核心观点 - 科技巨头通过自研和投资双轨并行加码AI算力布局 算力从AI竞争的可选项变为必选项 成为必须掌控的关键命门 [1][2][3] - 自研AI芯片主要驱动因素包括成本控制 性能提升和生态主导权争夺 专用芯片因研发门槛较低且更适配自身业务成为主流选择 [4][5][6] - 互联网公司造芯具备业务规模 供应链控制和资金人才优势 但面临技术迭代风险和生态壁垒挑战 需通过模块化设计和生态共建突破限制 [7][8] 股价表现 - 9月12日港股百度集团和阿里巴巴股价分别大涨8.08%和5.44% 主因是两家公司使用自研芯片训练AI大模型 [1] - 特斯拉创始人埃隆·马斯克9月7日宣布与团队进行AI5芯片设计评审 称其为史诗级芯片 OpenAI与博通启动自研AI芯片量产推动博通股价大涨 [1] 自研芯片进展 - 阿里巴巴测试面向AI推理任务的新芯片 旗下平头哥2019年推出首款RISC-V处理器玄铁910和AI芯片含光800 [2] - 腾讯在三款自研芯片取得重要进展：AI推理芯片紫霄 视频转码芯片沧海和智能网卡芯片玄灵 [2] - 字节跳动已组建芯片研发团队 在校园招聘中设置多个芯片相关岗位 [2] 投资布局 - 阿里巴巴投资寒武纪 深鉴科技和翱捷科技等芯片企业 [3] - 腾讯押注长鑫存储 燧原科技和集益威半导体等公司 [3] - 字节跳动入股摩尔线程 聚芯微电子和昕原半导体等多家芯片公司 [3] 驱动因素 - 生成式AI对算力需求指数级增长 通用GPU难以平衡千亿参数模型训练效率与成本 全球算力供需失衡导致采购成本上升 [4] - 自研AI芯片显著降低采购成本并增强供应链韧性 避免受制于供应商变化 [4][5] - 专用芯片如ASIC和FPGA针对特定算法优化 研发门槛较低且更适配企业自身云计算和AI业务 [5] - 阿里巴巴通过自研芯片提升云平台性能 字节跳动优化实时推理密度服务短视频及电商 腾讯强化低延时响应支撑游戏与社交 [6] - 自研芯片配套开源软件栈和开发者工具可打破英伟达CUDA生态垄断 构建自主可控技术栈并掌握产业话语权 [6] 优势与挑战 - 互联网公司拥有海量业务数据和应用场景 具备供应链与成本控制力 能摊薄研发成本并形成生态协同效应 [7] - 资金与人才优势使企业具备长期持续投入资本实力 能吸引顶尖芯片研发人才 [7] - AI芯片研发需3-5年周期 但技术迭代迅猛可能导致芯片量产前就面临技术落后风险 [7] - 地缘政治影响先进制程 代工厂产能波动可能中断生产加剧供应链不确定性 [7] - 自研芯片在软件栈和开发者工具链等生态环节弱于国际成熟企业 用户迁移成本高制约商业化 [7] 突破路径 - 采用Chiplet模块化设计缩短研发周期 实施渐进式替代战略 从边缘端轻量化场景积累数据再向训练端渗透 [8] - 联合国产厂商搭建平台共建软硬件生态 通过开源模式吸引开发者快速迭代技术并形成生态协作 [8]

英伟达H20芯片解禁事件分析 - H20芯片是AI训练千亿大模型的核心动力 被比喻为AI时代的"发动机" [3] - 2024年H20为英伟达带来120-150亿美元收入 占中国区营收85% [7] - 禁售导致英伟达Q1损失25亿美元 预计两季度共亏损135亿美元 [9] 中美科技博弈新阶段 - 美国从全面封锁转向有限放水 形成新的平衡策略 [5][15] - 禁令倒逼中国加速国产替代 华为昇腾910B性能接近H20 [11][33] - 中国AI市场未停滞 反而推动国产芯片生态发展 [14] 中国市场变化 - 字节跳动和腾讯2024年采购23万枚Hopper系列芯片 [8] - 腾讯向字节跳动购买价值20亿元GPU算力资源 [28] - H20服务器价格从100万元涨至140万元 [30] 国产替代进展 - 华为昇腾 寒武纪等国产芯片性能显著提升 [11] - 国家发改委建议优先使用国产芯片 [34] - 华为MindSpore 百度PaddlePaddle等国产框架逐步完善 [35] 英伟达应对策略 - 强调高性能计算和生态兼容性优势 [40] - 尝试与小米等中国头部企业深化合作 [43] - 讨论基于CUDA的本地化AI训练方案 [46] 行业未来趋势 - 可能出现中美两个平行的AI技术世界 [52] - 中国正在构建芯片-框架-大模型-应用的闭环生态 [59] - 华为昇腾+MindSpore+Qwen形成自主技术体系 [60]

RISC-V起源与发展 - 2010年加州大学伯克利分校团队因对现有ISA不满而决定开发全新RISC架构 核心诉求包括摆脱商业ISA限制、适应摩尔定律放缓趋势[1] - 项目初期面临重大技术挑战 需重建编译器/操作系统/软件生态 预估成本达数十亿美元[1] - RISC-V名称暗含"风险"双关 致敬RISC之父戴夫·帕特森的高风险高回报理念[2] - 2011年发布首个指令手册 最初定位为学术研究工具 后意外获得工业界关注[4][5] 技术特性与创新 - 设计原则强调易构建/高效/可扩展 采用伯克利软件分发许可证实现开源共享[4] - 矢量扩展(RVV)成为关键差异化优势 支持从边缘设备到HPC的可扩展矢量处理[33] - 2023年RVA23规范获批 集成向量/虚拟机管理/加密等关键组件 支持AI/汽车/Android等场景[28] - 架构自主性成为国家安全考量 中国/印度/巴西等国将其作为战略技术自主路径[25][23] 商业化进程 - 2014年Hotchips会议显示工业界对开放ISA的强烈需求 远超团队预期[7] - 2015年成立RISC-V基金会(后更名RISC-V国际) 创始会员包括谷歌/NVIDIA/IBM等42家企业[16] - NVIDIA在2016年采用RISC-V替代专有Falcon核心 2024年实现10亿核心交付[9] - 西部数据2019年宣布年出货10亿RISC-V核心目标 对标IBM对Linux的投入[20] 生态系统建设 - 学术界经历从怀疑到接纳的转变 麻省理工/苏黎世联邦理工等顶尖院校全面采用RISC-V教学[12] - 2015年PULP项目从OpenRISC转向RISC-V 推动学术与工业协作[13] - 2023年成立RISE项目 高通/谷歌/英特尔等企业投入超百万美元完善软件生态[31] - OpenHW集团提供工业级开源硬件 促进企业共享突破性IP[22] 垂直领域应用 - 汽车行业加速采用 软件定义汽车需求推动每2-3年的架构迭代周期[39] - 欧洲航天局将RISC-V用于太空计算 抗辐射版芯片已部署至国际空间站[41][43] - 中国"一生一芯"计划培养RISC-V人才 截至2025年累计培训12,000名芯片设计者[46] - HPC领域取得突破 欧洲处理器计划利用RVV扩展开发超级计算解决方案[36] 未来发展方向 - 重点构建成熟软件生态 解决"先有鸡还是先有蛋"的生态困境[30] - 按垂直市场定制完整解决方案 而非提供通用但不完整的方案[29] - 通过AI工作负载优化推动架构创新 RISE已成立专门AI/ML工作组[34] - 预计15年内实现主流化 可能出现RISC-V台式机/笔记本与现有架构竞争[32]