8月8日，全球第二大比特幣礦機及礦機芯片廠商嘉楠耘智在杭州舉行發佈會，正式發佈了“全球首個7nm量產芯片”。當天晚上，芯智訊也發佈了題為《嘉楠耘智搶先量產7nm芯片的背後，礦機市場格局已定！》的文章進行報道。
對於這件事來說，“全球首個7nm量產芯片”無疑是一個很大的亮點，但是，實際上，這個7nm芯片的核心環節還是在於臺積電的7nm製程工藝，而且這款芯片也只是一款礦機芯片，與手機SoC不可同日而語。除了搶了“首款7nm量產芯片”這個噱頭之外，並沒有太多值得吹噓的核心技術。
不過，就在昨天，某自媒體根據這則消息，炮製了一篇題為《預言成真！今天，杭州打響第一槍！ 》的文章。很快這篇文章便在很多人的朋友圈刷了屏，閱讀量也很快就上了10萬+，文章下面的評論清一色的：“厲害了我的國！”“厲害了我的中國芯！”
然而這顆7nm芯片真的值得國人如此的驕傲嗎？
大家不妨先來感受下文章中的一些描述：
再看看以往這家的標題風格，也真是夠可以的。
且不說該文章有很多事實性的錯誤（比如將這款芯片定義為“超算芯片”；比如說“蘋果、高通、英偉達的7nm芯片要第四季度量產，甚至要年底才能投入生產”），就其行文用詞也是極具煽動性、非常的誇張（比如蘋果、高通、英特爾、英偉達因為華為7nm麒麟980而“瑟瑟發抖”）。並且還利用此前“中興事件”以及“中美貿易戰”的背景，亂帶起了的節奏。一個7nm礦機芯片搶先宣佈量產，就扯上了什麼“中國芯片全面突破歐美封鎖”、“中國芯片勝利反擊”、“引領全球”，這確實很扯淡！
今天，有業內人士將這篇文章轉給在當天活動上發言的的浙江省半導體行業協會副會長陳光磊後，陳副會長也對此表示“新媒體有誇大其其詞的宣傳”。
下面芯智訊來簡單為大家解析一下：
嘉楠耘智的7nm芯片到底是什麼樣的一款芯片？
嘉楠耘智是全球第二大比特幣礦機及礦機芯片廠商，此次發佈的這款7nm芯片也正是用於其新一代的礦機阿瓦隆A9系列。所以，這款7nm芯片並不等同於我們大家通常所認為的手機處理器一樣的通用型芯片，而是一款專門用於“挖礦”（計算虛擬幣）的定製型的ASIC芯片。
所謂ASIC芯片，簡單來說就是針對特定領域的定製型芯片。相對於我們常見的CPU、GPU等通用型芯片以及半定製的FPGA來說，ASIC芯片的計算能力和計算效率都直接根據特定的算法的需要進行定製的，所以其可以實現體積小、功耗低、高可靠性、保密性強、計算性能高、計算效率高等優勢。
但是，需要注意的是，ASIC芯片的優勢都是基於特定的算法的。因為ASIC芯片本身就是針對特定算法而固化的芯片，一旦芯片設計完畢，其所適應的算法就是固定的，根本沒法應用在其他不適用這個算法的領域。所以，一旦算法發生變化可能也將會無法使用。
比如之前，比特大陸就發佈了一種基於新款ASIC芯片的礦機螞蟻礦機 X3，主要是針對門羅幣（XMR）以及依賴 CryptoNight 算法的加密貨幣。但是隨後門羅幣隨即發出反制聲明，將改變核心算法以對抗ASIC算力的入侵。如果門羅幣的核心算法真的改變的話，那麼比特大陸的這款新的ASIC芯片的能效將會大打折扣，甚至可能會面臨效能低下，無法使用的尷尬局面。
那麼這款芯片能夠被稱之為“超算芯片”嗎？
目前全球所有的超級計算機所採用的芯片都是通用型的CPU芯片。比如之前曾連續六次拿下全球超算第一寶座的天河二號超級計算機，其內部主要也都是採用的英特爾的Xeon Phi CPU。只不過，2015年美國禁止英特爾出售XEON芯片給天河二號，此後天河二號以及新的神威太湖之光超級計算機都開始採用國產化芯片進行替代。比如神威·太湖之光采用了40960箇中國自主研發的“申威26010”眾核處理器，這個處理器也是通用型的CPU處理器，而不是定製型的ASIC芯片。
因為造價極其昂貴的超級計算機本身就是為了解決各個領域不同類型的需要巨大計算量的問題，而不可能只是為了某個細分領域的用途而設計的。比如，要用神威·太湖之光來挖比特幣，就真的是太浪費了。而且目前超算“挖礦”收益遠低於專業礦機，且消耗大量電力，成本高昂。還不如用嘉楠耘智基於這款7nm礦機芯片的阿瓦隆A9來挖更具能效比，因為嘉楠耘智的7nm礦機芯片本身就是針對比特幣的哈希算法而設計。
所以，嘉楠耘智的7nm礦機芯片並不等同於傳統意義上的“超算芯片”。
這款芯片能夠被稱之為“AI芯片”嗎？
正如前面所說，礦機芯片只是專門針對虛擬貨幣的計算進行加速。雖然一些基於ASIC的AI芯片也是針對特定的人工智能算法進行加速，但是，這類AI芯片的核心價值是AI算法，芯片只是算法的固化，讓AI算法的計算加速。
而且AI芯片的加速也是需要考慮應用場景的，比如物體識別、人臉識別、語音識別等等，很多場景是非常複雜的，這個AI芯片是需要解決實際應用中的問題。
但是礦機芯片則不需要去解決這些現實當中的實際問題，只是需要根據已經確定了的虛擬貨幣算法去優化加速。比如比特幣的區塊哈希算法採用雙重sha256算法，這個算法是這個貨幣體系設計完成之初就確定了的，所以做比特幣的挖掘加速芯片，只需要根據這個算法去優化設計就好了，難度並不算高。
對於人工智能廠商來說，其核心價值是自己的AI算法，而他們來做ASIC芯片也主要是為了讓自己的算法跑的更快，同時也讓自己更有競爭力，向上下游覆蓋，建立生態。
所以礦機芯片廠商與現有的AI芯片廠商還是有很大區別的。不能簡單的把礦機芯片廠商等同於AI芯片廠商，如果真是那樣，那麼富得流油的礦機芯片廠商早就趁勢在AI領域拿下大片市場了！
雖然礦機芯片市場的老大——比特大陸去年就宣佈進軍AI領域，並推出了相應的AI芯片。另外，嘉楠耘智也正在開發人工智能 AI 芯片，用於語音識別、基因檢測和無人駕駛等領域。但是，到目前為止，這兩家的成效非常有限。
因為目前市場上已經有了非常多的AI芯片廠商，除了很多傳統的芯片廠商有推出AI芯片之外，很多的AI算法廠商也紛紛推出了自己的AI芯片，而目前實際落地的專用型AI芯片應用領域和市場卻相對有限，而且對於帶著很深的“比特幣礦機”烙印的礦機廠商來說，想要讓市場接受新的“品牌形象”，成功轉型確實很難。
嘉楠耘智的7nm，還是臺積電的7nm？
回過頭來說，嘉楠耘智的7nm芯片率先量產確實是一件值得高興的事。但是正如前面所說，嘉楠耘智的7nm礦機芯片，跟蘋果、華為海思的通用型7nm芯片完全不是一個概念。所以不能混為一談。
嘉楠耘智的7nm礦機芯片主要是做大量的並行計算，就是重複的進行簡單的指令並行加速計算，運算單元堆積越多，芯片性能越強。所以我們看到，此前比特大陸的螞蟻S9礦機就搭載了高達189顆的16nm工藝的BM1387芯片；而嘉楠耘智的Avalon Miner 821礦機則配備了104個16nm的ASIC芯片。
而在芯片設計的難度上，相比複雜的通用型CPU芯片來說要簡單很多。如果說CPU設計相當於設計一個摩天大樓的建築圖紙，那麼礦機芯片設計則相當於設計幾十排平房。顯然，礦機芯片的研發難度和製造成本相比CPU一類的通用型芯片也要低很多。
而隨著算著全網算力的不斷提升，比特幣挖礦的成本也在快速提升。而影響挖礦成本的關鍵則是礦機芯片的算力和功耗（電費是挖礦的一大主要成本）。而提升芯片的製程工藝，則是提升算力、降低能耗的一個關鍵因素，所以比特大陸、嘉楠耘智等礦機芯片廠商積極的採用先進的7nm芯片製程工藝也並不奇怪。
但是嘉楠耘智搶先量產7nm芯片，並不代表著他就進入了世界一流的芯片設計企業，正如前面所說，礦機芯片的設計難度遠低於通用型芯片，可能也低於一些專用的AI芯片。更為關鍵的是，這個7nm芯片並不是是由臺積電代工的，核心的7nm製程工藝是掌握在臺積電的手中，這個跟嘉楠耘智並沒有多大關係。
可能在大家的印象裡，很多電子產品的設計技術難度是要遠高於製造難度的。但是在芯片領域，芯片設計確實有難度，但是後端的製造卻是更具挑戰，特別是越先進的製程工藝，製造難度越是極度的高。
作為全球最大的晶圓代工廠，臺積電的毛利率長期都保持在50%左右。試問這個世界上有哪一家傳統意義上的“代工廠”能夠擁有如此之高的毛利率（即使是富士康，其毛利率可能也只有10%左右）？另外，資料也顯示，2017年國內的十大IC設計企業的平均毛利率僅為22.67%。顯然，在整個芯片產業鏈上，臺積電處於價值鏈的頂部。
目前臺積電是全球最先量產7nm先進製程工藝的晶圓代工廠。不論是蘋果新一代的A系列處理器、華為的麒麟980，乃至這裡所介紹的嘉楠耘智的7nm芯片都是採用臺積電的7nm工藝。
顯然，決定嘉楠耘智的這款芯片是不是7nm製程的核心技術是在臺積電，而不是在嘉楠耘智。而上面那篇文章，把臺積電的7nm製程的功勞直接貼到嘉楠耘智的臉上顯然是不合適的。
當然，對於嘉楠耘智來說，設計一款可以採用7nm工藝製造的芯片也是有難度的。
通常芯片設計又分為前端設計(也稱邏輯設計)和後端設計(也稱物理設計），涉及到與工藝有關的設計就是後端設計。相對於前端設計來說，後端設計的難度往往會更高，特別是採用更先進的製程工藝的情況下。目前有不少的中小型芯片設計公司的後端芯片設計是外包出去的，如果嘉楠耘智的7nm芯片設計的後端設計也是由自己完成的話，那麼其設計能力確實是值得肯定的，但是如果也是外包的，那麼其實力顯然是要大打折扣的。
另外，需要再次強調的是，設計一款7nm的礦機芯片的難度是要遠低於通用型的CPU/GPU一類的芯片的。
所以，即使嘉楠耘智的7nm芯片真的是全球第一家量產，也根本談不上“中國芯片全面突破歐美封鎖”、“中國芯片勝利反擊”、“引領全球”，對於這種盲目的樂觀，甚至是自大的態度，確實令人無語。
要是美國跟之前封鎖中興一樣的封鎖中國芯片，作為親美的臺灣政府管轄下的臺積電還會繼續跟中國大陸芯片廠商合作嗎？那麼我們還能有7nm芯片嗎？我們國內最大的中芯國際目前最先進的製程工藝還是28nm，雖然昨天其14nm已經導入了客戶端，但是量產最快也要明年上半年，這其中與臺積電之間的差距達到了4年左右的時間。我們有什麼可以跟外界炫耀的資本？
嘉楠耘智的7nm芯片真的是全球首個7nm量產芯片嗎？
在臺積電今年1月的法說會上，臺積電總經理暨共同 CEO 魏哲家就表示，臺積電已經有超過10個客戶流片了7nm工藝製程。而業內的消息顯示，今年一季度臺積電的7nm工藝就已經量產了。
此前蘋果的新一代A系列處理器、華為的麒麟980處理器以及比特大陸的新一代礦機芯片都已確認將採用臺積電7nm工藝。
作為臺積電的最大客戶——蘋果通常會在每年的9月推出新一代的iPhone，而新iPhone也將會搭載新一代的A系列處理器出貨，而且備貨量巨大，所以臺積電7nm的大部分產能很長一段時間都將會被蘋果所佔去。
另外，從蘋果A系列芯片量產到交付，到貼到PCB上，再到新iPhone的整機出貨，這中間本身就是需要不短的時間週期，所以在9月蘋果新iPhone正式發佈之前的幾個月，蘋果的新一代的7nm的A系列處理器就必須要量產了。而且，每年8月初，臺積電絕大多數先進製程的產能都用於為蘋果生產A系列芯片。也就是說，蘋果的新一代7nm的A系列處理器應該在7月就已經開始量產了。
所以從這個角度來看，全球最先量產的7nm芯片應該是蘋果的新一代A系列處理器。只不過，蘋果不會單獨發佈芯片，而是會直接到9月直接開賣搭載其7nm處理器的新iPhone。
（前面那篇文章竟然還說，“蘋果、高通、英偉達的7nm芯片要第四季度量產，甚至要年底才能投入生產”，別的不說，你把蘋果也包括進去了，真是太搞笑了吧？）
另外，華為之前已宣佈將會在8月31號正式發佈，顯然在這之前，這款芯片應該是已經進入到了量產階段。
對於臺積電來說，剛剛量產不久的7nm先進製程的產能是非常有限的。而且一般來說，都會優先供應給大客戶。蘋果、華為自不用說，都是優先級很高的大客戶。
而作為芯片出貨量並不算大（前十可能都排不上）的嘉楠耘智真的能夠拿到臺積電7nm製程的優先量產？
根據嘉楠耘智的招股書顯示，去年出貨前五的礦機廠商當中，第一名的比特大陸的螞蟻礦機去年交付了94.01萬臺，按照每臺機器採用189顆芯片（螞蟻S9礦機配備了189顆ASIC芯片）來計算，比特大陸去年一年就出貨了1.77億顆礦機芯片。而嘉楠耘智去年才交付了29.45萬臺礦機，按照每臺礦機104顆芯片（Avalon Miner 821礦機配備了104個16nm的ASIC芯片）來計算，去年一年也就出貨了3062.8萬顆芯片。顯然嘉楠耘智的這個芯片出貨量在臺積電都排不上號。
所以，筆者認為，此次嘉楠耘智搶先宣佈量產7nm芯片，更多也只是一個宣傳意義，實際上可能只是小批量量產，而不是真正意義上的規模量產。所以，我們可以看到，雖然嘉楠耘智在宣佈量產7nm芯片的同時，展示了基於這款7nm芯片的礦機阿瓦隆A9系列，但是這款礦機的定價和開售時間卻並沒有確定。可能真正意義上的批量開售可能還需要等上數月。
隨後芯智訊也採訪了臺積電內部人士，希望對此猜測進行確認。
對方表示，“公司紀律不得披露客戶具體信息”。所以並未直接對此消息進行回應。不過，對於量產和試產定義，其表示：量產和試產之間的定義本來也就很模糊。有的客戶投個幾十片晶片（晶圓，一片晶圓可以切數百顆芯片）便是量產。有的客戶投個上千片還是認為是試產。因人而異。這些術語沒有統一的定義和標準。對商業公司來說，這些文字遊戲並無意義。而臺積電所謂量產的規模（指晶圓代工廠自身）一般是每月至少數萬片的出貨。
（由於比較敏感，這裡就不放對話截圖了）
顯然，從該內部人士的表述來看，嘉楠耘智此次量產7nm芯片有可能只是小批量的量產或者試產（以嘉楠耘智優先級可能根本拿不到這麼大的產能）。
而且，正如前面所說，即使嘉楠耘智的7nm芯片目前真的是每月數萬片的量產，其也算不上全球首個量產7nm芯片的廠商，因為排在其前面的至少還有蘋果，只是蘋果沒有宣佈而已，但並不代表它不是第一家。
最後，筆者想要鄭重的聲明一點，那就是本篇文章並不是針對嘉楠耘智的7nm芯片本身。這個7nm芯片量產事件本身確實是一件值得高興的，嘉楠耘智作為全球第二大的礦機及礦機芯片廠商，其確實是一家非常優秀的企業，其與比特大陸等企業一起，不僅提升了中國在區塊鏈/虛擬貨幣領域的話語權，同時也確實對中國的半導體產業有著自己的貢獻。但是，只不過這個事件被一些自媒體給玩壞了。
而本文主要針對的是那些以嘉楠耘智的7nm芯片為“料”，為了流量，罔顧事實，故意誇大，亂帶節奏的文風。真的很反感這類動不動就“厲害了我的國”、“厲害了我的中國芯”，動不動“嚇得蘋果三星瑟瑟發抖”、逼得“蘋果三星走上絕路”一類的文章，簡直是誤導國人，往大了說是誤國！做媒體應該有自己的底線和擔當，不能為了流量，其他都完全不顧。我們應該傳播的真實的客觀的對讀者有意義的信息，而不是傳播虛假的或者故意曲解的帶有誤導性的，讓人更加愚昧的內容。
感興趣的朋友可以通過活動行報名
閱讀更多 芯智訊 的文章
