景促使人们认为这是一次必须的尝试。迈克·冈特（Mike Gunter）和莱纳·波普（Reiner Pope）就是这样的两个探索者。他们创立了MatX公司，旨在设计专为处理大语言模型所需数据而优化的芯片。大语言模型，如OpenAI的ChatGPT和谷歌的Gemini，是多种人工智能应用的基础，它们需要大量昂贵的芯片来运行。如果有公司能制造出更便宜、处理速度更快且更适合人工智能的芯片，那么它将在人工智能软件不断扩张的世界中占据极为有利的地位。冈特和波普此前在Alphabet旗下的谷歌工作，冈特负责设计运行人工智能软件的硬件芯片，而波普则负责编写人工智能软件。多年来，谷歌一直致力于开发TPU（tensor processing unit，张量处理单元），一种专为人工智能设计的芯片。然而，根据MatX高管的说法，这些芯片是在大语言模型普及之前设计的，对当前任务而言不够高效。“在谷歌，我们努力使大语言模型运行得更快，也取得了一些进展，但总是遇到困难，”波普表示，“在公司内部，有很多关于芯片改进的想法，很难只专注于大语言模型。这是我们选择离职的原因。”英伟达在人工智能芯片市场的主导地位有些偶然。它最初生产的GPU芯片是为加速视频游戏和某些计算机设计任务而设计的。这些芯片擅长同时处理大量的小型任务，恰好适合运行人工智能软件，其性能大幅超过了英特尔等公司生产的其他类型的芯片。英伟达在其GPU芯片上划分了资源区块，以适应广泛的计算任务，包括芯片内部的数据传输。这些设计决策似乎更倾向于满足以往计算时代的需求，而非当前人工智能的高速发展，从而在性能方面存在一定的权衡。MatX的创始人相信，在新的人工智能时代，这些额外的资源增加了不必要的成本和复杂性。相比之下，MatX采取了全新的设计方法，开发了只有一个大型处理核心的芯片，目的是尽可能快地完成乘法运算这是大语言模型的主要任务。MatX全力以赴，坚信其芯片在训练大型语言模型和输出结果上至少能比英伟达的GPU高出十倍。“英伟达的产品非常强大，对大多数公司来说是正确的选择，”波普说，“但我们认为我们能做得更好。”MatX已经筹集到2500万美元的资金，最新一轮融资由人工智能行业的投资人纳特·弗里德曼（Nat Friedman）和丹尼尔·格罗斯（Daniel Gross）领投。MatX位于加州山景城，距离硅谷的发源地肖克利半导体实验室(Shockley Semiconductor Laboratory)仅几英里之遥。目前，几十名员工正致力于研发计划于明年推出的芯片。格罗斯表示：“MatX的创始人代表了人工智能领域的一股趋势，他们正在将一些大公司开发的最佳想法商业化，因为那些公司动作过慢，过于官僚化。”如果人工智能软件继续沿着现有的发展路径，对于高成本的计算需求将会巨增。据估计，目前正在研究的每个模型的训练成本约为10亿美元，而未来模型的训练成本可能达到100亿美元。MatX预测，只要能够赢得OpenAI和Anthropic PBC等主要人工智能公司的青睐，它的业务将会蓬勃发展。“这些公司的经济模式与典型公司截然不同，”冈特说，“他们将所有资金都投入到计算资源上，而不是人力资源上。如果这一趋势不改变，他们最终会耗尽资金。”在硅谷，芯片公司随处可见，曾经有几十家芯片初创公司，甚至计算机巨头如惠普、IBM和Sun Microsystems也生产自己的芯片。然而近年来，英特尔凭借其在个人电脑和服务器市场的主导地位击败了许多竞争对手，而三星和高通则主宰了智能手机芯片市场。这导致投资者转而避开芯片初创企业，认为相比软件公司，它们成本更高、周期更长、风险更大。MatX的投资人之一、芯片行业专家拉吉夫·赫马尼（Rajiv Khemani）回忆道：“大约在2014年左右，我曾拜访过一些风投公司，他们已经让所有懂芯片的合伙人离开了。”“我面前的人根本不懂我在说什么。”然而，人工智能的崛起改变了风险和回报的平衡。亚马逊、谷歌和微软等资源雄厚的公司已经开始投资设计自己的芯片，专门用于执行人工智能任务。几年前，如Groq和Cerebras Systems这样的初创公司亮相，推出了一大批针对人工智能专用的芯片。但这些产品都是在大语言模型实现技术突破并开始主导人工智能领域之前设计的。这迫使初创公司必须适应人们对大语言模型的突然兴趣，并在飞速发展中调整自己的产品。MatX可能代表着又一波从头开始、专门开发大语言模型专用芯片的初创企业浪潮。进入芯片行业的一大挑战是，设计和制造新芯片需要三到五年的时间。而在此期间，英伟达也不会停滞不前，它在本月刚刚发布了更快的GPU芯片。初创公司必须预测技术趋势和竞争对手的动向，而且不能犯任何可能导致生产延误的错误。软件公司通常需要重写代码才能在新的芯片上运行，这是一个成本高昂且耗时的过程，只有在能从这种变化中获得巨大收益时才会进行这样的转变。一个经验法则是，新芯片必须在性能上至少比前代产品好10倍，才能说服客户重写他们所有的代码。格罗斯认为，我们目前仍处于构建支持人工智能成为主要计算形式的基础设施的初期阶段。“我认为，我们正处于一个芯片周期的早期阶段，与此相比，其他行业的发展将相形见绌。”如果格罗斯的看法正确，那几乎可以肯定地说，新的芯片巨头将会诞生。 ... PC版： 手机版：