前言：芯片“備胎”策略和計劃，不止發生在以華為為代表的設備廠商身上，在其上游的芯片 IDM，以及下游的互聯網企業，也都有體現。
英特爾：吸取手機處理器的教訓
在一統 CPU 江湖之後，由於沒有在手機處理器上制定“備胎”計劃，使得該公司錯過了這個巨大市場的發展窗口期，意識到問題之後，試水了幾年手機處理器，最終鎩羽而歸。
在 AI 迅猛發展的當下，英特爾吸取了手機端的教訓，AI 芯片方面不斷加大投入，從雲端到邊緣側，再到終端，英特爾先後收購了多家 AI 芯片企業，AI 芯片將政委英特爾 CPU 的重要補充和輔助力量。
英特爾近日推出三款用於訓練和部署人工智能模型的芯片，這將使其能夠與英偉達展開競爭，後者的圖形處理單元在市場上占主導地位。
這些芯片共同代表了英特爾第一個針對專用 AI 芯片的大型展示，這些芯片已超越了主流 Xeon 和 Xeon 芯片系列。
針對 GPU 製造商最直接的產品是 Nervana NNP-T1000 神經網絡處理器。它是針對硬件密集型任務進行優化的集成電路，該任務使用示例數據訓練 AI 模型。
英特爾的目標是充分利用 AI，5G 和智能技術等技術創新，將智能注入計算的各個方面的努力可以在前所未有的規模上產生積極的影響。
三星：擺脫存儲器依賴
從去年開始，三星制定了新的企業發展規劃，要逐步擺脫對存儲器的依賴，找到新的芯片品類增長點和業務支撐。
2019 年 4 月，三星宣佈了一項大型投資計劃，在 2030 年前投資 133 萬億韓元加強半導體業務，其中有 73 萬億是技術研發費用，60 萬億韓元是建設晶圓廠基礎設施。
而三星的目標是在 2030 年，不僅保持存儲芯片的領先地位，還要成為邏輯芯片領導者。
韓國政府也對國內半導體企業偏重生產存儲芯片的情況感到擔憂。去年韓國半導體出口額高達 1200 億美元，佔韓國出口總額的 20.9％。
三星電子和韓國政府關注的邏輯芯片市場將在第四次工業革命時代出現爆炸性增長。
邏輯芯片佔整個半導體市場的 70％，在 5G 移動通信、AI 和物聯網等第四次工業革命時代，邏輯芯片的重要性將會更加凸顯。
除了存儲芯片和晶圓代工業務外，該公司下一步要強化的就是面向未來應用的、高性能的邏輯芯片，包括各種處理器和 AI 芯片。
三星正大舉投資於半導體微型化的下一代技術 EUV，這是三星迄今為止嘗試過的最昂貴製造業務升級，也是一次冒險的嘗試，目的是讓自己不再侷限於現有的半導體生產業務，也不再滿足於只充當代工和邏輯芯片行業的領先者，即使這個行業的規模已達 2500 億美元。
SK 海力士：看重 ISP 技術加大 CIS 投入
除了存儲芯片，SK 海力士還在晶圓代工和 CIS 方面加大著投入，以提升其芯片業務廣度。
SK 海力士將主要開展移動 CMOS 圖像傳感器項目，是有鑑於 CMOS 圖像傳感器除了智能手機以外，AR、VR 等第四次工業革命時代的核心零件。
SK 海力士若想應對未來行業發展，在 CMOS 圖像傳感器領域提高市場份額，開發高端技術產品尤為重要。
最近一個事實證明，隨著對畫質和性能的要求提高，ISP 技術的重要性越來越提高。
SK 海力士於 2014 年收購了 Siliconfle，從 2017 年起，SK 海力士向其 CIS 部門投入了更多的資源，加速推動 1300 萬以上像素 CIS 的研發，並把 M10 廠 DRAM 生產設備移往 M14 廠，M10 廠內騰出空間用於生產 CIS。
SK 海力士公司正在加強其 CMOS 圖像傳感器業務，從而在快速增長的智能手機相機市場提供競爭力。
新品牌“黑珍珠”已經開發了 4 個新的 CMOS 圖像傳感器，已開始向智能手機制造商供應其中三款，並將於本月開始批量生產第四款。
SK 海力士最近將其 CMOS 圖像傳感器公司更名為“黑珍珠”(Black Pearl)，以加強與競爭對手索尼和三星的競爭，這兩家公司的圖像傳感器品牌分別是 Exmor 和 ISOCELL。
臺積電：晶圓代工不能滿足未來發展
作為晶圓代工業的老大，臺積電也與存儲器有著越來越多的聯繫，去年臺積電計劃進軍存儲業務的可能性。
數據中心的功耗佔了近一半的營運成本，而人工智能更加劇了這些成本，過多的能源消耗，將增加芯片廠商的成本。
要解決這個問題，必須整合存儲、邏輯與高帶寬互連，打造真正的 3D 集成電路。也就是要打破傳統的“存儲牆”，建立新的架構，這就需要提前佈局存儲芯片業務。
2017 年，臺積電向業界發佈了 eMRAM 和 eRRAM 技術，目標是要實現更高效能、更低能耗以及更小體積，以滿足未來行業全方位的運算需求。
谷歌：發力雲端 AI 計算
在雲端，典型代表就是谷歌自研的 TPU，它比 GPU 更適合進行雲端的 AI 計算和處理。
谷歌 TPU 系列的出現，不僅突破了最初深度學習硬件執行的瓶頸，還在一定程度上撼動了、等傳統 GPU 芯片巨頭的地位。
而谷歌 TPU 的誕生，也讓越來越多的公司前赴後繼地嘗試設計 GPU 之外的專用 AI 芯片，以進一步實現更高效的性能。
作為 TPU 的“升級版”，谷歌第二代 TPU Pod 能夠容納 512 個內核，實現每秒 11.5 千萬億次浮點運算；第三代 TPU Pod 速度則更快，可實現每秒超過 100 千萬億次浮點運算。
從 CPU 到 GPU，再到如今 ASIC 和 FPGA 相繼入局，雲端 AI 芯片市場的百花齊放，與谷歌 TPU 的努力息息相關。
華為：Arm 服務器芯片值得期待
隨著 Arm 架構性能和算力的增強，其在服務器，特別是邊緣側雲計算的應用值得期待，華為等多家企業投身於 Arm 服務器芯片研發和推廣。
一方面，相對於雲端，邊緣側的算力要求沒那麼高，而對低功耗的需求較強，這正符合 Arm 架構的特點。
再有，邊緣側與終端側緊密相連，而 Arm 在移動端的生態很成熟，能夠更好地相融。
目前的華為已經開始了採用 Arm 架構的鯤鵬芯片產品來取代採用 X86 架構的英特爾或 AMD 芯片產品的計劃，並且已經正式實施。
而且華為的鯤鵬系列芯片產品也是全世界最強的 Arm 架構服務器芯片產品，雖然採用 Arm 架構的服務器芯片在性能上相比於採用 X86 架構的服務器芯片較差，但是滿足絕大部分的服務器需求沒有任何問題，只不過在芯片架構方面，華為的鯤鵬芯片依舊會受到一些限制。
結尾
各路巨頭紛紛踏上拓寬自身發展路數的多線條路線，未來的競爭將在不同領域內狹路相逢，這場大混戰的好戲才剛剛上演。
閱讀更多 與非網 的文章
