是很簡單的數學題，7奈米流片大概要三千萬美元，Fabless設計晶片只需頂多五十人，薪水頂多一千至一千五百萬美元，如果你能付三千萬流片費，一千五百萬算什麼？而且設計公司也不敢冒險投三千萬美元去流片...

另一方面、設計公司為了分散風險，會把多個客戶的要求放進去，做成臃腫不堪的設計。自硏晶片可用獨家要求最佳化。

供貨方面，如單一供應商會受制於人，也不保密。晶片設計公司會把客戶的點子變相地提供給全世界。自硏可保密，保持效能的獨特性。

X86時代終將成為過去式，RISC正在走入歷史舞臺的中央。

三國演義中有一句名言：“話說天下大勢,分久必合,合久必分”，這句話說出了一個國家的歷史程序，而這句話同樣也很適用於晶片行業，目前晶片行業已經走入了另外一個全新的時代。

在半導體行業剛剛出現的那幾年，由於技術以及專利壁壘的存在，當時的半導體行業其實是一個非常封閉的產業，一個晶片公司要完成諸如電路設計，晶原加工，晶片生產，流片測試以及封裝等所有的流程。譬如英特爾和早期的AMD就是這樣一家全能型的企業。

而英特爾和AMD之所以能夠統治晶片行業幾十載其主要的原因就是他們手握了X86複雜指令集（AMD的X86專利是英特爾迫於當時美國ZF的壓力而主動轉讓的）的智慧財產權並且還和最大的系統服務提供商微軟進行了深度的合作，讓X86指令整合為電腦行業的標準，從而也實現了一個從硬體到系統再到生態體系的絕對壟斷，其他同類型企業很難在這種情況下和英特爾以及AMD做對抗，世界範圍內的電腦晶片也基本上就是這倆在窩裡鬥，賺的是盆滿缽滿。

然而隨著時間的推移，智慧手機突然橫空出世，以一種不可思議的速度迅速普及，目前已經超越了個人電腦成為了普及率最高的電子裝置，而伴隨智慧手機而來的是一種全新的指令集——RISC精簡指令集。

相比於X86指令集，RISC精簡指令集的指令

更精簡，執行效率更高而且對於硬體效能的要求很低，更適合於手機這個無源的裝置，也正是因為如此，RISC精簡指令集就成為了智慧手機晶片的不二選擇，而經過長時間的衍變和行業洗牌以後，ARM公司所主導的ARM指令整合為了智慧手機行業的標準，目前幾乎所有的手機晶片都是基於ARM指令集下的產物。

相比於封閉的不對外授權的X86指令集來說，ARM指令集是完全開放的，是可以對所有客戶出售的，而且任何版本都可以一次性的買斷，這對於晶片公司來說免去了很多的後顧之憂。

另外一方面，以臺積電和三星為首的晶片代工企業也在悄然的崛起，這些代工企業的崛起也為半導體行業的後來者們降低了行業得入門門檻，一個半導體公司只需要負責設計晶片的電路圖就可以了，其他諸如晶圓的提純，晶片生產，封裝等等都可以交給代工廠了，所投入的成本大大降低。在這種情況下，晶片IC設計公司大量出現，譬如高通，蘋果，華為海思，聯發科等都是這型別的代表。

那麼在這種情況下，手機行業，晶片行業，精簡指令集行業就形成了一條非常良心的動態迴圈，ARM指令集也在這個過程中不斷的完善，發展至今ARM的精簡指令集已經擁有與X86複雜指令集一較高下的實力。

在這種情況下，ARM精簡指令集入侵英特爾所主導的PC領域是遲早的事，而蘋果依靠其強大的生態體系率先打仗了第一槍——研發了一款基於ARM架構的M1晶片並且順利的搭載到了全新的MacBook上。

在這個期間，X86的主導者英特爾和AMD則顯得有些無能為力，對於他們而言，放棄X86指令集無異於自殺，而想要在短期內打造出一個可以媲美ARM指令集的精簡指令集根本不現實。

自己設計晶片的好處是很多的，首先是後期成本低廉，不需要考慮晶片的盈利問題其次就是和自家產品的適配問題了，自己設計晶片就可以根據自家裝置所需要的功能以及面相的人群加以定製開發，譬如華為的RYYB感光陣列就需要處理器在底層做支援。

在這種情況下，巨頭們開始在晶片行業紮根也是一個正常的事情。

而且還有一個最重要的因素，那就是完全免費開源的RISC-v指令集正在逐步的發揚光大，相比於ARM指令集還需要收費授權的方式來說，RISC-V指令集不僅成本低而且還沒有被卡脖子的風險。在未來，RISC-V很有可能就會成為晶片行業的主導者。

總的來說吧，晶片行業已經處於一個歷史的變革期了，任何情況都很有可能發生，這對於我們中國半導體行業是一個更好的事情。

End 希望可以幫到你

“拳打英特爾、腳踢英偉達”的大戲才剛剛開始，“軟體和專用晶片定義資料中心”時代開啟，軟體市場早已呈現出百花齊放的狀態，而晶片市場也將由統一標準晶片進入到專用晶片時代。蘋果、華為、三星等晶片自研自用；亞馬遜推出自研AI晶片Inferentia，來挑戰英偉達，推出自研CPU晶片Graviton，目標直指英特爾；谷歌也早早推出自家AI晶片TPU；特別提到華為，華為也自研了CPU晶片鯤鵬和AI晶片昇騰，一家單挑英特爾和英偉達；百度明年即將釋出的崑崙2晶片，採用7nm工藝，效能超強；此前阿里平頭哥也推出含光800晶片。

自研專用晶片成為AI人工智慧時代網路巨頭的標配

趨勢總是在不經意間因為人們的行動的相對一致性而產生，而科技所引領的趨勢，在巨頭時代變得異常確定，當巨頭們都不約而同地一致性地做類似或相同的事情的時候，這個趨勢便形成了，甚至是不可逆轉的。Ai人工智慧雖然還存在著諸多爭議，但顯然這已經完全是技術應用層面的事情了，沒有人再懷疑AI人智慧時代的大趨勢，幾乎所有巨頭尤其是網際網路巨頭都在為AI人工智慧可能隨時爆發出來的驚人商業潛力而做著蓄積和努力。

當人們進入到萬物網際網路和AI人工智慧時代之後，再用軟體定義資料中心已經不再現實，計算和深度學習已經成為需求的核心，於是自然而然地便過度到“軟體+專用晶片”定義資料中心，無論巨頭們做的事情是什麼，都需要擁有自己的專用晶片，比如做電商的亞馬遜和阿里巴巴，再比如做人工智慧和無人駕駛的谷歌和百度，再比如做雲計算的亞馬遜、微軟、阿里、華為、百度等，不同的專用晶片加上軟體，共同定義了不同專業的資料計算和深度學習中心，服務於不同的網際網路場景和需求。

這是物聯網和人工智慧時代區別於此前的傳統網際網路時代，現在這個時代是專業化的網際網路資料中心，過去的時代是標準化的網際網路資料中心。

百度智慧晶片總經理歐陽劍此前也從技術架構角度分析：IT的每個發展階段都有獨特的晶片處理架構，例如大型機和小型機時代，晶片是定製架構；PC+網際網路時代，是X86架構佔主流；移動+雲的時代，主流架構變成Arm和X86共存，其中Arm佔領移動端，X86佔領伺服器端；AI+智慧雲的時代，則出現了全新的晶片架構，即AI晶片。

因此，我們大概總結一下，促使網際網路科技巨頭們自研晶片的原因有如下幾點：

1、通用CPU通常不適用於處理機器學習演算法和處理影象等任務。

2、專業的任務和需求需要專用的晶片來完成計算和處理。

3、這種“私人訂製”的晶片，更能滿足巨頭們在各自專業領域的優勢和競爭力的形成。

4、專用晶片需求的增加，使它可以有效降低成本，甚至透過技術的加持可以降低未來的商業運營成本。

5、各家只需要設計符合自身專業需求的晶片，然後交給臺積電、三星、中芯國際這樣的晶片製造商來完成，實現起來的難度大大降低。

舉例來說，以阿里平頭哥含光800晶片為例，傳統GPU處理每天新增的10張商品圖片，需要60分鐘，而含光則只需要5分鐘的時間。這就是自研晶片能夠做到的獨特專屬計算和處理能力的體現。

當然，對於百度這樣的全球頂級AI人工智慧公司來說，其AI晶片的重要性就不言而喻了，比如百度的崑崙晶片，可以應用於AI人工智慧的各個領域，尤其是令人興奮的應用點便是智慧製造，即所謂的工業網際網路。此前，3月15日，百度崑崙晶片正式在微億智造的工業智慧質檢裝置上部署上線。而百度崑崙還將在更多場景中部署應用，百度的AI能力將成為“新基建”的重要基礎，推動工業製造業的產業智慧化升級。

是很簡單的數學題，7奈米流片大概要三千萬美元，Fabless設計晶片只需頂多五十人，薪水頂多一千至一千五百萬美元，如果你能付三千萬流片費，一千五百萬算什麼？而且設計公司也不敢冒險投三千萬美元去流片...

另一方面、設計公司為了分散風險，會把多個客戶的要求放進去，做成臃腫不堪的設計。自硏晶片可用獨家要求最佳化。

供貨方面，如單一供應商會受制於人，也不保密。晶片設計公司會把客戶的點子變相地提供給全世界。自硏可保密，保持效能的獨特性。

X86時代終將成為過去式，RISC正在走入歷史舞臺的中央。

三國演義中有一句名言：“話說天下大勢,分久必合,合久必分”，這句話說出了一個國家的歷史程序，而這句話同樣也很適用於晶片行業，目前晶片行業已經走入了另外一個全新的時代。

在半導體行業剛剛出現的那幾年，由於技術以及專利壁壘的存在，當時的半導體行業其實是一個非常封閉的產業，一個晶片公司要完成諸如電路設計，晶原加工，晶片生產，流片測試以及封裝等所有的流程。譬如英特爾和早期的AMD就是這樣一家全能型的企業。

而英特爾和AMD之所以能夠統治晶片行業幾十載其主要的原因就是他們手握了X86複雜指令集（AMD的X86專利是英特爾迫於當時美國ZF的壓力而主動轉讓的）的智慧財產權並且還和最大的系統服務提供商微軟進行了深度的合作，讓X86指令整合為電腦行業的標準，從而也實現了一個從硬體到系統再到生態體系的絕對壟斷，其他同類型企業很難在這種情況下和英特爾以及AMD做對抗，世界範圍內的電腦晶片也基本上就是這倆在窩裡鬥，賺的是盆滿缽滿。

然而隨著時間的推移，智慧手機突然橫空出世，以一種不可思議的速度迅速普及，目前已經超越了個人電腦成為了普及率最高的電子裝置，而伴隨智慧手機而來的是一種全新的指令集——RISC精簡指令集。

相比於X86指令集，RISC精簡指令集的指令

更精簡，執行效率更高而且對於硬體效能的要求很低，更適合於手機這個無源的裝置，也正是因為如此，RISC精簡指令集就成為了智慧手機晶片的不二選擇，而經過長時間的衍變和行業洗牌以後，ARM公司所主導的ARM指令整合為了智慧手機行業的標準，目前幾乎所有的手機晶片都是基於ARM指令集下的產物。

相比於封閉的不對外授權的X86指令集來說，ARM指令集是完全開放的，是可以對所有客戶出售的，而且任何版本都可以一次性的買斷，這對於晶片公司來說免去了很多的後顧之憂。

另外一方面，以臺積電和三星為首的晶片代工企業也在悄然的崛起，這些代工企業的崛起也為半導體行業的後來者們降低了行業得入門門檻，一個半導體公司只需要負責設計晶片的電路圖就可以了，其他諸如晶圓的提純，晶片生產，封裝等等都可以交給代工廠了，所投入的成本大大降低。在這種情況下，晶片IC設計公司大量出現，譬如高通，蘋果，華為海思，聯發科等都是這型別的代表。

那麼在這種情況下，手機行業，晶片行業，精簡指令集行業就形成了一條非常良心的動態迴圈，ARM指令集也在這個過程中不斷的完善，發展至今ARM的精簡指令集已經擁有與X86複雜指令集一較高下的實力。

在這種情況下，ARM精簡指令集入侵英特爾所主導的PC領域是遲早的事，而蘋果依靠其強大的生態體系率先打仗了第一槍——研發了一款基於ARM架構的M1晶片並且順利的搭載到了全新的MacBook上。

在這個期間，X86的主導者英特爾和AMD則顯得有些無能為力，對於他們而言，放棄X86指令集無異於自殺，而想要在短期內打造出一個可以媲美ARM指令集的精簡指令集根本不現實。

自己設計晶片的好處是很多的，首先是後期成本低廉，不需要考慮晶片的盈利問題其次就是和自家產品的適配問題了，自己設計晶片就可以根據自家裝置所需要的功能以及面相的人群加以定製開發，譬如華為的RYYB感光陣列就需要處理器在底層做支援。

在這種情況下，巨頭們開始在晶片行業紮根也是一個正常的事情。

而且還有一個最重要的因素，那就是完全免費開源的RISC-v指令集正在逐步的發揚光大，相比於ARM指令集還需要收費授權的方式來說，RISC-V指令集不僅成本低而且還沒有被卡脖子的風險。在未來，RISC-V很有可能就會成為晶片行業的主導者。

總的來說吧，晶片行業已經處於一個歷史的變革期了，任何情況都很有可能發生，這對於我們中國半導體行業是一個更好的事情。

End 希望可以幫到你

“拳打英特爾、腳踢英偉達”的大戲才剛剛開始，“軟體和專用晶片定義資料中心”時代開啟，軟體市場早已呈現出百花齊放的狀態，而晶片市場也將由統一標準晶片進入到專用晶片時代。蘋果、華為、三星等晶片自研自用；亞馬遜推出自研AI晶片Inferentia，來挑戰英偉達，推出自研CPU晶片Graviton，目標直指英特爾；谷歌也早早推出自家AI晶片TPU；特別提到華為，華為也自研了CPU晶片鯤鵬和AI晶片昇騰，一家單挑英特爾和英偉達；百度明年即將釋出的崑崙2晶片，採用7nm工藝，效能超強；此前阿里平頭哥也推出含光800晶片。

自研專用晶片成為AI人工智慧時代網路巨頭的標配

趨勢總是在不經意間因為人們的行動的相對一致性而產生，而科技所引領的趨勢，在巨頭時代變得異常確定，當巨頭們都不約而同地一致性地做類似或相同的事情的時候，這個趨勢便形成了，甚至是不可逆轉的。Ai人工智慧雖然還存在著諸多爭議，但顯然這已經完全是技術應用層面的事情了，沒有人再懷疑AI人智慧時代的大趨勢，幾乎所有巨頭尤其是網際網路巨頭都在為AI人工智慧可能隨時爆發出來的驚人商業潛力而做著蓄積和努力。

當人們進入到萬物網際網路和AI人工智慧時代之後，再用軟體定義資料中心已經不再現實，計算和深度學習已經成為需求的核心，於是自然而然地便過度到“軟體+專用晶片”定義資料中心，無論巨頭們做的事情是什麼，都需要擁有自己的專用晶片，比如做電商的亞馬遜和阿里巴巴，再比如做人工智慧和無人駕駛的谷歌和百度，再比如做雲計算的亞馬遜、微軟、阿里、華為、百度等，不同的專用晶片加上軟體，共同定義了不同專業的資料計算和深度學習中心，服務於不同的網際網路場景和需求。

這是物聯網和人工智慧時代區別於此前的傳統網際網路時代，現在這個時代是專業化的網際網路資料中心，過去的時代是標準化的網際網路資料中心。

百度智慧晶片總經理歐陽劍此前也從技術架構角度分析：IT的每個發展階段都有獨特的晶片處理架構，例如大型機和小型機時代，晶片是定製架構；PC+網際網路時代，是X86架構佔主流；移動+雲的時代，主流架構變成Arm和X86共存，其中Arm佔領移動端，X86佔領伺服器端；AI+智慧雲的時代，則出現了全新的晶片架構，即AI晶片。

因此，我們大概總結一下，促使網際網路科技巨頭們自研晶片的原因有如下幾點：

1、通用CPU通常不適用於處理機器學習演算法和處理影象等任務。

2、專業的任務和需求需要專用的晶片來完成計算和處理。

3、這種“私人訂製”的晶片，更能滿足巨頭們在各自專業領域的優勢和競爭力的形成。

4、專用晶片需求的增加，使它可以有效降低成本，甚至透過技術的加持可以降低未來的商業運營成本。

5、各家只需要設計符合自身專業需求的晶片，然後交給臺積電、三星、中芯國際這樣的晶片製造商來完成，實現起來的難度大大降低。

舉例來說，以阿里平頭哥含光800晶片為例，傳統GPU處理每天新增的10張商品圖片，需要60分鐘，而含光則只需要5分鐘的時間。這就是自研晶片能夠做到的獨特專屬計算和處理能力的體現。

當然，對於百度這樣的全球頂級AI人工智慧公司來說，其AI晶片的重要性就不言而喻了，比如百度的崑崙晶片，可以應用於AI人工智慧的各個領域，尤其是令人興奮的應用點便是智慧製造，即所謂的工業網際網路。此前，3月15日，百度崑崙晶片正式在微億智造的工業智慧質檢裝置上部署上線。而百度崑崙還將在更多場景中部署應用，百度的AI能力將成為“新基建”的重要基礎，推動工業製造業的產業智慧化升級。