📖 ZKIZ Archives

中國半導體產業黃金發展期已至

1.1、中國半導體市場逆勢增長，景氣度高

半導體是許多工業整機設備的核心，普遍應用於計算機、消費類電子、網絡通信、汽車電子等核心領域。半導體主要由四個組成部分組成：集成電路(約占81%)，光電器件(約占10%)，分立器件(約占6%)，傳感器(約占3%)，因此通常將半導體和集成電路等價。集成電路按照產品種類又主要分為四大類：微處理器(約占18%)，存儲器(約占23%)，邏輯器件(約占27%)，模擬器件(約占13%)。

半導體是需求推進的市場，在過去四十年中，推動半導體業增長的驅動力已由傳統的PC及相關聯產業轉向移動產品市場，包括智能手機及平板電腦等，未來則可能向可穿戴設備、VR/AR設備轉移。

經濟景氣度越高，消費者就會越肯花錢在智能手機、個人電腦等電子系統上，連帶為半導體市場帶來成長動力，從ICinsights數據可以看出，全球GDP成長率與半導體市場的成長率關聯性十分密切。

受宏觀經濟因素的影響，全球半導體元器件需求不振。根據SIA公布的數據，2015年全球半導體市場銷售額為3352億美元，同比下降了0.2%。全球半導體市場下滑的主要原因是PC銷售下降和智能手機出貨增速放緩。根據IDC統計，2015年全球PC和平板出貨量同比下降約10%，而智能手機的增速從2014年27%降至10.13%。

與之前相對應的是中國半導體市場依舊保持較高景氣度，半導體市場規模達到1649億美元，同比增長6.1%，成為全球為數不多的仍能保持增長的區域市場。

2000年~2015年的16年里，中國半導體市場增速領跑全球，達到21.4%，其中全球半導體年均增速是3.6%，美國將近5%，歐洲和日本都較低，亞太較高13%。就市場份額而言，目前中國半導體市場份額從5%提升到50%，成為全球的核心市場。

1.2、政策扶持，半導體市場迎來新機遇

目前國內半導體產業的增長非常迅猛，國內企業的實力也大幅度提高，但是自主可控程度仍不容樂觀。2015年中國集成電路進口金額2307億美元，其進口額超過原油，成為我國第一大進口商品，出口集成電路金額693億美元，進出口逆差1613億美元。較大的逆差凸顯半導體市場供需不匹配，嚴重依賴進口的局面亟待改善。

從市場規模和自制能力的角度來看，中國作為全球半導體核心市場，對半導體存在巨大需求，可是根據ICinsights的數據，2015年國內的半導體自給率僅為13.5%左右。

國家層面十分重視目前我國半導體市場自給不足，供需失衡的問題，先後頒布多個政策文件，意在做大做強中國集成電路產業。

2014年6月，國務院發布《國家集成電路產業發展推進綱要》，確定最終以基金的方式落實集成電路扶持政策，既可以改善大陸半導體業在擴充先進制程產能上資金不足的問題，亦有機會通過大基金的協助，幫助其並購國際大廠，或與國際大廠通過合資設立新公司方式進行合作。

國家集成電路產業投資基金（簡稱大基金）設立後，募集資金超過1300億元，投資了包括紫光集團、中芯國際、長電科技、中微半導體100億元、31億港元、3億美元及4.8億元，並斥資5億參與艾派克定增。

在大基金引導作用下，多個地方政府也設立了地方版的集成電路產業投資基金，包括北京市設立300億元集成電路產業基金，上海市啟動100億元的上海武嶽峰集成電路信息產業創業投資基金，四川省信息安全和集成電路產業投資基金的首期規模約為100億~120億元。

大基金成立以及社會各方資本的投入，有效激活了半導體產業的金融鏈，掀起並購整合熱潮。諸多龍頭企業陸續啟動收購、重組，帶動整個集成電路產業的大整合。以紫光集團為例，先後斥資17億美金收購展訊，9億美金收購銳迪科，50億美金收購新華三，111億元和24億元收購封測公司矽品精密與南茂科技，通過國際並購與合作掌握核心技術，擴張業務版圖。

隨著鼓勵半導體行業發展的政策密集出臺，該領域的投資也持續加速，據工業和信息化部統計，2015年我國集成電路行業新增固定資產671.43億元，比2011年增長了2.2倍多。

中國目前與國際半導體產業強國在產業機構、創新環境等方面還有較大差距，不可能一步跨入“第一集團”行列，根據《中國制造2025》的規劃，未來中國將沿著“產業鏈整合、技術鏈升級、價值鏈提升”的道路發展，分階段地在企業實力、技術水平和市場能力方面夯實基礎，積累實力，實現中國半導體產業的持續健康發展。

掘金半導體全產業鏈

2.1、垂直分工趨勢明顯

集成電路產業鏈可以大致分為電路設計、芯片制造、封裝及測試三個主要環節。集成電路生產流程是以電路設計為主導，由集成電路設計公司設計出集成電路，然後委托芯片制造廠生產晶圓，再委托封裝廠進行集成電路封裝、測試，最後銷售給電子整機產品生產企業，其中制造與封裝過程中，需要利用許多高精設備和高純度材料。

2015年集成電路三大領域均呈增長的態勢。設計業增速最快，銷售額215.7億美元，同比增長26.55%；芯片制造業銷售收額146.7億美元，同比增長26.54%；封裝測試業銷售額225.2億美元，同比增長10.19%。

從產業鏈比重來看，我國目前設計業占比增長最快，封測比重有所下滑，制造大體保持穩定。2015年我國設計所占比重達到36.70%，制造比重為24，95%，封裝測試業所占比重則為38.34%，結構逐步趨於優化。

英特爾（Intel）創始人之一戈登·摩爾提出摩爾定律，指出當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍，從而要求集成電路尺寸不斷變小。業內普遍認為5nm工藝將是極限，此時晶體管就只有10個原子大小，接近物理極限了。目前，業界對半導體工藝的研究已經到了10nm以下，Intel準備在2017年後開始使用7nm工藝，而這也成為全世界關註的焦點。

半導體行業目前有了兩種主要業務模式，一種是IDM整合元件制造商（IntegratedDeviceManufacturer）模式，即一家公司覆蓋集成電路全產業鏈，另一種是垂直分工模式，即Fabless+Foundry+封測廠商。

一、IDM就是指Intel和三星這種擁有自己的晶圓廠，能夠一手包辦IC設計、芯片制造、芯片封裝、測試、投向消費者市場五個環節的廠商。

二、Fabless則是指有能力設計芯片架構，但是卻沒有晶圓廠生產芯片，需要找代工廠代為生產的廠商，知名的有Qualcomm、蘋果和華為。

三、代工廠（Foundry）則是無芯片設計能力，但有晶圓生產技術的廠商，代表公司是臺積電。

四、封測廠商，就是專註於封裝測試環節的公司，典型的有日月光、長電科技等。

由於半導體的生產線必須時刻保持其運轉而不能根據訂單多少輕易關停，這意味著如果沒有足夠的訂單，生產線只能空轉而造成極大的成本浪費。隨著半導體業趨於接近摩爾定律的終點（物理極限），其研發、建設和運營成本迅速上升，此時代工廠技術和成本優勢得到有效體現。受到Fabless盈利模式靈活、輕便和高利潤率的啟發，越來越多IDM廠諸如TI、Renesas、STM等紛紛轉型FabLite(輕晶圓廠)，即將部分生產和設計業務外包。

ICInsights數據顯示0.13um制程時代全球有22家IDM廠。隨著IDM朝輕晶圓廠發展趨勢成型，IDM廠數量急遽減少，至45nm制程時代，全球IDM廠僅剩9家，邁入22/20nm制程將僅存英特爾及三星兩家IDM。

Fabless模式使“輕資產重設計”的運營模式成為IC市場的主流趨勢，較低的固定資產投資和靈活的企業戰略以及低廉的運營成本使其保持較高的的業績增速。從經營業績角度來看，自1999年至2014年，fabless幾乎始終保持高於IDM的營收增速，其中IDM的CAGR為3%，而fabless的CAGR為15%。

2.2、IC設計異軍突起，領跑集成電路產業

2.2.1、中國積極布局fabless

集成電路是電子信息產業的基石，而IC設計作為集成電路產業鏈上遊，是最具創新的重要環節，具有高投入、高風險、高產出的特點。一般而言，IC設計大致分為以下五個主要步驟：

一、規格制定：客戶向芯片設計公司提出的設計要求，包括芯片需要達到的具體功能和性能方面的要求。

二、HDL編程：使用硬件描述語言（VHDL，VerilogHDL）將實際的硬件電路功能通過HDL語言描述出來模塊功能以代碼來描述實現。

三、邏輯綜合：邏輯綜合的結果就是把設計實現的HDL代碼翻譯成門級網絡。

四、仿真模擬：仿真模擬檢驗編碼設計的正確性，看設計是否精確地滿足了規格中的所有要求。設計和仿真驗證是反複叠代的過程，直到驗證結果顯示完全符合規格標準。

五、布線：即普通信號布線了，包括各種標準單元（基本邏輯門電路）之間的走線。

中國積極布局fabless。從銷售額來看，中國芯片設計業持續高速增長，產值由2004年82億元逐年成長至2015年1325億元，2004~2015年複合成長率達29%。

根據TrendForce研究統計顯示，由於強大的市場購買力與自有品牌不斷茁壯，自2009年以來，中國IC設計業產值在全球市場的占有率逐步攀升，從2009年的7.1%迅速上升到2015年的18.5%。

ICInsights數據顯示中國的fabless產業成長顯著，2014年全球前五十大fabless供應商排行榜上有九家中國公司，分別為海思、展訊、大唐、南瑞智芯、中國華大、中興、瑞芯、銳迪科、全誌、，而2009年只有海思一家公司上榜。

與此同時，諸多中小型IC設計公司也是帶動中國IC設計產業成長的重要原因。中國IC設計公司從2000的98家快速增加至2014年664家，DIGITIMESResearch預估，十三五規劃期間，中國IC設計公司將有機會超過1000家。

我國目前IC設計過度依賴通信芯片。在通信、智能卡、計算機、多媒體、導航、模擬、功率和消費電子等8個領域中，通信芯片設計領域由於其良好的成長性和巨大的市場容量占據50%市場容量，而其他領域產業規模較小。

現階段中國IC設計企業仍然相對弱小。2015年，中國最大的IC設計企業海思半導體的銷售收入僅為全球第首位IC設計企業Qualcomm銷售收入的1/5，前十大IC設計企業銷售收入僅為全球前十大IC設計企業1/7。

2.2.2、IP核市場嚴重依賴外部供給

IP（IntellectualProperty）核是指集成電路設計中預先設計、驗證好的功能模塊，由於性能高、功耗低、技術密集度高、知識產權集中、商業價值昂貴，是集成電路設計產業的最關鍵產業要素和競爭力體現。隨著SOC(SystemonChip，芯片級系統)的興起，“購買IP核+自研SoC”已成為IC設計的主流模式，全球各企業對IP核的數量、質量和服務的需求不斷增加。

從2013年全球十大半導體IP供應商排行榜來看，66%的營收集中在全球前三大IP供應商處。其中ARM無庸置疑是全球IP核龍頭企業，市占率為高達43.2%，而排名第二的Synopsys與排名第三的ImaginationTechnologies，市占率分別為13.9%與9%。

據Gartner統計，2013年全球IP核的銷售額超過24億美元。MarketsandMarkets預計2017年全球IP市場營收將達57億美元。在中國市場，中國矽知識產權交易中心統計2013年中國IP核市場規模約為2億美元，約占全球市場份額的10%，不過需求嚴重依賴外部供給，85%以上為國外供應商提供。

目前，國內IC設計公司購買IP核的支出相當高。根據CSIP統計，近半數企業采購IP核的支出占項目總預算的比例在20%以下，38.7%的企業的IP核采購支出占預算的比例在20%-40%，而未使用第三方IP核的比例占到近10%。

2.2.3、中國兩大IC設計龍頭：海思，展訊

海思半導體：中國IC設計龍頭。海思半導體成立於2004年10月，前身是華為集成電路設計中心。海思的業務包括消費電子、通信、光器件等領域的芯片及解決方案，已成功應用在全球100多個國家和地區。經過數年的快速發展，海思半導體成長為中國本土最大的集成電路設計企業，2016年銷售收入預計達39.78億美元，排名中國TOP1，世界TOP6。

目前，海思半導體的移動智能終端芯片全面應用於華為的整機產品，整體性能比肩國際的同類產品水平。與此同時，海思通過獨立運作的商業模式，將逐步實現對外運營，供應非華為手機，發展成為一家專業、全球性的芯片供應商。

展訊通信，聚焦手機芯片：展訊通信成立於2001年4月，始終致力於智能手機、功能型手機及其他消費電子產品的手機芯片平臺開發，產品支持2G、3G及4G無線通訊標準。2014年展訊被紫光集團私有化後與銳迪科合並，變成了紫光的芯片事業部。

2015年展訊通信在全球移動芯片的出貨量達5.3億片，占全球基帶芯片市場的22%，排在高通（38%）和聯發科（26％）之後位列全球第三。回顧2011年，展訊全球移動芯片的出貨量僅2.1億，僅占全球基帶芯片市場的10％。僅僅五年時間，展訊實現了芯片出貨量250％的增長，從全球市占率10%迅速增長到22%。

2.3、半導體制造需求旺，巨頭紛紛卡位大陸市場

2.3.1、半導體制造流程

半導體制造簡單劃分可以分為晶圓制造和集成電路制造兩大塊。其中晶圓制造大致經歷普通矽沙（石英砂）－－>純化－－>分子拉晶－－>晶柱（圓柱形晶體）－－>晶圓（把晶柱切割成圓形薄片）幾個步驟。

石英砂純化：第一步是冶金級純化，此過程主要是加入碳，以氧化還原的方式，將氧化矽轉換成98%以上純度的矽。

分子拉晶：將前面所獲得的高純度多晶矽融化，形成液態的矽之後，以單晶的矽種和液體表面接觸，一邊旋轉一邊緩慢的向上拉起。最後，待離開液面的矽原子凝固後，排列整齊的單晶矽柱便完成了，其矽純度達到99.999999%。

切割晶圓：用機器從單晶矽棒上切割下一片事先確定規格的矽晶片，這些矽晶片經過洗滌、拋光、清潔和接受入眼檢測與機器檢測，最後通過激光掃描發現小於人的頭發絲寬度的1/300的表面缺陷及雜質，合格的圓晶片交付給芯片生產廠商。

集成電路制造工藝是由多種單項工藝組合而成的，簡單來說有四個主要步驟：薄膜制備工藝；圖形轉移工藝和摻雜工藝。

薄膜制備工藝：集成電路的制造過程中需要在晶圓片的表面上生長數層材質不同，厚度不同的薄膜，制造膜層的主要方法有氧化，化學氣相沈積（CVD）以及物理氣象沈積(PVD)。

氧化：矽晶圓片與含氧物質（氧氣，水汽等氧化劑）在高溫下進行反應從而生成二氧化矽膜。

CVD：把一種或幾種含有構成薄膜元素的化合物、單質氣體通入放置有基材的反應室，借助空間氣相化學反應在基體表面上沈積固態薄膜的工藝技術。

PVD：采用物理方法，將材料源電離成離子，並通過低壓氣體（或等離子體）過程，在基體表面沈積具有某種特殊功能的薄膜的技術。

圖形轉移工藝：IC制作工藝中氧化，沈積以及擴散，離子註入等流程本身對晶圓片沒有選擇性，都是對整個矽晶圓片進行處理，不涉及任何圖形。IC制造的核心是將IC設計者的要求的圖形轉移到矽晶圓片上，因此需要圖形轉移工藝，主要包括光刻工藝。

光刻工藝：光刻是將掩膜板上的圖形複制到矽片上，作為半導體最重要的工藝步驟之一，光刻的成本約為整個矽片制造工藝的1/3，耗費時間約占整個矽片工藝的40～60%。

1.在矽晶圓片上塗上光刻膠，用預先制作好的有一定圖形的光刻掩膜版蓋上。

2.對塗有光刻膠的晶圓片進行曝光，光刻膠感光後其特性發生改變，正膠的感光部分變得容易溶解，而負膠則相反。

3.對晶圓片進行顯影。正膠經過顯影後被溶解，只留下未受光照部分的圖形，而負膠相反，收到光照部分變得不容易溶解。

4.經過顯影後，對晶圓片進行刻蝕，將沒有被光刻膠覆蓋部分去除掉，達到將光刻膠上的圖形轉移到其下層材料上的目的。由於光刻膠的下層薄膜可能是二氧化矽，氮化矽，多晶矽或者金屬材料，材料不同或者圖形不同，刻蝕的要求也不同。5.用去膠法把塗在晶圓片上的感光膠去掉。

摻雜工藝：摻雜工藝是將可控數量的所需雜質摻入晶圓的特定區域中，從而改變半導體的電學性能。擴散和離子註入是半導體摻雜的兩種主要工藝。

擴散：擴散是一種原子，分子或離子在高溫驅動下（900-1200℃）由高濃度區向低濃度區的運動過程，雜質的濃度從表面到體內單調下降，而雜質分布由溫度和擴散時間來決定。

離子註入：離子註入工藝就是在真空系統中，通過電場對離子進行加速，並利用磁場使其改變運到方向，從而控制離子以一定的能量註入晶圓片內部，在所選擇的區域形成一個具有特殊性質的註入層，達到摻雜的目的。

2.3.2、全球半導體代工市場不景氣，中國或成新建晶圓廠主要推手

由於電子設備需求疲軟、庫存水準升高，全球代工市場景氣度下滑。Gartner數據顯示2015年全球半導體代工市場僅成長4.4%，為488億美元，結束了連續三年的兩位數成長趨勢。

在主要晶圓代工業者當中，臺積電作為晶圓代工產業的銷售業績龍頭，2015年實現營收265.6億美元，業績增速達到5.5%，是排名第二的GlobalFoundries的五倍，是排名第五的中國晶圓代工業者中芯國際的十二倍。格羅方德(Globalfoundries)以9.6%市占率位居第二。聯電則以45.6億美元營收拿下第三名，市占率為9.3%。

受益於政策扶持和國內相對高的經濟增速，2015年中國晶圓制造業增速達到了26.5%，比2014年的增速高出了8個百分點，銷售額900.8億元。

大陸晶圓產能大幅提升，臺積電在南京新建一座12寸廠，聯電與力晶分別在廈門與合肥的12寸工廠已經動工，格羅方德也表示要在重慶建廠，算上中芯的話，全球前四大純代工廠都計劃在大陸擴大產能。

根據SEMI的統計，全球在2016年與2017年將開始興建的晶圓廠至少有19座，其中有半數以上都是在中國。

國際晶圓代工巨頭紛紛布局大陸市場，國內自主晶圓代工產業發展卻不容樂觀。相較於集成電路產業鏈中設計業不斷利好政策出臺，晶圓制造環節由於資本支出高，回報周期長受到忽視，導致市場占有率不斷下滑，與國際先進水平差距不斷拉大。

目前，中芯國際作為國內最大集成電路晶圓制造企業，積極進行產業布局，提供0.35um到28nm晶圓代工與技術服務。憑借先進工藝和產能實力，目前中芯國際已成為世界排名第五的集成電路代工企業。

半導體制造企業的競爭是核心技術的競爭，具體表現在創新與技術研發經費的投入上。相比之下，我國的半導體研發投入較少。2015年，三星投入151億美元，臺積電投入108億美元，而中國最大半導體制造商中芯國際投入僅為14億美元。要追趕國際領先的晶圓制造廠，縮小技術差距有待大基金和社會資本的投入以及產業鏈的有效整合。

2.3.3、12寸晶圓成市場主流

晶圓直徑越大，每片晶圓能夠生產的芯片數量就越多，采用大尺寸晶圓，增加的成本並不高，但是可以大幅增加產量，從而降低單顆芯片的成本。由於目前在450mm（18英寸）晶圓產線發展上遇到了資金和技術的雙重壓力，半導體公司紛紛轉向300mm矽片也就是12英寸矽片。

自2009年起12英寸矽片成為全球矽圓片需求的主流(大於50%)，預計2017年將占矽片市場需求64%的份額。

ICinsights數據顯示全球營運中的12寸（300mm）晶圓廠數量持續成長，預期2016年預期可達到100座。目前全球有8座12寸晶圓廠預計2017年開張，到2020年底，預期全球將有再22座的12寸晶圓廠營運，讓全球應用於IC生產的12寸晶圓廠總數達到117座。

被中國龐大的市場需求所吸引，全球半導體大廠包括英特爾、聯電、力晶、三星、海力士、中芯國際等均擴大在中國布局，根據統計，在大陸興建的十二寸晶圓廠的總月產能超過480000片。晶圓代工龍頭臺積電南京廠投產後，大陸十二寸晶圓總月產能將超過500000片，相當於臺積電一半以上的產能。

2.3.4、28nm工藝制程——現階段關鍵工藝節點

根據ITRS路線圖的演進，45納米的下一代工藝節點是32納米，然後是22納米。不過，因為當工藝進步到32納米時，使用基本相同的光刻設備便可以延伸至28納米，密度更高、晶體管的速度提升了約50%，但成本基本相同，與20/22納米相比，28納米具有1.5-2倍的成本優勢。因此，綜合技術和成本等各方面因素，28納米都將成為未來很長一段時間內的關鍵工藝節點。

2011年第四季度，臺積電首先實現了28納米工藝的量產。隨後，三星於2012年、格羅方德於2013年第四季度、聯電於2014年第二季度、中芯國際於2015年第三季度分別實現28納米工藝的量產。截止2014年底，臺積電是目前全球28納米市場中的最大企業，占全球28納米代工市場份額的80%。

隨著28納米工藝技術的成熟，28納米工藝產品市場需求量呈現爆發式增長態勢：從2012年的91.3萬片到2014年的294.5萬片，年複合增長率高達79.6%，並且這種高增長態勢將持續到2017年。之後隨著14/16納米工藝技術的逐漸進步，28納米產品的市場需求量將會出現小幅下滑。

2015年至2016年，28納米工藝主要應用領域為手機應用處理器和基帶。2017年之後，28納米工藝雖然在手機領域的應用有所下降，但在其它多個領域的應用則迅速增加，如OTT盒子和智能電視等應用領域市場的增長速度較快。預計2019年至2020年，混合信號產品和圖像傳感器芯片也將會規模采用28納米工藝。

國家已將推動芯片國產化上升至國家安全的高度，並頒布多項與集成電路制造相關的政策。這些政策也將有力推動我國晶圓制造業向先進制程的演進步伐。

2.4、封裝測試——中國半導體產業鏈最強音

2.4.1、中國封測業具有國際競爭力

封裝測試是半導體生產流程的重要組成部分之一。封裝是保護芯片免受物理、化學等環境因素造成的損傷，將芯片的I/O端口聯接到印制電路板(PCB)、玻璃基板等，以實現電氣連接，確保電路正常工作的工藝步驟。測試主要是對芯片、電路以及老化後的電路產品的功能、性能測試。

封裝工藝的基本流程為：矽片減薄、矽片切割、芯片貼裝、芯片互連、成型技術、去飛邊毛刺、切筋成型、上焊錫、打碼等工藝。

封裝大致經過了如下發展進程：

結構方面：TO－>DIP－>PLCC－>QFP－>BGA－>CSP；

材料方面：金屬、陶瓷－>陶瓷、塑料－>塑料；

引腳形狀：長引線直插－>短引線或無引線貼裝－>球狀凸點；

裝配方式：通孔插裝－>表面組裝－>直接安裝

封測業在集成電路產業鏈中，相對技術和資金門檻較低，屬於產業鏈中的"勞動密集型"。由於我國發展集成電路封測業具有成本和市場地緣優勢，封測業相對發展較早。隨著長電科技收購星科金朋，南通富士通收購AMD封裝工廠等一系列整合，以及長電科技、通富微電、天水華天與晶圓代工線的戰略聯盟，使得國內封測業無論是產業規模還是最新的封裝技術都上了一個臺階。

2015年統計數據顯示國內集成電路產業的銷售收入規模為1384億元，比2014年的1047億元增長32%，在集成電路設計、芯片制造和封裝測試三大產業中，封裝測試業的規模仍然保持最大，占到38.34%。

全球主要國家封測業市占率變化顯示臺灣封測廠商在技術與產能領先的狀況下，表現優於全球市場表現；與此同時，中國大陸在政府政策及本土市場快速發展的驅動下，再加上購並效益，其封測市占率快速提升，從2013年8%迅速上升至2015年的15%。

自2014年起，大陸多家封裝企業開展了一系列的境外並購。隨著國內封測企業海外市場的不斷拓展，產業鏈合作加強，中國集成電路封測產業已初具國際競爭力。

國內排名第一的半導體封測企業長電科技，通過收購新加坡星科金朋公司，躋身世界半導體封測行業前三位，2015年銷售額實現92.2億元。

2.4.2、先進封裝市占率不斷上升

如今器件小型化、高性能以及降低成本發展趨勢對於產品封裝提出了更為嚴格的市場需求，隨著技術進步，業內提出了晶圓級封裝（包括Fan-OutWLP、Fan-InWLP）、FlipChip和2.5D/3D等先進封裝解決方案。

晶圓級封裝（WLP）：是整片晶圓生產完成後，直接在晶圓上進行封裝測試，完成之後才切割制成單顆IC，封裝後的芯片尺寸等同晶粒原來大小。傳統的WLP多采用擴散型晶圓級封裝（Fan-inWLP），但是伴隨IC信號輸出的接腳數目增加，衍生出擴散型晶圓級封裝（Fan-outWLP）。

倒裝芯片FlipChip：傳統封裝采用將芯片的有源區面朝上，背對基板鍵合，而倒裝芯片將有源面朝下，與基板布線層直接鍵合。

2.5D/3D：是把不同功能的芯片或結構，通過堆疊技術，使其在垂直方向上形成立體集成和信號連通。

受益於Fan-OutWLP和2.5D/3D的大量應用，以及Fan-InWLP和Flip-Chip的穩步增長，Yole預測，先進封裝市場營收將從2014年192億美元增長到2020年的317億美元，複合年增率為8%。先進封裝目前占據整個封裝市場的38%市場份額，預計2020年將增長至46%。

據不完全統計，在國內布局的封測企業中，17家涉及先進封裝領域，半數是中國企業。中國主要的封測廠商包括長電科技、華天科技、通富微電和晶方半導體都具有先進封裝能力。

行業評級及投資策略

我們堅定看好芯片國產化大背景下中國半導體產業的發展機會，給予行業“推薦”評級。主要基於以下兩點原因：

1.政策扶持：國家層面十分重視目前我國半導體市場自給不足，供需失衡的問題，先後頒布多個政策文件，意在做大做強中國集成電路產業。同時大基金成立以及社會各方資本的投入，有效激活了半導體產業的金融鏈，掀起並購整合熱潮。諸多龍頭企業陸續啟動收購、重組，帶動整個集成電路產業的大整合。

2.國內半導體市場景氣度高：受宏觀經濟因素的影響，全球半導體元器件需求不振，2015年全球半導體市場銷售額為3352億美元，同比下降了0.2%。與之前相對應的是中國半導體市場依舊保持較高景氣度，半導體市場規模達到1649億美元，同比增長6.1%，成為全球為數不多的仍能保持增長的區域市場。全球半導體產業由韓國臺灣向大陸轉移成為大勢所趨。

半導體產業具有投資金額大，回報周期長等特點，我們看好在設計、制造和封測領域擁有技術優勢和規模優勢的龍頭企業，同時應重點關註有並購預期和政策支持的公司。

重點推薦個股

4.1、紫光國芯：800億定增打造IC帝國

800億定增：紫光國芯2015年11月5日晚間發布的公告顯示以27.04元的價格向實際控制人清華控股下屬公司等9家對象發行29.5857億股，募資800億元，投入集成電路業務。2015年度，公司實現營業收入12.5億元，較上年同期增加15.02%；歸屬於上市公司股東的凈利潤3.35億元，較上年同期增加了10.23%。

收購力成科技和南茂科技各各25%股權：2016年2月27日，紫光國芯發布公告稱，通過旗下兩家全資子公司拓展創芯和茂業創芯分別斥資38.1億元和23.41億元，認購力成科技和南茂科技各25%的股權。本次認購力成科技、南茂科技的資金將來源於公司2015年800億定增。收購對象均為全球集成電路後段封測服務領導廠商之一，本次收購案有助於加強公司對芯片產業鏈上下遊的拓展和控制。

主營業務增長穩健：智能卡芯片業務作為公司主要的收入來源，2015年實現營收6.96億元，同比增長21.16%，保持穩健的增速。其中電信智能卡芯片繼續處於領先的市場地位；居民健康卡芯片繼續保持行業領軍地位；銀行IC卡芯片已完成多家銀行的入圍測試和主要卡商的COS開發，在多加銀行實現了小批量正式商用，並成功實現了海外應用；此外在居住證、USB-Key、非接讀寫器等芯片應用市場都獲得了突破與增長。

4.2、七星電子：IC設備龍頭

IC設備龍頭：公司主要產品為半導體集成電路制造設備及高精密電子元器件，是國內半導體集成電路制造設備領先企業。公司一直非常重視新產品、新技術的研發，持續推進技術升級，大力提升公司技術研發能力和自主創新能力，2015年研發投入占營收29.08%。

IC設備屬於國家重點支持的戰略性產業：我國已經成為全球最大的集成電路應用市場，集成電路芯片制造業加速向中國轉移，集成電路設備市場規模逐步擴大。根據SEMI（國際半導體產業協會）統計數據，2015年全球半導體設備市場營收達373億美元，其中中國市場營收48.8億美元，占比13.09%；預計2016年中國設備市場營收為53.2億美元，占比進一步提升至14.07%。近年來，全球頂級大廠如三星、英特爾和臺積電等都在中國投資建設12英寸晶圓生產線，巨額投資也將帶來國內集成電路裝備市場規模的不斷擴大。

收購北方微電子：2015年12月25日七星電子發布公告，以17.49元/股的價格發行4254.26萬股，作價9.3億元購買北京電控、七星集團、圓合公司和微電子所合計持有的北方微電子100%股權。北方微電子以高端集成電路裝備為主業。重點發展刻蝕機、PVD和CVD三大類集成電路設備。本次重組豐富了七星電子大規模集成電路設備的產品種類，拓展了設備應用領域，提高了上市公司整體的研發與生產能力，有利於突出上市公司主營業務優勢，增強上市公司綜合競爭力。

4.3、長電科技：我國最大的半導體封裝企業

長電科技是我國最大的半導體封裝企業，星科金朋並表後市場份額將躋身世界三甲，形成高中低端封裝全面布局，2016年前三季度年公司營業收入132.83億元，同比增長102.76%。公司業績拐點明確。星科金朋整合完成後，公司業績有望實現跨越式增長。

收購星科金朋，構建國內最大、世界一流的集成電路制造產業鏈：本次交易完成後，產業基金及芯電半導體將分別成為公司第三、第一大股東。產業基金是以促進我國集成電路產業發展為目的而設立的專業投資基金，芯電半導體最終控股股東中芯國際擁有國內最強的芯片制造和研發實力，長電科技則在先進封裝測試的業務規模、核心技術和關鍵工藝上擁有領先優勢。通過三方緊密合作，將充分發揮產業基金對集成電路產業發展的引導作用，構建國內最大、世界一流的集成電路制造產業鏈。芯電半導體利用認購配套資金直接為長電科技及星科金朋的整合及發展提供資金支持，有利於促進星科金朋擁有的包括SiP、eWLB等一系列代表集成電路封裝測試行業發展趨勢的先進技術產業化、規模化，使星科金朋擁有的先進技術切實轉化為企業的生產力和盈利能力。

4.4、北京君正：收購北京豪威，布局智能系統生態圈

北京君正擬以發行股份及支付現金的方式作價126億元購買北京豪威100%的股權、視信源100%股權、思比科40.4%股權。（北京豪威100%股權，視信源100%股權，思比科40.4%股權初步作價約為120億元，3.55億元及2.66億元）

標的公司主要經營CMOS圖像傳感器芯片，目前廣泛應用於消費級和工業級應用，具體包括智能手機、筆記本、平板電腦、網絡攝像頭、安全監控、娛樂設備、數碼相機、攝像機、汽車和醫療成像系統等領域。

通過本次收購，公司將快速進入CMOS圖像傳感器芯片領域，從而掌握集成電路設計產業的兩大核心技術，進一步深入智能手機、平板電腦、可穿戴設備、安防監控、智能汽車、無人機、機器人視覺和體感互動遊戲等移動互聯網以及物聯網等新興應用領域，布局智能系統生態圈，為客戶提供從傳感器到智能信息處理器平臺的完整系統解決方案，進一步實現公司“開放平臺、縱橫擴展”的市場戰略布局。同時，公司將從國內企業成為世界範圍內布局的芯片企業，獲得國際競爭資源和優勢。

4.5、中穎電子：OLED驅動芯片實現量產

中穎電子是一個主營IC設計的中外合資公司。2015年之前，公司OLED驅動芯片業務主要涉及PMOLED的驅動芯片，客戶涉及維信諾、智晶光和信利等，2015年1月，其開發的國內首顆高清AMOLED驅動芯片獲得和輝光電的訂單，相關產品實現量產。在AMOLED的進度方面，已超過晶門科技等競爭對手。

TrendForce數據顯示2011年全球OLED驅動芯片市場規模為14.2億元，2015年快速增長至44億元，年均增速達到32%。作為國內唯一取得量產AMOLED顯示驅動芯片的供應商，中穎電子受益OLED市場帶來的紅利明確。

4.6、通富微電：收購AMD資產，打造一流封測廠商

公司收購了AMD蘇州和檳城兩座封測工廠各85%的股份，雙方成立合資公司。合資後的通富超威蘇州及通富超威檳城承接原有的先進技術和相關業務，可對CPU、GPU、APU以及GamingConsoleChip（遊戲主機處理器）進行封裝和測試，封裝形式包括FCBGA、FCPGA、FCLGA以及MCM等高端封裝技術，先進封裝產品占比100%。

上述技術與通富微電自主研發的適用於通信及消費市場的倒裝芯片封測技術形成互補，使公司能夠提供封裝品種最為完整的倒裝芯片封測服務。兩家合資公司的產品均為先進封裝，從而使整個通富微電集團先進封裝銷售收入占比達到70%以上，合並報表後，通富微電在全球封測公司的排名將會進入世界前六位，躋身世界一流封測公司行列。

兩家合資公司將由原先的“僅為AMD一家客戶提供封測服務”轉型為“面向廣闊市場，為其他第三方客戶提供封測服務”。測技術與通富微電自主研發的適用於通信及消費市場的倒裝芯片封裝對於通富微電，通過此次合作，包括兩家合資公司在內的通富微電集團將可以使用AMD的相關先進封測技術和專利，特別是蘇州工廠，作為高端處理器芯片封測基地，可以有效地填補國家在這一領域的空白，從而更好的支持國產CPU、GPU、網關服務器、基站處理器、FPGA等產品的研發和量產。

通富微電封測的海外業務占比也同樣穩步上升，從2006年的占比69.7%，上升到2016年年中的將近80%。同時隨著AMD封測工廠的並購，公司的海外業務占比將進一步擴大，同樣受益於美元升值預期。

風險提示

1）半導體市場受中國經濟增速下滑影響，需求不振，景氣度下行；

2）集成電路扶持政策力度不達預期；

3）技術不達預期；

（完）

人工智能——風起於青萍之末

從3月份智能機器人AlphaGo戰勝李世石，到近期谷歌的最新用於人工智能深度學習的芯片TPU曝光，一個千億級的市場應用逐漸從水底浮向了水面。我們將深度剖析，在人工智能領域，有可能爆發的芯片——GPU、FPGA、ASIC及相關的市場和公司。

1.1.人工智能——下一個千億級市場

人工智能會成為未來的趨勢嗎？答案是會。人工智能，簡單地說，就是用機器去實現目前必須借助人類智慧才能實現的任務。人工智能包括三個要素：算法，計算和數據。

對人工智能的實現來說，算法是核心，計算、數據是基礎。在算法上來說，主要分為工程學法和模擬法。工程學方法是采用傳統的編程技術，利用大量數據處理經驗改進提升算法性能；模擬法則是模仿人類或其他生物所用的方法或者技能，提升算法性能，例如遺傳算法和神經網絡。而在計算能力來說，目前主要是使用GPU並行計算神經網絡，同時，FPGA和ASIC也將是未來異軍突起的力量。

隨著百度，Google，Facebook，Microsoft等企業開始切入人工智能，人工智能可應用的領域非常廣泛。2013年100多家組織開始研發深度學習與人工智能，到2015年，短短2年間，研發機構已經迅速激增到3409家。可以看到，未來人工智能的應用將呈幾何級數的倍增。應用領域包括互聯網，金融，娛樂，政府機關，制造業，汽車，遊戲等。從產業結構來講，人工智能生態分為基礎、技術、應用三層。應用層包括人工智能+各行業（領域），技術層包括算法、模型及應用開發，基礎層包括數據資源和計算能力。

人工智能將在很多領域得到廣泛的應用。目前重點部署的應用有：語音識別，人臉識別，無人機，機器人，無人駕駛等。

人工智能市場將保持高速增長，根據艾瑞咨詢的數據，2020年全球人工智能市場規模約1190億人民幣。而未來10年，人工智能將會是一個2000億美元的市場。空間非常巨大。其中在硬件市場方面，將會有30%的市場份額。

1.2.深度學習

人工智能的核心是算法，深度學習是目前最主流的人工智能算法。深度學習在1958年就被提出，但直到最近，才真正火起來，主要原因在於：數據量的激增和計算機能力/成本。

深度學習是機器學習領域中對模式（聲音、圖像等等）進行建模的一種方法，它也是一種基於統計的概率模型。在對各種模式進行建模之後，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那麽這種識別便可以理解為語音識別。而類比來理解，如果說將機器學習算法類比為排序算法，那麽深度學習算法便是眾多排序算法當中的一種，這種算法在某些應用場景中，會具有一定的優勢。

深度學習的學名又叫深層神經網絡（DeepNeuralNetworks），是從很久以前的人工神經網絡（ArtificialNeuralNetworks）模型發展而來。這種模型一般采用計算機科學中的圖模型來直觀的表達，而深度學習的“深度”便指的是圖模型的層數以及每一層的節點數量，相對於之前的神經網絡而言，有了很大程度的提升。

從單一的神經元，再到簡單的神經網絡，到一個用於語音識別的深層神經網絡。層次間的複雜度呈幾何倍數的遞增。

以圖像識別為例，圖像的原始輸入是像素，相鄰像素組成線條，多個線條組成紋理，進一步形成圖案，圖案構成了物體的局部，直至整個物體的樣子。不難發現，可以找到原始輸入和淺層特征之間的聯系，再通過中層特征，一步一步獲得和高層特征的聯系。想要從原始輸入直接跨越到高層特征，無疑是困難的。而整個識別過程，所需要的數據量和運算量是十分巨大的。2012年，由人工智能和機器學習頂級學者AndrewNg和分布式系統頂級專家JeffDean，用包含16000個CPU核的並行計算平臺訓練超過10億個神經元的深度神經網絡，在語音識別和圖像識別等領域取得了突破性的進展。該系統通過分析YouTube上選取的視頻，采用無監督的方式訓練深度神經網絡，可將圖像自動聚類。在系統中輸入“cat”後，結果在沒有外界幹涉的條件下，識別出了貓臉。可以看到，深度學習之所以能夠在今天得到重要的突破，原因在於：1海量的數據訓練2高性能的計算能力（CPU，GPU，FPGA，ASIC））。兩者缺一不可。

1.3.算力

衡量芯片計算性能的重要指標稱為算力。通常而言，將每秒所執行的浮點運算次數（亦稱每秒峰值速度）作為指標來衡量算力，簡稱為FLOPS。現有的主流芯片運算能力達到了TFLOPS級別。一個TFLOPS（teraFLOPS）等於每秒萬億（=10^12）次的浮點運算。

增加深度學習算力需要多個維度的齊頭並進的提升：1系統並行程度2時鐘的速度3內存的大小（包括register，cache，memory）；4內存帶寬（memorybandwidth）5計算芯片同CPU之間的帶寬6還有各種微妙的硬件里的算法改進。

我們這篇報告將主要關註人工智能的芯片領域，著重討論GPU，FPGA，ASIC等幾種類型的芯片在人工智能領域的應用和未來的發展。

GPU——厚積薄發正當時

2.1.GPU簡介

GPU，又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個人電腦、工作站、遊戲機和一些移動設備（如平板電腦、智能手機等）上圖像運算工作的微處理器，與CPU類似，只不過GPU是專為執行複雜的數學和幾何計算而設計的，這些計算是圖形渲染所必需的。隨著人工智能的發展，如今的GPU已經不再局限於3D圖形處理了，GPU通用計算技術發展已經引起業界不少的關註，事實也證明在浮點運算、並行計算等部分計算方面，GPU可以提供數十倍乃至於上百倍於CPU的性能。

GPU的特點是有大量的核（多達幾千個核）和大量的高速內存，最初被設計用於遊戲，計算機圖像處理等。GPU主要擅長做類似圖像處理的並行計算，所謂的“粗粒度並行（coarse-grainparallelism）”。這個對於圖像處理很適用，因為像素與像素之間相對獨立，GPU提供大量的核，可以同時對很多像素進行並行處理。但這並不能帶來延遲的提升（而僅僅是處理吞吐量的提升）。比如，當一個消息到達時，雖然GPU有很多的核，但只能有其中一個核被用來處理當前這個消息，而且GPU核通常被設計為支持與圖像處理相關的運算，不如CPU通用。GPU主要適用於在數據層呈現很高的並行特性（data-parallelism）的應用，比如GPU比較適合用於類似蒙特卡羅模擬這樣的並行運算。

CPU和GPU本身架構方式和運算目的不同導致了CPU和GPU之間的不同，主要不同點列舉如下

正是因為GPU的特點特別適合於大規模並行運算，GPU在“深度學習”領域發揮著巨大的作用，因為GPU可以平行處理大量瑣碎信息。深度學習所依賴的是神經系統網絡——與人類大腦神經高度相似的網絡——而這種網絡出現的目的，就是要在高速的狀態下分析海量的數據。例如，如果你想要教會這種網絡如何識別出貓的模樣，你就要給它提供無數多的貓的圖片。而這種工作，正是GPU芯片所擅長的事情。而且相比於CPU，GPU的另一大優勢，就是它對能源的需求遠遠低於CPU。GPU擅長的是海量數據的快速處理。

工業與學術界的數據科學家已將GPU用於機器學習以便在各種應用上實現開創性的改進，這些應用包括圖像分類、視頻分析、語音識別以及自然語言處理等等。尤其是深度學習，人們在這一領域中一直進行大力投資和研究。深度學習是利用複雜的多級「深度」神經網絡來打造一些系統，這些系統能夠從海量的未標記訓練數據中進行特征檢測。

雖然機器學習已經有數十年的歷史，但是兩個較為新近的趨勢促進了機器學習的廣泛應用：海量訓練數據的出現以及GPU計算所提供的強大而高效的並行計算。人們利用GPU來訓練這些深度神經網絡，所使用的訓練集大得多，所耗費的時間大幅縮短，占用的數據中心基礎設施也少得多。GPU還被用於運行這些機器學習訓練模型，以便在雲端進行分類和預測，從而在耗費功率更低、占用基礎設施更少的情況下能夠支持遠比從前更大的數據量和吞吐量。

將GPU加速器用於機器學習的早期用戶包括諸多規模的網絡和社交媒體公司，另外還有數據科學和機器學習領域中一流的研究機構。與單純使用CPU的做法相比，GPU具有數以千計的計算核心、可實現10-100倍應用吞吐量，因此GPU已經成為數據科學家處理大數據的處理器。

綜上而言，我們認為人工智能時代的GPU已經不再是傳統意義上的圖形處理器，而更多的應該賦予專用處理器的頭銜，具備強大的並行計算能力。

2.2.王者歸來的NVIDIA

NVIDIA是一家以設計GPU芯片為主業的半導體公司。其主要產品包括遊戲顯卡GeForceGPU，工作站Quadro，可用於深度學習計算的TeslaGPU，為移動以及汽車處理設計TegraGPU。NVIDIA的產品在應用領域來劃分，主要包括圖形處理器（GPU），Tegra處理器（用於車載），以及其他。各塊業務所占比重如圖所示。

NVIDIA在最近12日發布的財報顯示，2016年第一財報季度內，公司整體利潤激增46%，至1.96億美元，營收同比增長13%至13.05億美元。財報公布後，NVIDIA股價一度大漲7.7%，盤中最高觸及38.81美元。

NVIDIA2011-2015年的營收和凈利潤如圖所示。從2013年起，業績明顯呈現出上升的勢頭。這個時間點其實也契合人工智能在深度學習領域開始使用GPU來進行大規模並行計算。2016年NVIDIA的一季報更是呈現出爆發的跡象，整體利潤激增46%，我們認為財報的數據是最有力的證明，GPU正在受益於人工智能深度學習的需求，而廣泛地得到應用。

NVIDIA的產品毛利率從2011年開始，保持了連續上升的勢頭。NVIDIA的核心產品是GPU，從毛利率水平不斷提升來看，NVIDIA的GPU產品始終保持了核心競爭力和更新換代的能力。產品的結構也在不斷優化，從獨立專顯到服務器再到大規模並行計算，隨著應用的不斷升級，產品的結構也越來越優化。從毛利率水平看，NVIDIA的產品保持了不斷更新和競爭力。隨著並行計算在深度學習中的廣泛應用，NVIDIA的產品毛利率還將進一步提升。

在高性能計算機、深度學習、人工智能等領域，NVIDIA的Tesla芯片有十分關鍵的作用。NVIDIA的CUBA技術，大幅度提高了純CPU構成的超級計算機的性能。人工智能和深度學習需要大量的浮點計算，在高性能計算領域，GPU需求在不斷增強。目前NVIDIA的高性能顯卡已經占有84%的市場份額。亞馬遜的AWS，Facebook，Google等世界一級數據中心都需要用NVIDIA的Tesla芯片，隨著雲計算和人工智能的不斷發展，我們認為NVIDIA的高性能GPU也能在未來5年保持20%以上的增長速度。

2.3.GPU國內行業現狀及公司

國內在GPU芯片設計方面，還處於起步階段，與國際主流產品尚有一定的差距。不過星星之火，可以燎原。有一些企業，逐漸開始擁有自主研發的能力，比如國內企業景嘉微。景嘉微擁有國內首款自主研發的GPU芯片JM5400，專用於公司的圖形顯控領域。JM5400為代表的圖形芯片打破外國芯片在我國軍用GPU領域的壟斷，率先實現軍用GPU國產化。

公司的GPUJM5400主要替代AMD的GPUM9，兩者在性能上的比較如下。相比而言，公司的JM5400具有功耗低，性能優的優勢。

雖然景嘉微的GPU芯片主要用於軍用顯示，尚無法達到人工智能深度學習的算力要求，但隨著研發和支持的投入，參照NVIDIA當年的發展歷史，景嘉微也會有潛力成長起來。

分析景嘉微的主營構成，主要分為圖形顯控領域產品、小型專用化雷達領域產品，以及其他。其中圖形顯控領域產品占公司收入的85%多。公司的主要下遊客戶是軍用飛機，目前我國大多數軍用飛機都使用公司的圖形顯空產品

公司從2012-2015年的營收和凈利潤都保持穩定的成長，呈現出向上的趨勢。隨著公司國產GPU的量產和替代，我們預計後續產品的營收和凈利潤將會得到進一步的提升。

我們認為，國內的GPU發展尚處於起步階段，目前的產品還是主要用於於GPU原先的圖形顯控領域，雖然還不能跟現在人工智能深度學習所需要的GPU所媲美，但走在正確方向的道路上，未來也有可能得到突破。

FPGA——“萬能芯片”在人工智能時代複蘇

FPGA（Field－ProgrammableGateArray），即現場可編程門陣列，它是在PAL、GAL、CPLD等可編程器件的基礎上進一步發展的產物。FPGA芯片主要由6部分完成，分別為：可編程輸入輸出單元、基本可編程邏輯單元、完整的時鐘管理、嵌入塊式RAM、豐富的布線資源、內嵌的底層功能單元和內嵌專用硬件模塊。

FPGA還具有靜態可重複編程和動態在系統重構的特性，使得硬件的功能可以像軟件一樣通過編程來修改。FPGA能完成任何數字器件的功能，甚至是高性能CPU都可以用FPGA來實現。

Intel在在2015年以161億美元收購了FPGA龍頭Altera，其目的之一也是看中FPGA的專用計算能力在未來人工智能領域的發展。

3.1.FPGA——高性能、低功耗的可編程芯片

FPGA之所以能有潛力成為人工智能深度學習方面的計算工具，主要原因就在於其本身特性：可編程專用性，高性能，低功耗。

先來看一下FPGA的內部架構。FPGA擁有大量的可編程邏輯單元，可以根據客戶定制來做針對性的算法設計。除此以外，在處理海量數據的時候，FPGA相比於CPU和GPU，獨到的優勢在於：FPGA更接近IO。換句話說，FPGA是硬件底層的架構。比如，數據采用GPU計算，它先要進入內存，並在CPU指令下拷入GPU內存，在那邊執行結束後再拷到內存被CPU繼續處理，這過程並沒有時間優勢；而使用FPGA的話，數據I/O接口進入FPGA，在里面解幀後進行數據處理或預處理，然後通過PCIE接口送入內存讓CPU處理，一些很底層的工作已經被FPGA處理完畢了（FPGA扮演協處理器的角色），且積累到一定數量後以DMA形式傳輸到內存，以中斷通知CPU來處理，這樣效率就高得多。

專用計算領域強過CPU

雖然FPGA的頻率一般比CPU低，但CPU是通用處理器，做某個特定運算(如信號處理，圖像處理)可能需要很多個時鐘周期，而FPGA可以通過編程重組電路，直接生成專用電路，加上電路並行性，可能做這個特定運算只需要一個時鐘周期。比如一般CPU每次只能處理4到8個指令，在FPGA上使用數據並行的方法可以每次處理256個或者更多的指令，讓FPGA可以處理比CPU多很多的數據量。舉個例子，CPU主頻3GHz，FPGA主頻200MHz，若做某個特定運算CPU需要30個時鐘周期，FPGA只需一個，則耗時情況：CPU：30/3GHz＝10ns；FPGA：1/200MHz＝5ns。可以看到，FPGA做這個特定運算速度比CPU塊，能幫助加速。

北京大學與加州大學的一個關於FPGA加速深度學習算法的合作研究。展示了FPGA與CPU在執行深度學習算法時的耗時對比。在運行一次叠代時，使用CPU耗時375毫秒，而使用FPGA只耗時21毫秒，取得了18倍左右的加速比

能耗顯著降低

FPGA相對於CPU與GPU有明顯的能耗優勢，主要有兩個原因。首先，在FPGA中沒有取指令與指令譯碼操作，在Intel的CPU里面，由於使用的是CISC架構，僅僅譯碼就占整個芯片能耗的50%；在GPU里面，取指令與譯碼也消耗了10%～20%的能耗。其次，FPGA的主頻比CPU與GPU低很多，通常CPU與GPU都在1GHz到3GHz之間，而FPGA的主頻一般在500MHz以下。如此大的頻率差使得FPGA消耗的能耗遠低於CPU與GPU。

FPGA與CPU在執行深度學習算法時的耗能對比。在執行一次深度學習運算，使用CPU耗能36焦，而使用FPGA只耗能10焦，取得了3.5倍左右的節能比。通過用FPGA加速與節能，讓深度學習實時計算更容易在移動端運行。

相比CPU和GPU，FPGA憑借比特級細粒度定制的結構、流水線並行計算的能力和高效的能耗，在深度學習應用中展現出獨特的優勢，在大規模服務器部署或資源受限的嵌入式應用方面有巨大潛力。此外，FPGA架構靈活，使得研究者能夠在諸如GPU的固定架構之外進行模型優化探究。

3.2.Intel收購Altera分析

眾所周知，在深度神經網絡計算中運用CPU、GPU已不是什麽新鮮事。雖然Xilinx公司早在1985年就推出了第一款FPGA產品XC2064，但該技術真正應用於深度神經網絡還是近幾年的事。英特爾167億美元收購Altera，IBM與Xilinx的合作，都昭示著FPGA領域的變革，未來也將很快看到FPGA與個人應用和數據中心應用的整合。

目前而言，FPGA的應用領域以當前的通信、圖像處理、IC原型驗證、汽車電子、工業等為主。整個FPGA市場由Xilinx和Altera主導，兩者共同占有85％的市場份額。FPGA市場規模預計在2016年將達到60億美元，並保持年複合增速9%。

根據Altera內部文件顯示，Altera很早就在研發使用FPGA針對深度學習算法的應用，並在2015年Intel的論壇上展示了產品的性能。結論是在功耗和性能上相對同等級的CPU，有較大的優勢。

我們認為，Intel之所以收購Altera，主要原因就在於看中人工智能的發展，但CPU在計算能力上的先天不足，讓其需要尋找一個合作夥伴。Altera的的FPGA正好彌補了CPU在這方面的缺陷，我們認為，CPU+FPGA在人工智能深度學習領域，將會是未來的一個重要發展方向。

3.3.FPGA國內行業與公司

FPGA整個市場被國外的兩大巨頭所寡占，Xilinx和Altera占了85%的份額。國內目前也有一些公司在FPGA領域有所建樹，其中比較優秀的有同方國芯。

同方國芯的主營業務包括晶體業務，特種集成電路，智能芯片這幾塊。各業務所占比重如下：

同方國芯的FPGA歸屬於特種集成電路業務，我們統計上市以來這塊業務的營收狀況，保持著非常迅速的增長，年複合增速在20%左右。

同時，特種集成電路的毛利率也一直維持在很高的水準，並持續往上升。我們預計隨著FPGA在人工智能深度學習領域的應用增長，還會給公司帶來持續性的利好增長。

ASIC——後起之秀，不可估量

4.1.性能與功耗完美結合的ASIC

ASIC(ApplicationSpecificIntegratedCircuits，專用集成電路)，是指應特定用戶要求或特定電子系統的需要而設計、制造的集成電路。嚴格意義上來講，ASIC是一種專用芯片，與傳統的通用芯片有一定的差異。是為了某種特定的需求而專門定制的芯片。

ASIC作為集成電路技術與特定用戶的整機或系統技術緊密結合的產物，與通用集成電路相比，具有以下幾個方面的優越性：體積更小、功耗更低、可靠性提高、性能提高、保密性增強、成本降低。

回到深度學習最重要的指標：算力和功耗。我們對比NVIDIA的GK210和某ASIC芯片規劃的指標，如下所示

從算力上來說，ASIC產品的計算能力是GK210的2.5倍。第二個指標是功耗，功耗做到了GK210的1/15。第三個指標是內部存儲容量的大小及帶寬。這個內部MEMORY相當於CPU上的CACHE。深度雪地的模型比較大，通常能夠到幾百MB到1GB左右，會被頻繁的讀出來，如果模型放在片外的DDR里邊，對DDR造成的帶寬壓力通常會到TB/S級別。

因為全定制芯片ASIC綜合考慮了工藝和性能方面的權衡，隨著工藝的進步，性能和價格的進展如下：

全定制設計的ASIC，因為其自身的特性，相較於非定制芯片，擁有以下幾個優勢：

●同樣工藝，同樣功能，第一次采用全定制設計性能提高7.6倍

●普通設計，全定制和非全定制的差別可能有1～2個數量級的差異

●采用全定制方法可以超越非全定制4個工藝節點（采用28nm做的全定制設計，可能比5nm做的非全定制設計還要好）

我們認為，ASIC的優勢，在人工智能深度學習領域，具有很大的潛力。

4.2.從“比特幣挖礦機ASIC發展”推導“ASIC在人工智能領域大有可為”

ASIC在人工智能深度學習方面的應用還不多，但是我們可以拿比特幣礦機芯片的發展做類似的推理。比特幣挖礦和人工智能深度學習有類似之處，都是依賴於底層的芯片進行大規模的並行計算。而ASIC在比特幣挖礦領域，展現出了得天獨厚的優勢。

比特幣礦機的芯片經歷了四個階段：CPU、GPU、FPGA和ASIC。其中2009年1月比特幣創始人中本聰利用電腦CPU挖出了第一個創世塊，其後大約一年時間BTC網絡主要依靠CPU挖礦，CPU設計中需要大量的邏輯判斷和很強的通用性來處理不同類型的數據，而GPU處理簡單的SHA-256算法速度更具優勢；GPU由於采用了大量並行處理的核心架構，對於簡單的SHA256算法處理速度較快，2010年9月挖礦進入了GPU時代，但是GPU也存在功耗高、搭建部署困難的缺陷，不適合大規模部署；2011年12月出現了基於FPGA芯片的挖礦設備，其功耗為同類型的GPU的1/40，但是FPGA芯片價格昂貴、部署也很複雜，主要被少數具備專業背景的礦工所使用，這個階段FPGA和GPU成為挖礦的主力軍；2013年首臺基於ASIC芯片的Avalon礦機面世，挖礦進入了ASIC時代。ASIC芯片是專為挖礦量身定制的芯片，它將FPGA芯片中在挖礦時不會使用的功能去掉，與同等工藝的FPGA芯片相比執行速度塊，大規模生產後的成本也要低於FPGA芯片。

在CPU、GPU時代，挖礦門檻較低，家庭的普通臺式機或者帶有獨立顯卡的筆記本都可以用來挖礦，2012年以前挖礦還是大眾可以參與的相對公平對等階段；隨著FPGA、ASIC芯片的出現，挖礦逐漸開始向一些專業人士聚集。ASIC芯片是為挖礦量身定制的，與同等工藝的FPGA芯片相比ASIC芯片的執行速度更快，大規模生產後成本也會比FPGA芯片低。目前ASIC芯片已成為主流的礦機芯片，挖礦速度基本都達到了GH/S的級別，比如BITMAIN的第四代芯片BM1385，單顆芯片算力可達32.5GH/S，在0.66V的核心電壓下功耗僅為0.216W/GH/S。ASIC芯片隨著矽片加工精度的提升，其性能更好，功耗更低。目前矽片加工精度已經130nm提升至14nm，基本接近現有半導體技術的極限。

以上，從ASIC在比特幣挖礦機時代的發展歷史，可以看出ASIC在專用並行計算領域所具有的得天獨厚的優勢：算力高，功耗低，價格低，專用性強。的谷歌最近曝光的專用於人工智能深度學習計算的TPU，其實也是一款ASIC。

4.3.ASIC國內行業與公司

我們認為，國內的比特幣芯片生產廠商，都有可能在人工智能時代華麗轉身，成為擁抱深度學習的定制芯片供應商。在這塊領域有所深耕建樹的公司有，國內的深圳烤貓、迦南耘智、比特大陸和龍礦科技。擁有自產芯片的礦機生產商的盈利能力強，普遍的毛利率達到50%以上。

總結

綜上，我們的觀點：人工智能時代逐步臨近，GPU，FPGA，ASIC這幾塊傳統領域的芯片，將在人工智能時代迎來新的爆發。風起於青萍之末，一起關註人工智能時代芯片的大機會！

（完）