西門子系統集商-上海煥拓自動控制有限公司

深爱激情网內容

當前位置:西門子PLC > 深爱激情网內容 > IC Insights:预计2023年中国芯片自给率仍将不超10% > 正文

IC Insights:预计2023年中国芯片自给率仍将不超10%

西门子深爱激情网內容   查阅次数:2287   更新时间: 2019-06-15 20:25

最近幾年來國內都在大力發展半導體産業,尤其是去年、今年接連爆出的中興、華爲事件之後,半導體被卡脖子的教訓深刻,已經成爲國內科技深爱激情网發展的瓶頸。爲此國內正在提高國産率,希望半導體芯片做到自主可控。

但是半导体要想实现自给自足的任务,绝非一朝一夕就能完成的,媒体上有不少乐观情绪认为中国公司在未来3-5年里就能在半导体技术上追赶上国际领先的供应商,但是业界调查机构IC Insights给这种乐观观点泼了盆冷水,他们不认为中国公司能在几年时间里就抹平差距。

IC Insights将中国的半导体产业分为存储芯片及非存储芯片两部分,2018年中国半导体深爱激情网市场总价值约为1550亿美元,其中存储芯片占了大约41%。

圖:中國IC市場與IC産量對比。

在這1550億美元的芯片深爱激情网中,僅有240億美元是在中國境內生産的,但這其中大部分都是海外公司生産的,總部位于中國的公司只生産了65億美元,只占中國1550億美元市場的4.2%。

IC Insights分析称,在这65亿美元的深爱激情网中,约有10亿美元来自IDM公司,55亿美元则是中芯国际等代工厂深爱激情网的。

IC Insights预测,2023年中国制造的芯片深爱激情网价值会提升到452亿美元,但也只占2023年全球5382亿美元市场的8.4%,即便考虑到中国公司深爱激情网的芯片增加了附加值,那中国深爱激情网的IC占全球份额依然不过10%。

原文提到中國公司目前在存儲芯片進行了大量投資,中國晶圓廠的産量正在快速提升,但存儲芯片之外還有模擬芯片、混合信號、服務器、MCU主控及專業邏輯芯片等等,這方面中國公司與國際水平差距更大。

总的来说,IC Insights的这份报告对目前过于乐观的半导体国产化保持了冷静,他们也认为中国公司未来在半导体产业上表现会很出色,但是鉴于中国公司扁半导体芯片深爱激情网及技术起步还很小,IC Insights认为中国公司在未来5到10年里是不可能在自给自足方面取得重大进展。

柴火空间潘昊独家回应:Maker Media倒闭对中国创客运动的影响

几天前,《电子发烧友》报道了Maker Media倒闭的消息,引起了中国创客们的关注。同时,我们也采访了从2012年开始,将Maker Faire活动带回中国,并引发中国“创客潮”的柴火空间负责人潘昊。

圖1:柴火空間潘昊

谈到Maker Media倒闭会对全球创客带来的影响时,潘昊表示,Maker Media只是商业模式探索的一次失利,并非全球创客社区的失利。“Make杂志和Maker Faire传达出的创客精神,必然一如既往,持续推动全球创新。各地的创新者生态已成气候,这个事件也会激发各地社群对创客运动可持续的探讨。”

他认为虽然Maker Media倒闭了,但全球各地Maker Faire的授权主办并不会受影响,因为Maker Faire各地的举办是在Maker Media授权之后,各地主办方全权承接举办的形式进行的。在加上深圳的硬件创新者生态已成气候,创客文化和精神已经逐步成为越来越多人的生活方式,“所以我们柴火空间要做的就是进入活动筹备工作,让今年11月9日和10日这两天的Maker Faire Shenzhen活动更加精彩。”

图2:2015年的Maker Faire Shenzhen现场。

中國的創客活動該如何發展?

最近10余年來,全球的創客運動聲勢浩大,但其實各方都在探索從創客運動中衍生出來的項目、商業如何才能實現可持續發展。那全球創客運動,會去向何處?中國的創客運動該如何發展呢?

潘昊承認這個問題,目前還沒有明確的答案。創客運動的發展時間還很短,各方在可持續商業模式上所做的努力都智能算是嘗試與摸索。

图3:2016年Maker Faire Shenzhen现场,创客们在表演机器人格斗。

他拿柴火空間舉例說,柴火空間自2011年正式營業以來,做了將近10年的空間和社區運營。他們在運營過程中也在不斷探索適合自己的道路------從初期定位爲創客文化傳播,到2017年轉型到“聚合專業創客,連接産業需求”。

与以脑洞大开的个人DIY爱好者为主的东京Maker Faire,和包罗万象,涉及手工DIY的各个层面的美国湾区Maker Faire都不同,中国深圳的Maker Faire基于深圳得天独厚的硬件供应链特色,加上深圳创新者社群的务实特性,做的项目主要以解决某个实际需求的实用类创新为主,这就是Maker Faire Shenzhen的特色。

图4:2017年Maker Faire Shenzhen现场

在潘昊看来,Maker Faire Shenzhen深圳制汇节是柴火空间构建产业升级生态系统中对公众最直接的窗口。

自2017年起,柴火空间开始深度聚焦在Maker pro,向整个创客社群立体呈现原本make for fun的DIY爱好者群体。

图5:从室外移至室内举办的2018年Maker Faire Shenzhen现场

他同时指出,Maker Faire Shenzhen今年的活动主题是“回归社区,连接产业”,内容将继续聚焦于解决产业升级需求、与产业共发展等更务实的面向。结合深圳这所城市的产业特色,今年活动的内容侧重点也会特别聚焦在科技创新上,引导创新技术、方案与产业集群的对接。

最近几年,有越来越多的创新者在Maker Faire Shenzhen上找到了市场的需求和方向,同时寻求创新的产业也能在活动上了解到全球最新的科技应用场景。潘昊希望接下来的几年,创新者社群与产业需求在Maker Faire Shenzhen上实现的对接越来越多,“这两个群体的对话机会会因为我们搭建的这个产业升级生态系统而更加频繁。我们柴火空间要做的,是续探讨如何更好地吸纳更多的创客来丰富这个产业升级生态系统。”他总结说。

亞馬遜采用新方式來處理地區語言差異

有些人可能會認爲,讓支持多種語言的Alexa“聽懂”方言是小菜一碟,但事實並非如此。據亞馬遜的研究人員稱,英式英語和美式英語之間的鴻溝非常之大,以至于經常需要從頭開始訓練機器學習模型。

Alexa理論上應該能夠使用已有的知識引導語言訓練。這就是爲什麽亞馬遜的科學家們正在研究一種技術,這種技術可以找出客戶的需求主題,比如音樂、天氣或運動,並識別出與特定領域無關的語言。

亚马逊的研究人员在计算语言学协会北美分会上发表的论文中,描述了他们的工作。亚马逊Alexa人工智能高级应用科学经理Young Bum Kim写道:“域名分类的多任务训练具有挑战性的一个原因是,对同一域名的请求在不同地区可能看起来大相径庭。例如,对餐馆域名的请求在孟买的餐馆名称将与在伦敦的餐馆名称大不相同,尽管顾客要求相同的服务,像深爱激情网信息、菜单信息、预订等。在某些案例中,当跨区域的请求更一致时,几个不同的地区特定模型的输出可以相互加强,提高了准确性。”

該團隊的域分類器同時執行多個任務,主要是學習一種語言的統計模型,該模型捕捉跨區域的一致性,並在通用和地區特定模型的輸出上學習不同的分類。重要的是,注意機制根據輸入給出了不同語言環境特定模型的輸出的不同側重點,這樣當輸入數據依賴于語言環境時,它將其大部分權重分配給單個語言環境特定模型,並忽略輸出其他特定于語言環境的模型。

爲了確定在運行時應該接受“特殊處理”的域,研究人員在訓練時將特定于區域的模型的輸出組合成單個向量,其中權重較大的輸出對向量最終值的貢獻大于權重較小的輸出。然後,將向量與獨立于區域設置的模型的輸出連接起來,並將其傳遞給另一個網絡層進行域分類。

在美國、英國,印度和加拿大四種英語變體的實驗中,與單獨訓練的模型相比,研究人員的模型准確度提高了18%、43%、116%和57%。

此前,如果要確保Alexa語音助手能夠很好的理解語言變體,就需要針對每一種語言變體進行重新的訓練,而亞馬遜研究人員所創造的這種新的語音識別訓練方法,意味著爲現有語言的新變體構建模型的工作量將大大減少。

如何讓3D人形機器人學會行走

來自英特爾AI實驗室和俄勒岡州立大學工程學院協作機器人和智能系統研究所的研究人員結合了多種方法,制作了性能更好的強化學習系統,可應用于機器人控制,控制自主車輛功能的系統和其他複雜系統。

協同進化強化學習可以在類人、Hopper、Swimmer、HalfCheetah和Walker2D等基准測試中獲得更好的性能。使用CERL方法,研究人員能夠基于OpenAI的Humanoid基准測試使3D人形機器人直立行走。

這些成果在一定程度上是通過訓練系統實現的,該系統探索了更多的強化學習訓練環境,以尋求獎勵並完成特定的任務。

環境探索對于確保記錄各種經驗並考慮行動方案非常重要。研究人員在一篇解釋CERL工作原理的論文中說,與環境探索相關的問題已經出現,特別是在使用深度強化學習來完成具有挑戰性的現實任務越來越普及的情況下。該論文寫道,“神經進化將整個過程結合在一起,産生了一個超越任何個體學習者能力的學習者。”

CERL將基于策略梯度的強化學習和進化算法相結合,然後在每批或每一代訓練系統中選擇表現最佳的神經網絡。這樣,研究人員可以就可以使用最強大的神經網絡來創建新一代的系統,並且可以將計算資源分配給實現最佳性能的算法。

CERL還結合了重放緩沖區,用于存儲學習者在環境中的體驗,以便創建單個重放緩沖區並在系統之間共享體驗,從而實現比以前方法更高的樣本效率。

當前,人工智能正在從多個方面賦予機器人越來越多的能力,相信隨著相關技術的不斷增強,人形機器人的應用場景也將會大大拓展。