AI芯片的专利战
芯峰科技：首推HLS工具 为AI发展提速
芯峰科技：首推HLS工具 为AI发展提速芯峰科技（广州）有限公司（以下简称芯峰科技）成立于2018年，是一家由国家引进的海外高层次人才、IEEE 会士、具有多年海外工作经验的连续创业者以及国内优秀AI 芯片设计人员联合创立的AI 相关芯片设计企业，主要提供芯片设计工具授权、AI 芯片设计和FPGA （现场可编程门阵列）加速服务等。
2018年6月，芯峰科技入选为广州市第一批AI 在册企业并获评为广州国际人工智能产业研究院（以下简称广州国际AI 研究院）的A 级团队；10月底，芯峰科技正式进驻南沙广州国际AI 研究院，开始了立足南沙、面向全球的“芯”征程。
集聚顶尖创新团队 专注芯片设计作为AI 相关芯片设计企业，芯峰科技拥有一支能够快速反应的资深研发团队以及专业的研发能力。
公司运营与技术负责人张伟、产品与市场负责人陈丰均是海归专业人士。
前者拥有近20年在美国开展大数据、AI 、芯片设计自动化（EDA ）等前沿技术开发与产品运营经验，曾在中美两地创办高科技企业，是业界最早的HLS （高级综合）EDA 工具研发者之一，现已在美国与中国申请大数据及EDA 相关专利多项，并在国际权威刊物发表多篇论文，专业研发能力毋庸质疑；后者则在美国半导体技术、产品和市场方面有着20年经验，曾担任LATTICE SEMICONDUCTOR公司美国市场战略高级经理、三星公司美国开发部高级经理、LSI LOGIC 公司美国高级设计工程师，拥有非常丰富的产品市场经验。
此外，芯峰科技还搭建了一个尖端的技术委员会顾问团队，顾问团队的三位教授都来自国内外知名高校，均是国家引进的海外高层次人才、IEEE 会士或IEEE 高级会员。
他们在芯片与半导体、集成电路研发、人机交互、深度学习、神经网络数字集成电路研究等领域都有着很深的造诣，并已发表相关领域核Chipeak 芯峰产品38专题“ＡＩ＋”为时代赋能创新风采Copyright©博看网 . All Rights Reserved.心论文数十篇，获专利授权十多项。
AI人工智能顶层设计及介绍
AI研究的长期投资战略；（基础研究战略） 开发有效的人类与人工智能合作措施战略；（人机交互战略） AI的伦理、法律和社会学研究战略；（社会学战略） 确保AI系统的安全战略；（安全战略） 开发适用于AI培训和测试的公共共享数据集和环境战略；（数据和环境战略） 通过标准和基准测量和评估AI技术战略；（标准战略） 更好的了解国家AI研发人力需求战略。（人力战略）
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
三、重点任务
一、人工智能顶层设计—解读《新一代人工智能发展规划》
第三应用层的应用平台
在人工智能应用平台领域，中、美两国的互联网企业均推出基于人工智能技术的垂直应用平台。在语音平台上，美国有谷歌的Google assistant、亚马逊的Alexa、IBM的Watson、微软的Cortana、Facebook的D在开放平台的数量上中国不及美国，但从整体布局来看，基本与美国并驾齐驱。
四、资源配置
五、保障措施
一、人工智能顶层设计—解读《新一代人工智能发展规划》
六、组织实施
一、人工智能顶层设计—解读《新一代人工智能发展规划》
一、人工智能顶层设计—美国AI战略家战略层面来布局AI领域的技术研发。卓越的技术研发机构，理论学科以及各类实验室为人工智能的发展奠定了雄厚的技术基础，并且也取得了大批令人瞩目的研发成果。表明政府在推动人工智能技术发展的过程中发挥着重要作用。反过来，人工智能技术能给当今以及未来的美国社会带来巨大的效益，不仅会提高美国的经济活力和生产力，而且能改善民众福利。
半导体技术年度总结(3篇)
第1篇一、引言2023年，全球半导体行业经历了前所未有的挑战与机遇。
从技术突破到市场变革，从国际合作到竞争加剧，半导体技术领域呈现出多元化的发展趋势。
本文将对2023年半导体技术领域的重大事件、创新成果和市场动态进行总结，以期为广大读者提供一幅2023年半导体技术的全景图。
二、技术创新与突破1. 芯片制造工艺- 3nm工艺：台积电宣布成功生产3nm芯片，成为全球首个实现3nm工艺量产的半导体公司。
该工艺采用GAA（栅极全环绕）晶体管技术，大幅提升芯片性能和能效。
- 2nm工艺：三星宣布2025年量产2nm芯片，继续推动半导体工艺创新。
该工艺采用先进的后端供电网络技术和MBCFET架构，进一步提升性能和能效。
2. 芯片设计- Chiplet技术：Chiplet技术成为芯片设计领域的新宠，通过将芯片分割成多个小芯片（Chiplet），实现灵活的设计和快速迭代。
- AI芯片：随着人工智能技术的快速发展，AI芯片需求旺盛。
多家企业推出高性能AI芯片，如华为的昇腾系列、英伟达的A100等。
3. 新材料与器件- 第三代半导体：氮化镓（GaN）和碳化硅（SiC）等第三代半导体材料在功率器件、射频器件等领域得到广泛应用。
- 新型存储器：新型存储器如存储类内存（ReRAM）、铁电存储器（FeRAM）等逐渐走向市场，有望替代传统的闪存和DRAM。
三、市场动态1. 全球半导体市场：2023年，全球半导体市场规模达到5143亿美元，同比增长9.8%。
其中，中国市场占比达到32.2%，成为全球最大的半导体市场。
2. 中国半导体产业：中国政府加大对半导体产业的扶持力度，推动产业快速发展。
2023年，中国半导体产业增加值达到1.1万亿元，同比增长12.4%。
3. 并购与投资：全球半导体行业并购活动频繁，如英特尔收购Mobileye、英伟达收购Arm等。
同时，多家半导体企业获得巨额投资，如高通、台积电等。
四、国际合作与竞争1. 国际合作：全球半导体产业合作日益紧密，如台积电与三星、英特尔与Arm等企业之间的合作。
45家国产 AI 芯片厂商调研分析报告
45家国产AI芯片厂商调研分析报告作者：顾正书，AspenCore资深产业分析师AspenCore声明：感谢安谋科技、合见工软与瀚博半导体在本报告的调研和撰写过程中提供专业的技术指导、应用案例分析和行业洞察。
我们将邀请来自这三家公司的技术专家参与EE直播间在线讲座：Fabless技术和应用系列-AI芯片的设计挑战与应用市场分析。
国内外调研机构、行业专业人士和媒体对AI及AI芯片的技术发展趋势和应用场景都已经做了全面和深入的分析，本报告就不再赘述了。
AspenCore分析师团队主要从以下几个方面对AI芯片产品及国产AI芯片厂商进行深入分析（每个部分单独成篇，请点击浏览相应内容）。
1.AI芯片的设计流程和挑战2.全球AI芯片Top 103.国产AI芯片Top 104.15家国产边缘/端侧AI芯片厂商及其代表产品5.AI芯片价值链6.45家国产AI芯片厂商信息汇总AI芯片的设计流程和挑战芯片是一个产品，同时也是一个服务于商业客户的行业，AI芯片自然也不例外。
一个芯片从无到有通常需要经过定义、设计、制造和流通几个重要环节，除了制造环节会外包给Foundry和封测厂之外，一个芯片设计公司需要做好芯片定义、设计（包含芯片、系统和软件）、寻找客户（渠道建设）几个环节。
简单地说，就是要明确：做什么芯片？怎么做出来？怎么卖出去？无论拥有成熟品牌的大型公司，还是初创公司，同时做好上述三点都是一个很大的挑战。
那么，在AI芯片的不同阶段（规划、设计、验证、流片、板卡/系统集成、应用方案）分别面临什么挑战呢？1.规划阶段。
最大的挑战是如何明确市场定位，规划出最有竞争力的方向。
对于AI芯片设计初创公司来说，在早期阶段就引入战略合作伙伴能更好地理解市场需求，确保开发的AI芯片符合客户需要。
同时，在规划阶段就要软件和硬件协同开发，因为AI芯片设计在很大程度上是软件定义硬件。
如果硬件对软件和应用需求不友好，单纯从性能指标上看起来可能很好，但却很难实现产品化。
m_agination发布B系列G_PU_IP，支持本土芯片的图形渲染和AI创新——访Imagina
op Interview高端访谈Imagination发布B系列GPU IP，支持 本土芯片的图形渲染和AI创新——访Imagination Technologies副总裁兼中国区总经理刘国军王 莹 （《电子产品世界》编辑，北京 100038）编者按：由于众所周知的原因，芯片供应链的安全成为了热点话题。
GPU是实现图形渲染和AI的关键芯片之一。
2020年10月，英国Imagination Technologies公司在京举办了IMG B系列GPU IP发布会，介绍了B系列的特点，并探讨了本土芯片设计企业的特点及用IP的挑战与机遇。
1 GPU多核是否是趋势此次发布的B系列的一个亮点是增加了多核技术，那么，多核技术架构是否会成为未来主流的一种技术趋势？的确，应该在单核和多核之间达到一种平衡。
单核模块对细节的优化是非常高效的。
但是如果把单核做得过大，对布局、设计和扩展就比较难做的。
多核能带来更好的扩展效果、设计和布局。
这就是为什么在多核方面有很多的模块，以应对不同的市场。
B系列有4款产品，分别面向低、中、高和汽车应用（图1），以匹配不同的专业市场。
另一方面，市面上GPU的工作负载也有很大的改变，越来越多样化，有图形渲染的需求，计算的需求，更大更小的需求，这就带来了GPU的布局和架构变化的需求。
多核架构能更好地实现最优化，以满足不同GPU工作负载的布局。
而单核/单片平台对大工作负载是有效的，但对于小工作负载的效率很低。
因此，Imagination的灵活多变的动态的多核架构，可以把大的工作负载来细分，切分成不同的小的工作负载，并且同时进行操作。
这对多样性和灵活度来说都是有好处的。
同时从单核、多核趋势角度来看，GPU的这种多核趋势是和CPU之前的向多核发展的趋势是类似的。
所以此次发布的B系列是多核架构，它更加灵活，而且更加具有动态性，所以不仅仅能带来更好的渲染/性能，同时降低了功耗，还有可以满足chiplet（小芯片）需求。
燧原科技：超强算力赋能通用AI_前沿生态构建
以ChatGPT为代表的大模型及AIGC应用通过智能搜索引擎、个性化推荐系统，及智能对话、自动翻译、图像生成等前沿应用，为数字经济的未来描绘出多彩画卷。
在科研领域，大模型的应用潜力尤为引人瞩目，科研人员需要面对海量数据和文献，进行复杂模拟和计算，而大模型能够迅速处理分析相关数据，挖掘隐匿其后的规律趋势。
如药物研发领域，对海量药物分子结构数据进行训练，可以快速预测具有潜在药效的化合物，加速新药研发过程；天文领域，大模型可以分析观测数据，帮助科超强算力赋能通用AI 前沿生态构建文 郭斌 高平 陈超以ChatGPT 为代表的大模型及AIGC 应用开启了数字时代的全新未来，强大技术引擎在深刻改变人们生产生活方式同时，也对数字技术、算力提出了更高要求。
燧原科技CloudBlazer MATRIX 智算集群面向AIGC 时代对超大规模算力的迫切需求，以超高性能、超强算力，助力上海打造通用AI 前沿生态，展现出卓越的AI 创新影响力，在2023世界人工智能大会（WAIC 2023）上斩获“SAIL 之星”大奖。
学家发现新的恒星、行星，探索宇宙奥秘……这些复杂应用都需要强大的算力支持，因此具有自主知识产权的AI算力底座至关重要。
云燧智算集群：夯实AIGC时代算力底座作为国内领先的AI算力提供商，燧原科技自2021年3月就从前瞻布局角度出发，与浙江省省级科技创新平台之江实验室成立了“之江-燧原联合创新研究中心”。
双方锚定国内领先、世界一流目标，在人工智能算力方面联合发力，随后基于燧原科技面向AIGC大模型训练的云燧智算集群（CloudBlazer MATRIX），研发了全球首个基于开放计算规范的千卡规模液冷智能计算机“之江天目”。
“之江天目”智能计算集群具备FP32和FP16PUE（Power Usage色低碳环保的战略要求。
“之江天目”异构智能计算集群云燧智算集群在多个方面为大模型科研提供核心价值：首先，通过燧原科技自主研发的AI芯片，产品能够支持超大规模的训练任务，满足通用人工智能时代对于算力的高需求。
AI芯片技术的选型说明
AI芯⽚技术的选型说明AI芯⽚技术的选型说明⼀、背景与意义当前随着⼈⼯智能理论和技术的⽇益成熟，应⽤范围不断扩⼤，⽬前已⼴泛应⽤于计算机科学、⾦融贸易、医药、诊断、重⼯业、运输、远程通讯、在线和电话服务、法律、科学发现、玩具和游戏、⾳乐等诸多⽅⾯。
算⼒作为承载⼈⼯智能应⽤的平台和基础，其发展推动了整个⼈⼯智能系统的进步和快速演进，是⼈⼯智能最核⼼的要素之⼀。
以⼈⼯智能应⽤为主要任务的，⾯向智能计算的处理器的相关设计⽅法与技术已成为国内外⼯业界和学术界共同⾓逐的热点，国内外企业纷纷布局AI芯⽚。
AI芯⽚的应⽤场景不再局限于云端，部署于智能⼿机、安防摄像头、及⾃动驾驶汽车等终端的各项产品⽇趋丰富。
除了追求性能提升外，AI芯⽚也逐渐专注于特殊场景的优化。
为了进⼀步促进供需对接，为AI芯⽚供应商和需求商提供交流的平台，中国⼈⼯智能产业发展联盟（以下简称“AIIA”或联盟）计算架构与芯⽚推进组启动“AI芯⽚技术选型⽬录”（以下简称“选型⽬录”）的⼯作，希望为AI 芯⽚的可持续发展，服务和促进相关产业发展壮⼤贡献⼀份⼒量。
⼈⼯智能芯⽚按照⽬前的应⽤场景来看，主要分为训练和推断两类场景，按部署位置⼜可分为云端、边缘和终端。
AIIA“AI芯⽚技术选型⽬录”具体根据应⽤场景与部署位置，包含云端训练、基于云端、边缘和终端推断的四⼤产品形态。
⼜依据⾏业应⽤，AI芯⽚技术选型⽬录根据垂直应⽤场景如图3所⽰给出。
AI芯⽚根据⾏业应⽤分类图⼆、云端训练技术概述百度昆仑1芯⽚⾯向AI通⽤计算，基于百度XPU架构，既可以⽤于训练，也可以⽤于推理，能全⾯⽀持语⾳，图像，⾃然语⾔处理等应⽤。
技术指标百度昆仑1芯⽚基于百度XPU架构，采⽤三星14nm⼯艺，HBM2和PCIE4.0等技术，给⽤户提供⾼性能、⾼带宽、低功耗、⾼灵活性、⾼度可编程等优势。
产品信息应⽤案例百度ERNIE模型，应⽤于翻译、搜索排序等场景。
百度⽹盘⾥的图像模型；百度云主机；百度云的⼯业质检客户。
AI技术流派
AI芯片四大流派1)GPU，凭借并行计算形成先发优势。
2)FPGA，成熟芯片的新应用。
3)ASIC，占领了大片市场，参与公司林立。
4)类脑芯片，后起之秀。
GPU在当前的人工智能芯片领域，GPU的应用领域不容小觑，据Jon Peddie Research（简称JPR）市场调研公司统计，在2008至2015年期间，除了2008年GPU市场规模稍有下降，其余年份全球独立显卡的出货量和销售额都呈现出明显的上升趋势，并且在2012至2015年有加速上升的表现。
市场上名气最大的是GPU。
GPU，也称视觉处理器，专门用于图像及相关处理的芯片。
2012年，多伦多大学的博士研究生Alex Krizhevsky提出的模型引发了GPU训练神经网络的风潮。
与CPU相比，GPU 出现得远比CPU 晚，但并行计算能力能却常令CPU望尘莫及。
并行计算一次可执行多个指令的算法，解决方式可分为时间上的并行和空间上的并行。
时间上的并行就是指流水线技术，而空间上的并行则是指用众多个处理器并发的执行计算。
GPU领域只有两大公司，一是英伟达，占市场份额约7成，另一位则是AMD，占市场份额约3成。
从GPU用户数量来看，根据英伟达2016年的财务报告，相比2013年的100家，2014年的1549家，2015年已有3409家机构或企业使用英伟达的GPU产品，从事人工智能的研究。
这些企业和机构包括各大高等院校的人工智能实验室，互联网企业，军事企业等。
AMD虽然落后于英伟达，但2016年的市场份额已呈现出上升趋势，在发布了代号Vega 织女星的GPU芯片，市场反应很好，未来可能有继续上升的趋势。
不足的是，GPU 的很费电（比如高端显卡可达200W+），一旦开启，散热就成了麻烦。
FPGAGPU成本太高而且降温是大个问题。
赛灵思等公司改进了FPGA许多技术，使之价格便宜功耗又很低。
于是，FPGA的AI芯片越来越多，形成了AI芯片的另一主流。
简单来说，FPGA 全称“现场可编程门阵列”，其基本原理是在FPGA 芯片内集成大量的数字电路基本门电路以及存储器，而用户可以通过更新FPGA 配置文件，来定义这些门电路以及存储器之间的连线。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
AI芯片的专利战
随着人工智能（AI）技术的飞速发展，AI芯片作为关键的技术核心，成为了各大科技公司之间激烈争夺的焦点。
在这个充满竞争的市场中，专利成为了科技巨头们展开战斗的有力武器。
一、AI芯片行业的兴起
AI芯片作为支撑人工智能技术发展的核心技术，其在科技行业具有广泛的应用前景。
人工智能技术被应用在各个领域，如自动驾驶、语
音识别、机器人等。
为了满足对处理能力和能效的需求，AI芯片的研
发成为了科技公司的重中之重。
二、专利保护的重要性
在AI芯片的开发过程中，各大科技公司追求技术的领先地位和商
业利益的最大化。
而专利是确保技术突破和商业价值的关键保障。
拥
有高质量的专利能够保护技术独特性，防止他人模仿或盗用创新成果，精确定义技术边界，为公司在市场竞争中占据优势地位提供支持。
三、AI芯片领域的专利战
1. 专利数量的竞争
在AI芯片领域中，各家科技巨头纷纷加大了对专利申请的投入。
由于专利申请、审查和授权需要一定的时间，科技公司之间展开专利
的角逐成为了一种常态。
专利数量的竞争不仅代表了公司技术实力的
一种表现，更象征着公司在AI芯片领域的话语权。
2. 专利质量的竞争
除了数量，专利质量也是决定专利竞争力的重要因素。
高质量的专利不仅能够在技术创新上给予公司较强的法律保护，还能为公司提供与其他巨头进行技术授权交流的筹码。
因此，科技公司纷纷加大对AI 芯片技术的研究和创新，以积累高质量专利，提升自身在专利战争中的竞争力。
3. 专利交叉许可的策略应用
为了降低专利战争可能带来的法律纠纷和资源浪费，AI芯片领域的科技公司开始采取专利交叉许可的策略。
通过相互授权，各科技公司可以分享彼此的技术成果，进一步推动整个行业的发展和创新。
专利交叉许可旨在形成一个合作共赢的局面，避免专利战争对整个行业的不利影响。
四、专利战对AI芯片技术发展的影响
专利战虽然在一定程度上促进了AI芯片技术的发展和创新，但也存在一些负面影响。
首先，专利的排他性保护可能阻碍了行业的进一步合作与发展。
其次，专利战可能导致技术研发的集中化，限制了技术的多元发展。
此外，专利战还可能引发公司之间的恶性竞争，从而造成资源的浪费和市场的不稳定。
总结：
随着AI芯片技术的不断进步和广泛应用，专利战成为了科技公司之间争夺技术优势和商业利益的重要手段。
通过增加专利数量、提高
专利质量以及采取专利交叉许可等策略，科技巨头们在AI芯片领域展开激烈的竞争。
然而，专利战也给整个行业带来了一定的负面影响。
因此，在专利竞争的同时，科技公司应该注重行业合作，共同推动AI 芯片技术的更好发展。