最近有些日子没和大家见面了，今天我想和大家聊一聊“ 芯片排名前十”的话题。如果你对这个领域还比较陌生，那么这篇文章就是为你而写的，让我们一起来探索其中的奥秘吧。

文章目录列表:

芯片排名前十

2.如何看待芯驰面向汽车的三款SOC芯片

芯片排名前十的依次是：英特尔、高通、英伟达、联发科技、海思、博通、AMD、TI德州仪器、ST意法半导体、NXP。

1、英特尔

英特尔公司成立于1968年，是半导体行业和计算创新领域的全球 厂商。英特尔公司是 上最大的半导体芯片制造厂商，它拥有了几十年的生产历史，从英特尔推出全球 个处理器之后，就对我们的生活作出了重大的改变，同时也引发了之后的信息技术革命。

2、高通

高通成立于1985年美国，是较大的无生产线半导体生产商、无线芯片组及软件技术供应商，是目前5G研发、商用与实现规模化的推动力量之一，致力于发明突破性基础科技，变革了 连接、计算和沟通的方式。高通芯片事物gpu性能强，在游戏过程中很占优势。

3、英伟达

英伟达始创于1993年美国，是全球 的电脑显卡供应商，也是较早推出图形处理器技术。Nvidia的芯片架构能够在通用性和效率之间实现一个很好的平衡，而在这个基础上，一套易用且能充分调动芯片架构潜力的软件生态则会让Nvidia在机器学习模型社区拥有巨大的 。

4、联发科技

联发科技是台湾上市公司，始创于1997年，是一家专注于创造横跨信息科技、消费电子及无线通信领域的IC解决方案的现代化企业，目前已经是全球第四大半导体公司，旗下研发的芯片一年会驱动超过15亿台智能终端设备。

5、海思

海思是华为技术公司旗下的从1991年就开始专注于制造消费电子、通信等领域的光网络芯的企业，海思芯片虽然大多数自用，但仅是华为手机的销量，已经让海思曾经在国内手机芯片市场超过高通，还曾进入了全球半导体前十大供应商，可见海思实力有多强。

6、博通

博通是全球基础架构技术供应商，创立于1991年美国，专注于提供半导体和基础设施软件解决方案，拥有产品组合多样性、良好的执行力与运营、工程深度等多种优势。

7、AMD

AMD创立于1969年美国硅谷，在2006年时收购了芯片巨头ATI公司，是一家专注于微处理器设计和制造的大型跨国公司，从成立以来，去多诸多突破性的行业创新，公司始终处于半导体产品领域的前沿。

8、TI德州仪器

TI始于1930年的美国，总部位于得克萨斯州的达拉斯，以开发制造半导体和计算机技术而闻名于世，75年来TI公司卓有成效地推动着社会发展。从默默无闻地开发德州油田到在全球市场占据 地位，TI在其员工理念的指引下逐步发展壮大。

9、ST意法半导体

ST意法半导体是意大利的SG微电子公司与法国Thomson半导体公司合并而成的，成立于1988年，是目前 较大的半导体公司，旗下不 知识产权含量高的专用产品，还有多领域的创新产品，如安全性智能卡芯片、高性能微控制器等。

10、NXP

NXP源自于荷兰，前身是飞利浦旗下的分支公司，是全球性汽车半导体品牌，全球前十大半导体公司，总部位于荷兰Eindhoven。nxp电源管理芯片可以开发新的工艺、封装和电路设计技术，也将出现性能更好的设备。

以上内容参考百度百科-英特尔百度百科-高通百度百科-海思

如何看待芯驰面向汽车的三款SOC芯片

随着人工智能从云端向边缘扩展，边缘计算被视为下一个AI战场。海量的应用场景、庞大的计算需求，不仅吸引了英特尔、英伟达这些巨头加速完善云边端一体化的布局，更吸引了众多AI芯片公司纷纷入局。

云端AI已经造就了英伟达的巨大成功，如果边缘AI是一次崭新的机会，哪些公司有机会成为赢家？

业界对于通用、专用的计算路线讨论已久，与这个话题伴生的其实是多样、碎片的应用场景。场景是碎片的，产品是碎片的，那么芯片呢？也只能是碎片的、专用的，不能是通用的吗？通用计算老大哥CPU、GPU的地位会旁落吗？未来通用计算和专用计算的关系如何发展？

时擎 科技 总裁于欣告诉，针对不同应用的架构设计，是一定需要的。领域专用架构（DSA）处理器和芯片，本质上就是要解决通用性和专用性平衡和取舍的问题。

“这里有两个大前提，一是端侧的应用比较碎片化，第二是对功耗和成本往往有比较高的要求。在这两个前提下，如何既能保证相对于某个场景足够的竞争力，以满足成本和功耗的要求，同时又能兼顾足够的市场空间——这是每一家公司都要面临的挑战，也是对产品定义能力的考验”，他强调。

通用计算芯片固然能够覆盖边缘计算程序所需要的所有运算操作，但在芯片架构伸缩性、性能方面，确实无法及时适应边缘侧需求的快速增长。通用计算和专用计算芯片已经呈现出融合发展的趋势。并且，计算特性决定了边缘芯片和云端芯片的不同，架构设计需要进行优化定制。

灵汐 科技 副总经理华宝洪表示，二者要相辅相成，最好能融为一体。在专用计算芯片中会包括通用计算的核，比如Arm或RISC-V等IP内核。新型计算架构芯片比如类脑计算芯片中，除了包括神经拟态计算核、神经网络计算核，一般还有通用的Arm核。同时，通用计算芯片比如最新的Arm芯片，也会内置部分针对传统神经网络加速的IP核。异构融合芯片架构是发展的必然。

伴随这一趋势，意味着需要把负责加速的专用计算单元移入通用编程模型中，且创建通用处理器的压力始终存在。Imagination计算业务产品管理总监Rob Fisher表示，这主要是从通用处理器编程的易用性角度来考虑的。当任务的规模或所需性能远远超出通用解决方案所能容纳的范围时，这种模式将受到限制。

他指出，GPU就是一个很好的示例。在实际应用中，将图形处理工作负载卸载到GPU上的优势很明显，从而推动了 图形处理器的独立开发。矢量处理器正越来越多地与CPU架构紧密结合，从而允许对计算任务进行指令级加速。

雪湖 科技 副总裁赵小吾表示，针对不同场景下功能和性能的不同要求，边缘的需求更复杂，很难用一个通用的架构或者 来满足大多数的需求，所以会针对不同应用场景进行专门的架构设计。性能要求不高，算法变化快的部分可以使用通用计算芯片，比如CPU；性能要求高，算法相对固化的部分可以使用专用计算芯片，比如ASIC；对性能和算法灵活性都有一定要求的部分可以使用FPGA可编程芯片。

他以智慧交通领域的边缘计算为例谈到，由于基本都是室外场景，环境复杂且恶劣，既要满足AI大算力和低延时，又要满足可靠性和稳定运行，因此目前大部分边缘计算机都无法满足需求。而采用了室外基站同等级的芯片为这种场景定制了专用的大算力计算机，才满足了这些特殊场景的需求。

随着高性能计算和机器学习的兴起，异构处理器必须处理的工作负载急剧增加，在整个半导体行业建立开放的生态合作至关重要。

不久前，英特尔、AMD、Arm、高通、台积电等已经联合成立了Chiplet标准联盟，推出了通用Chiplet的高速互联标准UCIe。在UCIe的框架下，互联接口标准得到 ，各类不同工艺、不同功能的Chiplet芯片，有望通过2D、2.5D、3D等各种封装方式整合在一起，多种形态的处理引擎将共同组成超大规模的复杂芯片系统。

英伟达在上个月的GTC22上，一方面宣布了对UCIe规范的支持，另一方面，宣布为半定制芯片开放其NVLink-C2C互连技术，这是一种支持内存一致性的芯片到芯片、裸片到裸片的互连技术。这一路线已经明确展现了英伟达的异构决心，按照这一规划，理论上甚至可以将英伟达的芯片与竞争对手的芯片放入同一个封装中。

黄仁勋告诉，他 喜欢PCIe，第二喜欢UCIe，并且预测五年内UCIe的好处会逐渐显现。至于英伟达自身的NVlink互连技术，他强调优势在于直连能力。UCIe不能直接接入芯片，仍然是一个外设接口；而NVlink的优势在于可以直接连接，几乎就像直接连接到大脑一样。一定程度上，这可能会导致它的组装比较复杂，合作伙伴和客户必须非常了解NVlink。不过，一旦他们能做好这一点，就可以充分利用芯片内部的所有资源，就像这些资源都在同一个芯片上一样。

这一解答既表明了英伟达并不打算自我排除在在UCIe联盟之外，同时也展现出了对自身NVLink互连技术的 信心，推测该技术也将成为英伟达构建异构生态的关键。

边缘计算市场的巨大潜力，自然也吸引着云端芯片巨头的竞逐，他们正通过异构计算、先进制程、先进封装等方式进行全面布局，加之高筑的生态壁垒，国内AI芯片厂商是否有机会与之一搏？

“能造得了摩天大楼的，不一定擅长雕梁画柱。当然相对于云端目前高度垄断和集中的格局来说，边缘侧还没有确定的格局，大家都有机会，而具有更强技术能力和落地能力的厂家，会有更大的机会在竞争中脱颖而出”，时擎 科技 于欣表示，“云边端在某些场景融合协同是有道理的，但本身从芯片设计的角度来说，还是会有很大的区别。”

灵汐 科技 华宝洪则认为，异构计算、先进制程、先进封装等均是手段，不能从根本上解决高能效比、小样本学习、 学习等问题。在行业导向和市场需求的双重驱动下，冯·诺依曼架构和非冯·诺依曼架构的异构融合，将成为驱动边缘计算技术创新与未来行业高质量发展的核心引擎。

一方面，冯·诺依曼架构的芯片依然在走“暴力计算”的美学方向，会考虑用最先进制程、最先进封装来提升算力；另一方面，非冯·诺依曼架构优先通过架构创新来满足在生物神经网络、类脑方向和新型混合神经网络等领域的规模化使用。以类脑计算为代表的新型计算架构将与传统计算架构深度融合，引领新一轮的技术变革。

雪湖 科技 赵小吾表示，业界头部厂商都开始用小芯片拼凑大芯片的方式来完成产品布局，以满足不同场景的算力需求。例如苹果和英伟达，都开始采用这种“拼积木”的方式，这是非常明确的趋势。

国内这两年市场很热发展很快，但形成规模和有竞争力的厂商并不多。“芯片还是一个需要积累的产业，且产业链比较长”， 赵小吾表示，“目前国内小而多的形态不利于去和上下游争夺话语权，预计未来1-2 年里应该会迎来一波AI芯片厂商淘汰潮。”

爱芯元智创始人、董事长兼CEO仇肖莘也表达了类似观点，她谈到，现在对国产芯片产业是千载难逢的机会，由于市场需求和 支持，涌现了许多创业型公司。而从大环境出发，我国的芯片行业还属于初期阶段，正呈现出一种百花齐放的态势，但随着产业的不断发展壮大，随之而来的行业整合也将是必经过程。

她强调，这符合芯片行业在过去几十年发展的规律，经过这样的整合，业内一定会出现头部企业，这对于 整体产业发展是非常重要的。只有这样，中国企业和国际大厂才有同台竞技的机会。

灵汐 科技 华宝洪表示，边缘AI芯片市场仍处于开放状态，没有 的霸主。新兴的、多样化的应用场景为国产AI芯片带来了巨大的市场机会，特别是在自动驾驶、智能安防、智能物联网和可穿戴设备等越来越碎片化的市场，国产AI芯片厂商和国际巨头芯片厂商是站在同一起跑线上的，甚至在某些领域更有优势。

就像计算架构领域一位 的科学家所说，现在正是芯片体系架构百花齐放的黄金时代，这一时代前所未有。尽管CPU、GPU会持续创新，且在某些计算任务上是不可或缺的，但是AI加速计算、数据爆炸等趋势催生的新市场，一定是巨大且多样的，这就给了AI芯片公司带来了新的机会。

从CPU来看，x86架构统治PC和服务器已有松动迹象，Arm一路从手机端和IoT逐渐向上，攻入PC和服务器领域。RISC-V也从物联网设备起步，向更大量的设备进行布局。冯·诺依曼架构和非冯·诺依曼架构的异构融合，正在通往规模化的道路上……

每一次技术浪潮，都会产生新的领导型公司。边缘AI会吗？

引言:上个月受邀看了芯驰(SemiDrive)的9系列SoC线上发布会，年初其实就收到了线下发布会的邀请，但因为疫情一直无法确定时间。这次线上发布会看下来还是颇有亮点的，只可惜没有抽到奖品。芯驰这次发布了三款芯片（X9、V9、G9）三大汽车芯片产品，作为一个国产车规高性能芯片的团队，这次发布的9系列芯片有不少独到之处，依据发布会的信息简单聊一聊这三款芯片和芯片对汽车电子的发展影响。

01? 芯片在新型架构中重要性

在智能网联汽车产业大变革背景下，汽车软件作为一种车企需要探索的模式，从产品定义的角度围绕软件出发，已成为业界需要探索的共识。在这个里面，传统汽车采用经典的分布式 E/E 架构遇到了核心的瓶颈，主要的原因是：单个ECU的计算能力不足、供应商软硬件迭代一体化使得产品SOP之后固化，面向未来更多功能的通讯带宽不足等等，都不能满足未来的汽车发展的需求。

在目前的EE电子电气升级中有几个 的特点值得关注：

1）汽车ECU的硬件架构和ECU协同工作的网络升级。升级路径表现为分布式（模块化→集成化）、 域集中（域控制集中→跨域融合）、 中央集中式（车载电脑→车-云计算）。在这个过程中，车载网络骨干由CAN总线向CANFD、以太网方向发展，甚至发展到后期可能采用PCIE的板卡通信架构发展车载电脑的整体设计。

2）软件架构升级。通过 AutoSAR和Autosar Adaptive等软件架构提供标准的接口定义，模块化设计，促使软硬件解耦分层，实现软硬件设计分离；?Classic AutoSAR 架构逐步向 Classic AutoSAR 和 Adaptive AutoSAR 混 合式架构。好处在于：可实现软件/固件 OTA 升级、软件架构的软实时、 操作系统可移植；采集数据信息多功能应用，有效减少硬件需求量，真正实现软件定义汽车。

在智能汽车的计算 的硬件上，大部分车企会采用混合架构，传统主控制器主要还是基于32位Tricore,PowerPC以及850等架构的微处理器, 主要作为冗余和兼容的部分。对于AI和计算力消耗较多的自动驾驶和交互应用, 需提供GPP通用处理器、硬件加速器（HWA）和嵌入式的可编程逻辑阵列（eFPGA），域控制器最大的提升还是在芯片算力的提升，这也使得芯片厂家和车企的直接沟通，也在这个层级需要和软件联合考虑。

比较典型的是类似于BMW的架构，如下图所示，BMW的智能驾驶的所有基础就是基于Intel和Mobileye的基础芯片 ，在这个基础芯片 上

02 芯驰的芯片

智能汽车计算 硬件架构，基于高性能CPU/GPU的SOC芯片实现娱乐、自动驾驶和内部的高速通信，需要强大的硬件运算资源，在智能驾驶领域能够基于摄像头、毫米波雷达、激光雷达、定位系统和高精地图等多信息融合实现环境感知定位、路径决策规划和车辆运动控制等，满足智能驾驶系统高性能和高安全性的控制需求。在娱乐领域，处理后台的大量视 数据满足外部的高速数据传输，这一切都需要计算 内的芯片满足强大的运算能力满足计算性能与实时性要求、满足ISO 26262的功能安全要求、满足信息安全要求、支持多种车内通信协议CANFD/Ethernet等、支持FOTA升级，实现功能迭代、满足车规级标准（温度、电磁兼容、可靠性等）和满足成本要求。

这里面我们看到的更多的还是国外芯片企业在汽车领域的布局，可能还有三星和苹果未来也要参与这个游戏。

英特尔早期尝试发布自动驾驶 IntelGo，并通过并购来完成布局，包括Mobileye的EyeQ系列专用芯片、Altera的FPGA芯片和Movidius的视觉处理单元VPU，以及自己的8核凌动芯片CPU处理器，形成自动驾驶的整体硬件解决方案。

英伟达的Drive PX和PX2可满足L2、L3级ADAS应用，为合作伙伴提供从底层运算、操作系统层、软件算法层以及应用层在内的全套可定制的解决方案；自动驾驶处理器Xavier和Orin芯片可满足L3/L4级自动驾驶应用，集成了NVIDIA新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和计算机视觉加速器。

高通通过将自己的移动处理芯片升级为车规级切入汽车电子领域，2019年量产的820A支持深度学习的ADAS应用，经过迭代以后高通发布自动驾驶芯片 骁龙Ride，采用了模块化的高性能异构多核 CPU/GPU，包括深度学习加速器和自动驾驶软件Stack，内置了AI计算机视觉引擎。

这次芯驰发布的三款芯片，定位是很有意思的：

X9系列芯片用来支持未来智能座舱：在传统汽车座舱里，人和车的沟通只能通过按键和基础的触控屏等进行；而一颗X9芯片可以同时支持多块高清屏幕，具备语音交互、手势识别，驾驶员状态监控等功能，可以让人在车内感受到多元化的交互体验；

V9系列芯片是自动驾驶的核心大脑：作为域控制器核心，V9内置高性能视觉引擎，支持多达18个摄像头输入，不仅能满足ADAS应用需求，还能给未来更高级别的自动驾驶和无人驾驶留有充足的扩展空间；

G9系列芯片是未来汽车的智慧信息枢纽；X9智能座舱、V9智能驾驶，以及其它功能模块和域控制器，原本相互独立、各自为政，G9在其中起到了交互连接的作用，让各个功能模块在车内互联互通，形成未来汽车的智慧神经网络。同时，G9还可连接外部网络，支持OTA 升级，自动驾驶 开启等功能。

我觉得这些产品的推出，特别是芯驰也和一些生态的伙伴把芯片的应用尝试推起来，真的是一个很有意义的尝试，能给产业多一种选择。传统半导体通常我们会用3个维度来评价一个半导体，通常是Performance(性能)，Power(功耗)，Price(价格)。对于车规芯片来讲，还有三个维度：安全性、可靠性和长效性。围绕未来的智能汽车的计算 的需求，对于芯片这块我们只看到华为把手机芯片往汽车级别迁移，并没有太多其他企业专注于这个领域。

小结：这一篇文章我觉得还是重点谈一下SOC芯片 存在的意义，我们可以看一下这三款产品发布会上的视 ，后面我们来谈谈芯驰的架构师的一些总结，非常有意思。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

今天关于“世界芯片排名前十”的探讨就到这里了。希望大家能够更深入地了解“世界芯片排名前十”，并从我的答案中找到一些灵感。