芯片花了500万投片，怎么定价呢

景芯SoC培训营40nm工艺，mask成本大概在60-90万美金，量产之后，每片wafer的3000-4000美金。所以前期生产4-25片进行产品验证时，主要成本就是Mask，量产时，Mask成本被平摊到每片晶圆后占比就很小了，出货量越大，占比越小。要降低芯片价格，产量至关重要。

以苹果最新的M3芯片为例，mask掩膜成本高达10亿美元，国内玩得起的 您可以扳扳手指头。

国内大部分公司都是采用40/28nm等工艺，一方面技术非常成熟，一方面成本可控，学员们不用一味追求高端工艺，毕竟国内能用7nm设计的屈指可数，而用成熟工艺的有几千家，景芯很多学员拿到的50w+ offer的也是去做的成熟工艺，这也是景芯SoC培训采用40nm工艺的原因。

但是景芯SoC训练营设计采用的低功耗设计，40nm低功耗工艺的掩膜成本为200万美元，设计先进了，功耗低了，出货量大了，工艺厂就把40nm普通mask价格从60-90万美金拔高到200万美金了，有账算啊。

40nm普通工艺mask成本大概在60-90万美金，40nm低功耗工艺的mask成本为200万美元左右；28nm SOI工艺为400万美元；28nm HKMG成本为600万美元。初创公司也不一定能cover的，初创公司更多选的90nm、130nm工艺去试水。

而芯片定价策略是8：20定价法，即mask+wafer+封测成本等为8的情况下，芯片定价为20。Intel一般定价策略为8：35，AMD历史上曾达到过8：50。一枚芯片采用8：20定价法，如何计算呢？参见知识星球。

假设产量为10万颗，一张wafer切割为2000颗，参见知识星球。硬件成本计算了，别忘记了设计成本啊，包括工程师的工资、EDA工具费用、IP费用、专利授权费用，定价失败很容易亏损。

以苹果最新的M3芯片为例，mask掩膜成本高达10亿美元，但是果粉多，出货量大，即便只出货1亿颗，分摊到每一枚芯片上，其成本也就10美元，而苹果手机多少钱一部呢？但是如果芯片的产量只有100万的话，一枚芯片的掩膜成本就高达1000美元，一部手机多少钱？想想都是恐怖的，芯片设计是赢家通吃。

【景芯SoC培训营使命】：让每个人都能设计一款MCU芯片！

【全网唯一】景芯SoC是一款用于芯片全流程培训的低功耗ISP图像处理SoC，采用低功耗RISC-V处理器，内置ITCM SRAM、DTCM SRAM，集成包括MIPI、ISP、USB、QSPI、UART、I2C、GPIO、以太网MAC控制器等IP，采用SMIC40工艺设计流片。

CPU: RISC-V

ITCM: 64KB

DTCM: 64KB

外设：MIPI/USB/HDMI/UART/I2C/QSPI

系统时钟：100MHz

MIPI RX解码

ISP图像处理

HDMI接口

(一)SoC前端课程，您将学会

高速接口的Verilog设计实现

图像算法及Verilog设计实现

MIPI通信协议的Verilog实现

Lint、CDC检查及UVM验证

后仿真

仅前端一门课程内容就抵得上其他培训机构的5-6门课程。

(二)SoC中端课程，您将学会

DFT设计(芯片级)

Synthesis逻辑综合(芯片级）

低功耗UPF设计、CLP技术

formal验证等技术

仅中端一门课程内容就抵得上其他培训机构的4-5门课程。

(三)SoC后端课程，您将学会

布局布线(低功耗FF flow)

StarRC/QRC

STA/Tempus

功耗分析

DRC/LVS设计

仅后端一门课程内容就抵得上其他培训机构的3-4门课程。

课程提供服务器供大家实践！带你从算法、前端、DFT到后端全流程参与SoC项目设计。更多内容，请联系号主报名，登录服务器实践，工程数据分割为如下三个部分。

图像处理的数据通路：

景芯SoC的CRG设计：

一键式完成C代码编译、仿真、综合、DFT插入、形式验证、布局布线、寄生参数抽取、STA分析、DRC/LVS、后仿真、形式验证、功耗分析等全流程。升级后的芯片设计工程V2.0 flow如下：

SoC一键式执行flow

MIPI DPHY+CSI2解码

数字电路中经典设计：多条通信数据Lane Merging设计实现

数字电路中经典设计：多条通信数据Lane Distribution实现

UPF低功耗设计

全芯片UPF低功耗设计(含DFT设计)

低功耗设计前，功耗为28.75W

低功耗设计后，休眠时，功耗为21.45mW，降低7mW

芯片的版图设计V1.0

芯片的版图设计V2.0

低功耗设计的DRC/LVS，芯片顶层的LVS非常具有挑战性！业界独一无二的经验分享。

ISP图像处理

dpc - 坏点校正

blc - 黑电平校正

bnr - 拜耳降噪

dgain - 数字增益

demosaic - 去马赛克

wb - 白平衡增益

ccm - 色彩校正矩阵

csc - 色彩空间转换 (基于整数优化的RGB2YUV转换公式)

gamma - Gamma校正 (对亮度基于查表的Gamma校正)

ee - 边缘增强

stat_ae - 自动曝光统计

stat_awb - 自动白平衡统计

CNN图像识别

支持手写数字的AI识别：

仿真结果：仿真识别上图7、2、1、0、4、1、4、9

CPU启动指令分析