10月17日夜间，美国又开始收紧制裁了，引发行业众怒。

一方面，在AI芯片禁令中加入了三条新规：

1. 把性能密度作为出口管制标准，即单芯片超过300teraflops算力/性能密度超过每平方毫米370 gigaflops芯片都会禁止，同时，英伟达A100/A800/H800/H800/L40/L40S/RTX4090、英特尔Gaudi 2、AMD计划的中国版GPU等特供版AI芯片的供应；
2. 先进芯片出口许可范围扩大到40多个国家；
3. 对21个国家提出芯片制造设备许可要求，全面限制中国的14nm以下先进芯片制造能力。

另一方面，将壁仞、摩尔线程等国产AI芯片公司列入实体清单。

美国的疯狂程度令人咋舌，连比H100效率低十倍的RTX4090都不放过。故技重施，不断用小手段干扰国产发展，这从侧面说明，国产AI芯片发展迅速，现在开始，再也不能小看国产的力量了。

虽然我们每天都在茶余饭后攀谈AI芯片，但实际上，大部分人对于AI芯片并没有什么实际的概念，加之厂商直接以“AI芯片”命名，所以很难与器件关联挂钩。

所谓AI芯片，顾名思义，就是计算AI算法的芯片。AI算力需求究竟有多夸张？据OpenAI测算，2012年开始，全球AI训练所用计算量呈现指数增长,平均每3.43个月便会翻一倍，目前计算量已扩大30万倍，远超算力增长速度。

计算任何算法的芯片，都归属于AI芯片，这既包括最具代表性的深度神经网络（Deep Neural Network，简称DNN）、循环神经网络（Recurrent Neural Network，简称RNN）、卷积神经网络（Convolutional Neural Network，简称CNN），也包括与人脑更为类似的脉冲神经网络 (Spiking Neural Network，简称SNN) 。

理论来说，任何数字芯片都能算AI，毕竟数字芯片，就是算数的芯片，但如果效率巨低、能耗巨大，就没有意义了。就比如说，CPU作为中央处理器，什么类型计算都能胜任，但计算AI的效率明显没有GPU高，所以服务器中都是使用CPU+GPGPU的形式，让GPGPU作为AI计算的主力。

此外，很多MCU中也会搭载DSP或者NPU来增强AI计算能力，但这种芯片一般不会单独叫做AI芯片，毕竟它们针对的场景并非大规模AI算法，也并非堆砌AI算力的主力，而是靠近边缘的AI算力。

因此，按照上述分类方法，AI芯片主要分为GPGPU（通用图形处理器）、FPGA（可编程逻辑器件）、ASIC（专用集成电路）、存算一体和类脑芯片几种。根据在网络中的位置，又可以分为云端AI芯片 、边缘和终端AI芯片。

1. GPGPU：与GPU不同，GPGPU就是将GPU图形显示部分“摘掉”，全力走通用计算，特别适合用在深度学习训练方面；
2. FPGA：可编程的灵活性是任何其它计算芯片无法替代的，同时它在AI领域也具备一定计算能力，但相对来说，FPGA的成本就相对高一些了，而且FPGA开发也很难，软件生态没有GPGPU的CUDA那么方便；
3. ASIC：性能强、功耗低，Gaudi 2就是一种ASIC，NPU也是加入神经单元的一种ASIC，不过针对特定算法计算，算法是无法修改的，想要做另一种算法就要再造一种ASIC芯片，前期开发需要FPGA辅助进行；
4. 存算一体：能耗比极佳，能够突破存储墙和功耗墙，但目前只在自动驾驶领域有商业化；
5. 类脑计算：性能更强、功耗更低，算法也变成了SNN，但全世界都在研究之中，还未商业化。

适用于AI计算芯片主要类型

类脑芯片主要类型和研发进度

首先，是GPU方面，天下苦英伟达已久。

多家媒体报道显示，英伟达的数据中心GPU价格贵得惊人，国产还难以替代，此外今年6月起，英伟达就曾多次涨价。

国内GPU融资高峰期主要在2020年，到现在GPU相关融资总额已超过200亿元。仅2020年~2021年，GPGPU领域就有近20起融资事件发生。

目前来看，初创公司如芯瞳半导体、芯动科技、摩尔线程、天数智芯、壁仞科技均产品陆续推出产品，并获好评，龙芯中科、海光信息、寒武纪、芯原股份几家上市公司也持续耕耘GPU业务。不止如此，也均在替代CUDA上做了一些工作。

国产GPU厂商不完全统计

其次，在ASIC方面，分为多种玩家。

一种是专门设计制造ASIC的公司，包括寒武纪、地平线、耐能科技等厂商，分别专注AI芯片的细分领域，采用“大客户捆绑”模式进入大客户供应链。

另一种，是各种跨界选手：vivo先于2021年9月发布ISPV1，再于2022年4月发布升级产品V1＋，并在2022年11月发布V2；OPPO在2021年12月发表能强化手机图像处理性能的NPU MariSilicon X，之后在2022年12月揭露采用台积电6nm RF制程的蓝牙音讯SoC MariSilicon Y；阿里巴巴在2019年9月发布AI芯片含光800。

国内ASIC芯片玩家不完全统计

FPGA方面，电子工程世界历史文章《英特尔分拆FPGA业务，国产发展几何？》中介绍，目前国内与FPGA相关研发企业数量超过28家，其中已在A股上市的企业包括复旦微电子、安路科技、航锦科技，成都华微电子上市“已问询”。此外，紫光同创、高云半导体、京微齐力、中科亿海微、智多晶、遨格芯微、易灵思的表现值得关注。

具体来说，复旦微电在国内较早推出亿门级FPGA，新一代十亿门级产品正在研发中，并且有可编程片上系统的技术储备；紫光同创覆盖高、中、低端等多层次FPGA市场；安路科技在FPGA/集成CPU、FPGA、数据处理专用引擎等单芯片产品方面都有储备，量产供货产品已覆盖100K以内的逻辑单元规模，并且PHOENIX1 系列中逻辑单元为 400K 的新产品已成功流片；京微齐力基于22nm工艺制程的FPGA已成功量产；易灵思基于RISC-V软核的FPGA已商用，并在16nm、40nm有长期的产品规划。

通过对比国际尖端产品，核心参数差距依然较大。虽然大器晚成，不过，国内也非常注重软件生态的建设。

除此之外，百度也曾经使用FPGA做AI加速，此后又推出专用于AI计算的昆仑芯（开始是FPGA，后来是基于FPGA的XPU）。

国内FPGA企业不完全统计

存算一体芯片方面，电子工程世界在历史文章《清华研发出“全球首颗”，这种芯片要火了？》中介绍，前几年，国内涌现了大量存算一体公司，这批公司在两年前大多还处在A轮以前，彼时多家公司获亿元融资，短短两年时间许多明星公司又获2~3轮新融资，赛道热度依旧，资本依然看好这项新技术。

并且，有很多产品也逐渐浮现：

1. 今年5月，后摩智能正式发布首款存算一体智驾芯片——鸿途H30。12nm工艺制程下，该芯片物理算力达256TOPS，在Int8全精度的计算提供下，计算延时只有1.5ns，能效比为30~150TOPS/W，比业界同等精度计算条件下的水平提高了3倍以上，而且它是车规量产支持L4，而这也存算一体在大算力这一领域走在了前列；
2. 苹芯科技已开发实现多款基于SRAM的存内计算加速单元，致力于为人工智能行业提供了低成本、高效率、低能耗、高性能的芯片解决方案；
3. 九天睿芯拥有自有专利的模拟预处理与6T SRAM存算一体技术，解决了传统计算架构的瓶颈和耗电散热难题，做到更低的延迟和更快的处理速度；
4. 达摩院研发的存算一体芯片是全球首次采用混合键合(Hybrid Bonding)的3D堆叠技术，将计算芯片和存储芯片 face-to-face 地用特定金属材质和工艺进行互联。

国内存算一体芯片企业不完全统计

类脑芯片方面，全球范围内，参与神经形态计算芯片开发的机构主要包括三类：英特尔、IBM、高通等为代表的科技巨头企业，斯坦福、清华为代表的高校/研究机构以及初创企业。

国内研究则包括清华大学、浙江大学、复旦大学、中科院等顶级学府和机构，同时近两年不断涌现初创公司，如灵汐科技、时识科技、中科神经形态等。其中以清华大学的天机芯和浙江大学的达尔文芯片最具代表性。

国内类脑芯片企业不完全统计

可以说，国内已经在各种形态的AI芯片上都有所布局，而国产的芯片算力也越来越强大，美国已经开始忌惮。

当另一方面，国内也在加强制造能力建设。ASML的2023Q3最新财报显示，Q3’23相比Q2’22中国净销售额占比从24%增长至46%。

要知道，半导体产业高度全球化，美国这样一定会自食其果。而我国商务部也表示，美方不当管制严重阻碍各国芯片及芯片设备、材料、零部件企业正常经贸往来，严重破坏市场规则和国际经贸秩序，严重威胁全球产业链供应链稳定。美国半导体企业损失巨大，其他国家半导体企业也受到影响。