2018年4月，美国商务部以违反对针对伊朗及朝鲜的贸易禁运为由，对中国通讯设备大厂中兴通讯实施制裁，要求美国相关公司在7年内不得向中兴通讯提供零部件，其中就包括最关键的微型芯片等产品。
2019年5月，美国商务部表示已将华为和其70家子公司添加到实体名单中，此举禁止电信巨头华为等在未经美国政府批准的情况下从美国公司购买零部件。
从中兴事件到华为等被列入实体清单，虽然表面上是一起制裁行动，本质上却体现出国内芯片自主能力的不足。
据海关的数据显示，2018年中国进口芯片超过达到了3,120.58亿美元，同比增长19.8%，创下了历史新高。芯片已经超过原油，成为我国进口的第一大品类。而出口芯片仅为846.36亿美元，进口额是出口额的3.7倍。并且从近五年的数据来看，中国芯片贸易逆差越来越大。中国芯片自给率严重不足，2018年中国芯片自给率仅15%左右。
从核心芯片自给率来看，处理器、GPU、存储器等核心芯片的自给率严重不足，但国内企业在手机芯片、人工智能、封装等自给率较高。手机芯片方面以华为麒麟芯片为代表，性能达到世界领先水平。
封装测试环节技术较低，我国作为劳动密集型大国有着先天优势，国内封测领域有三大龙头，分别是长电科技、华天科技和通富微电，三家均进入了全球封测行业的前十。
在人工智能芯片方面，国内传统互联网巨头和人工智能创企积极布局，阿里巴巴的含光800、寒武纪NPU、地平线的自动驾驶芯片为代表的人工智能芯片取得了不俗的成绩。
总体来看，国内芯片市场规模大，自给能力不足；中低端产品发展迅速，细分领域实现突破，核心受制于人。所以，在国家政策和资金的支持下，我国应加大攻克核心技术，大力发展国产芯片，加速芯片的国产替代，打造中国芯。
本文将对芯片做一个相对全面的介绍，包括芯片产业链、数字芯片、AI芯片、模拟芯片，以及世界芯片的主要格局及参与玩家，并试图挖掘出国产芯片的机会。
Part.1
芯片简介及产业链
一、芯片简介
芯片在生活中无处不在，智能手机、电脑、家用电器、汽车甚至军工领域都不缺芯片的身影。芯片体积虽小，却为各行各业实现信息化、智能化奠定了基础。
芯片的历史可以追溯到晶体管的诞生，1947年美国贝尔实验室制造出全球第一个晶体管。晶体管的出现使各种器件和线路集成在一块介质基片上成为可能，集成电路的构想也由此诞生。
1958年，在德州仪器（Texas Instruments，TI）就职的杰克·基尔比以锗（Ge）衬底，将几个晶体管、电阻、电容连接在一起，成功研制出世界上第一块集成电路，其发现集成电路的工效相比离散的部件有着巨大优势。在杰克·基尔发明基于锗的集成电路后的几个月，罗伯特·诺伊斯相继发明了基于硅（Si）的集成电路，当今半导体大多数应用的就是基于硅的集成电路。
把一个电路中所需的晶体管、电阻、电容和电感等元件及布线互连一起，制作在一小块或几小块半导体晶片或介质基片上，然后封装在一个管壳内，成为具有所需电路功能的微型结构，这便是集成电路（IC），又被称为芯片。芯片中所有元件在结构上已组成一个整体，使电子元件向着微小型化、低功耗、智能化和高可靠性方面迈进了一大步。
二、芯片在电子设备中的重要性
下面以iPhone 11 Pro Max为例，来看芯片在电子设备中的重要性。
拆开后壳
拆出主板
拆开主板
iPhone 11 Pro Max主板构造
红色：苹果APL1W85 A13 Bionic SoC，集成SK海力士4GB内存
橙色：苹果APL1092电源管理芯片
黄色：凌云逻辑Cirrus Logic 338S00509音频解码器
绿色：Decawave 封装芯片（U1超宽频芯片）
蓝色：安华高（Avago）8100中/高频PAMiD射频收发器
紫色：思佳讯（Skyworks）78221-17低频 PAMiD射频收发器
粉色：意法半导体（STMicrolectronics）STB601A0N电源管理芯片
iPhone 11 Pro Max主板背部构造
红色：东芝 TSB 4226VE9461CMNA1 1927 闪存
iPhone 11 Pro Max射频电路板
红色：苹果（Apple）、环隆（USI）339S00648 WiFi/蓝牙芯片
橙色：IntelX927YD2Q 调制解调器 基带芯片
黄色：Intel 5765P10 A15 08B13 H1925 收发器
绿色：思佳讯Skyworks78223-17 功率放大器
蓝色：威讯81013 -Qorvo 封包追踪模块
紫色：Skyworks13797-19 5648169 1927 MX
粉色：Intel 6840P10 409 H1924基带 电源管理芯片
充电模块
红色：意法半导体（STMicroelectronics）无线充电芯片
橙色：苹果338S00411音频放大器
黄色：德州仪器（TI）SN261140电池充电芯片
来源：iFixit
综上，可以看出芯片对电子设备的重要性。一部智能手机中存在着大量的芯片，提供各种功能。具体来看，A13 Bionic SoC集成的的CPU、GPU、神经网络引擎、外挂的基带芯片等为微处理器；4G运行内存RAM即DRAM，闪存即NAND flash，均为存储芯片；射频芯片（收发器、功率放大器）、音视频多媒体芯片、电源管理芯片等为模拟芯片。
同样，芯片在其他电子及设备中都在发挥着重要的作用，非智能设备如遥控器、空调、LED灯泡等都存在着芯片的身影。随着5G、AIoT等的飞速发展，智能化、互联化、云化等越来越需要芯片去发挥作用，特别是人工智能芯片成为了传统芯片厂商、互联网/科技巨头和AI创企的竞争高地。
三．芯片的分类
芯片有多种分类方式，根据处理的信号的不同，芯片可分为数字芯片和模拟芯片。
数字信号：信息参数在时间和幅度上都是离散的信号，是模拟信号经采样量化后得到的离散信号，以二进制（0/1）表示。其特点是：在时间和幅度上离散变化，易存储、不衰减、更适合被高速处理。
模拟信号：信息参数在给定时间范围内表现为连续的信号，例如温度、压力、声音和图像等。其特点是：幅度随时间连续变化，能真实、逼真的反映我们所处的物理世界，但是易衰减、不易存储。
处理数字信号的为数字芯片，处理模拟信号的为模拟芯片。以智能手机为例，外界的模拟信号如拍照获得的图像、识别所需的指纹或面容等模拟信号通过模拟芯片进行处理，然后通过模转数模块将模拟信号转化为数字信号，再由数字芯片进行处理；处理后的数字信号根据需要也会通过数转模芯片转化为模拟信号进行对外传输。
四．芯片产业链
1.上游——国际巨头垄断高端通用芯片，国内企业奋力追赶
芯片设计是芯片产业链的顶端，包括架构选择、逻辑设计、电路设计、封装设计等一系列的步骤。
根据DIGITIMES Research的数据，2018年全球IC设计厂商收入排名前十位中只有华为海思一家大陆企业上榜。虽然以华为海思为代表的移动处理器芯片设计厂商已进入全球前列，但国内芯片设计总体水平相比于国际芯片巨头还存在着巨大差距，CPU、GPU、FPGA等高端通用芯片仍被国际巨头垄断。
近年来我国设计产业发展迅猛，行业增速远超国际平均水平，华为海思已经达到7nm先进制程，在5G芯片技术上也走在世界前列；紫光展锐、大唐的5G部署在积极进行；汇顶科技的指纹识别芯片应用于国内大部分智能手机；寒武纪、地平线的AI布局在国际崭露头角。
（1） 芯片设计的商业模式
按照芯片设计的商业模式，可分为IP设计和芯片设计。
IP设计，即设计芯片IP核（IPcore）。IP核是芯片常用设计模块，现在芯片的设计，不再是完全从0开始，都是基于某些成熟的IP核，并在此基础之上进行芯片功能的添加。
以ARM公司为例，自身不生产芯片，而通过处理器授权、处理器优化包授权与架构授权三种授权方式作为商业模式。芯片设计公司获取ARM公司的授权，得到ARM芯片的IP核，在此基础上进行进一步的芯片开发。
芯片设计，即通过自主架构或已授权架构，根据细分市场的需求进行有针对性的开发。
（2）芯片架构
在设计环节，最重要就是选择指令集架构。
指令集架构不仅仅是一组指令的集合，它还要定义与软件相结合的硬件信息，用硬件电路实现指令集所规定的操作运算，处理器架构设计是目前芯片产业的最高层级和最重要的层级。
指令集架构可以理解为一个抽象层，构成处理器底层硬件与运行于其上的软件之间的桥梁与接口，也是现在计算机处理器中最重要的一个抽象层。
目前，世界主流的架构有ARM公司主导的ARM架构，和Intel主导的x86架构。整体来看，ARM和x86架构几乎瓜分了整个架构市场。而以灵活、精简、开源等特性的RISC-V架构同样受到越来越多的关注，在物联网、AI等芯片领域有巨大的潜力，也成为中国芯的新机遇。
① CISC与Intel x86
现在常用的PC端或服务器，使用的主要是英特尔和AMD公司的CPU。这类CPU使用的指令集，属于CISC（Complex Instruction Set Computer）即复杂指令集计算机。一款CPU支持的指令集，可以有很多种，早期的CPU都是基于CISC。
1978年6月8日，Intel生产出了世界上第一款16位的微处理器并命名为“i8086”， x86架构诞生，它定义了芯片的基本使用规则。随后几十年，x86架构不断改进，x86指令集被当做一种规范沿用至今，英特尔因此成为行业龙头。
2003年，AMD推出了业界首款64位处理器Athlon 64，也带来了x86-64，即x86指令集的64位扩展超集，Intel与AMD的斗争从此拉开。
② RISC与ARM
移动互联网时代的到来对低功耗的要求越来越高，x86架构整个指令集中，只有约20%的指令会被经常使用。于是，1979年美国加州大学伯克利分校的David Patterson教授提出了RISC的想法，主张硬件应该专心加速常用的指令，较为复杂的指令则利用常用的指令去组合。
RISC（Reduced Instruction SetComputer）即精简指令集计算机。RISC通过精简CISC指令种类，格式，简化寻址方式，达到省电高效的效果，适合手机、平板、数码相机等便携式电子产品或物联网产品。
上个世纪80年代，ARM公司就是基于RISC架构开始做自己的芯片，最终一步一步崛起，战胜了英特尔，成为现在的移动芯片之王。如今，包括华为麒麟、高通骁龙在内的大部分手机终端和物联网设备芯片，都是基于ARM的架构设计。
2007年，iPhone横空出世开创了移动互联网时代，第一代iPhone的处理器芯片即使用ARM架构设计。2008年，Google推出了基于ARM指令集的Android系统。至此，智能手机的飞速发展奠定了ARM在智能手机市场的霸主地位。
③ RISC-V与AIoT
现如今，随着5G、物联网、人工智能等技术的蓬勃发展，越来越多的企业开始生产和制造服务于各个垂直行业的终端和模组。在架构的选择上，x86是封闭性技术、ARM架构均须支付高额授权费，这种情况下，RISC-V诞生并登上舞台。
RISC-V指令集非常精简和灵活。它的第一个版本只包含了不到50条指令，可以用于实现一个具备定点运算和特权模式等基本功能的处理器。RISC-V架构采用的开源方式，其指令集可以自由地用于任何目的，允许任何人设计、制造和销售RISC-V芯片和软件而不必支付给任何公司专利费。
目前，RISC-V基金会共有包括18家白金会员在内的235家会员单位（数据截止2019年7月10日）。这些会员单位中包含了半导体设计制造公司、系统集成商、设备制造商、军工企业、科研机构、高校等各式各样的组织，足以说明RISC-V的影响力在不断扩大。
专注于RISC-V的代表企业为晶心科技，在IP领域仅次于ARM、Synopsys、MIPS、Cadence排名第五。晶心科技于2005年成立，董事长为联发科董事长蔡明介，从创立伊始公司就专注于嵌入式CPU IP，至今已有13年历史。目前公司主要围绕低功耗高性能的CPU进行开发，除了CPU IP之外，还提供平台外围IP、软硬件开发工具、生态系统等一整套方案。
为了避免受制于海外芯片巨头，国内开始发力基于RISC-V的芯片设计，从源头实现芯片自主。2018年7月，上海经信委出台了国内首个支持RISC-V的政策。10月，中国RISC-V产业联盟成立。产品方面，中天微和华米科技先后发布了基于RISC-V指令集的处理器。
基于RISC-V开发的黄山1号（华米），全球可穿戴领域第一颗人工智能芯片。2019年7月25日，玄铁910正式发布，这是平头哥半导体成立之后的第一款产品。玄铁910基于RISC-V的处理器IP核，开发者可以免费下载FPGA代码，开展芯片原型设计架构创新。2019年8月22日，业界领先的半导体供应商兆易创新正式发布基于RISC-V内核的GD32V系列32位通用MCU产品，提供从芯片到程序代码库、开发套件、设计方案等完整工具链支持并持续打造RISC-V开发生态。
2.中游——国际巨头工艺领先，国内厂商助力芯片设计发展
芯片产业链中游包含晶圆制造和封装测试。
按照上中游是否集成，芯片/半导体行业有两种模式：
垂直集成模式，又称IDM，归属于该模式的企业业务需包含设计和制造/封测。IDM模式的代表企业是英特尔、德州仪器（TI）和三星。
垂直分工模式，采取分工模式的企业仅只专营一项业务，像是英伟达和华为海思仅有芯片设计，没有制造业务，称作fabless；而台积电、中芯国际和格芯为代表的代工厂仅代工制造，不涉及芯片设计，称作Foundry。
台积电是全球Foundry中的绝对霸主，一家拿到50%的份额，台积电先进制程的开发进度几乎决定了行业的发展速度。大陆地区代工厂代表有中芯国际和华虹半导体，其中中芯国际在全球晶圆代工企业中位列第五。
（1） 晶圆制造
纯晶圆代工行业集中度很高，前四大纯晶圆代工厂合计占据全球份额的85%，其中台积电一家更是雄踞近60%的市场份额。以中芯国际、华虹半导体、华力微为代表的大陆晶圆代工厂商相比国际巨头仍有很大差距。
芯片制造环节中，芯片制程决定了代工厂的先进程度。芯片的制程就是用来表征集成电路尺寸的大小的一个参数，随着摩尔定律发展，制程从0.5um、0.35um、0.25um、0.18um、0.15um、0.13um、90nm、65nm、45nm、32nm、28nm、22nm、14nm，一直发展到现在的10nm、7nm、5nm。目前，28nm是传统制程和先进制程的分界点。
以台积电为例，晶圆制造的制程每隔几年便会更新换代一次。近几年来换代周期缩短，台积电2017年10nm已经量产，7nm将于今年量产，5nm预计2020年量产。iPhone11的 A13 Bionic芯片用的便是台积电7nm工艺。除了晶圆制造技术更新换代外，其下游的封测技术也不断随之发展。
目前台积电已经试产了5nm，三星为了与台积电竞争，称要研发3nm制程。大陆工厂与台积电的差距大约在2代以上，最先进的中芯国际今年一季度刚刚可以量产14nm制程，目前正抓紧攻克12nm；至于排名第二华虹半导体，距离先进制程仍有距离。
而中芯国际的存在，对于中国大陆半导体产业有着重要的意义：赚钱是其次，主要要撑起高水平半导体制造业的自主化，进而促成整个设计、制造、封测产业链的完善。同时，也可以为上游的本土半导体设备及材料厂商提供支持。
而正是晶圆代工厂的出现，降低了新选手进入半导体产业的技术和资金门槛，成就了诸多IC设计公司。
（2） 封装测试
封测是集成电路产品的最后一段环节，技术相对容易。封装和测试是两道工序，封装是把电路包起来，外部留出接触的pin脚；测试则是检测芯片的性能满足设计要求。
封装技术门槛相对较低，国内发展基础相对较好，所以封测业追赶速度比设计和制造更快。中国半导体第一个全面领先全球的企业，最有可能在封测业出现。国内封测领域有三大龙头，分别是长电科技、天水华天和通富微电，三家均进入了全球封测行业的前十。
从长远看，国内封测技术已经跟上全球先进步伐，随着国内上游芯片设计公司的崛起，下游配套晶圆建厂逻辑的兑现，辅以国家政策和产业资本的支持，国内封测企业全面超越台系厂商，是大概率事件。
3.下游
产业链的下游主要为系统集成（System Integration）企业，提供软硬件集成解决方案，例如人工智能解决方案商。通过对特定行业及特定需求进行定制化算法及系统解决方案，下游企业是赋能实体经济的直接方。
主要应用为智能驾驶、智能安防、智能语音、智能机器人、智能手机、AIoT等。
Part.2
数字芯片
数字芯片是一种对离散信号的传递和处理，实现数字信号逻辑运算和操作的电路。数字芯片在计算机、数字控制、通信、自动化和仪表等方面中被大量运用。数字芯片则包含处理器（CPU、GPU、基带芯片等）、存储器（DRAM、NANDFlash、NOR Flash）和逻辑电路（FPGA等）。
PC、Mac和智能手机等我们常用的电子设备中的CPU、GPU等都是数字芯片。随着AI的发展，FPGA、ASIC等芯片受到越来越多的重视。同样，我们耳熟能详的内存、闪存为代表的存储芯片均属于数字芯片。
一、微处理器CPU、GPU——作为通用芯片，国内追赶难度极大
1.、CPU
（1）两大巨人——英特尔与ARM
CPU(CentralProcessing Unit)即中央处理器，在电子设备、云端都有着广泛的应用。作为一种通用芯片，CPU可完成多种不同种类的任务，起着大脑的作用，主要功能是解释计算机指令以及处理计算机软件中的数据。
英特尔（Intel）是主要研制CPU处理器的巨头，全球最大的个人计算机零件和CPU制造商。1971年，英特尔推出了全球第一个微处理器——4004，应用在计算器上；1978年推出8086，可处理16位数据、组频5MHz，这是首颗x86芯片，IBM在自己首台PC中采用了8086的精简版8088。英特尔的CPU带来的计算机和互联网革命，改变了整个世界。可以说英特尔的历史就是CPU的发展简史。
但随着iPhone等智能手机设备的到来，移动互联网大潮来袭，英特尔却没能保持住优势，在移动设备端CPU逐渐被ARM芯片打败。ARM采用了RISC精简指令集架构，主打低成本、低功耗和高效率的芯片，在移动设备端具备极大优势，目前世界超过95%的智能手机和平板电脑都采用ARM架构。可见ARM和是Intel截然相反的战略路线，英特尔一直以来坚持全产业链商业模式，而ARM是开放的合作共赢模式。
（2）国内主要参与玩家
对于国内企业来说，CPU是国内企业追赶上世界龙头企业难度最大的芯片。国内主要的CPU企业有龙芯、兆芯、华为鲲鹏和飞腾。
即便部分CPU性能已追赶上甚至超越英特尔，由于国内CPU缺乏完善的产业生态支持，国内企业还不足以与市场龙头企业产生直接的竞争。国内企业多用于国家层面的金融、安防、军工、航天等领域，民用领域暂无可观市场。
①龙芯，源于中科院，是国内 PC 级 CPU 销量最大的公司。
最新一代龙芯 3A4000/3B4000 处理器，采用28nm 工艺，频率从龙芯 3A3000 的 1.5GHz 提升到了 2.0GHz，架构升级为 GS464V，搭配的芯片组也升级到了龙芯 7A2000，28nm 工艺。龙芯3A/B3000 处理器出货量达 30 万片以上。据称更换到14 纳米工艺后，就能达到 AMD 公司 Zen 系列处理器的水平。
②兆芯，成立于 2013 年，是 VIA 威盛与上海政府基金成立的合资公司，获得了 x86 授权，是国内发展高性能 X86 处理器的中坚力量。
兆芯和安钛克合作发布国产化自主可控网络安全平台，也与龙芯、飞腾有合作，推出龙芯 3A3000/3A4000，兆芯 C4600、飞腾 FT1500A/2000 系列。
今年 6 月份发布的兆芯 KX-6000、KH-30000 系列，将工艺升级到 16nm 工艺，成为国内第一款主频达到 3.0G 赫兹的通用 CPU，有 4 核及 8 核两种规格，还支持 PCIe 4.0、双通道 DDR4 内存，搭配的芯片组升级到了 KH-3000 系列。
③华为鲲鹏，华为鲲鹏 920 成为业界首颗兼容 ARM 架构的 64 核数据中心处理器。
性能上，四核版相当于酷睿 i5 6300H，八核版相当于酷睿 i5 8300H。采用 7nm 工艺制造，该处理器基于 ARMv8 架构，拥有 64 个 2.6GHz 核心，支持 8 通道 DDR4、PCIe 4.0 和 CCIX 互联芯片。
9 月，华为已经率先在深圳电力行业部署鲲鹏国产 CPU 生态体系，逐渐取代英特尔 CPU。
④飞腾，是国产 CPU 企业中桌面级和嵌入式芯片均能提供高性能产品的企业，是国产芯片的主流代表之一。
截至 2019 年 8 月，已联合 500 余家软硬件合作伙伴，研制了 6 大类 300 余种整机产品，移植、优化了 1,000 余种软件。
2019 年 8 月 26 日，国内自主安全领域领军企业中国长城完成对天津飞腾35%的股权收购，成为天津飞腾的第一大股东。
2、GPU
GPU（Graphics Processing Unit），即图形处理器，最初是用在个人电脑、工作站、游戏机和一些移动设备上运行绘图运算工作的微处理器。但凭借其并行计算的能力，目前 GPU 在AI芯片领域也有广泛应用。
CPU 的架构中需要大量的空间去放置存储单元和控制单元，相比之下计算单元只占据了很小的一部分，所以它在大规模并行计算能力上极受限制，而更擅长于逻辑控制。但是随着人们对更大规模与更快处理速度的需求增加， CPU 无法满足，因此诞生了GPU。
GPU 与 CPU 最大的区别是：相比于 CPU 串行计算，GPU 是并行计算，能同时使用大量运算器解决计算问题的过程，有效提高计算机系统计算速度和处理能力。对于人工智能来说，GPU 刚好与包含大量并行计算的深度学习算法相匹配，因此在AI时代成为了算力加速硬件的首选。
（1）GPU王者——英伟达
英伟达（Nvidia）是全球最大的独立GPU供应商。英伟达成立于1993 年，由黄仁勋等三人创办。目前占据全球GPU行业的市场份额超过70%，GPU 作为其核心产品占据 84% 的收入份额。独立GPU市场形成英伟达和AMD两大巨头的格局。
（2）GPU国内主要参与玩家
受制于技术、人才和专利，国内企业GPU厂商与国际巨头有着巨大差距。景嘉微成为了目前国内唯一量产GPU的行业龙头。
①景嘉微，国内GPU行业龙头，A 股唯一 GPU 芯片设计公司，成立于 2006年4月。
研发背靠国防科大，并积极与国内外算法公司展开新技术合作。首款具备自主知识产权的图形处理芯片JM5400已经开始应用。
②西邮微电，嵌入式GPU-萤火虫 1 号，嵌入式 GPU 芯片，该项目填补了国内空白，总体技术达到国内领先水平。
③中科曙光，代表的 Xmachine GPU 服务器和 Sothis AI 人工智能平台，面向金融人工智能应用，提供定制化开发产品及服务。从芯片、板卡、整机、平台、开发架构上，全面支撑金融机构的人工智能应用，提高金融服务器性能，控制金融风险。
二、存储芯片——投资大、门槛高，需要国家大力支持
如同钢铁、石油是工业时代的“粮食”一样，存储芯片是半导体产业发展最重要的“粮食”。计算机中的全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器中。
以断电后存储数据是否丢失为标准，半导体存储芯片可分两类：
一类是非易失性存储器，这一类存储器断电后数据能够存储，主要以NAND Flash为代表，常见于SSD（固态硬盘)；另一类是易失性存储器，这一类存储器断电后数据不能储存，主要以DRAM为代表，常用于电脑、手机内存。除了NAND Flash和 DRAM，还包含NorFlash，容量比较小，一般是64Mb以下，用于存储一些驱动电路的算法和代码之类，用于手机，汽车电子，工业控制等领域。
从产值构成来看，DRAM、NAND Flash、NOR Flash 是存储器产业的核心部分。这缘于一方面性能不断提升的手机操作系统及日益丰富的应用软件极大地依赖于手机嵌入式闪存的容量；另一方面，万物互联等新技术的涌现推动数据量的急速膨胀。
1、DRAM
DRAM（Dynamic Random Access Memory），即动态随机存取记忆体，是最常见的存储器，只能将数据保持很短的时间，最常见的应用是PC中的内存。为了保持数据，使用电容存储，所以必须隔一段时间刷新一次，如果存储单元没有被刷新，存储的信息就会丢失。
从行业上看，早期计算机应用占了整个DRAM产业高达 90%份额， 2016年开始伴随大容量智能手机崛起，智能手机逐渐取代PC成为DRAM 产业的主流，同时云服务器 DRAM 需求涌现的带动是功不可没的推手，包括 Facebook、 Google、 Amazon、腾讯、阿里巴巴等不断扩充网路存储系统，对于云存储、云计算需求的提升，都带动服务器DRAM需求起飞，目前 DRAM 行业一直被美韩三大存储器公司垄断,三星、海力士、美光占据了全球市场的95%以上。
对于国企企业来说，DRAM所需行业投资巨大，门槛高，需要国家大力扶持，目前国内三大存储芯片项目合肥长鑫、福建晋华和长江存储成为存储芯片国产替代的希望。
2、NAND Flash
NAND Flash 是 Flash 存储器中最重要的一种。 NAND Flash 存储器具有容量较大，改写速度快等优点，适用于大量数据的存储，最常应用于固态硬盘中。
NAND Flash内部依靠存储颗粒实现存储，里面存放数据的最小单位叫cell。从工艺上看，NAND Flash可以分为2D工艺和3D工艺，传统的2D工艺类似于“一张纸”，但“一张纸”的容量是有瓶颈的，三星、英特尔、美光、东芝四家闪存大厂为了满足大容量终端需求，均开始研发多层闪存（3D NAND Flash），英特尔和美光引入市场的3DXpoint是自NAND Flash推出以来，最具突破性的一项存储技术，它通过单层存储器堆叠突破了2D NAND存储芯片容量的极限，大幅提升了存储器容量，因此技术3D NAND具备了四个优势：一是比2D NAND Flash快1,000倍；二是成本只有DRAM的一半；三是使用寿命是2D NAND的1,000倍；四是密度是传统存储的10倍。
除了传统存储巨头三星电子、 SK 海力士、美光科技，东芝和西部数据也是 NAND Flash 领域不可忽视的重要力量。同DRAM一样，国内企业仍需国家配套政策和资金的大力支持。
3、存储芯片格局——海外巨头继续垄断，国内企业可从细分市场切入
整体上来看，DRAM 和 NAND Flash 占据了存储芯片市场96%以上的份额，NOR Flash由于存储容量小，应用领域偏重于代码存储，在消费级存储应用上已出现被NAND闪存替代的趋势，目前仅应用于功能性手机，机顶盒、网络设备、工业生产线控制上。
公司层面，由于未来以DRAM和NAND Flash为主导的存储器行业趋势仍将延续，海外存储器巨头三星电子、SK海力士、美光科技、西部数据、东芝会继续控制中高端存储器市场，未来仍将继续角逐存储器行业。
我国在存储芯片上的进口总额高达880亿美元，对外依赖度超过90%，DRAM、NAND自给率几乎为零。
我国已开始大力发展国产存储芯片，目前我国逐步形成了紫光集团与武汉、南京及成都合作展开的NAND与DRAM项目（长江存储），兆易创新与合肥合作的DRAM项目（合肥长鑫），联电与福建省合作的DRAM项目（福建晋华）三大存储项目。
DRAM主流消费市场虽然庞大，但前行阻力与压力也极大，国内企业可通过细分市场切入，实现研发、生产的积淀后再弯道超车成为不少国产存储芯片企业的选择，例如东芯半导体就将目标瞄准了中小容量存储芯片市场。
新一代万亿蓝海物联网设备需要大量的数据存储和传输，中小容量存储芯片将更合适物联网发展的需要。目前全球NAND闪存行业正处在2D到3D的过渡期，几大巨头都将重点放在了3D的比拼上，存储巨头将逐步放弃中小容量存储芯片市场。物联网和智能终端的快速发展将不断扩大对中小容量存储芯片的需求。行业格局的演变，为东芯这样专注中小容量存储芯片的半导体公司创造了历史性的发展机遇。
4、存储主控芯片也是国内创业企业的切入点
SSD硬盘、U盘等存储硬件的结构通常包括PCB（含供电电路）、NAND闪存、主控芯片、接口等。主控芯片相当于硬盘的CPU，起着至关重要的作用。
主控芯片设计有成熟的ARM内核、DDR物理层等IP授权可用，研发难度大大降低，所以主控芯片成为国内创企的切入点，有望打破国外企业垄断。
目前世界上SSD主控芯片公司主要来自美国及台湾地区，Marvell是美系主控的代表，台湾则以群联Phision、SMI为代表。
从2015年以来，国内厂商也陆续加大存储市场的投资，不少厂商就选择了SSD主控作为突破口，再加上国内半导体基金对存储芯片的扶植，国产主控企业开始崭露头角。
比较知名的就有江波龙、国科微、忆芯、华澜微电子，还有偏重军工、企业级市场的中勃、一方信息等公司，另外还有台系厂商在大陆设立的子公司，比如群联就在合肥成立了兆芯科技，杭州联芸科技也有台资参与。
总的来说，国内布局SSD主控芯片的公司就不少于10家，数量上已经超越美国、台湾地区的公司。不过国内公司在主控芯片领域依然是新兴力量。
三．人工智能芯片——国产芯片弯道超车的机会
1.人工智能芯片及发展
人工智能深度神经网络中，最关键的能力是“训练”和“推理”。因此AI芯片可分为训练芯片和推理芯片。
“训练”是从海量的数据中完成特征的学习，这需要极高的计算精度、较大的内存和访问带宽，主要应用在云计算、数据中心上。英伟达凭借GPU成为AI云端芯片的龙头，英特尔也通过大举收购AI芯片企业与英伟达积极竞争。其他AI云端芯片主要有谷歌的TPU、寒武纪NPU、阿里巴巴的含光800、华为昇腾910、百度昆仑等。
“推理”取决于场景需求，需在速度、能耗、安全、硬件成本等满足不同的垂直场景需求，在云端、边缘端均有运用。根据应用场景的不同，典型的推理芯片有依图科技的云端芯片“求索”；云知声、探境科技的语音识别芯片；地平线、黑芝麻智能的自动驾驶芯片等等。
AI芯片按照使用场景可以分两类：一类是训练和推理都能够适配的CPU、GPU、FPGA；另一类是推理加速芯片，比如寒武纪的NPU、深鉴科技DPU、地平线的BPU，这类芯片既有产品，又提供IP让其他开发者将深度学习加速器集成到SoC内。
人工智能算法的发展与芯片的发展相辅相成，芯片算力的不断提升为AI算法的发展提供了基础。类比一辆汽车，算法是车轮，可以跑得更快；算力是引擎，可以跑得更远。
早期的芯片由于算力不足导致了人工神经网络的发展陷于停滞；20世纪80年代后，神经网络算法初现雏形，但算法都是通过台式机来实现，芯片的算力仍然不足，鲜有真正落地的案例；进入21世纪，随着GPU及配套技术的发展，深度学习算法得益于GPU的强大算力得以迅速进步。
2013年，Hinton的团队采用GPU架构结合现在计算机视觉常用的卷积神经网络（CNN）算法，在ImageNet的比赛中，一举将识别错误率降到18%。2014年陈天石博士（寒武纪创办人）团队提出的DianNao论文，深度学习领域才出现第一块针对人工智能加速的专用芯片设计，人工智能芯片开始了专用芯片加速的时代。
摩尔定律的减缓意味着：算法性能高速发展和机器算力提升缓慢的矛盾逐渐开始显现，在不牺牲算法性能并且充分运用芯片算力的需求下，AI的落地针对应用场景和业务逻辑定制AI芯片成为了发展方向——算法即芯片时代已经到来。
2.GPU
GPU并行计算的特性决定了其作为AI芯片被广泛运用于AI算法加速，也使英伟达成为AI芯片的龙头。
受益于AI的极速发展，英伟达在云端加速深度学习算法芯片市场几乎占垄断地位。英伟达2016年第一个推出专为深度学习优化的Pascal GPU，2017年推出了性能更优的新GPU架构Volta，及神经网络推理加速器TensorRT 3。
另外，由于英伟达发布的针对开发者提供的并行计算平台CUDA，被广泛认可和普及，积累了良好的编程环境，英伟达的GPU是目前应用最广的通用AI硬件计算平台。AWS、Facebook、Google等世界一级数据中心都使用英伟达的芯片进行AI加速。
GPU已在云端作为AI“训练”的主力芯片，在边缘、终端的安防、汽车等领域，GPU也率先落地，是目前应用范围最广、灵活度最高的AI硬件。
虽然目前英伟达在AI芯片领域风头正劲，不过顶着“应用最广泛AI芯片”光环的英伟达，也还面临FPGA和ASIC等专用化程度更高、计算力更强的芯片的挑战。
3.FPGA
FPGA 现场可编程门阵列，拥有大量可编程的逻辑单元，可以根据需求来制定有针对性的算法设计。
性能方面，FPGA劣于GPU，但通过编程语言自由定义门电路和存储器之间的布线，生成算法专用电路，同时利用门电路直接并行运算，实现了算法加速。FPGA目前是AI芯片非常合适的方案之一。
FPGA的优势是在写入软件前它有胜于CPU的通用性，写入软件后它有类似于ASIC的表现，是算法未定型前的阶段性最佳选择。FPGA相比GPU功耗低，同时相比ASIC具有更加灵活编程的特点。
开创者赛灵思（Xilinx）
赛灵思（Xilinx）是FPGA芯片技术的开创者，从2011年起，赛灵思提出全编程的理念，作为FPGA行业长期的霸主，赛灵思拥有超过2万家下游客户。
在现阶段云端数据中心业务中，FPGA以其灵活性和可深度优化的特点，有望继GPU之后在该市场爆发，微软、AWS、华为云、阿里云等均在云端加入FPGA进行算法加速。画面渲染、基因组测序、金融风险分析等领域的定制化算法可以低成本的在云端写入，利用FPGA的加速实现场景应用。除了云，在边缘计算领域，FPGA也应用于人工智能创业公司深鉴科技、瑞为等的机器学习场景中。
2018年赛灵思重磅推出全新一代AI芯片架构ACAP，以及采用ACAP架构的首款代号为Everest的AI芯片，正面“宣战”英特尔和英伟达。
同年赛灵思收购国内三大AI芯片独角兽之一的深鉴科技，该公司主攻终端人工智能，所采用基于FPGA来设计深度学习的加速器架构，可以灵活扩展用于服务器端和嵌入式端。
不甘落后的英特尔
英特尔已经错失了移动设备的崛起，为了不再错过人工智能而加速了AI芯片领域的布局。
为了增强在AI芯片领域的竞争力，2015年12月英特尔斥资167亿美元收购了Altera公司，这是英特尔有史以来金额最大的一次收购，意味着英特尔希望实现CPU和FPGA深层次结合来布局AI芯片市场。
2017年英特尔又收购Mobileye，希望通过整合AI算法以获得关键的优势。2018年，英特尔宣布收购芯片制造商eASIC，提高FPGA速度，降低FPGA成本和能耗需求。
英特尔通过积极的收购将自己提升到AI芯片“玩家”的前列。当前英特尔有两套FPGA的战略：打造CPU+FPGA混合器件，让FPGA与处理器协同工作；基于Arria FPGA或Stratix FPGA打造可编程加速卡。微软在2018年的Build大会上公布的Project Brainwave深度学习加速平台，就是基于英特尔 Arria FPGA和Stratix FPGA芯片所打造的。
3.ASIC
ASIC是一种为专用目的而定制设计的芯片，在大规模量产的情况下相比于FPGA有性能更强、体积更小、功耗更低、成本更低等优点。
ASIC的高研发时间成本和高技术商业化风险成了未来推广之路的一大障碍，但其体积小、成本低、功耗低、高可靠性、保密性强、计算性能高、计算效率高等优势等优势成为目前AI芯片的必争之地。
对于AI芯片的未来，突破冯·诺伊曼结构是发展方向。由于深度学习的基本操作是神经元和突触的处理，而传统的处理器指令集（包括x86和ARM等）是为了进行通用计算发展起来的，其基本操作为算术操作（加减乘除）和逻辑操作（与或非），往往需要数百甚至上千条指令才能完成一个神经元的处理，深度学习的处理效率不高。
这时就需要突破经典的冯·诺伊曼结构。神经网络中存储和处理是一体化的，而冯·诺伊曼结构中，存储和处理是分离的，分别由存储器和运算器来实现，二者之间存在巨大的差异。当用现有的基于冯·诺伊曼结构的经典计算机（如x86处理器和英伟达GPU）来跑神经网络应用时，就不可避免地受到存储和处理分离式结构的制约，因而影响效率。虽然目前FPGA和ASIC可满足部分应用场景所需，可是在长久的规划上，新一代架构的类脑芯片、存算一体芯片将会作为解决深度学习计算需求的底层架构 。
AI芯片必争之地——ASIC国内外主要参与玩家
（1）谷歌的张量处理器TPU
TPU采用了脉动阵列的组织方式。2016年，谷歌TPU在AlphaGo与李世石一役中横空出世，使AlphaGo“思考”棋招和预判局势，处理速度比GPU和CPU快上几十倍。2018年GoogleI/O开发者大会上正式发布了TPU 3.0，其性能宣称比去年的TUP2.0提升8倍之多，达到每秒1,000万亿次浮点计算，比同时期的GPU或CPU平均提速15-30倍，能效比提升30-80倍。
（2）寒武纪NPU
寒武纪出身中科院，由陈天石、陈云霁兄弟在2016年3月创立。寒武纪在云端芯片和终端芯片均有布局。
NPU中DianNaoYu指令直接面对大规模神经元和突触的处理，一条指令即可完成一组神经元的处理，并对神经元和突触数据在芯片上的传输提供了一系列专门的支持。
终端AI芯片采用IP授权模式，其产品Cambricon-1A是全球首个实现商用的深度学习处理器IP。目前寒武纪的IP面向智能手机、安防监控、无人机、可穿戴设备以及智能驾驶等各类终端设备。
（3）阿里巴巴与中星微
中星微是第一家中国自主研发制造的芯片的企业，在 2001 年成功研发出了具有自主知识产权的芯片，2003 年占有全球 60% 的市场，同时也是第一家 2005 年成功在纳斯达克上市的国产芯片企业。Vimicro AI 代表产品，星光智能 SoC 芯片——星光 1-5 号，最新代表第二代神经网络处理器芯片星光智能二号。
阿里在 2018 年收购中天微后，在今年推出首款云端 AI 加速芯片含光 800，号称目前业界性能最强的RISC-V架构芯片之一。但和华为鲲鹏类似，主要为自产自用状态。
（4） 自动驾驶领域：英特尔、英伟达和国内创企地平线、黑芝麻智能
2016年，英特尔收购的视觉处理芯片企业Movidius，其研发的VPU也是ASIC芯片。
Mobileye在汽车驾驶辅助系统领域，份额超过70％。从2007年与沃尔沃开始合作碰撞预警功能，与包括宝马、特斯拉、通用等汽车巨头合作推进驾驶辅助技术，2016年与宝马、英特尔三方联合开发自动驾驶汽车。
2017年1月，NVIDIA第一次对外展示其自动驾驶产品线Drive PX中最高阶的AI超级计算机DriveXavier。
地平线在2017年1月，携手英特尔发布基于BPU架构的最新高级辅助驾驶系统，12月，地平线机器人发布“旭日”和“征程”两款嵌入式AI芯片，面向智能驾驶和智能摄像头。
黑芝麻智能发布的“华山一号”自动驾驶芯片从算力和能效上也处于行业领先水平，对标特斯拉。
自动驾驶的热潮袭来，汽车场景也成为AI落地的良好场景。不过目前已商用的自动驾驶芯片基本处于高级驾驶辅助系统（ADAS）阶段，即可实现L1-L2等级的辅助驾驶和半自动驾驶；而适应L4-L5超高度自动驾驶及全自动驾驶的AI芯片，离规模化商用仍有距离。
（5）智能手机：苹果、华为集成ASIC芯片
目前AI在手机里面主要是辅助处理图形图像的识别（比如拍照的快速美颜）及语音语义的识别、面容识别等场景。但目前此类应用对AI算法处理速度的要求并不高。同时手机对功耗要求极高，ASIC低成本、低功耗、低面积将占据核心优势。
而在AI芯片进入手机方面，华为和苹果都先后发布了有自己独立AI处理单元的芯片。
2017年9月，华为发布了全球首款移动端AI芯片麒麟970，并将其运用于Mate10。这是业内第一次在手机芯片中，出现专门用于进行AI计算的处理单元，其集成了国内芯片创企“寒武纪”的NPU。2019年，麒麟990 SoC中，AI模块采用华为自研达芬奇架构。
苹果最新A13 Bionic芯片，集成的神经引擎进行机器学习。同时芯片中集成了一个机器学习控制器，可以自动调度CPU、GPU和神经引擎之间的机器学习操作。
（6）机器视觉落地应用：依图科技云端视觉AI推理芯片——“求索Questcore”
依图科技提出“算法即芯片”的造芯思路，即基于问题，基于场景，用对算法，并为此设计芯片。基于此，依图运用其在机器视觉领域独特算法优势打造出云端视觉AI推理芯片“求索”，构建视频解析系统、视频解决方案，面向应用场景直接进行优化，提供智慧城市、智慧交通、智能零售的解决方案，使AI算法根据特定的场景和需求真正实现落地。
“求索Questcore”芯片基于自主研发的神经网络加速核，能充分发挥依图世界级算法优势，适用于人脸识别、视频结构化分析、行人再识别等多种图像和视频实时智能分析任务。
在实际的云端应用场景，依图“求索”最高能提供每秒15 TOPS的视觉推理性能，每路摄像头功耗低于1W，小于一个普通的电灯泡。在同等功耗下，依图“求索Questcore”的视觉推理性能是市面现有主流同类产品的2~5倍。
4.AI芯片主要玩家汇总
人工智能芯片的参与者主要包括传统新品制造厂商、科技/互联网巨头以及AI创业公司。
传统的芯片制造厂商：Intel，Nvidia 和AMD。他们的优势在于在已有架构上对人工智能的延伸，对于硬件的理解会优于竞争对手，但也会困顿于架构的囹圄；科技/互联网巨头在科技上层生态的构建者进入芯片设计，比如苹果、Google和阿里巴巴，优势在于根据生态灵活开发定制各类ASIC，专用性强；AI初创公司，某些全新的架构比如神经网络芯片的寒武纪，因为是全新的市场开拓，具有后发先至的可能。
AI创企作为新进入者，会凭借ASIC全新架构及算法，将有机会诞生新的独角兽。可见，国内AI创企凭借算法和落地的优势，将在AI芯片领域实现弯道超车，跻身世界领先AI芯片的机会。
四．移动处理器芯片——国内企业引领5G时代
作为智能手机的核心，特别是5G时代的到来，移动处理器芯片是几大厂商的竞争之地。华为、联发科、高通、三星、苹果目前是移动处理器芯片的主要玩家。
移动设备决定了低功耗、高效能是移动处理器芯片的必然要求，各大厂商的芯片产品均为SoC（System on Chip）即片上系统，SoC兼顾了低功耗与高性能，同时高集成度的芯片可以有效的提高手机内部空间的利用率。SoC集成了CPU（中央处理器）、GPU（图形处理器）、数字信号处理器（DSP）、RAM（内存）、调制解调器（Modem）、AI模块、导航定位模块以及多媒体模块等等整合在一起的系统化解决方案。
5G标准制定后，各大厂商先后发布了自家的5G通信方案。5G芯片目前有两种形式：5G SoC和外挂5G基带。5G SoC即将5G Modem（调制解调器）集成于手机处理器平台中，外挂5G基带则将5G Modem置于处理器平台外部，而非集成。
从性能上看，华为最新的麒麟990 5G SoC和联发科的天玑1000均有不俗的实力。但麒麟990芯片目前还处于自产自用状态，对于国内其他手机厂商来说，一定程度上国产率仍然不高。
虽然5G芯片国产率不高，但国内厂商也在5G芯片领域做出了积极贡献。除华为在5G标准制定和5G推进方面有极大作为外，OPPO和vivo也对5G做出了巨大贡献。在5G必要专利排名中，OPPO作为唯一一家纯手机终端厂商上榜；在5G的研发道路上，OPPO也实现了多个第一，如率先实现基于3D结构光技术的5G视频通话演示，全球首个5G微博视频直播等。vivo则与三星合作，前后共投入了500多名专业研发工程师，历时10个月，将积累的无形资产多达400个功能特性（其中modem相关占极大比例）补充到三星平台，联合三星在硬件层面攻克了近100个技术问题，与三星一起提前完成产品的联合设计研发。
5G时代，移动处理器芯片领域国内企业会继续做出巨大贡献。
Part.4
模拟芯片
现实中一切的信号，包括光热力声电等都属于模拟信号，例如麦克风能将声音的大小转换成电压的大小，可得到一个连续的电压变化，这种连续的信号称为模拟信号，用来处理模拟信号的集成电路称为模拟芯片。
模拟芯片产品已经遍布生活中的各个角落， 无论是网络通信、 消费电子、 工业控制、 医疗设备还是汽车电子， 都会用到模拟芯片，同时，现在的许多新兴应用，包括共享单车、 AR/VR 无人机等也都会用到模拟芯片。
根据IC Insights的数据，预计2019年，模拟芯片的军事和政府应用将占全球销售收入的1.3%，通信应用将占最大的收入份额（38.5%）。模拟产品生命周期较长，可达10年之久，同时，模拟芯片市场不易受单一产业景气变动影响，市场价格和份额的波动较小。
智能手机等终端的诞生充分带动了模拟芯片的发展，以iPhone为例，其射频芯片数量已经达到数十个之多，电池管理芯片的重要性也越来越高。
随着5G和AIoT的爆发，更加广泛的模拟信号的收集和处理将带来模拟芯片市场的极速增长。射频芯片、电源管理芯片、专用模拟芯片等将成为模拟芯片增长的主要类别。
2018年全球前世模拟芯片厂商市占率来看，德州仪器TI是当之无愧的霸主，排名是第二名亚德诺（ADI）的两倍。国内无一家模拟芯片公司进入前十。
模拟芯片行业研究能力供给有限，在设计过程中，相比于数字芯片，更加依赖于设计经验，优秀的工程师具有10年以上的经验。因此，模拟芯片公司构建了强大的进入壁垒。
再者，产品的差异性和研究能力有限降低了市场竞争，同时终端市场的分散化特征继续放大模拟芯片行业优势。模拟芯片的终端市场非常分散，产品线数以万计。行业龙头在横向产品种类上具有优势，新进入者很难进行有效竞争。市场竞争格局稳定，龙头在定价能力上话语权优势明显。
对于国内企业来说，中游已经积累的封装、测试等的优势也为模拟芯片产业孕育了坚实的基础，中游环节供应链的运营能力可大幅降低国内模拟芯片企业的成本，提高了获利空间。国内模拟芯片企业可凭借中游供应链管理的优势，在细分领域精耕细作，不断提升团队能力，同时尝试拓展产品线，未来同样大有可为。
一．射频芯片——5G时代的机会
1.射频器件及其构成
无线通信模块通常包括天线、射频前端、射频收发、基带。其中，射频前端模块位于基带芯片的前端，是无线电系统的接收机和发射机，可实现射频信号的传输、转换和处理功能，是移动终端通信的核心组件。
通常情况下，一部手机主板使用的射频芯片占整个线路面板的 30%–40%。随着智能手机迭代加快，射频芯片也将迎来新一波高峰。目前，全球约95%的市场被控制在欧美厂商手中，甚至没有一家亚洲厂商能进入产业顶尖行列。在物联网应用推动下，未来全球无线连接数量将成倍的增长。同时，未来由5G、物联网等对射频器件的爆发性需求会加速它的发展。
归结起来，射频器件主要三大细分领域为射频滤波器、射频开关、射频功率放大器（PA芯片）。射频前端芯片是移动智能终端产品的核心组成部分，追求低功耗、高性能、低成本是其技术升级的主要驱动力，也是芯片设计研发的主要方向。
滤波器：用来滤除消除噪声，干扰和不需要的信号，从而只留下所需频率范围内的信号。双工器，三工器，四工器和多路复用器通常采用多个滤波器的组合，手机中使用的滤波器主要采用 SAW（表面声波）、BAW（体声波）以及5G时代各大厂商积极布局的FBAR（基于薄膜体声波谐振器）和LTCC（低温共烧陶瓷）。
开关：开关在打开和关闭之间切换，允许信号通过或不通过。可分为：单刀单掷、单刀双掷、多刀多掷开关。
PA芯片：在发射信号时通过 PA 放大输入信号，使得输出信号的幅度足够大以便后续处理。PA 质量和效率因此对手机的信号完整性和电池寿命至关重要。用于放大接收信号的称为低噪声放大器（LNA）。
2.射频芯片主要格局
目前全球射频芯片的技术水平依然是欧美大厂商领先，规模优势明显。
从市场规模来看，滤波器是射频前端市场中最大的业务板块，其市场规模预计将从52亿美元增长至2022年的163亿美元。滤波器市场的驱动力来自于5G对额外滤波的需求，以及多载波聚合（CA）对更多的体声波（BAW）滤波器的需求。
功率放大器（PA）和低噪声放大器（LNA）是射频前端市场中第二大的业务板块，由于新型天线的出现和增长，低噪声放大器市场将稳步发展。
开关是射频前端市场中第三大的业务板块，其市场规模预计将从10亿美元增长至2022年的20亿美元。该市场将主要由天线开关业务驱动而增长。
目前，射频前端国产替代需求强烈，政策支持意志坚定。
传统SAW器件制造成本以及难度很高。因此该行业存在着较高进入门槛。目前国内大部分SAW滤波器厂商仍停留在公频波段（较低频率，低于1GHz）的产品生产中，主要用于低端市场。
在更具有性能优势的BAW领域，工艺壁垒更高，技术垄断较难突破。在国内，开元通信推出了国产首颗应用在5G n41频段的高性能BAW滤波器产品。这是国内芯片厂商在5G BAW滤波器的首次突破。
国产滤波器厂商想要在5G时代寻求更多机会，大部分已经开始选择围绕FBAR滤波器进行研发布局。进入FBAR滤波器行业的有中电二十六所、五十五所和天津诺思，麦捷科技、信维通信也积极布局FBAR滤波器。其中麦捷科技在SAW滤波器打入华为供应链后，也通过与中电二十六所的合作，有望跨了FBAR高性能滤波器的研发行列，而信维通信则是通过与中电五十五所合作将进入FBAR滤波器市场。
在PA领域，PA芯片行业迎来接口标准化及砷化镓晶圆代工向国内转移两大红利。国内有三大射频PA公司，分别是中科汉天下、唯捷创新、国民飞骧。目前，三家公司的水平是在2G市场有一定的优势，3G市场份额有限，4G市场基本混迹于低端市场略有盈利。
3.5G核心技术为射频芯片带来机会
5G根据频谱的不同可以分为Sub-6GHz和毫米波两种方案。频谱是频率谱密度的简称，手机通讯信号传输都是通过一定频率传输的。两者主要区别在于，毫米波为数据传输提供更好的分辨率和安全性，且速度快、数据量大，时延小，但是传输距离大幅缩减，Sub-6GHz的5G覆盖率是毫米波的5倍以上，毫米波为实现相同的覆盖率需要建设更多基站。
美国政府尤其是军方将大量3-4GHz范围内的频段用于军用通信和国防通讯，因此美国5G主要以毫米波为主要频谱选择。中国选择押注Sub-6GHz，联通、电信选择目前产业成熟度最高的3.5GHz资源（3400MHz-3500Mhz分配给中国电信，3500MHz-3600MHz分配给中国联通）；移动则在2.6GHz频段和4.9GHz频段上持续研发。
（1）MIMO
是一种使用多根天线发送信号和多根天线来接收信号的传输技术。实现在相同频带内的同一载波上传输不同的信息。这种技术又被称为空间复用。
MIMO对射频器件的影响：需要更多的天线和更多的独立射频通道，相应射频前端元件同步增加。
（2）载波聚合（CA）
CA 是将多个载波聚合成一个更宽的频谱，同时可以把不连续的频谱碎片聚合到一起，提高传输速率和频谱使用效率。
载波聚合对射频前端的影响：天线开关数增加、滤波器数量大幅增加、PA、LNA 的开关数也会增加。
（3）新频谱
5G发展Sub-6GHz和毫米波等新频谱是通信技术持续的前进方向。新的频谱资源开发有朝更高频段、更大频谱使用范围发展的趋势，5G 通讯使用更高的频段，一方面是寻求更多可作为全球通讯使用的频段，另一方面是高频段拥有更宽广的频谱资源，能提供 Gbps 级传输应用服务。
5G 新频谱对射频前端的影响：由于 SAW 只支持 2GHz 以内的频段，因此 5G-sub 6GHz将带来适合2GHz以上高频段的 BAW/FBAR 用量的增加，以及LTCC技术的运用；更大的带宽也需要PA提升性能。
二．AD/DA(模数/数模)转换器芯片——海外巨头垄断，5G赋能国内高端需求
近年来，数字技术，特别是计算机技术飞速发展与普及，在现代军事和商用控制、通信等领域有着广泛的应用。为了提高系统的性能指标，对信号的处理广泛采用了数字计算机技术。由于系统的实际对象都是模拟量，如温度、压力、位移、图像等，需要将这些模拟信号转换成数字信号才能使计算机或者数字仪表识别、处理这些信号；而经计算机分析、处理后输出的数字量往往也需要将其转换为相应模拟信号才能为执行机构所接受。由此，就需要能在模拟信号与数字信号之间起桥梁作用的电路，即模数和数模转换器。
A/D 是模拟量到数字量的转换，依靠的是模数转换器（Analog to Digital Converter），简称 ADC。D/A 是数字量到模拟量的转换，依靠的是数模转换器（Digital to AnalogConverter），简称 DAC。
如今的电子产品中， 数模芯片几乎无处不在。数模芯片主要用在汽车专用模拟芯片中，近年来自动驾驶与电动汽车技术发展，都是汽车模拟芯片市场的增长保障。目前生产 AD/DA 的主要厂家有 ADI、德州仪器（TI）、飞利浦等。
全球AD/DA 转换中高端市场主要由ADI、TI 等美国厂商占据。
得益于目前4G、5G通信的建设，移动基站的部署等行业因素推动，移动通信终端和便携式移动互联设备的增长等等推动，通信与消费电子领域仍然是信号转换模拟芯片的最大终端应用市场。同时，汽车电子也成为继网络通信领域之后带动数模芯片市场增长的另一大领域。
5G 时代对器件标准提出了更高要求，5G赋能物联网则对数模转换器中低端器件的需求全面提升。5G高端需求在数模转换器件领域有望实现突破，而国内厂商则有望在中低端器件的需求中，探索出该领域升级和突破的新思路。
三．电源管理芯片——海外巨头瓜分市场，国内企业布局分散
越来越多的移动设备进入了人们的生活：智能手机、无人机、智能手表和电动汽车等。这些移动设备的特点是不通过外接电源供电，电池是移动设备的电力来源，所以有效的电源管理对移动设备极其重要，电源管理芯片起着巨大的作用。事实上，任何电子设备都需要电源管理装置。作为电子设备的关键部件，电源管理芯片担负起对电能的变换、分配、检测及其它电能管理的职责，其性能的优劣对于整机系统性能具有重要意义。
对于电源管理芯片而言，其主要的应用领域包括汽车、通信、工业、消费类、计算等方面。据IC insights的统计数据显示，2018电源管理芯片占模拟芯片规模接近三成，并持续保持增长态势。据Yole预测，电源管理芯片将从多个关键终端市场获益，到2023年电源 IC 市场规模将增长至 227亿美元，2018-2023 年期间的复合年增长率（CAGR）将达4.6%。
通信市场占据了最主要的市场份额，尤其是即将到来的5G大规模布局， 将进一步提升通信领域电源管理芯片的需求。同时，汽车电气化以及工业 4.0 升级，也将成为电源管理芯片的助推剂。
海外厂商，如美国、日本厂商，仍然占据着移动通信器件的垄断地位，全球数模转换中高端市场主要由 ADI 和 TI 等美国厂商占据，国内厂商在相关领域的研制仍处在低阶阶段，未来将会存在相关公司研发、扩展和资本合作，这个阶段将会带给优秀公司高速成长的机会。
在国内市场上，电源管理芯片公司竞争较为分散。其中，圣邦微电子、芯朋微电子、士兰微、矽力杰、全志科技、钰泰科技、上海贝岭、南京微盟电子、比亚迪微电子、芯智汇科技、华之美半导体等企业在国内市场占据领先优势。尤其是士兰微、圣邦微电子、芯朋微在国内最为领先，2018年其电源管理芯片销售额分别达6.63亿元、3.4亿元、3.12亿元。
Part.4
芯片的发展趋势及国内企业的机会
1.万物智联带来的机会
物联网可能是当今半导体芯片公司最关心的一个概念。物联网旨在实现几乎所有领域的链接，万物互联。不仅仅如目前智能家居、智能穿戴设备等细分领域，万物互联意味着跨领域的互联互通。
这带来了另一个新词 IoE (Internet of Everything)，一切事物都互联互通。不仅是物理设备，所有的东西都将成为互联网络的一部分。基于庞大的数据量和超强的云计算、边缘计算、AI的力量，一个数字化智能化的世界将赋能整个世界，AIoT、AIoE、万物智联将赋能整个世界。
数据的收集、传输及数据的处理是智能互联三大支柱。万物智联需要大量的传感器收集数据，对应模拟芯片的需求大幅增加；数据的传输推动带动无线通信芯片的发展，WiFi、蓝牙、ZigBee、5G等无线通信芯片将有巨大的发展空间；智能化要求AI芯片起着举足轻重的作用，场景化、差异化场景决定了ASIC作为专用芯片将更加有所作为。
PC时代造就了英特尔、微软，移动互联网时代成就了苹果的第二增长曲线，而在即将到来的智能互联世界是中国企业奋起发力的巨大机会，作为底层核心的芯片是取得世界领先的重中之重。
2.国内企业凭借AI芯片弯道超车，场景落地是关键
赛迪顾问2019年8月发布的《中国人工智能芯片产业发展白皮书》显示，2018年中国AI芯片市场整体规模达到80.8亿元，同比增长50.2%，在全球AI芯片市场占比最大，约占四分之一。
以史为鉴，处理器造就出英特尔、高通两大巨头，存储器造就了三星半导体。AI芯片作为计算最底层的根基，将成为处理器领域最主要的增长动力。
根据Tractica的预测，到2024年深度学习在软件方面的市场价值就将超过104亿美元，硬件和服务方面的收入将会是软件市场规模的数倍以上，而AI芯片是深度学习硬件部分的核心，将有望造就多个百亿美金市值公司。
AI的关键仍然在于如何落地，AIoT的到来带来了更多的应用场景，所以AI企业抓住场景落地的机会，保持算法的优势，打造专用定制化芯片加速场景落地。同时，与传统半导体巨头积极合作、扶植AI芯片架构设计创企是未来实现弯道超车的机遇。
3.国内芯片全产业链布局，国产替代未来可期
国内芯片自主化是提升自身实力，避免受制于他人的必然要求，也是不可逆转的趋势。目前，国内已经在芯片全产业链进行了布局，政策、国家资金都给予芯片产业链极大的支持。
龙芯为代表的微处理器厂商正围绕国产CPU打造芯片生态，力争打造出区别于WIntel和ARM+Android构建的软硬件生态，推动芯片国产化的进程；寒武纪、依图、平头哥、地平线等AI芯片企业也向世界证明着国内AI芯片的内在实力；中芯国际撑起高水平半导体制造业的自主化，进而促成整个设计、制造、封测产业链的完善，同时也为上游的本土半导体设备及材料厂商提供支持；越来越多有实力的方案解决商也不断的加速技术落地，打造智能化、数字化产业，为各行业赋能。
芯片自主不代表要实现芯片的完全国产替代，提升自身芯片实力从而避免受制于人、合作共赢才是芯片国产化的正确方向。
中国芯未来大有可为。