侵权投诉

关于人工智能芯片方面的一些小知识

2020-09-25 17:03 次阅读

人工智能芯片包括图形处理单元(GPU)、现场可编程门阵列(FPGA)和专门用于人工智能的特定应用集成电路ASIC)。像中央处理器(CPU)这样的通用芯片也可以用于一些更简单的人工智能任务,但是随着人工智能的发展,CPU的用处越来越小。

与通用CPU一样,人工智能芯片通过集成大量越来越小的晶体管来提高速度和效率(也就是说,它们每消耗一单位能量就能完成更多的计算),这些晶体管运行速度更快,消耗的能量也更少。但与CPU不同的是,AI芯片还有其他AI优化的设计特性。利用这些特性可以极大地加速AI算法所需的相同的、可预测的、独立的计算。包括并行执行大量计算,而不是像在CPU中那样按顺序执行;这些AI芯片在减少了相同计算所需的晶体管数量下,成功实现了计算精度需求较低的人工智能算法;加速内存访问,例如,将整个AI算法存储在一个AI芯片中;以及使用专门设计的编程语言来高效地转换AI计算机代码,以便在AI芯片上执行。

不同类型的人工智能芯片适用于不同的任务。GPU最常用于最初开发和改进AI算法;这个过程被称为“训练”。AI算法通常利用FPGA作为桥梁,被用于现实世界中的数据输入。这通常称为“推理”。ASIC则可以适用于训练或推理。

AI芯片方面的一些知识

面向AI应用的专用芯片的趋势是由两个因素驱动的。首先,半导体功能的关键改进已从制造转向设计和软件;其次,对人工智能等应用的需求不断增长,需要高度并行化,可预测的计算,这得益于专用芯片。深神经网络(DNN)-负责最近人工智能突破的人工智能算法符合这项法案。

关于人工智能芯片方面的一些小知识

DNN通常实现一种称为监督学习的机器学习,它涉及两个计算步骤:基于训练数据“训练” AI算法(即构建算法)和执行训练后的AI算法(即执行“推理”)以对新算法进行分类与训练阶段从数据中获取的知识相一致的数据。

特别地,训练步骤通常需要执行相同的计算数百万次。如第IV(B)节所述,提高的晶体管密度允许在单个芯片上使用更多类型的专用电路。AI芯片将这一点发挥到了极致—芯片上大多数或所有晶体管的布局均针对AI算法所需的高度可并行化,专门计算进行了优化。

尽管分析师对全球人工智能芯片市场规模存在广泛分歧,ru 2018年的估计值介于50亿至200亿美元之间,但他们一致认为,市场增长速度将快于非人工智能专用芯片。直到最近,少数设计CPU等通用芯片的公司主导了逻辑芯片设计市场。他们享受着规模经济,使他们能够再投资于强大的新CPU设计。然而,摩尔定律的放缓正在损害CPU生产商的规模经济;在摩尔定律驱动的CPU效率和速度增益克服专用芯片的好处之前,现在专用芯片的使用寿命更长。因此,CPU设计公司再投资于新设计以保持正在下降的市场支配地位。这一趋势降低了芯片设计初创公司的进入门槛,特别是那些专注于专业芯片的公司。

人工智能芯片是一种常见的专用芯片,具有一些共同的特点。人工智能芯片并行执行的计算量远远大于CPU。他们还以一种成功实现人工智能算法但减少晶体管数量的方式以低精度计算数字

需要相同的计算。它们还通过将整个人工智能算法存储在一个人工智能芯片中来加速内存访问。最后,人工智能芯片使用专门的编程语言来有效地翻译人工智能计算机代码,以在人工智能芯片上执行。

虽然通用芯片特别是CPU包括少量流行的设计,但人工智能芯片更加多样化。人工智能芯片在设计、适用的应用、不同人工智能任务的效率和速度、通用性和推理时的分类精度等方面有着广泛的差异、

由于其独特的特性,人工智能芯片在训练和推理AI算法方面比CPU快几十倍甚至几千倍。最先进的人工智能芯片比最先进的CPU更划算,因为它们在人工智能算法上的效率更高。一千倍于CPU效率的人工智能芯片所带来的改进相当于26年摩尔定律为CPU带来的改进。

先进的人工智能系统不仅需要AI专用芯片,还需要最先进的AI芯片。较早期的人工智能芯片——带有更大、更慢、更耗电的晶体管——会产生巨大的能源消耗成本,并可以迅速飙升至这种芯片无法承受的水平。正因为如此,如今使用较早期的AI芯片在成本和计算速度方面,都至少比最新的AI芯片大一个数量级。(成本增加,计算速度却更慢)

这些成本和速度的动态变化,推动着先进AI芯片的繁荣——如果没有最先进的AI芯片,则几乎不可能开发和部署最先进的AI算法。即使使用最先进的AI芯片,训练AI算法也可能花费数千万美元,并且需要数周才能完成。实际上,在顶级AI实验室中,总支出中有很大一部分用于与AI相关的计算。使用CPU等通用芯片,甚至使用较旧的AI芯片,进行这种训练将花费更长的时间才能完成,并且相关的支出也会更多,这使得对AI算法的研究和部署无法进行下去。类似地,使用较不先进或较不专业的芯片进行推理也可能会导致类似的成本超支,并且需要更长的时间。

人工智能芯片的工作原理

相对于CPU来说,人工智能芯片通过特定技术来提高效率和速度。有关通用AI芯片的自上而下视图和这些技术的图形表示,这些技术将在下面的小节中详细描述。

通用人工智能芯片

(1)并行计算

与传统CPU相比,人工智能芯片提供的最重要的改进是并行计算能力,也就是说,人工智能芯片可以运行比CPU更多的并行计算。

对于DNN的计算是高度并行的,因为它们是相同的,并且不依赖于其他计算的结果。DNN训练和推理需要大量独立、相同的矩阵乘法运算,这反过来又需要执行许多乘法运算,然后求和,即所谓的“乘积” 运算。

人工智能芯片设计通常要在单芯片上具备大量的“乘法累加电路”(MAC),以有效地在一个大规模并行架构上执行矩阵乘法操作。并行计算也使AI芯片能够比顺序计算更快地完成任务。在并行架构中连接的多个AI芯片可以进一步提高并行程度。虽然先进的CPU具有一定程度的并行体系结构,但AI芯片实现了更大的并行性。

并行处理操作使用几种技术,Data parallelism是最常见的并行形式,它将输入数据集分为不同的“批”,以便在每个批上并行执行计算。这些批次可以跨AI芯片的不同执行单元或并行连接的不同AI芯片。数据并行性适用于任何类型的神经网络。在各种各样的神经网络中,在训练期间使用数百到数千批的数据并行性在不增加所需计算总数的情况下实现了相同的模型精度。然而,更多的批次需要更多的计算来实现相同的模型精度。超过一定数量的批次(对于一些DNN来说,超过100万)增加的数据并行性需要更多的计算,而不会减少训练模型的时间,从而限制有用的数据并行性。

Model parallelism将模型分成多个部分,在这些部分,计算在AI芯片的不同执行单元上并行执行,或者在并行连接的不同AI芯片上并行执行。例如,单个DNN层包括许多神经元,一个分区可能包括这些神经元的子集,另一个分区包括相同神经元的不同子集。有一种替代技术可以并行地对不同神经网络层进行计算。

考虑到并行性的限制,通过更多的人工智能芯片并行扩展计算量并不是人工智能进步的可行策略,好的AI算法研究更加有意义,也是必要的,因为它允许更大程度的数据和模型并行,包括研究结合技术,以增加并行度。

(2)低精度计算

低精度计算,它牺牲了速度的数值精度和效率,特别适合人工智能算法。一个x-bit处理器由执行单元组成,每个执行单元都是用来操作由x-bit表示的数据的。晶体管存储一个bit,其值可以为1或0;因此,x-bit值允许2 x 不同的组合。下表显示了处理器数据类型的x的公共值。

数据类型

高位(Higher-bit)数据类型可以表示更广泛的数字范围(例如:一组较大的整数) 或在有限范围内的更高精度的数字(例如:在0到1之间的高精度十进制数)。幸运的是,在许多人工智能算法中,训练或推理也会执行,或者几乎同样地执行,如果一些计算是用8位或16位数据执行的,这些数据代表有限或低精度的数字范围。即使模拟计算也足以满足一些人工智能算法。这些技术工作的原因如下:

首先,经过训练的DNN通常不受噪声的影响,因此在推理计算中舍入数字不会影响结果;

第二,DNN中的某些数值参数事先已知的值仅在一个小的数值范围内,准确地说是可以用低位数存储的数据类型。

低位(Lower-bit)数据计算可以用包含较少晶体管的执行单元进行。这产生了两个好处。首先,如果每个执行单元需要更少的晶体管,芯片可以包括更多的并行执行单元。其次,低位计算更有效率,需要更少的操作。. 一个8位执行单元使用比16位执行单元少6倍的电路面积和6倍的能源。

(3)内存优化

如果AI算法的内存访问模式是可预测的,那么AI芯片可以优化这些可预测用途的内存数量、位置和类型。例如,一些AI芯片包括足够的

内存来存储整个AI算法。与片外存储器通信相比,片内存储器访问提供了更好的效率和速度改进。

当模型变得太大而无法存储在单个AI芯片上时,模型并行性成为一个特别有用的工具;通过分割模型,可以在并行连接的不同AI芯片上训练不同的部分。

相比之下,大多数CPU都是基于“冯诺依曼”设计,其中包括一个单一的中央总线——一个在CPU和存储程序代码和数据的单独内存芯片之间共享数据的通信系统。考虑到总线的带宽有限,CPU必须顺序地单独访问代码和数据,并经历一个“冯诺依曼瓶颈”,其中内存访问延迟阻止CPU通过高晶体管开关速度获得更快的速度。

冯·诺依曼设计对于通用计算是有用的 ,但AI芯片不需要冯诺依曼设计或经历冯诺依曼瓶颈。

(4)特定领域的语言

特定领域语言(Domain-specific languages :DSL)为在专用芯片上运行的专用应用程序提供了效率增益。

程序员以人类理解的方式,使用计算机语言编写计算机代码(即计算机看得懂的指令)。计算机程序称为编译器(或解释器),然后将此代码转换为处理器直接可读和可执行的表单。不同的计算机语言在不同的抽象层次上运作。

例如,像Python这样的高级编程语言被简化为人类可访问性,但是Python代码在执行时往往相对较慢,因为将人类的高级指令转换为为特定处理器优化的机器代码的复杂性很高。相比之下,在较低抽象级别上操作的C类编程语言需要更复杂的代码(以及程序员的努力),但它们的代码执行效率往往更高,因为更容易转换成为特定处理器优化的机器代码。然而,这两个例子都是通用编程语言,其代码可以实现各种各样的计算,但不是专门为特定计算有效地转换成机器代码的。

相比之下,DSL是专门为专用芯片高效编程和执行的。一个值得注意的例子是谷歌的TensorFlow,它是DSL,它的代码在AI芯片上运行的效率比任何通用语言都高。有时,DSL的优点可以通过PyTorch 这样的专门代码库来实现:这些代码库将专门的AI处理器的知识打包在通用语言(例如Python在这种情况下)可以调用的函数中。

AI芯片类型

如上所述,人工智能芯片包括三类:图形处理器(GPU)、现场可编程门阵列(FPGA)和专用集成电路(ASIC)。

GPU最初是为得益于并行计算的图像处理应用而设计的。2012年,GPU开始被越来越多地用于训练人工智能系统,到2017年,GPU占据主导地位。GPU有时也用于推理。然而,尽管GPU允许可以比CPU有更大程度的并行,但它仍然是为通用计算而设计的。

最近,专用FPGA和ASIC在推理方面变得更加突出,因为与GPU相比,它们提高了效率。ASIC也越来越多地用于训练。FPGA包括逻辑模块(即每个模块包含一组晶体管)其互连可以在制造后由程序员重新配置以适应特定的算法,而ASIC包括为特定算法定制的硬连线电路。领先的ASIC通常比FPGA提供更高的效率,而FPGA比ASIC更易于定制,并随着人工智能算法的发展而促进设计优化。相比之下,随着新的人工智能算法的开发,ASIC正变得越来越过时。

考虑到每个任务对芯片的不同要求,可以使用不同的AI芯片进行训练和推理。

首先,不同形式的数据和模型的并行性适合于训练和推理。因为训练需要在与推理共享的步骤之上增加计算步骤。

其次,尽管训练实际上总是受益于数据并行,但推理通常不会。例如,可以一次对单条数据执行推断。然而,对于某些应用程序,可以并行地对许多数据执行推理,特别是当应用程序需要快速推断大量不同的数据时。

第三,根据应用的不同,训练和推理的效率和速度的相对重要性可能不同。对于训练,效率和速度对于人工智能研究人员高效、快速地迭代研究项目都很重要。

对于推理,高推理速度可能是必不可少的,因为许多人工智能应用部署在关键系统中(例如,自动车辆)。或者不耐烦的用户(例如,对图像进行分类的移动应用程序)需要快速、实时的数据分类。

另一方面,有效的推理速度可能存在上限。例如,推理不需要比用户对移动应用程序的反应时间更快。

推理芯片比训练芯片需要更少的研究突破,因为它们比训练芯片需要更少的计算优化。与GPU和FPGA相比,ASIC需要的研究突破更少。由于ASIC仅针对特定算法进行优化,设计工程师考虑的变量要少得多。

为了设计只用于一次计算的电路,工程师可以简单地将计算转化为针对该计算进行优化的电路。但是,要设计用于多种类型计算的电路,工程师必须预测哪种电路能够很好地完成各种任务。其中许多是事先未知的。

人工智能芯片的商业化依赖于其通用功能的程度。GPU早已广泛商业化,FPGA也是如此,只是程度较低。同时,由于高设计成本和专业化驱动的低容量,ASIC更难以商业化。然而,在通用芯片改进速度缓慢的时代,专用芯片相对更经济。因为在下一代CPU达到相同的加速比或效率之前,它具有更长的使用寿命。在当前CPU进步缓慢的时代,如果一个AI芯片的速度提高了10-100倍,那么只要1.5 - 8.3万的销量就足够让AI芯片变得经济。预计人工智能芯片市场规模的增长可能会创造规模经济,这将使越来越窄的人工智能ASIC有利可图。

人工智能芯片有不同的等级,功能有强有弱。在高端,服务器级人工智能芯片通常用于高端应用的数据中心,在封装后,比其他人工智能芯片更大。中端是消费者常用的PC级AI芯片。在低端,移动人工智能芯片通常用于推理,并集成到系统级芯片中,该芯片还包括一个CPU。移动系统芯片需要小型化才能适合移动设备。在每一个级别,人工智能芯片市场份额的增长都是以牺牲非人工智能芯片为代价的。

超级计算机与人工智能的相关性有限,但正在不断增强。最常见的是,服务器级芯片分布在数据中心,可以按顺序执行,也可以在称为“网格计算”的设置中并行执行。超级计算机采用服务器级芯片,将它们物理地放在一起并连接在一起,并增加了昂贵的冷却设备以防止过热。这种设置提高了速度,但大大降低了效率,对于许多需要快速分析的应用程序来说,这是一种可接受的折衷方案。目前很少有人工智能应用能证明更高速度的额外成本是合理的。但大型人工智能算法的训练或推理有时非常缓慢,以至于只能使用超级计算机作为最后的手段。因此,尽管CPU传统上一直是超级计算芯片的首选,但人工智能芯片现在正在占据越来越大的份额。2018年,GPU承担了全球新增超级计算机计算能力的大部分。

先进AI芯片的价值

领先的节点AI芯片对于高性价比、快速训练和推理AI算法越来越必要。这是因为它们相对于最先进的CPU表现出效率和速度的提升和尾随节点AI芯片。而且,效率转化为芯片成本(芯片生产成本的总和)的总体成本效益。(即设计、制造、组装、测试和封装成本)。最后,许多计算密集型AI算法的训练和推理的成本和速度瓶颈,使得AI开发者和用户需要最先进的AI芯片来保持在AI研发和部署方面的竞争力。

最先进的AI芯片的效率转化为成本效益。

效率转化为整体成本效益。对于trailing nodes,芯片运营成本(由于能耗成本)主导着芯片生产成本,并迅速膨胀到难以管理的水平。即使对于先进节点,运营成本也与生产成本类似,这意味着需要继续优化以提高效率。

表2给出了一个CSET芯片生产和运行成本模型的结果,该模型针对的是与Nvidia P100 GPU类似规格的服务器级5nm芯片相同数量的90 - 5nm节点。这意味着5纳米以上的芯片需要更大的表面积。对于5nm以上的节点,该模型可以等效地解释为生产多个芯片,这些芯片的晶体管计数为一个5nm芯片。该模型采用无晶圆厂设计公司的视角,在2020年设计芯片,从台积电代工,然后在自己的服务器上运行芯片。这与谷歌等公司的做法类似。谷歌在内部设计TPU,将制造外包给台积电,然后在谷歌服务器上运行自己的TPUs,向外部客户提供人工智能应用程序或云计算服务。

费用细分如下。代工厂支付的代工销售价格包括资金消耗(即建厂和收购中小企业的成本)、材料、人工、代工研发和利润率。无晶圆厂的公司还会额外增加芯片设计成本。制造完成后,外包的半导体和测试公司对芯片进行组装、测试和封装(ATP)。代工销售价格、芯片设计成本、ATP成本之和等于每片芯片的生产总成本。无晶圆厂的公司在操作芯片时也会产生能源成本。我们根据每千瓦时0.07625美元的电力成本来估算能源成本。

首先,在不到两年的时间内,运营一款先进节点的AI芯片(7或5nm)的成本超过生产所述芯片的成本,而运行尾部节点AI芯片(90或65nm)的累积电力成本是生产这种芯片的成本的三到四倍。图2显示了连续使用长达三年的总芯片成本:每个芯片的总生产成本在第0年增加。随后每年增加使用该芯片的年度能源成本。这些结果表明,在计算生产和运营时,先进节点AI芯片的成本效益是落后节点AI芯片费用的33倍。同样,由于先进节点AI芯片的效率比先进节点CPU高出一到三个数量级(表1),我们预计,在计算产量和OPE时,先进节点AI芯片的成本效益也比先进节点CPU高出1到3个数量级。

其次,生产和运行5nm芯片的成本需要8.8年才能达到运行7nm芯片的成本。8.8年后,7nm和5nm芯片更便宜。因此,只有当预期使用5nm节点芯片8.8年时,用户才有动力更换现有的7nm节点芯片(假设它们不会发生故障)。图2显示了90 nm和5 nm之间的节点间比较。

我们发现,这些成本变得相等的时间段增加了,在7nm与5nm的比较中,成本急剧增加。公司通常会在运营三年后更换服务器级别的芯片,这与最近引入新节点的时间框架是一致的,依赖先进节点芯片的公司在新推出的节点芯片一上市就立即购买。然而,如果公司开始购买5nm节点芯片,他们可能期望更长时间地使用这些芯片。这将构成一个市场预测,即摩尔定律正在放缓,3nm节点可能在很长一段时间内不会推出。

计算密集型人工智能算法受到芯片成本和速度的瓶颈制约。

人工智能公司在人工智能相关计算上花费的时间和金钱已经成为人工智能发展的瓶颈。鉴于先进节点AI芯片比落后节点AI芯片或先进节点CPU更具成本效益且速度更快,因此这些AI实验室需要先进节点AI芯片来继续推进AI进展。

第一,人工智能实验室DeepMind领先的人工智能实验,如AlphaGo、AlphaGo Zero、AlphaZero和AlphaStar的训练成本。估计每项费用为500万至1亿美元。一个成本模型显示,AlphaGo Zero的训练成本为3500万美元。人工智能实验室OpenAI报告称,在2017年2800万美元的总成本中,有800万美元用于云计算。将这些计算成本乘以30,用于trailing node AI芯片,或甚至更多用于先进节点CPU,会使这种实验在经济上变得不可行。一些人工智能公司的计算成本增长如此之快,可能很快就会达到成本上限。从而需要最高效的人工智能芯片。

其次,领先的人工智能实验可能需要几天甚至一个月的时间进行训练。虽然部署了关键的人工智能系统,但通常需要快速或实时推理。通过使用trailing node的AI芯片或引导节点的CPU来增加这些时间,将使得AI研发所需的迭代速度和部署的关键人工智能系统慢得令人无法接受。一家芯片速度较慢的公司可以尝试通过并行使用大量速度较慢的芯片来支付巨大的能源成本以提高速度。但这一策略可能会失败,原因有二。首先,正如附录A 的A节所讨论的,领先的实验需要人工智能研究人员调整人工智能算法,以支持更多的数据和模型并行性。人工智能研究人员可以在有限的程度上做到这一点。但如果试图并行使用比目前领先的人工智能实验所使用的更多数量的人工智能芯片,可能会面临困难。另一方面,即使在算法上可行,这种并行也需要互补的软件和网络技术来实现。并行扩展数百或数千个GPU是极其困难的,如果扩展更大数量trailing node的GPU,可能会比以及当前的能力。

新的Cerebras晶圆级引擎芯片为网络技术提供了一个有趣的潜在解决方案。它是第一个晶圆级芯片,比其他任何人工智能芯片的表面积都大得多。这意味着可以在单个芯片上实现很大程度的并行性,减少多个芯片之间对先进网络技术的需求。

对这一分析的警告是,最近的一些人工智能突破并不需要大量的计算能力。此外,正在进行的研究是开发需要最少训练的人工智能算法(例如“几次射击”学习技术)。对于这些人工智能算法,将小成本或速度乘以大数字仍可能产生小成本或速度。

美国和中国的AI芯片竞争

最先进的AI芯片对于高级AI系统是必不可少的。美国及其盟国在生产与AI芯片相关的半导体领域中具有竞争优势。美国公司主导着AI芯片设计,其中包括用于设计芯片的电子设计自动化(EDA)软件。中国的AI芯片设计公司落后于美国,他们需要依靠美国EDA软件来设计其AI芯片。

美国,中国台湾和韩国公司控制着大多数可以制造最先进的AI芯片的晶圆代工厂(“ fabs”),尽管一家中国公司最近获得了一小部分市场占有率。但是,中国的AI芯片设计公司大都将制造外包给了非中国大陆的fab,因为它们的产能更大,而且制造质量更高。

领先的节点AI芯片的成本效益和速度从政策的角度来看很重要。美国公司主导了人工智能芯片的设计,而中国公司在人工智能芯片设计上远远落后,依赖美国EDA软件设计人工智能芯片,需要美国和盟国的中小企业和晶圆厂根据这些设计制造人工智能芯片。最先进的人工智能芯片的价值,加上它们的供应链集中在美国及其盟国,为美国及其盟国提供了一个杠杆点,以确保人工智能技术的有益开发和采用。

美国公司NVIDIA和AMD垄断了全球GPU设计市场,而中国最大的GPU公司景嘉微电子开发的GPU速度非常慢。同样,美国公司Xilinx和英特尔主导了全球FPGA市场,但中国领先的FPGA公司还有很长的一段距离。

在人工智能ASIC市场,特别是推理市场,分布着较多厂商,因为ASIC和推理芯片更容易设计,进入门槛较低。与GPU和FPGA不 同,活跃在AI领域的公司,如谷歌、特斯拉亚马逊,已经开始为自己的AI应用设计专用的AI芯片了。谷歌的TPU是一个典型例子。英特尔也在开发性能强大的专用AI芯片,并声称这些ASIC的效率和速度分别实现了10,000x和1,000x的提升。

而在专用AI芯片领域具有竞争力的中国公司包括燧原、百度、阿里巴巴、腾讯、华为海思寒武纪、云天励飞和地平线等。中国研究人员还制作了用于高端研究的ASIC。然而,它们在很大程度上仅限于推理,不过,华为最近宣布研发出了一款人工智能训练ASIC。

可以看到,美国人工智能芯片设计公司的产品都在台积电(TSMC)、三星或英特尔制造,而制程都比较先进,以7nm、10 nm和16 nm为主。还有一点值得注意,美国GPU芯片使用的先进制程节点比FPGA和ASIC的要多,之所以如此,很可能是因为GPU的通用性强,具有更高的销售量,从而可以摊平更先进制程的设计和制造成本。

专家对AI芯片使用先进制程节点的必要性存在分歧。EDA公司的一位高管说:“每个想做AI的人都需要7nm及更先进制程的性能、功率效率等因素。与此同时,香港应用科学技术研究所的一位半导体研究员则持不同观点:“对于人工智能芯片,如果使用28nm制程工艺技术,而不是10nm或14nm技术,则制造成本就会低得多,如果使用先进制程,你就需要从零开始,花很多精力在数学模型、物理层和计算语言的研究上,而所有这些都需要投资,只有少数晶圆厂能够制造接近最先进的AI芯片,如下图所示,全球只有大约8.5%的晶圆厂产能可以用来制造接近最先进的AI芯片,目前,只有很少一部分产能可以制造最先进的AI芯片(图中蓝色部分),而用于制造最先进人工智能芯片的实际产能百分比很难计算,并且在逐年变化。

其次,中国AI芯片设计公司中,GPU和FPGA使用的是非先进制程节点,而ASIC既使用了先进节点,也使用了非先进节点。尽管中国在这些非先进节点上具有一定的本地制造能力,但中国的AI芯片设计公司仍然大多将这些制程节点芯片外包给了台积电,这可能反映了台积电的制造工艺更可靠。

这是因为中国大陆的先进半导体设备生产水平比较有限。另外,中国的人工智能芯片设计公司也依靠美国EDA软件。因此,中国仍然要依赖美国及其盟友才能实现AI芯片生产。

中国已经在人工智能推理方面取得了巨大成功,因为中国拥有大量受过良好教育的工程师,他们非常适合在特定芯片上实现极佳性能的劳动密集型设计任务。然而,考虑到中国相对年轻的人工智能芯片设计行业,中国公司尚未掌握实现GPU和FPGA更大优化空间和更高复杂性所需的隐性知识(know-how)。

中国在AI芯片供应链的关键环节能力不足,包括芯片设计、EDA软件、半导体制造设备和晶圆厂,这意味着美国及其盟国在生产领先的AI芯片方面保持竞争优势。正如第七节所讨论的,领先的人工智能芯片对于开发和部署先进的、与安全相关的人工智能系统来说,具有战略价值。因此,保持这一优势对美国及其盟国至关重要。

此外,美国,荷兰和日本公司共同控制着晶圆厂使用的半导体制造设备(SME)的市场。但是,这些优势可能会消失,尤其是在中国努力建设先进芯片产业的情况下。鉴于最先进的AI芯片对安全性的重要性,美国及其盟国必须在生产这些芯片时保护其竞争优势。
       责任编辑:tzh

收藏 人收藏
分享:

评论

相关推荐

芯片的烂尾教训

此番芯片烂尾,有地方政府打着产业扶持旗号的深度介入,凸显了地方扶持政策的变形 芯片大干快上的后遗症开....
的头像 inr999 发表于 10-27 10:42 0次 阅读
芯片的烂尾教训

台积电:可集成192GB内存在芯片内部

CoWoS的全称为Chip-on-Wafer-on-Substrate,是一种将芯片、基底都封装在一....
的头像 我快闭嘴 发表于 10-27 10:39 4次 阅读
台积电:可集成192GB内存在芯片内部

海峡两岸半导体专家为半导体产业开拓新思路与新方法

长三角半导体产业的融合协同发展,能推动长三角一体化发展不断取得成效。合肥在芯片制造、封装、设计、装备....
的头像 inr999 发表于 10-27 10:37 9次 阅读
海峡两岸半导体专家为半导体产业开拓新思路与新方法

第三代半导体跑出加速度!

2020年,新基建产业站在了风口上。在以5G、物联网、工业互联网等为代表的新基建主要领域中,第三代半....
的头像 inr999 发表于 10-27 10:36 12次 阅读
第三代半导体跑出加速度!

英特尔将通过发布公司的第一款用于PC游戏的独立显卡与AMD和Nvidia竞争

新卡的分类名称为“ Xe HPG”。(Xe是英特尔用于即将来临的下一代图形工作的保护伞品牌。)有趣的....
的头像 倩倩 发表于 10-27 10:27 20次 阅读
英特尔将通过发布公司的第一款用于PC游戏的独立显卡与AMD和Nvidia竞争

国产模数转换ADC芯片的现状

自然界产生的信号,都是模拟信号,比如我们说话的声音,看到的景色,感受到的温度、湿度、压力、流速、光、....
的头像 inr999 发表于 10-27 10:24 13次 阅读
国产模数转换ADC芯片的现状

滴滴智慧信控系统为城市交管赋能,已优化超过2500个路口信号灯

一是缺乏对城市路网广域检测数据获取能力。大多数城市的道路网络交通态势感知前端设备不完善,存在覆盖率问....
的头像 lhl545545 发表于 10-27 10:19 7次 阅读
滴滴智慧信控系统为城市交管赋能,已优化超过2500个路口信号灯

芯片巨头闪崩,美国自食其果!

10月23日,芯片巨头英特尔大幅低开,全日低位运行,收盘时跌逾10%,总市值一夜蒸发约242.25亿....
的头像 inr999 发表于 10-27 10:19 20次 阅读
芯片巨头闪崩,美国自食其果!

iPhone 12系列短期缺货,Mate 40系列是不是更难买到?

据苏宁华南表示,广州地区iPhone 12货源较为充足,市区门店大部分都有现货,iPhone 12 ....
的头像 lhl545545 发表于 10-27 10:15 17次 阅读
iPhone 12系列短期缺货,Mate 40系列是不是更难买到?

MagSafe皮革卡包可避免iPhone12消磁的问题

对于该问题,苹果方面现在给出了正式回应。苹果在MagSafe充电支持文档里表示,如果在用MagSaf....
的头像 我快闭嘴 发表于 10-27 10:13 21次 阅读
MagSafe皮革卡包可避免iPhone12消磁的问题

基于FPGA芯片实现单片式8路高速数字信号分析仪的设计

由于数字信号只有高电平和低电平两种情况,因此,用单片机 (MCU)就可直接实现多路数字信号进行采集和....
发表于 10-27 10:08 39次 阅读
基于FPGA芯片实现单片式8路高速数字信号分析仪的设计

武汉建设全国一流的5G网络,打造10个以上工业互联网双跨平台

“推进‘5G+工业互联网’融合发展是一项高水平、大领域的系统性工程,现在仍处于探索阶段,面临数字化基....
的头像 lhl545545 发表于 10-27 10:06 28次 阅读
武汉建设全国一流的5G网络,打造10个以上工业互联网双跨平台

2元钱就能买上千张人脸照:照片主人有可能遭遇精准诈骗、洗钱、涉黑等

在日常的生活中,大家一定要加强保护自己隐私的观念,你很不起眼的一个行为,可能就泄露了自己的信息。 据....
的头像 Les 发表于 10-27 10:01 219次 阅读
2元钱就能买上千张人脸照:照片主人有可能遭遇精准诈骗、洗钱、涉黑等

在全民直播时代,党建工作也开启了“云直播”模式

蓬勃发展的不只是直播经济,中国的直播教育、直播技术、直播平台在2020年都进入了快速发展期。云直播作....
的头像 lhl545545 发表于 10-27 09:59 32次 阅读
在全民直播时代,党建工作也开启了“云直播”模式

无线芯片有何特点?如何才能算好的蓝牙解决方案?

无线正成为物联网(IoT)的新热点。IoT无线解决方案需要先进的RF技术,快速的数据传输,低功耗、高....
的头像 inr999 发表于 10-27 09:54 76次 阅读
无线芯片有何特点?如何才能算好的蓝牙解决方案?

苹果正在研发A15芯片,或将采用台积电的5nm工艺2021年试产

尽管2020年10月份,苹果的A14处理器再一次惊艳了整个世界,但是苹果似乎并没有沾沾自喜,而是马不....
的头像 陈翠 发表于 10-27 09:48 34次 阅读
苹果正在研发A15芯片,或将采用台积电的5nm工艺2021年试产

芯片失效分析了该怎么办?

对于应用工程师,芯片失效分析是最棘手的问题之一。之所以棘手,很无奈的一点便是:芯片失效问题通常是在量....
的头像 inr999 发表于 10-27 09:41 34次 阅读
芯片失效分析了该怎么办?

华人学者推出视频修复AI:可换天造物 秒变科幻大片

AI修图到底有多强? 前几日,Adobe Max 大会刚刚结束,Photoshop 2021版便登上....
的头像 工程师邓生 发表于 10-27 09:39 41次 阅读
华人学者推出视频修复AI:可换天造物 秒变科幻大片

华为的海思麒麟芯片成为全球最强的芯片

前段时间的华为mate 40发布会上,华为消费者业务总裁在发布会中展示出了全球第一款SOC 5纳米芯....
的头像 我快闭嘴 发表于 10-27 09:23 214次 阅读
华为的海思麒麟芯片成为全球最强的芯片

10.24关爱程序员日百度这样过!

一年一度的关爱程序员日10月24日程序员节在本周六到来,许多网友在当天替广大程序员们喊出了拒绝加班、....
的头像 算法与数据结构 发表于 10-27 09:20 49次 阅读
10.24关爱程序员日百度这样过!

中国驱动IC市场仍处于供不应求的情况

根据涨价通知显示,集创北方所有基本款(含双锁存)恒流驱动IC调增0.01元;行驱动IC调增0.01元....
的头像 我快闭嘴 发表于 10-27 09:13 61次 阅读
中国驱动IC市场仍处于供不应求的情况

解读台积电黑科技:可做到一颗CPU集成192GB

据媒体报道,作为全球一号代工厂,台积电已经开始大规模量产第六代CoWoS晶圆级芯片封装技术,集成度大....
的头像 如意 发表于 10-27 09:13 40次 阅读
解读台积电黑科技:可做到一颗CPU集成192GB

台积电投资101亿美元,新建芯片封测工厂

在芯片封装技术方面,产业链人士透露台积电的第6代CoWoS(Chip onWafer on Subs....
的头像 我快闭嘴 发表于 10-27 09:06 84次 阅读
台积电投资101亿美元,新建芯片封测工厂

国微集团踏上建立国产EDA产业平台之路

对于上述工作经历,张岩博士表示:“我的研发工作一半在EDA方向,一半在IC设计方向。因此,我的优势很....
发表于 10-27 09:06 23次 阅读
国微集团踏上建立国产EDA产业平台之路

AI下一站:拥抱生活的细碎

科技对于生活而言究竟扮演的是什么角色?在科技至上者的眼中,科技是生活、社会进步的唯一钥匙,是人类长河....
的头像 Les 发表于 10-26 18:28 386次 阅读
AI下一站:拥抱生活的细碎

苹果A15芯片预期用台积电5纳米技术

据台湾工商时报报道,苹果A14及A14X处理器已在台积电采用5纳米制程量产,预期明年会推出新款桌上型....
的头像 inr999 发表于 10-26 18:21 329次 阅读
苹果A15芯片预期用台积电5纳米技术

英特尔重返独立显卡市场:Xe GPU 的开发进展顺利

英特尔在中断了20年后宣布将重返独立显卡市场,官方确认Xe GPU 的开发进展顺利。 据悉,在最近的....
的头像 inr999 发表于 10-26 18:08 261次 阅读
英特尔重返独立显卡市场:Xe GPU 的开发进展顺利

英特尔扩大芯片外包代工一事,具体情况预计最晚在2021年初正式决定

近日,芯片大厂英特尔(intel) 公布了2020年第3季度的财报,公司CEO Robert Swa....
的头像 Les 发表于 10-26 18:02 257次 阅读
英特尔扩大芯片外包代工一事,具体情况预计最晚在2021年初正式决定

印度发“粪”图强 制造牛粪灯、牛粪芯片...

天下之大,无奇不有。 以前都说鲜花插在牛粪上,现在鲜花真的要摆在牛粪灯上了。 日前,印度全国牛类委员....
的头像 电子发烧友网工程师 发表于 10-26 17:43 305次 阅读
印度发“粪”图强 制造牛粪灯、牛粪芯片...

芯片大佬探索封装技术,可满足芯片发展需求

近年来,封装技术在半导体领域发挥的作用越来越大,越来越多前道工艺需要完成的步骤被引入后道工艺当中,两....
的头像 Les 发表于 10-26 17:43 194次 阅读
芯片大佬探索封装技术,可满足芯片发展需求

芯片巨头深入探索封装技术,良药治病未来可期

前言: 近年来,封装技术在半导体领域发挥的作用越来越大,越来越多前道工艺需要完成的步骤被引入后道工艺....
的头像 工程师邓生 发表于 10-26 17:39 159次 阅读
芯片巨头深入探索封装技术,良药治病未来可期

刘庆峰谈科大讯飞的下一步布局和未来几个重要发展方向

10月23日,以AI焕新更美好为主题的2020年科大讯飞全球1024开发者节在安徽广播电视台亚洲一号....
的头像 Les 发表于 10-26 17:27 242次 阅读
刘庆峰谈科大讯飞的下一步布局和未来几个重要发展方向

三星Exynos1080安兔兔跑分逼近70万 或将引领5nm旗舰芯片

随着进入到2020年最后一个季度,手机半导体芯片领域也开始步入一个新的纪元,即5nm工艺时代。本月,....
的头像 工程师邓生 发表于 10-26 17:23 188次 阅读
三星Exynos1080安兔兔跑分逼近70万 或将引领5nm旗舰芯片

基于可编程逻辑器件实现PWM控制器的设计

在采用自顶向下(Top_Down)正向设计PWM器件的过程中,芯片的结构划分和规格定制是整个设计的重....
发表于 10-26 17:08 135次 阅读
基于可编程逻辑器件实现PWM控制器的设计

盘点扫地机器人品牌排名

iRobot由美国顶尖学府麻省理工大学的机器人专家在1990年创立,经过了30年的发展,iRobot....
的头像 我快闭嘴 发表于 10-26 16:51 197次 阅读
盘点扫地机器人品牌排名

海康威视:AI推动视频监控行业快速发展

2020年10月26日,海康威视(002415)披露三季报显示,高毅资产冯柳管理的高毅邻山1号远望基....
的头像 电子魔法师 发表于 10-26 16:49 219次 阅读
海康威视:AI推动视频监控行业快速发展

A14才发布没多久,苹果A15芯片的消息就传来了

A14才发布没多久,苹果A15芯片的消息就也传来了。 据台湾《工商时报》报道,据供应链消息,苹果研发....
的头像 Les 发表于 10-26 16:46 196次 阅读
A14才发布没多久,苹果A15芯片的消息就传来了

10月份芯片行业重要事件汇总

10月20日,据相关媒体报道,英特尔正在出售自己的NAND闪存芯片业务给全球第二大存储芯片制造商SK....
的头像 我快闭嘴 发表于 10-26 16:45 294次 阅读
10月份芯片行业重要事件汇总

1024:AI市场趋势及机遇

如今人工智能已经成为科技领域最炙手可热的词汇之一,特别是在移动互联网时代红利殆尽之时,AI,已经成为....
的头像 工程师邓生 发表于 10-26 16:42 844次 阅读
1024:AI市场趋势及机遇

手机半导体芯片领域开始步入一个新的纪元

从ARM公司此前公布的官方数据可以得知,在相同主频、相同功耗的前提下,A78架构较A77架构单核性能....
的头像 我快闭嘴 发表于 10-26 16:32 202次 阅读
手机半导体芯片领域开始步入一个新的纪元

深圳得一微电子完成数亿元B2轮融资,用于芯片的研发

近日,深圳市得一微电子有限责任公司(YEESTOR)宣布完成数亿元B2轮融资。据官方消息,本次融资将....
的头像 电子魔法师 发表于 10-26 16:27 179次 阅读
深圳得一微电子完成数亿元B2轮融资,用于芯片的研发

现在入手iPhone11还是iPhone12?

当然,针对于部分老果粉来讲,iPhone12系列有太大的吸引力也是一件苦恼的事儿。就拿我身边的一个好....
的头像 我快闭嘴 发表于 10-26 16:26 3092次 阅读
现在入手iPhone11还是iPhone12?

南大光电:公司光刻胶产品客户验证正在顺利推进

在第三届数字中国峰会上,中兴通讯副总裁、MKT及方案政企部总经理李晖表示,在5G无线基站、交换机等设....
的头像 lhl545545 发表于 10-26 16:14 298次 阅读
南大光电:公司光刻胶产品客户验证正在顺利推进

诺基亚贝尔在怀柔5G试验外场中首家成功展示毫米波4Gbps峰值性能

马博策坦诚,对于诺基亚贝尔而言,2020年的确面临着非常重大的挑战;但诺基亚贝尔已经做好了强势回归的....
的头像 lhl545545 发表于 10-26 16:00 202次 阅读
诺基亚贝尔在怀柔5G试验外场中首家成功展示毫米波4Gbps峰值性能

以6G为代表的ICT技术将给人们生活带来哪些变化?

对于这个问题,vivo通信研究院院长秦飞表示,6G时代在10年之后,虽然现在还很难下定论,但从4G、....
的头像 lhl545545 发表于 10-26 15:24 282次 阅读
以6G为代表的ICT技术将给人们生活带来哪些变化?

人工智能的应用领域有哪些?

人工智能的应用领域有哪些? 人工智能的定义可以分为两部分,即“人工”和“智能”,应用领域非常广泛。麦肯锡全球研究所一...
发表于 10-26 13:38 0次 阅读
人工智能的应用领域有哪些?

HE4126E三节锂电池串联升压充电管理芯片的数据手册免费下载

HE4126E是一款5V输入最大1.2A充电电流支持三节锂电池串联应用 锂离子电池的升压充电管理IC....
发表于 10-26 08:00 23次 阅读
HE4126E三节锂电池串联升压充电管理芯片的数据手册免费下载

用AD20绘制NSOP的芯片封装-PCB绘制-适用于其他双排类型的IC-详细过程-学习记录

NSOP封装PCB绘制-绘制记录一、以16NSOP为例,使用软件AD20. 1、封装命名参照图中格式。2、放置首个焊盘焊盘宽度比...
发表于 10-22 17:07 101次 阅读
用AD20绘制NSOP的芯片封装-PCB绘制-适用于其他双排类型的IC-详细过程-学习记录

ARM芯片的应用和选型

1.1 ARM芯核如果希望使用WinCE或Linux等操作系统以减少软件开发时间,就需要选择ARM720T以上带有MMU(memory mana...
发表于 10-22 10:59 101次 阅读
ARM芯片的应用和选型

芯片失效分析探针台测试

芯片失效分析探针台测试简介: 可以便捷的测试芯片或其他产品的微区电信号引出功能,支持微米级的测试点信号引出或施加,配备硬...
发表于 10-16 16:05 0次 阅读
芯片失效分析探针台测试

开源资料自制一个光立方体

功能描述: 8*8*8光立方主控板,采用STC12C5A60S2单片机为主控芯片,驱动电路采用8个SN74HC573为驱动锁存器和ULN28...
发表于 10-15 10:44 606次 阅读
开源资料自制一个光立方体

NAS存储+AI语音,智能音箱+物联网结合的产品,邀请各位发烧友来内测

现在我们在做一款NAS存储和AI语音相结合的智能硬件,并通过嵌套在主机中的加密芯片,实现了数据的非对称加密、数字资产管理...
发表于 10-14 13:51 101次 阅读
NAS存储+AI语音,智能音箱+物联网结合的产品,邀请各位发烧友来内测

求助 我没有大神知道这个是哪个型号的芯片

有没有大神知道这个是哪个型号的芯片 小弟在此多谢啦...
发表于 10-12 21:13 50次 阅读
求助 我没有大神知道这个是哪个型号的芯片

全网唯一一套基于人工智能LabVIEW深度学习基础必修课操作员可以学会的传统视觉

1、我们需要明白 随着谷歌不断在开放AI开发平台,人工智能开发像Android一样逐渐平民化、大众化,是主动学习还是被动淘汰?显...
发表于 10-12 14:21 101次 阅读
全网唯一一套基于人工智能LabVIEW深度学习基础必修课操作员可以学会的传统视觉

传感器数据如何为机器人技术中的人工智能提供动力

传感器数据如何为机器人技术中的人工智能提供动力 ...
发表于 10-10 18:19 101次 阅读
传感器数据如何为机器人技术中的人工智能提供动力

DIY剪刀石头布机器人(一)

背景:回家看到小外甥存了很多零用钱,作为舅舅,最近手头有点紧。于是经过几天的筹划,决定制作一个剪刀石头布机器人,向小外甥...
发表于 10-09 22:32 202次 阅读
DIY剪刀石头布机器人(一)

STM805T/S/R STM805T/S/R3V主管

RST 输出 NVRAM监督员为外部LPSRAM 芯片使能选通(STM795只)用于外部LPSRAM( 7 ns最大值丙延迟) 手册(按钮)复位输入 200毫秒(典型值)吨 REC 看门狗计时器 - 1.6秒(典型值) 自动电池切换 在STM690 /795分之704/804分之802/八百零六分之八百零五监督员是自载装置,其提供微处理器监控功能与能力的非挥发和写保护外部LPSRAM。精密电压基准和比较监视器在V
发表于 05-20 16:05 54次 阅读
STM805T/S/R STM805T/S/R3V主管

FPF2290 过压保护负载开关

0具有低R ON 内部FET,工作电压范围为2.5 V至23 V.内部钳位电路能够分流±100 V的浪涌电压,保护下游元件并增强系统的稳健性。 FPF2290具有过压保护功能,可在输入电压超过OVP阈值时关断内部FET。 OVP阈值可通过逻辑选择引脚(OV1和OV2)选择。过温保护还可在130°C(典型值)下关断器件。 FPF2290采用完全“绿色”兼容的1.3mm×1.8mm晶圆级芯片级封装(WLCSP),带有背面层压板。 特性 电涌保护 带OV1和OV2逻辑输入的可选过压保护(OVP) 过温保护(OTP) 超低导通电阻,33mΩ 终端产品 移动 便携式媒体播放器 电路图、引脚图和封装图...
发表于 07-31 13:02 105次 阅读
FPF2290 过压保护负载开关

FTL75939 可配置负载开关和复位定时器

39既可作为重置移动设备的计时器,又可作为先进负载管理器件,用于需要高度集成解决方案的应用。若移动设备关闭,保持/ SR0低电平(通过按下开启键)2.3 s±20%能够开启PMIC。作为一个重置计时器,FTL11639有一个输入和一个固定延迟输出。断开PMIC与电池电源的连接400 ms±20%可生成7.5 s±20%的固定延迟。然后负荷开关再次打开,重新连接电池与PMIC,从而让PMIC按电源顺序进入。连接一个外部电阻到DELAY_ADJ引脚,可以自定义重置延迟。 特性 出厂已编程重置延迟:7.5 s 出厂已编程重置脉冲:400 ms 工厂自定义的导通时间:2.3 s 出厂自定义关断延迟:7.3 s 通过一个外部电阻实现可调重置延迟(任选) 低I CCT 节省与低压芯片接口的功率 关闭引脚关闭负载开关,从而在发送和保存过程中保持电池电荷。准备使用右侧输出 输入电压工作范围:1.2 V至5.5 V 过压保护:允许输入引脚> V BAT 典型R ON :21mΩ(典型值)(V BAT = 4.5 V时) 压摆率/浪涌控制,t R :2.7 ms(典型值) 3.8 A /4.5 A最大连续电流(JEDEC ...
发表于 07-31 13:02 197次 阅读
FTL75939 可配置负载开关和复位定时器

NCV8774 LDO稳压器 350 mA 低Iq

4是一款350 mA LDO稳压器。其坚固性使NCV8774可用于恶劣的汽车环境。超低静态电流(典型值低至18μA)使其适用于永久连接到需要具有或不具有负载的超低静态电流的电池的应用。当点火开关关闭时,模块保持活动模式时,此功能尤其重要。 NCV8774包含电流限制,热关断和反向输出电流保护等保护功能。 特性 优势 固定输出电压为5 V和3.3 V 非常适合为微处理器供电。 2%输出电压高达Vin = 40 V 通过负载突降维持稳压电压。 输出电流高达350 mA 我们广泛的汽车调节器产品组合允许您选择适合您应用的汽车调节器。 NCV汽车前缀 符合汽车现场和变更控制& AEC-Q100资格要求。 低压差 在低输入电压下维持输出电压调节(特别是在汽车起动过程中)。 超低静态电流18μA典型 符合最新的汽车模块要求小于100μA。 热关机 保护设备免受高温下的永久性损坏。 短路 保护设备不会因电流过大而在芯片上产生金属开路。 非常广泛的Cout和ESR稳定性值 确保任何类型的输出电容的稳定性。 车身控制模块 仪器和群集 乘员...
发表于 07-30 19:02 91次 阅读
NCV8774 LDO稳压器 350 mA 低Iq

NCV8674 LDO稳压器 350 mA 低压差 低Iq

4是一款精密5.0 V或12 V固定输出,低压差集成稳压器,输出电流能力为350 mA。仔细管理轻负载电流消耗,结合低泄漏过程,可实现30μA的典型静态电流。 输出电压精确到±2.0%,在满额定负载电流下最大压差为600 mV。内部保护,防止输入电源反转,输出过流故障和过高的芯片温度。无需外部组件即可启用这些功能。 特性 优势 5.0 V和12 V输出电压选项,输出精度为2.0%,在整个温度范围内 非常适合监控新的微处理器和通信节点 40 I OUT = 100 A时的最大静态电流 满足100μA最大模块汽车制造商点火关闭静态电流要求 350 mV时600 mV最大压差电压电流 在低输入电压下维持输出电压调节。 5.5 V至45 V的宽输入电压工作范围 维持甚至duri的监管ng load dump 内部故障保护 -42 V反向电压短路/过流热过载 节省成本和空间,因为不需要外部设备 AEC-Q100合格 满足汽车资格要求 应用 终端产品 发动机控制模块 车身和底盘 动力总成 汽车 电路图、引脚图和封装图...
发表于 07-30 18:02 66次 阅读
NCV8674 LDO稳压器 350 mA 低压差 低Iq

NCV8664C LDO稳压器 150 mA 低压差 低Iq

4C是一款精密3.3 V和5.0 V固定输出,低压差集成稳压器,输出电流能力为150 mA。仔细管理轻负载电流消耗,结合低泄漏过程,可实现22μA的典型静态电流。输出电压精确到±2.0%,在满额定负载电流下最大压差为600 mV。内部保护,防止输入电源反向,输出过流故障和过高的芯片温度。无需外部组件即可启用这些功能。 NCV8664C与NCV4264,NCV4264-2,NCV4264-2C引脚和功能兼容,当需要较低的静态电流时可以替换这些器件。 特性 优势 最大30μA静态电流100μA负载 符合新车制造商最大模块静态电流要求(最大100μA)。 极低压降600 mV(最大值)150 mA负载电流 可以在低输入电压下启动时运行。 保护: -42 V反向电压保护短路保护热过载保护 在任何汽车应用中都不需要外部元件来实现保护。 5.0 V和3.3V固定输出电压,输出电压精度为2% AEC-Q100 1级合格且PPAP能力 应用 终端产品 发动机控制模块 车身和底盘 动力总成 信息娱乐,无线电 汽车 电路图、引脚图和封装图...
发表于 07-30 18:02 109次 阅读
NCV8664C LDO稳压器 150 mA 低压差 低Iq

NCV8660B LDO稳压器 150 mA 低压差 低Iq

0B是一款精密极低Iq低压差稳压器。典型的静态电流低至28μA,非常适合需要低负载静态电流的汽车应用。复位和延迟时间选择等集成控制功能使其成为微处理器供电的理想选择。它具有5.0 V或3.3 V的固定输出电压,可在±2%至150 mA负载电流范围内调节。 特性 优势 固定输出电压为5 V或3.3 V 非常适合为微处理器供电。 2%输出电压,最高VBAT = 40 V 维持稳压电压装载转储。 输出电流高达150 mA 我们广泛的汽车调节器产品组合允许您选择适合您应用的汽车调节器。 延迟时间选择 为微处理器选择提供灵活性。 重置输出 禁止微处理器在低电压下执行未请求的任务。 汽车的NCV前缀 符合汽车网站和变更控制& AEC-Q100资格要求。 低压差 在低输入电压下维持输出电压调节(特别是在汽车起动过程中)。 典型值为28 uA的低静态电流 符合最新的汽车模块要求小于100uA。 热关机 保护设备免受高温下的永久性损坏。 短路 保护设备不会因电流过大而在芯片上产生金属开路。 在空载条件下稳定 将系统静态电流保持在最低限度。...
发表于 07-30 18:02 99次 阅读
NCV8660B LDO稳压器 150 mA 低压差 低Iq

NCV8665 LDO稳压器 150 mA 低压差 低Iq 高PSRR

5是一款精密5.0 V固定输出,低压差集成稳压器,输出电流能力为150 mA。仔细管理轻负载电流消耗,结合低泄漏过程,可实现30μA的典型静态接地电流。 NCV8665的引脚与NCV8675和NCV4275引脚兼容,当输出电流较低且需要非常低的静态电流时,它可以替代这些器件。输出电压精确到±2.0%,在满额定负载电流下最大压差为600 mv。它具有内部保护,可防止45 V输入瞬变,输入电源反转,输出过流故障和过高的芯片温度。无需外部组件即可启用这些功能。 特性 优势 5.0 V固定输出电压,输出电压精度为2%(3.3 V和2.5 V可根据要求提供) 能够提供最新的微处理器 最大40 A静态电流,负载为100uA 满足100μA最大模块汽车制造商点火关闭静态电流要求 保护: -42 V反向电压保护短路 在任何汽车应用中都不需要外部组件来启用保护。 AEC-Q100合格 符合自动资格认证要求 极低压降电压 应用 终端产品 发动机控制模块 车身和底盘 动力总成 汽车 电路图、引脚图和封装图...
发表于 07-30 17:02 107次 阅读
NCV8665 LDO稳压器 150 mA 低压差 低Iq 高PSRR

NCV8664 LDO稳压器 150 mA 低Iq

4是一款精密5.0 V固定输出,低压差集成稳压器,输出电流能力为150 mA。仔细管理轻负载电流消耗,结合低泄漏过程,可实现典型的22μA静态接地电流。输出电压精确到±2.0%,在满额定负载电流下最大压差为600 mV 。 内部保护,防止输入电源反转,输出过流故障和过高的芯片温度。无需外部组件即可启用这些功能。 NCV8664的引脚和功能与NCV4264和NCV4264-2兼容,当需要非常低的静态电流时,它可以替代这些部件。 特性 优势 负载100μA时最大30μA静态电流 会见新车制造商最大模块静态电流要求(最大100μA)。 保护: -42 V反向电压保护短路保护热过载保护 在任何汽车应用中都不需要外部组件来启用保护。 极低压降电压 可以在低输入电压下启动时运行。 5.0 V和3.3V固定输出电压,2%输出电压精度 AEC-Q100合格 汽车 应用 车身和底盘 动力总成 发动机控制模块 信息娱乐,无线电 电路图、引脚图和封装图...
发表于 07-30 17:02 116次 阅读
NCV8664 LDO稳压器 150 mA 低Iq

NCV8675 LDO稳压器 350 mA 低压差 低Iq 高PSRR

5是一款精密5.0 V和3.3 V固定输出,低压差集成稳压器,输出电流能力为350 mA。仔细管理轻负载电流消耗,结合低泄漏过程,可实现34μA的典型静态接地电流。 内部保护免受输入瞬态,输入电源反转,输出过流故障和芯片温度过高的影响。无需外部元件即可实现这些功能。 NCV8675引脚与NCV4275引脚兼容,当需要非常低的静态电流时,它可以替代该器件。对于D 2 PAK-5封装,输出电压精确到±2.0%,对于DPAK-5封装,输出电压精确到±2.5%,在满额定负载电流下,最大压差为600 mV。 特性 优势 5.0 V和3.3 V固定输出电压,输出电压精度为2%或2.5% 能够提供最新的微处理器 负载为100uA时最大34uA静态电流 满足100uA最大模块汽车制造商点火关闭静态电流要求 保护: -42 V反向电压保护短路 在任何汽车应用中都不需要外部组件来实现保护。 AEC-Q100 Qualifie d 符合自动资格认证要求 极低压降电压 应用 终端产品 发动机控制模块 车身和底盘 动力总成 汽车 电路图、引脚图和封装图...
发表于 07-30 16:02 92次 阅读
NCV8675 LDO稳压器 350 mA 低压差 低Iq 高PSRR

NCV4264-2 LDO稳压器 100 mA 低Iq 高PSRR

4-2功能和引脚与NCV4264引脚兼容,具有更低的静态电流消耗。其输出级提供100 mA,输出电压精度为+/- 2.0%。在100 mA负载电流下,最大压差为500 mV。它具有内部保护,可防止45 V输入瞬变,输入电源反转,输出过流故障和过高的芯片温度。无需外部组件即可启用这些功能。 特性 优势 最大60μA静态电流,负载为100μA 处于待机模式时可以节省电池寿命。 保护: - 42 V反向电压保护短路保护热过载保护 无需外部元件在任何汽车应用中都需要保护。 极低压差 可以在低输入电压下启动时运行。 5.0 V和3.3 V固定输出电压,输出电压精度为2% AEC-Q100合格 应用 终端产品 车身和底盘 动力总成 发动机控制模块 汽车 电路图、引脚图和封装图...
发表于 07-30 13:02 95次 阅读
NCV4264-2 LDO稳压器 100 mA 低Iq 高PSRR

NCV4264 LDO稳压器 100 mA 高PSRR

4是一款宽输入范围,精密固定输出,低压差集成稳压器,满载电流额定值为100 mA。输出电压精确到±2.0%,在100 mA负载电流下最大压差为500 mV。 内部保护免受45 V输入瞬变,输入电源反转,输出过流故障和过高的芯片温度。无需外部组件即可启用这些功能。 特性 优势 5.0 V和3.3 V固定输出电压和2.0%输出电压精度 严格的监管限制 非常低的辍学 可以在低输入电压下启动时运行。 保护: -42 V反向电压保护短路保护热过载保护 在任何汽车应用中都不需要外部组件来启用保护。 AEC-Q100合格 符合汽车资格标准 应用 终端产品 车身与底盘 动力总成 发动机控制模块 汽车 电路图、引脚图和封装图...
发表于 07-30 13:02 175次 阅读
NCV4264 LDO稳压器 100 mA 高PSRR

NCV4264-2C LDO稳压器 100 mA 低Iq 高PSRR

4-2C是一款低静态电流消耗LDO稳压器。其输出级提供100 mA,输出电压精度为+/- 2.0%。在100 mA负载电流下,最大压差为500 mV。它具有内部保护,可防止45 V输入瞬变,输入电源反转,输出过流故障和过高的芯片温度。无需外部组件即可启用这些功能。 特性 优势 最大60μA静态电流,负载为100μ 在待机模式下节省电池寿命。 极低压降500 mV( max)100 mA负载电流 可以在低输入电压下启动时运行。 故障保护: -42 V反向电压保护短路/过流保护热过载保护 在任何汽车应用中都不需要外部组件来启用保护。 5.0 V和3.3 V固定输出电压,输出电压精度为2%,在整个温度范围内 AEC-Q100合格 应用 终端产品 发动机控制模块 车身和底盘 动力总成 汽车 电路图、引脚图和封装图...
发表于 07-30 13:02 181次 阅读
NCV4264-2C LDO稳压器 100 mA 低Iq 高PSRR

NCV8772 LDO稳压器 350 mA 低Iq

2是350 mA LDO稳压器,集成了复位功能,专用于微处理器应用。其坚固性使NCV8772可用于恶劣的汽车环境。超低静态电流(典型值低至24μA)使其适用于永久连接到需要具有或不具有负载的超低静态电流的电池的应用。当点火开关关闭时,模块保持活动模式时,此功能尤其重要。 Enable功能可用于进一步降低关断模式下的静态电流至1μA。 NCV8772包含电流限制,热关断和反向输出电流保护等保护功能。 特性 优势 固定输出电压为5 V 非常适合为微处理器供电。 2%输出电压上升至Vin = 40 V 通过负载突降维持稳压电压。 输出电流高达350 mA 我们广泛的汽车调节器产品组合允许您选择适合您应用的汽车调节器。 RESET输出 禁止微处理器在低电压下执行未请求的任务。 汽车的NCV前缀 符合汽车现场和变更控制& AEC-Q100资格要求。 低压差 在低输入电压下维持输出电压调节(特别是在汽车起动过程中)。 超低静态电流24μA典型 符合最新的汽车模块要求小于100μA。 热关机 保护设备免受高温下的永久性损坏。 短路 保护设备不会因电流过...
发表于 07-30 12:02 124次 阅读
NCV8772 LDO稳压器 350 mA 低Iq

NCV8770 LDO稳压器 350 mA 低Iq

0是350 mA LDO稳压器,集成了复位功能,专用于微处理器应用。其坚固性使NCV8770可用于恶劣的汽车环境。超低静态电流(典型值低至21μA)使其适用于永久连接到需要具有或不具有负载的超低静态电流的电池的应用。当点火开关关闭时,模块保持活动模式时,此功能尤其重要。 NCV8770包含电流限制,热关断和反向输出电流保护等保护功能。 特性 优势 固定输出电压为5 V 非常适合为微处理器供电。 2%输出电压上升至Vin = 40 V 通过负载突降维持稳压电压。 输出电流高达350 mA 我们广泛的汽车调节器产品组合允许您选择适合您应用的汽车调节器。 RESET输出 禁止微处理器在低电压下执行未请求的任务。 汽车的NCV前缀 符合汽车现场和变更控制& AEC-Q100资格要求。 低压差 在低输入电压下维持输出电压调节(特别是在汽车起动过程中)。 典型值为21μA的超低静态电流 符合最新的汽车模块要求小于100μA。 热关机 保护设备免受高温下的永久性损坏。 短路 保护设备不会因电流过大而在芯片上产生金属开路。 非常广泛的Cout和E...
发表于 07-30 12:02 96次 阅读
NCV8770 LDO稳压器 350 mA 低Iq

MC33160 线性稳压器 100 mA 5 V 监控电路

0系列是一种线性稳压器和监控电路,包含许多基于微处理器的系统所需的监控功能。它专为设备和工业应用而设计,为设计人员提供了经济高效的解决方案,只需极少的外部组件。这些集成电路具有5.0 V / 100 mA稳压器,具有短路电流限制,固定输出2.6 V带隙基准,低电压复位比较器,带可编程迟滞的电源警告比较器,以及非专用比较器,非常适合微处理器线路同步。 其他功能包括用于低待机电流的芯片禁用输入和用于过温保护的内部热关断。 这些线性稳压器采用16引脚双列直插式热片封装,可提高导热性。 特性 5.0 V稳压器输出电流超过100 mA 内部短路电流限制 固定2.6 V参考 低压复位比较器 具有可编程迟滞的电源警告比较器 未提交的比较器 低待机当前 内部热关断保护 加热标签电源包 无铅封装可用 电路图、引脚图和封装图...
发表于 07-30 06:02 88次 阅读
MC33160 线性稳压器 100 mA 5 V 监控电路

FAN53880 一个降压 一个升压和四个LDO PMIC

80是一款用于移动电源应用的低静态电流PMIC。 PMIC包含一个降压,一个升压和四个低噪声LDO。 特性 晶圆级芯片级封装(WLCSP) 可编程输出电压 软启动(SS)浪涌电流限制 可编程启动/降压排序 中断报告的故障保护 低电流待机和关机模式 降压转换器:1.2A,VIN范围: 2.5V至5.5V,VOUT范围:0.6V至3.3V 升压转换器:1.0A,VIN范围:2.5V至5.5V,VOUT范围:3.0V至5.7V 四个LDO:300mA,VIN范围:1.9V至5.5V,VOUT范围:0.8V至3.3V 应用 终端产品 电池和USB供电设备 智能手机 平板电脑 小型相机模块 电路图、引脚图和封装图...
发表于 07-30 04:02 257次 阅读
FAN53880 一个降压 一个升压和四个LDO PMIC

NCV5171 升压转换器 280 kHz 1.5 A 用于汽车

1 / 73产品是280 kHz / 560 kHz升压调节器,具有高效率,1.5 A集成开关。该器件可在2.7 V至30 V的宽输入电压范围内工作。该设计的灵活性使芯片可在大多数电源配置中运行,包括升压,反激,正激,反相和SEPIC。该IC采用电流模式架构,可实现出色的负载和线路调节,以及限制电流的实用方法。将高频操作与高度集成的稳压器电路相结合,可实现极其紧凑的电源解决方案。电路设计包括用于正电压调节的频率同步,关断和反馈控制等功能。这些器件与LT1372 / 1373引脚兼容,是CS5171和CS5173的汽车版本。 特性 内置过流保护 宽输入范围:2.7V至30V 高频允许小组件 最小外部组件 频率折返减少过流条件下的元件应力 带滞后的热关机 简易外部同步 集成电源开关:1.5A Guarnateed 引脚对引脚与LT1372 / 1373兼容 这些是无铅设备 用于汽车和其他应用需要站点和控制更改的ons CS5171和CS5173的汽车版本 电路图、引脚图和封装图...
发表于 07-30 00:02 98次 阅读
NCV5171 升压转换器 280 kHz 1.5 A 用于汽车

NCP161 LDO稳压器 450 mA 超高PSRR 超低噪声

是一款线性稳压器,能够提供450 mA输出电流。 NCP161器件旨在满足RF和模拟电路的要求,可提供低噪声,高PSRR,低静态电流和非常好的负载/线路瞬态。该器件设计用于1μF输入和1μF输出陶瓷电容。它有两种厚度的超小0.35P,0.65 mm x 0.65 mm芯片级封装(CSP),XDFN-4 0.65P,1 mm x 1 mm和TSOP5封装。 类似产品:
发表于 07-29 21:02 221次 阅读
NCP161 LDO稳压器 450 mA 超高PSRR 超低噪声

AR0521 CMOS图像传感器 5.1 MP 1 / 2.5

是一款1 / 2.5英寸CMOS数字图像传感器,有源像素阵列为2592(H)x 1944(V)。它通过滚动快门读数捕获线性或高动态范围模式的图像,并包括复杂的相机功能,如分档,窗口以及视频和单帧模式。它专为低亮度和高动态范围性能而设计,具有线路交错T1 / T2读出功能,可在ISP芯片中支持片外HDR。 AR0521可以产生非常清晰,锐利的数字图像,并且能够捕获连续视频和单帧,使其成为安全应用的最佳选择。 特性 5 Mp为60 fps,具有出色的视频性能 小型光学格式(1 / 2.5英寸) 1440p 16:9模式视频 卓越的低光性能 2.2 m背面照明像素技术 支持线路交错T1 / T2读出以启用ISP芯片中的HDR处理 支持外部机械快门 片上锁相环(PLL)振荡器 集成颜色和镜头阴影校正 精确帧率控制的从属模式 数据接口:♦HiSPi(SLVS) - 4个车道♦MIPI CSI-2 - 4车道 自动黑电平校准 高速可配置上下文切换 温度传感器 快速模式兼容2线接口 应用 终端产品 视频监控 高动态范围成像 安全摄像头 行动相机 车载DVR 电路图、引脚图和封装...
发表于 07-29 16:02 474次 阅读
AR0521 CMOS图像传感器 5.1 MP 1 / 2.5