⑴ 区块链与隐私计算的结合是必然趋势吗
区块链与隐私计算的结合是必然趋势吗？
我们目前对这个问题的思考框架是：如果不与隐私计算技术结合，区块链技术的应用是 否受到限制、无法向前发展；如果不与区块链技术结合，隐私计算技术是否受到限制、无法 向前发展。如果二者对彼此都是刚需，那么它们相结合的趋势就是必然。
以下为我们对这个问题的思考：
1、隐私计算技术的应用是否区块链技术的刚需
区块链技术有巨大的优势，但是如果没有隐私计算技术，区块链技术的应用会大大受到 限制，因为无法解决链上数据的隐私保护问题，这使得大量涉及敏感数据的场景不愿应用区 块链技术，比如金融和医疗领域。
（1）区块链技术的局限性
第一，链上数据公开透明，数据的合规处理和隐私保护能力不足 区块链作为分布式账本系统，数据的公开透明尽管有利于存证、防篡改，但也存在数据 可轻易被复制、泄漏个人隐私的风险。区块链在公有链上要求不同节点对交易和交易状态进 行验证、维护，形成共识，因此每个参与者都能拥有完整的数据备份，所有的交易数据公开 透明。如果知道某个参与者的账户，就很容易获取其每一笔交易记录，从而据此推断其 社会 身份、财产状况等。以消费场景为例，平台之间存在竞争壁垒，用户也希望保留消费隐私， 因此区块链缺乏对用户流水、物流信息、营销情况等与企业、个人隐私相关的数据缺乏保护 能力，往往导致数据拥有方不愿意让数据进入流通环节。在链上系统的交易不再受中心账本的控制，用户通过使用唯一的私钥进行交易，交易过 程被加密且加密前数据很难还原，仅以私钥作为交易凭证使得区块链内的交易变得更加匿名 和不可控。在分布式账本系统上，所有的转账以地址形式进行，一但发生了诈骗或者洗钱等 金融犯罪，即便可以公开查询地址，但对资金追踪的难度极大，且私钥作为交易凭证很难证 明使用者的身份，因此许多企业、个人通过区块链进行洗钱等违法交易，不利于数据的合规 处理和合法共享。
第二，数据处理能力不足，制约技术的进一步落地和商业化拓展 链上计算受限于网络共识的性能，使得链上交易难以具备实时性和高效率，区块链智能 合约的计算能力需要扩展。以最大的加密支付系统比特币为例，每秒钟只能够处理大约 3 到 7 笔交易5 ，且当前产生的交易的有效性受网络传输影响，往往需要等待 10 分钟左右的记账周 期才能让网络上的节点共同知道交易内容。此外，如果链上有两个及以上节点同时竞争到记账权力，则还需要等待下一个记账周期才能确认交易的准确性，最终由区块最长、记账内容 最多的链来完成确认。
完全去中心化的系统与现实中大部分现有体系的兼容性不足，缺乏链上链下协同、多业 务发展的系统和功能，制约区块链技术的进一步落地。在区块链的技术落地过程中，首先， 各行业本身具有成熟的体系，区块链完全去中心化的形式不一定适合所有的领域和行业；其 次，区块链的平台设计和实际运行成本巨大，其所具备的低效率和延迟性的交易缺陷非常明 显，是否能够弥补原系统更换的损失需要经过一定的精算和比较；此外，使用区块链存储数 据需要对原有数据格式进行整理，涉及到政务、司法领域的敏感数据，更需要建立链接线上 和线下数据的可信通道防止数据录入有误，这带来了较高的人力、物力成本。
（2）隐私计算技术对区块链技术的帮助
隐私计算技术保障数据从产生、感知、发布、传播到存储、处理、使用、销毁等全生命 周期过程中的隐私性，弥补区块链技术的隐私保护能力，实现数据的“可用不可见”。通过 引入隐私计算技术，用户的收支信息、住址信息等个人数均以密文的形式呈现，在平台进行 数据共享的过程中，既能防止数据泄露，又能够保障用户个人隐私的安全，有利于进一步打 破数据孤岛效应，推动更大范围内的多方数据协作。隐私计算技术可与区块链技术形成技术组合，提升数据处理能力、扩大可应用范围。隐 私计算技术通过对数据进行规范化处理，能够提升数据处理、数据共享的效率，提升区块链 的数据处理能力。此外，隐私计算技术+区块链技术的技术组合能够应用于缺乏中心化系统、 但又对敏感数据分享有强烈需求的合作领域，扩展区块链技术的应用场景。
区块链技术的应用是否隐私计算技术的刚需
（1）隐私计算技术的局限性
第一，数据共享缺乏安全检验，制约数据流通的可信性
数据共享的整个流程涉及到采集、传输、存储、分析、发布、分账等多个流程，隐私计 算主要是解决全流程的数据“可用不可见”的问题，但是难以保证数据来源可信和计算过程 可信。
从数据来源可信的角度来说，在数据采集的环节，数据内容本身可能不完整，数据的录 入可能会存在失误；在数据传输的环节，数据的传输可能会被其他的客户端攻击，导致数据 在传输的过程中泄漏；在数据的储存环节，储存数据的角色方有可能会篡改数据或者将数据 复制转卖到黑市，这些都不会被隐私计算技术记录。如果无法保证数据共享各方的身份得到 “可信验证”，就有可能导致数据的隐私“名不副实”。从计算过程可信的角度来说，在数 据分析和发布的环节，数据的共享方有可能私自篡改数据的运行结果和发布内容，对最终数 据处理的结果进行造假。因此，一旦信息经过验证并添加到隐私计算的环境中，很难发现数 据是否被篡改、被泄漏，很难防止不同时间点不同节点的数据造假的情况，在涉及到金融、政务、医疗、慈善等关键领域里，如果数据有误则产生的一系列法律问题则难以追究。
第二，业务水平整体层次不齐，制约技术平台的扩展
当前，隐私计算的技术实现路径主要分为三种：多方安全计算、联邦学习、TEE 可信执行 环境。三种技术路径存在各自的应用缺陷和问题，由于行业内不同公司对于技术的掌握能力 和研发能力有限，导致技术平台的实际应用范围有限，可扩展能力不足。
多方安全计算尽管具有复杂高标准的密码学知识，但其计算性能在实际应用的过程中存 在效率低的缺陷。随着应用规模的扩大，采用合适的计算方案保证运算时延与参与方数量呈 现线性变化是目前各技术厂商面临的一大挑战。多方安全计算虽然能保证多方在数据融合计 算时候的隐私安全，但是在数据的访问、控制、传输等环节，仍然需要匹配其他的技术手段 防止数据泄露、篡改。
联邦学习技术目前在业内的应用通常以第三方平台为基础模型，在基础模型之上进行隐 私计算，这样的基础模型本身存在被开发者植入病毒的隐患。此外，联邦学习的机制默认所 有的参与方都是可信方，无法规避某个参与方恶意提供虚假数据甚至病害数据，从而对最终 的训练模型造成不可逆转的危害。由于联邦学习需要各个参与式节点进行计算，因此节点的 计算能力、网络连接状态都将限制联邦学习的通信效率。
TEE 可信执行环境在国内目前核心硬件技术掌握在英特尔、高通、ARM 等少数外国核心供 应商中，如果在关键领域从国外购买，则存在非常高的安全风险和应用风险。第三，数据共享缺乏确权机制，制约数据流通的应用性 隐私计算通过使用多方数据共同计算、产生成果，然而在实际合作的过程中，由于各个 数据共享方业务水平不同、数据质量不一导致在数据处理的每一个环节难以实现合理的确权。
按照常规的利益分配机制，拥有高质量数据、高成果贡献率的数据拥有方理应从中获取更多 的利润，但是隐私计算仅考虑到数据的“可用不可见”，数据共享方难以从最终结果来判断 谁的数据对于成果的贡献最大，造成利益分配的不公平。如果缺乏合理的成果贡献评估机制和利益分配机制，就会难以激励数据所有者和其他数 据持有者进行合作。尤其是在不信任的多方合作的场景下，会更加增加合作的信任成本，使 得多方协作难以达成，制约数据流通的实际应用性。
（2）区块链技术对隐私计算技术的帮助
区块链技术通过数据流通的所有环节、所有参与者进行记录，实现数据共享流程中的权 责分明，提升了数据流通的可信性。在数据传输的环节，区块链记录数据的提供者，确认数 据提供方身份的真实性和有效性，有利于数据确权，为公平可行的利益分配机制提供参考；在数据储存的环节，区块链保证数据的每一次修改都有迹可循，防止数据的恶意篡改。区块 链技术可作为隐私计算技术的底层平台，保证了加密数据本身的真实有效性，提升了隐私计 算平台里数据流通的可信性，拓展隐私计算技术的应用范围。
3. 结论
隐私计算技术和区块链技术的融合是必然的趋势。对于数据资产的流转来讲，没有隐私 计算，不能解决数据本身的安全和隐私保护问题；没有区块链，不能解决数据的确权问题以 及在更大范围内的数据网络协作问题。将区块链和隐私计算二者结合起来，建设大规模数据 流通网络，在目前的实践中成为有所共识的 探索 方向。
区块链与隐私计算的结合会改变什么？
1、形成大规模数据流通网络和数据要素市场
当前，数据流通存在三方面问题：数据拥有方的数据保护和数据确权难以实现；不同来 源数据的整合处理成本过高、缺乏统一标准；数据利益的分配机制不完善。
如前文所述，区块链和隐私计算技术相结合，可以一方面解决隐私保护问题，一方面解 决数据确权和多方协作问题，从而建立大规模的数据流通网络。
在大规模数据流通网络建立的基础上，真正意义上的数据要素市场才能够形成，数据作 为生产要素的价值才能够被充分发掘出来。
2、推动数据资产化的发展
所谓资产，是指由企业过去的交易或事项形成的，由企业拥有或者控制的，预期会给企 业带来经济利益的资源。
数据的资产化就是让数据在市场上发现价值，能够为企业创造新的经济益。
大规模数据流通网络和数据要素市场的形成，将大大推动数据价值的发现、数据资产化 的发展。
从企业一侧来看，企业的生产经营活动当中沉淀下来的数据会成为宝贵的资产。一方面， 对这些数据的分析和运用，将推动企业改善自身的业务；另一方面，与外部机构进行数据的 共享，能够推动数据发挥出更大的价值，企业自身也将从中获取更多收益。这会反过来进一 步推动企业的数字化转型和对数据资产的管理。未来，对数据资产的盘点可能成为企业在资 产负债表、现金流量表、利润表之外的“第四张表”。
数据资产化的发展，也会推动围绕数据价值挖掘形成全新的服务体系。其中包括数据确 权、定价、交易等各个环节。上海 社会 科学院信息研究所副所长丁波涛将未来数据资产服务体系中的机构分成四类：
第一类提供中介服务，包括数据经纪人，还有数据代理。
第二类提供数据评估，由于数据市场信息不对称或信息混乱，需要提供合规评估、数据 质量和数据价格的评估。
第三类提供价格咨询，如提供法律、经济咨询或者是上市辅导等的咨询服务企业。
第四类提供专业技术服务，包括数据开发、数据处理服务、数据交付服等。数据资产化的发展，带来的将是人们认知的提升、生产效率的提高、生产要素的重组、 创新的产生、经济的发展以及全 社会 整体福利的提升。
3、对现有业态的改变
区块链与隐私计算的结合，将提升企业和个人分享数据、利用数据的积极性，进一步推 动打破“数据孤岛”。其对现有业态的改变主要体现在以下几个层面：
第一，这将带来新的数据和 科技 变革。
首先，这将推动数据密态时代的到来。数据密态时代的核心，是数据流通使用方式的巨 大改变，数据将以密态形式在主体间流动和计算，显着降低数据泄露的风险，并在合规前提 下支撑各种形态业务的发展。此前，数据被加密之后只能用来传输或者存储，但是未来数据 在加密状态下可以被计算。这将带来一系列新的问题和挑战，引发许多相关技术领域的连锁 反应。
其二，这将重塑大数据产业。随着数据流通的安全化，以往较为敏感的数据领域逐渐开 放。以政务数据为例，隐私计算使联合政务、企业、银行等多方数据建模和分析成为可能， 进一步释放数据应用价值，创造了多样化的应用机遇。
其三，人工智能产业将获得新一轮的发展。数据、算法和算力是人工智能发展的三要素。近几年来，由于缺乏可用的数据，人工智能的发展遭遇瓶颈。未来，5G 和物联网的发展将使 得万物互联，数据量大幅增长。区块链+隐私计算技术的应用，可以使得人工智能利用海量数 据优化模型，真正迈向“智能化”。其四，这将为区块链产业的发展带来新的机遇。区块链与隐私计算相结合，将拓展联盟 链的节点数量，从而进一步扩大可协同利用的数据资源的范围。
第二，在 科技 变革的基础之上，区块链与隐私计算相结合，将给许多传统产业带来变革。
在政务领域，一方面，可以实现政府不同部门之间的互联互通及数据共享，从而促进政 府不同部门的协同，提高政府的效率以及决策质量，推动智慧城市的建设；另一方面，可以 促进政务数据与民间数据的双向开放。政务数据向 社会 开放，可以为企业或学界所用，释放 更多价值。民间的数据源向政府开放，可以提高政府在决策以及政务流程等方面的效率。
在金融领域，支付、征信、信贷、证券资管等各个领域都会因之发生变化。总体来看， 主要是影响到金融的风控和营销两个方面。区块链与隐私计算技术的结合，可以在符合法律 规定、不泄露各方原始数据的前提下，扩大数据来源，包括利用金融体系外部的互联网数据， 实现多方数据共享，联合建模，从而有效识别信用等级、降低多头信贷、欺诈等风险，也有 助于信贷及保险等金融产品的精准定价；同样，内外部多方数据的共享融合也有助于提高金融机构的反洗钱甄别能力。
在医疗领域，未来在疾病治疗、药物研究、医疗保险等多个领域，区块链与隐私计算都 能助推医疗信息化建设，带来巨大变革。在疾病治疗和药物研究方面，区块链与隐私计算结 合，能够促进更多的医疗数据被联合起来进行分析和研究，从而为许多疾病的治疗带来新的 突破。在医疗保险方面，区块链与隐私计算技术结合，主要是可以使得保险公司可以应用到 更多的数据，改善保险产品的设计、定价、营销，甚至可以促进保险公司对客户的 健康 管理 等。
区块链与隐私计算技术相结合，目前应用的重点领域是政务、金融、医疗领域，但是未来其应用将不仅仅局限于这三个领域，还将在更多领域发挥作用。
第三，数据权利、利益将重新分配。
这可能是区块链与隐私计算技术相结合所带来的最为核心，也是最为深刻的，与每一个人 的切身利益都息息相关的变革。
首先，这涉及到每个产业链不同环节利益的重新分配。
前述在广告营销领域的应用落地为例，此前广告营销的利益分配主要是在广告主与渠 道商之间。但是，未来应用区块链和隐私计算技术，可以在更大范围内进行数据协作，则要 解决广告主、多个渠道方、消费者之间多方数据协作的问题，这其中就涉及到多方之间权责 的划分、利益的重新分配。
其次，这还涉及到企业与个人之间利益的重新分配。
欧盟的 GDPR,美国的 CCPA 等法案中涉及用户的一项重要权益即“portability，（可携 带权）”。即第三方应用不能封锁个人数据，一旦个人有下载的诉求，APP 需要提供便利的 API 利于个人拷贝数据。美国公司已陆续为用户提供 API，如果在这方面功能缺失，个人客户 可以提出诉讼，而公司也将面临巨额的罚款。在中国的《个人信息保护法》当中，也有相关的条款。《个人信息保护法》第四十五条规 定，“个人有权向个人信息处理者查阅、复制其个人信息”、“个人请求查阅、复制其个人信息 的，个人信息处理者应当及时提供。个人请求将个人信息转移至其指定的个人信息处理者， 符合国家网信部门规定条件的，个人信息处理者应当提供转移的途径。”
目前，中国公司的区块链+隐私计算 探索 主要集中在 To B 服务领域，但是区块链是全球 化的商业，如果美国已经出现这样的模式，中国大概率不会完全不受影响。伴随着消费级软硬件技术能力的提升，区块链与隐私计算技术结合，会逐步对个人与机构 之间的数据服务进行变革。对于个人用户而言，将有机会获得自身隐私数据的完全掌控权， 并为数据业务过程中所涉及的数据隐私需求获得更强的技术性保障。目前关于 To C 服务的相关问题，国内业界还在探讨当中。
为什么区块链+隐私计算的应用尚未大规模普及？
第一，区块链+隐私计算的落地应用，主要是在涉及需要多方数据协作的情况，目前实际需求尚未爆发。
从隐私计算技术发展的角度来看，目前隐私计算尚在落地初期，解决的主要是两方之间 的数据协作问题，涉及到多方的场景还不多，因此很多时候还没有体会到对区块链+隐私计算 应用的需要。
从区块链技术发展的角度来看，区块链技术在许多领域的应用目前并非刚需。不少问题 可以应用区块链解决，但是不用区块链技术也能解决，而应用区块链技术解决的成本更高。因此，目前区块链项目的建设主要是政务部门和大型企业较为积极，因为政府和大型企业从 长远发展的角度来考虑，可以做前瞻性的投资建设和技术布局，但是大多数商业机构需要衡 量投入与产出。
区块链技术与隐私计算技术结合，主要是用于处理数据协作问题。从数据治理的角度来 看，目前大多数机构都在处理自身内部的数据治理问题，内部的数据体系梳理好之后，才涉 及到与外部进行数据协作，因此还需要时间。
第二，区块链+隐私计算的落地应用较为复杂，涉及到新商业模式的创造、权责以及利益 的重新分配，因此需要的时间更长。
以在广告营销领域的应用落地为例，目前的大多数应用 都只是落地了隐私计算平台，主要涉及两方数据协作，直接应用隐私计算技术，延续此前商 业应用即可。但是，如果引入区块链技术，则要解决广告主、渠道方、消费者之间多方数据 协作的问题，这其中可能涉及到多方之间权责的划分、利益的重新分配，新商业模式的形成 需要时间进行 探索 。
应用的大规模普及，还需要解决哪些问题？
区块链+隐私计算的应用在大规模铺开之前，还需要具备三方面的条件：
第一，从外部环境来看，需要全 社会 整体的数字化水平的提高。 打个比方，区块链+隐私 计算将来会形成数据流通的高速公路，但是路上要有足够的车。目前全 社会 的数字化正在快 速推进当中，大多数机构都是正在进行自身内部的数据治理，他们需要先处理好自己的数据， 之后才能产生更多的与外部数据进行协作的需求，这还需要时间。
第二，从技术发展来看，技术成熟尚需投入。 区块链+隐私计算技术的应用，实际上是牺 牲了数据流通的效率、提升了安全性，但是数据流通的效率也非常重要，未来需要在效率和 安全这两个方面形成一定的平衡，安全要保障，足够的效率也要满足，这其中涉及到许多技 术的研发、行业标准的制定，技术产品化的发展和完善、技术成本的进一步降低，还需要时 间。
第三，还需要相关法律法规的完善，以及数据交易商业模式的形成。 不过，这一条件与 前两个条件相比，其在目前的重要性相对次之。因为随着需求的爆发、技术的完善，相关的法律法规以及商业模式就会随之形成，这一条件在现阶段并非限制区块链与隐私计算技术落 地应用的最关键因素。
区块链+隐私计算的应用中还蕴藏着哪些趋势？
1、国产化的趋势
区块链+隐私计算的应用，涉及网络安全、数据安全，未来将成为新基建的重要组成部分。这是关乎网络空间主权、国家安全和未来发展利益的重要方面，因此这个领域的国产化是未来趋势。
在区块链+隐私计算技术应用的国产化当中，软件的国产化是相对容易实现的。难点在于 硬件的国产化，其中最难的部分是芯片的国产化。
这一部分的发展，与信创领域的发展相关。信创，即信息技术应用创新产业，其是数据 安全、网络安全的基础，也是新基建的重要组成部分。信创涉及到的行业包括 IT 基础设施：CPU 芯片、服务器、存储、交换机、路由器、各种云和相关服务内容；基础软件：数据库、操 作系统、中间件；应用软件：OA、 ERP、办公软件、政务应用、流版签软件；信息安全：边 界安全产品、终端安全产品等。
在区块链+隐私计算领域，目前已经有企业在尝试产品的国产化。例如，前文提到的，蚂 蚁链自研了密码卡、隐私计算硬件以及自研可信上链芯片，同时还推出了摩斯隐私计算一体 机。创业公司如星云 Clustar、融数联智也在进行相关国产化硬件产品的研发。
2、软硬件技术相结合、更多技术融合发展的趋势
目前，在区块链与隐私计算技术相结合的实践中，也呈现出了软硬件技术相结合、更多 技术融合发展的趋势。这主要是缘于几方面的需求：
第一，是加强数据安全性的需求。
隐私计算主要是解决数据在计算过程中不泄露的问题，区块链主要是解决存证问题，二者结合仅能解决数据安全的一部分问题。数据从产生到计算再到消亡，会涉及采集、传输、 存储、计算、销毁等多个环节，其生命周期可能会有数十年之久，要真正保障数据安全需要 一个更加全方位的、体系化的解决方案，以使得每个环节上都有对应的技术体系保障数据安 全 在数据采集阶段需要精心设计设备可信架构，在网络传输阶段需要合理运用安全协议， 在存储阶段需要兼顾加密与性能，在数据计算阶段需要灵活选择可信执行环境与密态运算。除此以外，计算环境的可信与安全在防御纵深建设上也至关重要。这些安全保障能力的技术 图谱会涉及到可信计算、软硬件供应链安全、隔离技术、网络与存储的透明加密、密钥管理、 可信执行环境等等。这其中每一个技术点都有软硬件结合、多种技术融合发挥的空间。
第二，是提升计算性能的需求。
隐私计算的性能目前还比较低，在计算机单机、单机和单机之间、计算机集群之间这三 个层面上都存在。
在计算机单机上，隐私计算由于运用了密码学技术，计算过程中涉及到很多加密解密的 步骤，这使得计算量以几何级数增加。以全同态算法为例，在通用芯片上密文运算的速度比 明文运算慢了 10 万倍。这意味着，做同样的运算，如果用全同态算法，在 Intel 最新的 Icelake 处理器上，跑出来的效果等同于 Intel 的第一代 8086 处理器，直接回退了数十年。这使得全 同态加密在现实情况下就不具备可用性了。算力问题也是导致全同态算法一直未得到广泛应 用的根本原因。
在单机之间和计算机集群之间，会涉及到单机之间和集群之间的通信效率问题。一方面， 主流的隐私计算技术无论是联邦学习还是多方安全计算，都有通信问题。密文膨胀、传输次 数膨胀，会导致单机之间网络传输效率成为隐私计算的瓶颈之一。另一方面，由于大多数隐 私计算的场景都是跨多方的，多方要通过公网进行通信，公网的带宽与时延目前也是巨大的 鸿沟。
性能的问题，会随着时间的推移越来越严重。2021 年，隐私计算的落地尚处于颇为早期 的阶段，主要是在一些机构内部或者是两方、三方之间应用，处理的数据量较小，这个问题 还不明显。可是未来，多方数据交换需求的到来、5G 和物联网的发展所带来的数据量急剧增 大，最终导致的将是数据量爆发式的增长，这需要消耗大量的算力。
到那时，隐私计算的性 能将面临巨大的挑战。现在在硬件的创新方面正处于体系结构的黄金时代。这是因为，移动互联网的飞速发展 使得应用场景发展很快，上层的软件也发展很快，这使得在计算机底层进行支持的硬件甚至 芯片都需要随之进行改变，进入了新一轮的创新周期。
而从区块链与隐私计算结合的长远发展来看，软硬件结合、多技术融合，对隐私计算来 说，可以提升性能、安全性和计算效果；对区块链来说，可以促使更多机构低成本加入联盟 链，扩大联盟链应用范围。
END
编辑 | 领路元
来源 | 零一 财经 《区块链+隐私计算一线实践报告（2022）》
⑵ 芯片发展前景
芯片产业链核心环节为产业链中游的芯片设计、芯片制造、封装测试。而上游基础EDA软件、材料和设备是中游制造的关键，中国芯片在这部分较为受制于人，其中芯片产业链最薄弱的环节为最上游的EDA软件。目前，中国国芯片产业链布局最完整的地区位于上海。
芯片产业链全景梳理：EDA软件最薄弱
芯片产业链包括上游基础层、中游制造层和下游应用层。上游EDA软件/IP、材料和设备是芯片产业的基础，其中EDA软件/IP是中游芯片设计的关键;材料和设备是芯片制造和封测的基础。中游制造是芯片产业链的核心，包括芯片设计、芯片制造和封装测试。下游应用领域主要包括通讯设备、汽车电子、消费电子、军事、工业、物联网、新能源、人工智能等等。
芯片产业链中上游各个环节的行业龙头企业集中在上海，上游EDA软件的代表企业概伦电子，原材料部分生产大硅片的龙头企业沪硅产业，制造半导体设备的龙头企业盛美半导体，中游芯片设计、封装测试的龙头企业中芯国际、紫光展锐、华虹半导体等。上海的芯片产业布局是全国最完整的。
—— 以上数据及分析均来自于前瞻产业研究院《中国芯片行业市场需求与投资规划分析报告》。
⑶ 中芯国际和长鑫存储芯片区别
1. 芯片不同：中芯国际芯片是由瑞芯微电子自主研发的全球领先的半导体全片晶圆封装的芯片，而长鑫存储芯片则采用英特尔的无晶圆封装芯片。
2. 技术不同：中芯国际芯片采用先进的技术和装备，拥有完善的设计研发团队和自主的供应链，以及极具竞争力的价格；而长鑫存储芯片采用英特尔的芯片技术，不仅具有稳定可靠的性能，而且在可靠性、安全性和性能方面也有优异的表现。
3. 应用不同：中芯国际芯片在微控制器、音频收发、网络通信等领域有着广泛的应用；而长鑫存储芯片则专门用于存储解决方
⑷ 国产存储芯片开始提速，两大喜讯接连传来，实现从0到1突破
全球存储芯片的格局非常明确，以韩国三星，SK海力士和美国美光这三大巨头为主，在各大存储芯片领域中占据核心技术和市场份额的主要优势。常见的NAND，DDR5以及DRAM都掌握在海外巨头手中。
但其实国产存储芯片已经开始提速了，两大喜讯接连传来，完成了从0到1的关键突破。具体是怎样的喜讯呢？国产存储芯片产业格局如何？
存储芯片的重要性是显而易见的，手机，电脑设备想要运行文件，存储数据，那么存储芯片将会是不可或缺的存在。
根据存储芯片种类的不同，赛道竞争程度也不一样。有些存储芯片巨头已经将工艺做到了使用EUV光刻机的程度，而有些企业能在某个细分存储芯片领域取得一席之地，就已经是很大的突破了。
国外巨头因为起步时间早，有庞大的资本开支优势，再加上产业链发展完善，取得领先也是能理解的。但后来居上，实现反超的例子也不是没有，国产存储芯片传来两大喜讯，已经在弯道超车了。具体有怎样的喜讯呢？
第一大喜讯：昕原半导体建成28/22nm ReRAM生产线
对存储芯片有一定了解的人都知道，DAND，DRAM等是发展了几十年的存储芯片，已经发展出完整的全球化产业链，相关的技术，配套设施和人才储备也十分完善。
可是在人工智能，云计算等日益发展迅速的新基建领域， 探索 新型存储芯片也成为了一种趋势。而ReRAM这种阻变存储器就是新型存储芯片，它的优势体现在读取速度快，功耗低，应用范围广阔。
昕原半导体就是发展ReRAM存储芯片的国产公司，其成立于2019年，在今年2月中旬正式传来消息，建成了中国首条28nm/22nm的ReRAM生产线。
基于这座生产线，昕原半导体可以更快将研究成果落地，补充完善国产存储芯片产业的生产供应链。
值得一提的是，在新型的ReRAM阻变存储器产业中，入局的玩家还不是很多，而建成相关生产线的企业更是少之又少。放眼国外，昕原半导体的这一生产线建设成果都是领先的。这也意味着，中国已经在ReRAM新型阻变存储器中把握住了先手机会，未来可期。
第二大喜讯：曝合肥长鑫今年投产17nm制程的DDR5 内存芯片
相较于昕原半导体大力发展新型阻变存储器，合肥长鑫这家存储巨头则在传统赛道上持续攻克难关。有消息爆料称，合肥长鑫会在今年投产17nm制程工艺的DDR5内存芯片，成为国内首个参与DDR5内存芯片市场的中国企业。
DDR5是计算机内存规格的芯片，相比于DDR4等前几代内存条，DDR5的性能更加出色，且功耗更低，是当下主流的高性能，高品质内存芯片。
DDR5的市场份额一直把控在三星、SK海力士、美光这三大巨头手中，制造出的DDR5被各国客户争相下单采购，国内也一直存在DDR5内存芯片的空白。
然而喜讯传来，消息爆料合肥长鑫会在今年进行DDR5内存芯片的投产，且还是17nm的工艺制程。在这一领域内，17nm已经是非常先进高端的水准了。
若爆料消息无误，则说明国产DDR5芯片已经迎来有望参与全球市场的发展能力。除了投产DDR5芯片之外，合肥长鑫也一直在努力提升产能，得益于背后资本的支持，合肥长鑫计划在今年实现每月12万片晶圆的目标，而2年前合肥长鑫的产能水准还停留在每月4.5万片。
以上两个关于国产存储芯片的喜讯接踵而至，一个是昕原半导体在新型ReRAM阻变存储器建成生产线，为国产新型存储芯片产业发展提供更多的可能性。
另一个是合肥长鑫计划今年投产DDR5内存芯片，在17nm工艺的支持下，将有望拿下DDR5市场的一席之地，打破海外巨头单一市场垄断的局面。
不难发现，这两个喜讯都是实现了从0到1的突破，昕原半导体的ReRAM生产线是国内首条，合肥长鑫投产DDR5也是国内首个参与者，可见国产存储芯片已经开始提速。
其实不只是这两大国产存储芯片巨头，在其余的长江存储，福建晋华等等存储公司的参与下，构建了如今存储芯片产业快速破局的格局。他们要么是兴建生产线，要么加快技术研发突破，齐聚力量之下，相信定能为国产存储芯片创造全新的未来。
海外巨头长期耕耘技术研发和产业发展，国产企业要想加速进步，还得一步一个脚印。首先要树立发展目标，其次包括人才资源，紧接着努力将研究成果落地产业。正所谓一分耕耘一分收获，希望国产企业的耕耘都能得到应有的收获。
对国产存储芯片的两个喜讯你有什么看法呢？
⑸ 区块链钱包有什么作用呢，有能说明白的嘛
区块链钱包的本质是一个私钥，它是一个随机的哈希值字符串，拥有了私钥就拥有了该钱包的使用权。如果按照私钥存储方式可划分为：冷钱包和热钱包
冷钱包是指网络不能访问到你私钥的钱包，一般会拿笔记本记录，虽然免去被黑客盗取私钥的风险，但是也有可能遗失。
热钱包是指互联网能购访问你私钥的钱包。热钱包往往是在线钱包的形式，不容易遗失，但是也同样具有风险。
⑹ 给出芯片的存储范围怎么连接译码器
主存芯片和cpu的连接原理
主存通过数据线/地址线/控制线和cpu相连
数据总线的位数W D W_DW
D
和总线工作频率f B f_Bf
B
的乘积B = W D f B B=W_Df_BB=W
D
f
B
正比于数据传输速率
地址总线的位数决定了可寻址的最大内存空间
控制总线(读.写)指出总线周期的类型和本次输入输出操作完成的时刻
多个内存芯片集成到一个内存条上
多个内存条和主板上的ROM芯片组成计算机所需的主存空间,再通过总线与cpu相连
内存条插槽就是存储器总线
内存中的信息通过内存条的引脚,再通过插槽内的引线连接到主板上
主板上的导线连接到cpu上
主存容量的扩展
单个芯片的容量有限
可通过字扩展/位扩展两方面来扩充主存容量
位扩展法
字扩展发
字位同时扩展
存储器容量S=地址线数N A N_AN
A
乘以字长W
S = N A × W S=N_A\times{W}S=N
A
×W
位扩展法
cpu的数据线和存储芯片数据位数不一定相等
必须进行位扩展,使用多个存储器间对字长进行扩展,使其数据位数和cpu的数据线相等
也即是扩展单个存储字的字长(仅提升W)
可见,单纯的位扩展没有扩大寻址范围
在同一时刻,cpu片选中所有芯片,每个芯片读取相同个bit内容
片选信号C S ‾ \overline{CS}
CS
要链接到所有芯片
每片的数据线一次作为cpu数据线的一位
采用位扩展时,所有芯片链接地址线的方式相同
另一种扩展方式是字扩展法,扩展的是存储字总数(仅提升N A N_AN
A
)
将多个存储芯片的以下方面相应并联
地址端
片选端
读写控制端
数据端分别引出
字扩展法
扩展的是存储字总数(仅提升N A N_AN
A
),字的位数不变
将芯片的以下方面相应并联
地址线
数据线
读写控制线
片选信号用来区分各芯片的地址范围
仅采用字扩展时,各芯片
连接地址线的方式相同
连接数据线的方式也相同
但是在某一时刻只选中部分芯片
通过**片选信号C S ‾ \overline{CS}
CS
**或者采用译码器设计连接到相应存储芯片
字位同时扩展法
同时增加N A , W N_A,WN
A
,W
一般先执行位扩展(分组→ \to→整体)
再执行字扩展
连线:
所有芯片的地址线连线还是相同
数据线不同
存储芯片的地址分配和片选
cpu访问存储单元
首先需要进行片选
多个存储芯片构成的存储器,选择其中的一片进行访问
片选信号的产生分为线选法和译码片选法
再进行字选
在选中的芯片中,根据地址码选择相应的存储单元
片内的字选通常由cpu送出的N条低位地址线完成的
地址线直接链接到所有存储芯片的地址输入端
线选法
不需要译码器,线路简单
地址空间不连续,片选的地址线必须分时为低电平(否则不能工作)
可能无法充分利用系统的存储器空间,造成地址资源浪费
比如cpu可用的高位地址线数量不足以选中大量需要独立选中的芯片(组),即片选信号种类不足
译码片选法
用高位地址线(除了片内寻址外的)通过地址译码器芯片产生片选信号
半导体存储芯片的译码驱动方式
半导体存储芯片的译码驱动方式有两种:线选法和 重合法
线选法
它的特点是用一根 字选择线(字线),直接选中一个存储单元的各位(如一个字节的各个位)
这种方式结构较简单,但只适于容量不大的存储芯片
4.19 是一个 16×1 字节线选法存储芯片的结构示意图
如当地址线 A 3 A 2 A 1 A 0 A_{3}A_{2}A_{1}A_{0}A
3
A
2
A
1
A
0
为 1111 时,则第 15 根字线被选中,对应下图中的最后一行 8 位代码便可直接读出或写入
重合法
由于被选单元是由 X、Y 两个方向的地址决定的,故称为重合法
4.10 是一个 1K×1 位重合法结构示意图
显然,只要用 64 根选择线(X、Y 两个方向各 32 根),便可选择 32×32 矩阵中的 任一位
例如,当地址线为全 0 时,译码输出 X 和 Y 有效,矩阵中第 0 行、第 О 列共同选中的那位即被选中
当欲构成 1K×1 字节的存储器时,只需用 8 片即可
存储器与 CPU 的连接🎈
合理选择存储芯片
要组成一个主存系统,选择存储芯片是第一步,主要指
存储芯片的类型(RAM 或 ROM)
芯片数量
ROM 存放系统程序、标准子程序和各类常数
RAM 则是为用户编程而设置的
考虑芯片数量时,要尽量使连线简单、方便
地址线的连接
存储芯片的容量不同,其地址线数也不同,而 CPU 的地址线数往往比存储芯片的地址线数要多
将 CPU 地址线的低位与存储芯片的 地址线相连,以选择芯片中的某一单元(字选)
这部分的译码是由芯片的片内逻辑完成的
将 CPU地址线的高位则在 扩充存储芯片时使用
用来 选择存储芯片（片选),这部分译码由外接译码器逻辑完成
数据线的连接
CPU 的数据线数与存储芯片的数据线数不一定相等,
在相等时可直接相连;
在不等时必须对存储芯片扩位,使其数据位数与 CPU 的数据线数相等
读写命令线的连接
CPU 读/写命令线一般可直接与存储芯片的读/写控制端相连,
通常高电平为读,
低电平为写
有些 C P U \mathrm{CPU}CPU 的读/写命令线是分开的
读为 R D ‾ \overline{RD}
RD
(read), 写为 W E ‾ \overline{WE}
WE
(write) , 均为低电平有效
此时 C P U \mathrm{CPU}CPU 的读命令线应与存储芯片的允许读控制端相连,
而 CPU 的写命令线则应与存储芯片的允许写控制端相连
片选线的连接
片选线的连接是 CPU 与存储芯片连接的关键
存储器由许多存储芯片叠加而成
哪一片被选中完全取决于该存储芯片的片选控制端 C S ‾ \overline{CS}
CS
是否能接收到来自 CPU 的片选有效信号
片选有效信号与 CPU 的 访存控制信号M R E Q ‾ \overline{MREQ}
MREQ
(MemoryRequst)(低电平有效)有关,
因为只有当 CPU 要求访存时,才要求选中存储芯片
若 CPU 访问外设IO,则 M R E Q ‾ \overline{MREQ}
MREQ
为高,表示不要求存储器工作
芯片引脚缩写参考🎆
Pin Name Abbreviations - Using Altium Documentation
https://techdocs.altium.com › files › wiki_attachments
示例
注意到存储是按照字节编址,容量是(范围*8bit)
也不是必须要将十六进制转换为二进制(可以直接执行十六进制的减法运算:67 F F H − 6000 H + 1 = 800 H = 2 11 = 2 × 2 10 67FFH-6000H+1=800H=2^{11}=2\times2^{10}67FFH−6000H+1=800H=2
11
=2×2
10
=2k
类似的,6 B F F H − 6800 H + 1 = 400 H = 2 10 H = 1 k 6BFFH-6800H+1=400H=2^{10}H=1k6BFFH−6800H+1=400H=2
10
H=1k
此处+1是因为此处范围为闭区间,包括起始地址
不过,要写成二进制形式的时候,在标注坐标的时候,每一段的首尾可以标注一下,可以这样分配:
LHS=[A 0 , A 4 , A 7 , A 8 , A 12 A_0,A_4,A_7,A_8,A_{12}A
0
,A
4
,A
7
,A
8
,A
12
]
RHS=[A 3 , A 7 , A 11 , A 15 A_3,A_7,A11,A15A
3
,A
7
,A11,A15]
但是在画片选逻辑图的时候,需要结合cpu地址线的高位部分以及要求的寻址范围,得出哪些cpu地址线需要保持高电平/低电平,从而便于接入特定的地址译码器(驱动其)进行片选
另外我们可以从二进制形式中方便的看出A 11 , A 12 , A 13 A_{11},A_{12},A_{13}A
11
,A
12
,A
13
的规律,即他们除了A 11 A_{11}A
11
外,其余都保持不变(分别是A 12 = 0 , A 13 = 1 A_{12}=0,A_{13}=1A
12
=0,A
13
=1);如此一来,就可以确定A 13 , A 12 , A 11 A_{13},A_{12},A_{11}A
13
,A
12
,A
11
(高位到低位分别是100,101这两种可能(十进制就是4,5;所以最终在连接译码器输出端的时候,我们接入的是Y 4 , Y 5 Y_{4},Y_{5}Y
4
,Y
5
而不是其他的译码器输出))
第一片存储芯片用作系统空间,寻址空间需要11条地址线才能够充分利用该芯片的存储单元
第二部分是有两片小的4位芯片组合成一个整体上有8位字长的芯片组,然而位扩展不会增加寻址范围,因此和扩展前的地址线要求一致,仅需要10条地址线
M R E Q ‾ \overline{MREQ}
MREQ
端:注意,cpu上的访存控制信号M R E Q ‾ \overline{MREQ}
MREQ
和A 14 A_{14}A
14
的始终保持低电平不同,在需要访存的时候,M R E Q ‾ \overline{MREQ}
MREQ
信号(低电平有效/触发,所以型号名上有overline)才会呈现低电平,从而达到只在需要访存的时候驱动地址译码器进行存储芯片片选
A 12 , A 13 , A 14 A_{12},A_{13},A_{14}A
12
,A
13
,A
14
这几条地址本质上和其他地址线没有什么不同(是指,如果该cpu接入的存储系统(芯片不通过小芯片扩展而成,而是同一块芯片的时候,这些地址线仍然以同样的方式工作))
当然,这里被用来接入片选译码器,但是译码器应该对于这几条线是透明的.
关键在于图中的与非门(用于控制片选RAM部分(芯片组))
由于ROM和RAM属于的是字扩展(而非位扩展),所以他们不能同时被选中
而A 10 A_{10}A
10
比较独特,因为ROM芯片片内地址需要11条线(也就是需要A 10 A_{10}A
10
,但是RAM片内并用不上A 10 A_{10}A
10
)(本例中,存储扩展后,可寻址地址范围不连续)
guess:
我们要让A 10 A_{10}A
10
有效(高电平)的时候只访问ROM,而不访问RAM
又,译码器Y 5 ‾ \overline{Y_{5}}
Y
5
为低电平的时候有效,故当A 10 , Y 5 ‾ A_{10},\overline{Y_{5}}A
10
,
Y
5
均为低电平的时候才选中RAM(书上的说明是用了与门),RAM也是电平有效(选中)
后两个芯片构成一组(字长的扩展(也就是为扩展),来匹配机器 cpu 字长)(执行为扩展的时候,注意数据线(D线)的划分:高位部分和低位部分分别连接到不同的被位扩展的芯片上,同时所有成员芯片被同时片选中(是通过该位扩展芯片组的被选中而同时选所有成员 ))
一般各个存储芯片都有自己的使能端(片选C S ‾ \overline{CS}
CS
(ChipSelect))(和存储芯片的地址线以及数据线都是不同的)
打开CSDN APP，看更多技术内容
⑺ 国产芯片行业中的龙头企业有哪些
最近的华为事件，让大家知道了芯片的重要性，但是芯片并不是只有手机芯片一个，其余很多行业比如电脑、航天、数控机床等等都是需要用到芯片，而整个芯片的全产业链具体要包括三个部分： 芯片设计、芯片制造以及芯片的封测 ，三者缺一不可，只有三方面都具备了，才可以生产出一个真正的芯片。
所以说华为的海思虽然可以设计出芯片，但是我国大陆的芯片制造目前最高只能到12纳米的（能量产的只有28纳米的），目前最高精度的7纳米芯片只有韩国三星以及台积电可以生产，假设台积电放弃给华为代工，那么华为的高端手机就得废了，所以台湾还是有牛逼的企业。
目前国内的芯片设计十大龙头企业为：华为海思、清华紫光展锐、中兴微电子、华大半导体、智芯微电子、汇顶 科技 、士兰微、大唐半导体、敦泰 科技 和中星微电子。
不过真正厉害点也就前两家，华为海思就不说了，大家都了解，说一下第二家清华紫光展锐，紫光展锐目前是三星手机处理器和基带芯片除其自产品之外的最大供应商，你买的三星中低端手机系列，里面的芯片大部分都是紫光展锐的。2017年国内的芯片设计产值上华为海思半导体以361亿元销售额排名第一；清华紫光展锐以110亿元排名第二；中兴微电子以76亿元排名第三。
半导体产业制造与面板产业相似，属于资产和技术密集型产业，设备需求量大、技术含量高、附加值高。单厂投资在百亿量级，资料显示一条最先进12英寸晶圆生产线需投资约450亿元，而台积电的打算投建的3纳米工厂投资预计为200亿美元。目前国内芯片制造企业整体实力比较弱，重点上市公司就只有两家：中芯国际以及华虹半导体等。
2017年国内的集成电脑制造中产值中，前五大里，只有就只有第二的中芯国际以及第五的上海华虹为中国自己的企业，第三的SK海力士也是韩国企业。在芯片制造方面，我国的技术仍然比较弱后。
芯片封测是芯片的最后一个环节，在封测产业中，国内厂商江苏新潮 科技 、南通华达微电子、长电 科技 、华天 科技 和通富微电等等都属于较优秀的企业，目前封测产业是国内半导体产业链中技术成熟度最高的领域。
国内各个芯片的各方面都有龙头企业，但是真正在国际上闯出名声有一战之力的目前也就是芯片设计中的华为海思半导体，而最薄弱的环节为芯片制造环节，这个与国际上的差距最大。
半导体芯片是一个需要高投入、规模效应的产业，投资周期长，风险大，政府从2013年开始对半导体产业从芯片研发到制造开始了一条补芯之路。 芯片，专业上也称集成电路，被喻为国家的工业粮食，是所有整机设备的“心脏”，其重要性不可衡量。自2013年开始，我国每年进口的芯片价值超过2000亿美元，已经超过石油，成为最大宗的进口产品。2017年达到2500多亿美元，国内芯片产业的年销售额为5000多亿人民币。
根据《中国制造2025》,到2020年我国芯片自给率将达到40%，2025年将达到50%，未来10年我国将是全球半导体行业发展最快的地区,至2030年左右,随着全球集成电路厂商在中国建厂，我国成为全球半导体生产和应用中心将是大概率。
截至2017年年底，国家大基金成立三年多，累计项目承诺投资额1188亿元，实际出资818亿元，分别占一期总规模的86％和61％，二期拟募集1500亿～2000亿元人民币，都是用来支持国内芯片的发展。同时资本市场也为助力芯片上市公司发展，大基金一期以IC制造为主，具体分布为：集成电路制造67%，设计17%，封测10%，装备材料类 6%，目前已上市集成电路设计公司超过20家，有70家半导体和元器件行业上市公司。
芯片产业链主要为设计、制造、封测以及上游的材料和设备5大部分。
大基金一期的项目进度情况
1、设计类领域上市公司：兆易创新、景嘉微、紫光国芯、北京君正、中科曙光、中颖电子、富瀚微、圣邦股份
2、制造类领域上市公司：士兰微、三安光电、中芯国际(港股)
3、设备类领域上市公司：至纯 科技 、北方华创、长川 科技 、晶盛机电、精测电子
4、封测领域上市公司：长电 科技 、通富微电、晶方 科技 、华天 科技 、太极实业
5、材料领域上市公司：江丰电子、南大光电、江化微、鼎龙股份、晶瑞股份、上海新阳、中环股份等。
从产业整体看,晶圆制造中芯国际、华力二期28nm芯片生产线已经开始建设投产,将继续往14nm等先进工艺延伸；晶圆封装国内中高端先进封装的占比已超过30%；设备材料也在关键领域取得了一定的突破。
这里只是提供了一个思路和看法，实战中要结合基本面和技术面相互判断，有不全之处希望多总结和交流。
根据半导体产业协会（SIA）统计，2016年全球半导体产业产值达3389亿美元，创下 历史 新高，同比增长1.1%。据世界半导体贸易统计协会（WSTS）预测，2017全球半导体产值将来到3778亿美元，较2016年跳增11.5%。国外芯片巨头已经纷纷扩张产能，分割市场。
全球市场中，我国对半导体的市场需求最为突出，2014年我国半导体市场需求全球占比就达到了56.6%，位列第一。与此形成鲜明对比的是，全球芯片市场由英特尔、高通和三星等国际巨头把持，我国企业竞争力不强，产品供需缺口较大，CPU及存储芯片更是几乎完全依赖于进口，存储芯片已经成为我国半导体产业受外部制约最严重的基础产品之一，因此存储芯片国产化也成为了我国半导体发展大战略中的重要一步。
在各类集成电路产品中，中国仅移动通信领域的海思、展讯能够比肩高通、联发科的国际水准。本土集成电路供需存在很大的缺口。
在集成电路中，PC、服务器的CPU 芯片以及手机等移动终端中需求量最大的存储芯片更是几乎完全依赖于进口。赛迪智库集成电路研究所的研究报告指出，CPU 和存储器占据国内集成电路进口总额的75%。2013-2016 年间，存储芯片进口额从460 亿美元增至680 亿美元，2017 年将突破700 亿美元。存储器已经成为我国半导体产业受外部制约最严重的基础产品之一， 因此存储器国产化也成为了我国半导体发展大战略中的重要一步。
在这一领域可以关注的上市公司是： 全志 科技 、紫光国芯、北京君正、汇顶 科技 、兆易创新和长电 科技 。
全志 科技 主要产品为智能终端应用处理器和智能电源管理芯片。
紫光国芯为IC设计企业，主要产品包括智能芯片产品、特种集成电路产品和存储芯片产品。
北京君正为IC 设计企业，其主营业务为微处理器芯片、智能视频芯片及整体解决方案的研发和销售，是智能可穿戴设备产业链相关上市公司中唯一的处理器生产企业。
汇顶 科技 从事智能人机交互的研究与开发，主要向市场提供面向手机、平板电脑等智能终端的电容屏触控芯片和指纹识别芯片。
兆易创新的主要产品分为闪存芯片产品及微控制器产品。
芯片产业主要包括:设计、制造、封装与测试
（3）、芯片封装与测试:中电广通、精测电子、华天 科技 。
国产芯片行业的龙头公司有：中新赛克，紫光股份，恒为 科技 ，淳中 科技 ，新大陆，雄帝 科技 ，新北洋，苏州科达，合众思壮，朗科 科技 等等公司。
看想了解哪一块市场的，ic产业链太长了各家专注点不同，紫光，展讯，华为海思，中兴都是巨头。消耗量跟终端产品的价格决定了公司的利润率跟销售额。
目前， 汽车 ，手机，数码影像以及其他3c产品是大规模又有利润的市场，可喜的是国内ic行业一直在进步，在逐渐占领这些利润较高又量大的行业。
整个ic行业最难得的是ip，也就是soc厂商需要研发跟购买授权的地方，这部分还有待改善加强，希望寒武纪这类公司能走出一条特色道路来。
据说广州粤芯12寸晶圆6月份投产。
⑻ 钛资本研究院：全球产业链重构下的芯片机遇
近期的中美贸易战，既是挑战也是 历史 性机遇，将促使不少产业的产业链进行格局重组、重构甚至推倒重来。而芯片是本次中美贸易战的重点，由于华为受到的各种影响，全球芯片产业被置于国际聚光灯下。在贸易战背景下，芯片产业链的哪些环节会产生哪些变化？这些变化会对创业投资产生哪些影响？其中蕴含着哪些新的机会？2019年6月6月，中国发放了首批5G牌照，比原定2020年5G商用时间表提前了整整一年，这说明推动 历史 发展势在人为。
在新一代企业级 科技 投资人投研社第21期，钛资本邀请芯片领域专家时昕博士对相关问题进行解答。时昕博士是Imagination公司主管中国区战略市场与生态的高级总监，拥有处理器设计及软件生态的丰富行业经验，加入Imagination之前在华为公司担任智能计算业务部业务发展总监，此前，时博士曾在AMD、ARM、Synopsys、三星半导体韩国总部等国际公司担任不同的技术与商务岗位职责。时昕博士毕业于中科院声学所，研究方向为处理器设计，同时拥有北大MBA学位。
半导体，是元素周期表的某些元素，如硅、锗、碳等等，在一定条件下有导电或绝缘的特性。半导体大致可以分成几个大类：第一类是传感器，包括传统的传感器和MEMS（微机电系统）传感器，传统的传感器包括压力、温度、气体、磁场、惯性、指纹、声音等传感器，MEMS工艺可以做得更小；第二类是光电器件，包括现在常用节能灯上的发光二极管，以及电子面板如手机或电视面板，包括华为折叠屏手机用面板也属于半导体器件；第三类是分立器件，包括晶体管、功率器件、模拟或射频；第四类是集成电路，包括数字集成电路、模拟集成电路、射频集成电路。
我们今天讨论的主要是第四类——集成电路，特别是数字集成电路（集成电路还包含模拟集成电路和射频集成电路等，这些今天不做详细讨论）。比如一些高速AD，即模数转换、数模转换特定电路，也包括一些射频集成电路，如天线等。目前常用的芯片较多基于硅，所以芯片从业者经常自嘲是“硅农”。还有其它的元素，如基于钾的砷化镓、氮化钾在功率器件和微波器件方面很有优势，而碳作为替代硅的下一代半导体材料，在学术界已经火了很久。
全球芯片发展比较领先的国家和地区：美国是半导体的发源地，芯片就是在美国实验室里发明的，硅谷的名字由来也与之关；日本有一段时间芯片发展得比较好，但因为受到打压，最后一蹶不振；台湾地区发展比较好的是TSMC这种代工厂，TSMC的崛起离不开张忠谋教父级人物的个人能力，以及当时中国台湾在电子方面的进步；韩国能够发展起来，实际上是用类似于财阀的机制，集中资源办大事，三星是从存储器起家，目前发展到不仅包含存储器，也有逻辑芯片和面板。韩国和台湾地区的存储器和面板产业对比是很明显的例子，存储器和面板等产业都需要巨额资金的支持，台湾地区也有政策资金的支持但比较分散，韩国相对来说比较集中投给了三星，所以最终在面板和存储方面，台湾地区完全被韩国抛下了。从这个角度来说，像存储、代工、面板等需要巨量资金的这种行业，不要分散力量，集中力量才能把事办好。
2018年全球芯片公司Top15榜单，可惜其中没有一家中国公司。据海关总署的统计数据，2017年中国芯片进口总额大概为26万亿元，在2018年还继续同比增长13%。中国集成电路的自给率大概是1%~10%，每年的进口额高居不下，所以很多场合都说中国每年用于进口芯片的资金已经超过进口原油，一定要尽快发展自己的芯片产业。
投资人可能比较关心的是，怎样投出下一个NVIDIA，也就是随着人工智能大火的GPU公司。打 游戏 的人可能知道NVIDIA是做显卡的，GPU是显卡上用的主要芯片，在芯片行业里没有特别专门区分GPU和显卡。
想要投出下一个NVIDIA，要看在哪些赛道上出现巨型新兴公司的可能性比较高：在2018年全球芯片公司Top15排行榜中，内存公司最多，有三星、海力士、镁光；第二多的是处理器公司，NVIDIA的GPU就是一种处理器；另一个比较容易出巨头的赛道是做通信相关的芯片，像高通、博通。榜单里有很多家是IDM模式，也就是既有芯片设计，也有自己的生产线，像Intel、三星、TI、ST、NXP等公司；高通、博通、NVIDIA都是Fabless模式，也就是只做芯片设计。
在上个世纪，很多芯片公司都要自己做设计和生产，随着台积电代工模式的出现产生了一种模式叫Fabless，或者说叫IC design house，这些公司只做芯片的设计，而把生产交给第三方公司做代工。
2017年Fabless公司Top10榜单，十家公司中六家来自美国，一家来自新加坡，一家来自台湾地区，两家来自祖国大陆（华为的海思和清华下的嘉瑞集团），而欧洲和日本在榜单上都出局了。再考虑到博通把总部迁移到美国，那就意味着美国占了七家，比例非常惊人。其中比较看好的是海思，海思在2018年的营收将近74亿美金，之前有看法说如果海思的营收在2019年能保持20%的增幅，有可能超过图一中的NXP，不过在现在的形势下这个挑战的难度大大增加了。
从2000年左右到现在，国内的芯片虽然是高 科技 行业，却是以中低端产品为主。国内芯片公司被戏称为“一代拳王”，就是说凭借某一款产品盛极一时，却缺乏持续引领市场的能力。比如，2000年左右全世界MP3里的芯片基本都来自中国南方的一家公司，但当MP3市场萎缩后，该公司就很难找到下一类别的市场。
另一方面，国内芯片公司的技术进步主要依靠摩尔定律，也就是说更多是依靠代工厂、EDA工具和IP公司的技术进步。同时，国内芯片公司严重依赖第三方IP导致产品的同质化非常严重。IP公司和EDA公司里，经常听到客户抱怨公司像跑步机，必须不停地跟着跑，这也从另一方面说明，芯片公司没有能够从技术方面引领EDA和IP，而是跟在后面跑。
好的消息是，国家对芯片产业很重视。不仅给予国家级科研支持，像“863计划”和2001、2002每年几十亿的专项投资，还从产业基金方面给与了很多支持。2014年，国务院发布了《国家集成电路产业发展纲要》，奠定了未来集成电路的战略发展方向；同年9月，在工信部和财政部的指导下，设立了国家集成电路投资基金股份有限公司，被称做“大基金”。大基金参与方都是国内比较有实力的企业，一期的募资总规模1300多亿元，超募了原定目标的15%。基金所有权为基金电路产业投资股份有限公司，采取了市场化机制的管理模式和公司制的经营模式，跟以往的政府项目补贴模式有本质不同。大基金的一期从2014年到现在将近五年的时间，拉动作用显着，现在已经开始启动大基金二期，募资规模将要超过一期且投资方向也要围绕国家战略和新兴行业进行规划，比如智能 汽车 、智能电网、物联网等等，尽量向装备材料业给予支持。
芯片产业链中主要的环节如上图所示，最上方是用户，既可以是ToB用户也可以是ToC用户。比如既可以是运营商使用的5G设备，也可以是一般消费者使用智能手表或智能家电等等。在用户下面有系统解决方案的提供商，像做智能手机的企业会有两方面的需求：一是硬件供应商，主要指芯片的供应商；二是软件供应商，比如智能手机需要AP和基带的供应商。封装测试很重要，像安卓从芯片系统商拿到是封装和测试后的。封装和测试在整个产业链里门槛不是最高的，中国有很多工厂做得不错，像长电在全球排名不错，它的芯片主要是做封装测试，芯片本身由代工厂制造，包括TSMC、三星、中芯国际等公司。
芯片代工厂的需求包括：第一，根据芯片设计公司的设计文件，生产制造芯片；第二，无论是芯片设计还是芯片生产都需要技术支撑，像EDA工具和IP模块，不仅存在于芯片设计公司的上游，还会与芯片代工厂有技术沟通和合作。比如代工厂需要做7nm工艺的研发，就要跟EDA工具提供商如Synopsys沟通确认，其工具能否支撑7nm的设计，甚至需要共同开发。开发IP模块，也要确定其是否能够在7nm上正确实现功能和性能，这可能要几方合作。甚至对于CPU，芯片代工厂提供给客户的不仅仅是CPU的设计，还要跟代工厂共同开发针对此CPU可能会用到的特殊基础库，没有基础物理库，CPU、IP也无法在客户最终系统级芯片里正确使用。
芯片代工厂的上游是TSMC以及国内的中芯国际。它们也有上游，比如光刻机90%以上由荷兰ASML提供。整个芯片生产线牵扯到的设备非常多，其中技术门槛最高的是光刻机，还有其他设备比如离子注入、蚀刻等等。除了设备之外，芯片代工还需要准备芯片生产过程中的耗材或原材料，比如所有的芯片最终都要做到晶圆上，包括每个工艺节点上要做光刻还需要有光刻胶等等原材料，都需要供应商。所以，芯片产业链条中的环节非常多，欠缺了任何一个环节，链条就会被打断，无法实现。
结合中国目前的现状，上图中用白色标出来的是不需要担心的。中国是全球最大的市场之一，最不缺的就是用户了。封装测试在中国也有不错的基础，芯片设计虽然在排行榜中排前十的不多，但至少有一两家公司。
其它的方面可能比较让人担心。软件算法方面，像操作系统OS、专用软件、底层数学库等大部分都受制于美国。EDA工具和IP模块几乎完全受制于美国。前两天对华为的制裁开始后，几家EDA公司比如Cadence、Synopsys、Mentor Graphics三巨头，都已经切断向华为的供应，不仅不再给华为提供技术支持，也不做软件更新。IP模块中，排名靠前的IP公司也以很快的速度说停止对华为的支持。
上图是IP公司的榜单。这些IP公司几乎全部来源于美国或受制于美国。排名第一的是ARM公司，原来是一家英国公司，后来被日本的软银集团收购了，但它也要受制与美国，所以所谓禁令出来后，很快就停止了与华为的合作。排名第二、第三的两家公司是EDA三巨头中的Synopsys、Cadence，都是美国公司。Ceva是一家以色列公司，虽然不是美国公司，但是美国的盟友。Imagination公司原来跟ARM一样是一家英国公司，在2017年被中国的资金完全收购了，所以目前在所有权上完全属于中国资金所有。同时技术也不来源于美国，因为在被中国国资收购前，把所有的美国技术全部剥离出去了，所以目前不用担心这家公司。
IP公司主要分成两类：第一类主要是处理器IP，像CPU、GPU、MPU、DSP等等，比如ARM是移动端的CPU，包括手机、 汽车 电子等等；另一类是接口IP，比方设备都会用DDR的memory接口，像PCIE接口、USB接口等等。
上边说的是芯片设计的上游，芯片设计的下游对于解决方案来说非常关键的是软件公司，特别是对于处理器来说。有些刚开始做芯片相关投资的投资人，可能经常会忽略掉这一点，芯片公司的软件实力经常是决定一家芯片公司能否成功的关键。很多号称做AI处理器、硬件芯片流程的公司，前端、后端、市场、融资都有大咖压阵，但是团队里居然没有一个软件大咖。如果这个芯片公司是与软件公司一起合作或由软件公司投资定制的一款芯片，那可能还好，但如果这家芯片公司独立地往市场上推，可能经常用户都找不到它。
大家都喜欢类比NVIDIA，但很多人都不知道，卖GPU芯片盈利的NVIDIA公司，软件工程师的人数远远多于芯片设计工程师的人数。NVIDIA的GPU和AMD的GPU比较起来可能各有千秋，为什么市场上用NVIDIA的GPU的比例要远大于AMD的GPU，主要就在于软件生态做得好。整个CUDA软件生态，不仅有对AI各种框架的支持，也包括在各行各业，像天文、科学计算、气象等基础运算库。在专用处理器方面，这是一个非常复杂的工程，不能完全由硬件出身的专家负责，因为不了解应用软件，另外也经常会忽视软件工具链的开发。设计一个专用处理器需要经历很多步骤，比如需求分析、架构设计、硬件实现等等，而软件工具链的开发非常重要，比如处理器上的软件编程环境如何、用什么样的编译器、提供什么SDK和函数库，是否能够支持AI所需的所有卷积运算、矩阵运算、FFT运算等等。芯片本身软件工具链之外，还有更多的软件生态。以智能手机为例，手机芯片上如果不能跑安卓系统就比较麻烦，安卓上还跑微信、支付宝、抖音等等应用。因此，把芯片做出来后，只是万里长征刚刚开始，后面还有更多数量级上的工作。
芯片面临的另个问题就是人才和资金的缺口十分巨大，虽然中国在这方面持续投入了很多年，但是目前来看可能还是不够。2018年，中国电子信息产业发展研究院（CCID）和工业和信息化部软件与集成电路促进中心（CSIP）联合发布了《中国集成电路产业人才白皮书（2017—2018）》，提到了中国集成电路人才缺口大概30多万，这个数字值得玩味。
十几年前就开始说，中国集成电路每年的人才缺口大概有几十万，很多专家、学者、大咖一直在呼吁，很多高校也都开设了芯片设计相关的专业，每年培养出了很多的人，为什么人才缺口持续一直是这样的状态？白皮书中也有分析，每年培养出来的人才，八成左右在毕业后转行做互联网或金融，因为从事芯片设计行业赚不到钱。芯片设计打工者赚不到钱倒不是因为芯片设计的老板比较抠门，而是芯片设计公司的老板自己也没赚到钱。
为什么？因为芯片设计行业的特点就是投入非常高，一次流片可能就是几百万，如果比较新的工艺10nm、7nm，投入的量级可能不变，但单位变成美元，而且一次流片还不一定成功，甚至两次流片都不一定成功。除了流片费用，还有EDA费用、IP的费用、员工养家糊口的工资，这些投入非常高昂，而且一个芯片项目基本周期是一年半左右。因为周期比较长，投入比较大，同时还有非常高的风险，一年半前定好的产品需求，即使流片一次成功，到上市时能否满足市场需求，就要在一年半后上市时才可能确切的知道。也由于这方面的原因，民间资本非常不愿意进入芯片行业，其财务回报率IRR等指标，相对于大规模的创新互联网公司也不好看。
所以如果考虑向芯片业进行投资，可能要做好与团队进行长跑的心理准备，很难像互联网那样一两年就获得比较理想的或至少是比较明确的回报。还有在开始时，公司很难从技术上就能做出一个判断，很多情况下要看选择的团队和团队的技术积累和技术能力如何、团队的市场潜力、团队之间是否能长期合作共事等更加重要的指标。
在芯片产业中，除了IP、EDA和代工厂等实体组织外，还有一些环节非常关键，比如标准。像WIFI联盟、蓝牙联盟等等行业组织，先是取消华为的成员资格，几天后又恢复了华为的成员资格，虽然这是一场闹剧，但还是让人揪了一把汗。还有IEEE学术组织，也在美国政府禁令的影响下，对华为进行了一些限制，后来又放开了。对于标准，可能有人认为标准制定后就是公开的，照做就行了，不是标准制定委员会的成员也没什么关系，这就想简单了。需要参与标准的制定有两点因素：第一，每家公司技术的积累和布局是不完全一样的，参与标准的制定有利于让标准向自己更擅长技术方向上去倾斜，这非常重要——有句话是“三流公司做产品，二流公司做专利，一流公司做标准”；第二，如果不能在早期参与标准的制定过程，可能就很难在早期深入了解、获得标准的发展方向，从而很难制定一个三年或更久的产品规划图。作为一个芯片公司在与客户沟通时，没有一个清晰的产品规划路线图，客户的信任可能就打折扣，对企业未来打一个问号。而且各家公司的技术积累的方向也可能不完全一样，如果能够使标准更加倾向自己积累的方向，那么技术公司就能够获得更好的领跑优势。
前面进行的很多分析可能有些偏悲观了，但是其实我们也不必过分悲观。之前的一段时间可以看到一个趋势，芯片产业在国内的发展非常明显，特别在2014年国家的“大基金”推出后，芯片设计公司的数量几乎翻了一番还多，大幅增长。
在中国，政府的指引非常重要，一定要关注。在第一期大基金的工作中有一个饼图可以看到投资的重点，65%投资了制造方面，因此像中芯国际这些年的进步非常明显，虽然距离台积电或三星还有代差，但是对于大部分芯片公司所针对的中端用户差不多可以了。
大基金已经开始了第二期，募资规模将会超过一期，而且将围绕国家的战略和新兴行业进行投资，并且尽量对装备材料给予支持。在第一期中，设计方面的投资大概17%，在二期应该会明显对设计公司加大比例，同时设计公司相对来说在芯片产业里，与制造相比算是花费少的，所以应该会有更加明显的拉动。大基金二期目标是募集1500亿元人民币，这方面在未来可以期待很大的支持力度。
国家花大力气支持芯片产业有一个根本原因，中美博奕不是针对一家公司，中美两国博奕也不能再用过去的眼光考察了，根本是谁能够占领 科技 发展的制高点。所以针对国内的企业，从去年的中兴、福建的晋华，到目前的华为，接下来大疆、海康等AI四小龙等等，可以看到打击的目标都是高 科技 企业，所以这战争是不是场持久战？像华为可以通过囤半年或一年的货，用自有备胎从容应对就可以吗？
如果真的是两国博奕，要占领未来 科技 发展的制高点。若仅有设计公司，芯片设计的部分是完全不足以支撑的，像芯片的上游EDA、IP，还有芯片的代工、代工厂的上游，完全都在别人手里，想要把产业链重新连起来，里面相当多的环节都要重新开始自己建设，国内虽然也有EDA公司，就算不是重新开始也是从一个非常低的起点开始。
上图分析在几个方面中国与世界水平还差多少：封装测试方面不用特别担心；在设计方面，基本上具备了终端方面设计的能力；在代工方面，由于投入巨大，需要一定的时间。这些方面目前有差距，但是差距既是挑战，对从业者来说也意味着机遇。在迎接这些挑战中，需要远离浮躁，要能够坚持下去。一个芯片项目做一年半，甚至可能一次流片不够，还要经过更长时间的忍耐，这对从业者也是非常大的考验。
中国的芯片如果想要在某些方面有所突破，在哪些方向或赛道上有可能会出未来黑马？
首先，芯片相关的内存、代工、封测等等领域，基本上投入都非常巨大，以数十亿计的资金才有可能参与，这些领域可能更多需要依靠国家战略进行追赶甚至赶超；
其次，IDM厂商。世界上TOP 15里有很多IDM厂商，像Intel、三星，中国还是有机会出现年轻的公司，比如华为海思。因为有持续的资源保证，海思有华为十几年持续的帮助和投入，获得了现在中国芯片领域排名第一的位置。中国还有其它的IDM，比如像无人机，还有很多比较成功的互联网公司，也都在尝试进行芯片的研发。在手机厂商和家电厂商中，除华为外，没听说哪个品牌或资源声势特别大，更多的手机厂商应该做尝试；
再次，很多人说国内要做自己的EDA公司，而EDA公司数十年的 历史 已经证明了，初创EDA公司最终最好的结局就是被三巨头收购，除非国内的EDA公司将来跟美国是一个世界两套体系，那就几乎要从头开始发展EDA产业，不然这方向不太可能有较大型的公司出现；
第四就是IP公司。在IP公司榜单前十名没有一家国内公司，直到2017年年底时，收购了Imagination。在榜单上可以看到IP公司最近几年的营收，IP公司活得很艰难，市场份额都不大。如果只是做单一IP公司，没有机会做CPU或GPU这种比较大空间的IP，那单一或少数几个IP的公司是很难生存的。如果将来迫不得已发展自己的IP，那唯一的方式就是某个具有号召力的组织机构振臂一呼，大家一起做聚合平台，把很多单一的IP聚合到一起，才有可能被芯片公司所采用。
最后，在芯片设计行业里有更多的机会，芯片设计方向也很多，主要考虑这么几点：首先，开源处理器也有隐患，将来需要完全源自于中国自主的处理器架构，不管是MCU微控制器、手机AP（Application Processor，即应用芯片）的MPU，还是一些在特定场合下的对特定指标有要求的数模、模数转换器件和射频器件。
希望投资机构能做好陪伴团队长跑的心理准备。中国的优势在于巨大的市场，可以立足于本地市场做持续引领，不要又成为“一代拳王”。像安防、AI行业，中国不仅仅有巨大的市场，而且也有很多AI的初创公司，在算法和软件方面也非常有技术领导力，还有像能源、 汽车 等等行业，一定会有国内供应商的重要一席之地。
除此之外，类似中国基金全资收购英国IP公司Imagination，也是一条可行的道路。除了美国外，在其它的一些地方，特别是欧洲还有些小而美的公司可以进行国际并购，从财务上面取得控制权，然后再慢慢消化吸收、引进人才等等。
此前，钛资本曾在2018年12月邀请了湖杉资本创始人苏仁宏在“新一代企业级 科技 投资人投研社”在线研讨会第九期上分享了中国半导体领域的投资挑战和机会（在钛资本微信公号中查看）。当时认为未来十年，中国芯片产业链将重构，这是最大的整合机会。传统的模式已经越来越没有效率了，今后的世界会越来越扁平，信息流会越来越短，数据的传输效率会提升，也会带来新的应用模式，整个产业链条会发生重构，而产业价值重点是芯片、云、数据。
而到了2019年6月，随着中美贸易战的升级和持久化，打开了中国芯片产业的 历史 性机遇窗口期。在美国禁令发出后，不少国际芯片产业链上的公司切断了对华为的技术供应，这将在很大程度上警醒和影响中国的 科技 投资流向。相对来说，半导体行业新的技术并不多，推动力大多数情况下并不是新技术。而 科技 投资的流动，将影响全球半导体产业格局的发展。过去，没有中美贸易战， 科技 投资更关注应用创新以及产业链的整合；而在中美贸易战的影响下， 科技 投资将有可能关注在全球不同的区域重建半导体生态，以保证国际竞争中的可持续性发展。
中国提前一年发放5G商用牌照，这在很大程度上拉升了中国在全球半导体产业链中的市场地位，也为国内半导体产业发展和创业创新提供了广阔的实验场和产业空间。现在需要的是更大胆更具创意的想象和想象空间——如果要在亚太和欧洲市场重建整个半导体产业及生态，是否能够做的不一样，例如还需要专业人士完成芯片设计么，还是人工智能就可以完成？好的消息是，已经有了到目前为止的整个半导体产业发展 历史 可以借鉴和对标，需要思考如果推倒重来的话是否有更好的方式、方法和路径？不是每个产业都有推倒重来的机会，在大挑战面前也是大机遇。