芯片“備胎”策略和計劃，不止發生在以華為為代表的設備廠商身上，在其上游的芯片IDM，以及下游的互聯網企業，也都有體現。

    英特爾：吸取手機處理器的教訓

    在一統CPU江湖之后，由于沒有在手機處理器上制定“備胎”計劃，使得該公司錯過了這個巨大市場的發展窗口期，意識到問題之后，試水了幾年手機處理器，最終鎩羽而歸。

    在AI迅猛發展的當下，英特爾吸取了手機端的教訓，AI芯片方面不斷加大投入，從云端到邊緣側，再到終端，英特爾先后收購了多家AI芯片企業，AI芯片將政委英特爾CPU的重要補充和輔助力量。

    英特爾近日推出三款用于訓練和部署人工智能模型的芯片，這將使其能夠與英偉達展開競爭，后者的圖形處理單元在市場上占主導地位。

    這些芯片共同代表了英特爾第一個針對專用AI芯片的大型展示，這些芯片已超越了主流Xeon和Xeon芯片系列。

    針對GPU制造商最直接的產品是Nervana NNP－T1000神經網絡處理器。它是針對硬件密集型任務進行優化的集成電路，該任務使用示例數據訓練AI模型。

    英特爾的目標是充分利用AI，5G和智能技術等技術創新，將智能注入計算的各個方面的努力可以在前所未有的規模上產生積極的影響。

    三星：擺脫存儲器依賴

    從去年開始，三星制定了新的企業發展規劃，要逐步擺脫對存儲器的依賴，找到新的芯片品類增長點和業務支撐。

    2019年4月，三星宣布了一項大型投資計劃，在2030年前投資133萬億韓元加強半導體業務，其中有73萬億是技術研發費用，60萬億韓元是建設晶圓廠基礎設施。

    而三星的目標是在2030年，不僅保持存儲芯片的領先地位，還要成為邏輯芯片領導者。

    韓國政府也對國內半導體企業偏重生產存儲芯片的情況感到擔憂。去年韓國半導體出口額高達1200億美元，占韓國出口總額的20．9％。

    三星電子和韓國政府關注的邏輯芯片市場將在第四次工業革命時代出現爆炸性增長。

    邏輯芯片占整個半導體市場的70％，在5G移動通信、AI和物聯網等第四次工業革命時代，邏輯芯片的重要性將會更加凸顯。

    除了存儲芯片和晶圓代工業務外，該公司下一步要強化的就是面向未來應用的、高性能的邏輯芯片，包括各種處理器和AI芯片。

    三星正大舉投資于半導體微型化的下一代技術EUV，這是三星迄今為止嘗試過的最昂貴制造業務升級，也是一次冒險的嘗試，目的是讓自己不再局限于現有的半導體生產業務，也不再滿足于只充當代工和邏輯芯片行業的領先者，即使這個行業的規模已達2500億美元。

    SK海力士：看重ISP技術加大CIS投入

    除了存儲芯片，SK海力士還在晶圓代工和CIS方面加大著投入，以提升其芯片業務廣度。

    SK海力士將主要開展移動CMOS圖像傳感器項目，是有鑒于CMOS圖像傳感器除了智能手機以外，AR、VR等第四次工業革命時代的核心零件。

    SK海力士若想應對未來行業發展，在CMOS圖像傳感器領域提高市場份額，開發高端技術產品尤為重要。

    最近一個事實證明，隨著對畫質和性能的要求提高，ISP技術的重要性越來越提高。

    SK海力士于2014年收購了Siliconfle，從2017年起，SK海力士向其CIS部門投入了更多的資源，加速推動1300萬以上像素CIS的研發，并把M10廠DRAM生產設備移往M14廠，M10廠內騰出空間用于生產CIS。

    SK海力士公司正在加強其CMOS圖像傳感器業務，從而在快速增長的智能手機相機市場提供競爭力。

    新品牌“黑珍珠”已經開發了4個新的CMOS圖像傳感器，已開始向智能手機制造商供應其中三款，并將于本月開始批量生產第四款。

    SK海力士最近將其CMOS圖像傳感器公司更名為“黑珍珠”（Black Pearl），以加強與競爭對手索尼和三星的競爭，這兩家公司的圖像傳感器品牌分別是Exmor和ISOCELL。

    臺積電：晶圓代工不能滿足未來發展

    作為晶圓代工業的老大，臺積電也與存儲器有著越來越多的聯系，去年臺積電計劃進軍存儲業務的可能性。

    數據中心的功耗占了近一半的營運成本，而人工智能更加劇了這些成本，過多的能源消耗，將增加芯片廠商的成本。

    要解決這個問題，必須整合存儲、邏輯與高帶寬互連，打造真正的3D集成電路。也就是要打破傳統的“存儲墻”，建立新的架構，這就需要提前布局存儲芯片業務。

    2017年，臺積電向業界發布了eMRAM和eRRAM技術，目標是要實現更高效能、更低能耗以及更小體積，以滿足未來行業全方位的運算需求。

    谷歌：發力云端AI計算

    在云端，典型代表就是谷歌自研的TPU，它比GPU更適合進行云端的AI計算和處理。

    谷歌TPU系列的出現，不僅突破了最初深度學習硬件執行的瓶頸，還在一定程度上撼動了、等傳統GPU芯片巨頭的地位。

    而谷歌TPU的誕生，也讓越來越多的公司前赴后繼地嘗試設計GPU之外的專用AI芯片，以進一步實現更高效的性能。

    作為TPU的“升級版”，谷歌第二代TPU Pod能夠容納512個內核，實現每秒11．5千萬億次浮點運算；第三代TPU Pod速度則更快，可實現每秒超過100千萬億次浮點運算。

    從CPU到GPU，再到如今ASIC和FPGA相繼入局，云端AI芯片市場的百花齊放，與谷歌TPU的努力息息相關。

    華為：Arm服務器芯片值得期待

    隨著Arm架構性能和算力的增強，其在服務器，特別是邊緣側云計算的應用值得期待，華為等多家企業投身于Arm服務器芯片研發和推廣。

    一方面，相對于云端，邊緣側的算力要求沒那么高，而對低功耗的需求較強，這正符合Arm架構的特點。

    再有，邊緣側與終端側緊密相連，而Arm在移動端的生態很成熟，能夠更好地相融。

    目前的華為已經開始了采用Arm架構的鯤鵬芯片產品來取代采用X86架構的英特爾或AMD芯片產品的計劃，并且已經正式實施。

    而且華為的鯤鵬系列芯片產品也是全世界最強的Arm架構服務器芯片產品，雖然采用Arm架構的服務器芯片在性能上相比于采用X86架構的服務器芯片較差，但是滿足絕大部分的服務器需求沒有任何問題，只不過在芯片架構方面，華為的鯤鵬芯片依舊會受到一些限制。

    結尾：

    各路巨頭紛紛踏上拓寬自身發展路數的多線條路線，未來的競爭將在不同領域內狹路相逢，這場大混戰的好戲才剛剛上演。