原标题：芯片产业人才缺口25万！成立首个“芯片大学”能解卡脖子之急吗？

　　除了封测，设计、验证、制造的环节，中国与国际先进水平都差距较大。其中制造环节最为薄弱，设备、材料都是被“卡脖子”的环节

　　文 |《财经》记者 陈伊凡

　　南京将成立一所专门培养集成电路人才的大学，这一引发热议的消息今天被确认。

　　10月15日，南京集成电路产业服务中心副总经理吕会军向包括《财经》在内的多家媒体表示，确实将成立一所大学，这所学校将由江北新区牵头，近期内正式揭牌。

　　吕会军向《财经》记者强调，这所大学不是一个传统意义上的大学，而是一个开放的创新型产教融合平台，增强大三、大四或者研究生阶段学生实践环节的能力，培养实践能力强的人才。

　　这透露出几个重要信息：一、这是一所由政府搭台成立的特殊“学校”；二、这所学校将集合产业和高校资源；三、这所学校培养专业集成电路人才的核心点是实践能力。

　　目前，中国半导体专业人才短缺的问题十分严峻。中国电子信息产业发展研究院编制的《中国集成电路产业人才白皮书（2019—2020年版）》显示，中国半导体产业2019年就业人数在51.2万人左右，同比增长11%，半导体全行业平均薪酬同比提升4.75%。到2022年，中国集成电路专业人才缺口将近25万，而且存在结构性失衡问题。

　　“中美之争，其实是人才之争。”10月14日，清华大学电子工程系教授周祖成对《财经》记者说。周祖成是中国研究生电子设计大赛和中国研究生创“芯”大赛的创始人、总顾问，。

　　成立一所专业大学后，如何推动产学研更有效合作？能否有效缓解中国集成电路产业的人才紧缺？要回答这些问题，就需要弄清楚真正的“卡脖子”环节。

　　卡什么脖子，缺哪些人才？

　　25万的人才缺口如此之大，主要缺乏哪些方面的人才？

　　“讨论这个议题，首先要搞清楚，中国集成电路产业真正被卡脖子的环节在哪里。”清华大学电子工程系的系主任、教授汪玉对《财经》记者说。

　　半导体产业全球产业链分工十分成熟，产业链上的几大核心环节市场分别被几家头部厂商垄断，在这样的背景下，全球合作是最好的选择。但中美科技脱钩形势越来越不乐观，中国各产业链环节亟待实现自主发展，要发展，人才必不可少，尤其是能够掌握核心技术的专业人才。

　　据IBS调查显示，从现有的从业人员人才结构来看，中国除了高端人才尤其是领军人才缺乏外，复合型人才、国际型创新人才和应用型人才也较为紧缺。

　　周祖成总结，过去几十年国内集成电路人才的培养虽然存在明显断层，但本土人才仍然为中国集成电路产业打下了坚实的基础。

　　周祖成将中国半导体产业的人才变迁分为四个阶段。

　　1956年，由黄昆、王守武、谢希德等开创的半导体学科曾为中国集成电路产业培养了最初的一批人才，1966年之后，中国集成电路人才培养遭遇了长达10年的断崖。

　　1977年恢复高考，包括清华在内多所高校开始重建半导体或微电子专业，才开始重新为国内半导体和集成电路产业输送人才。但后来，又由于国内的经济环境对集成电路人才的待遇不足，许多毕业生纷纷出国或到外企工作。

　　清华大学无线电系1985级毕业生曾感叹，1990年刚毕业时，在国内找不到对口的工作，一直到2000年前后和中芯国际的成立后，移动互联网的发展催生了中国的手机产业，朱一明、赵立新等才纷纷回国，创立了兆易创新、格科微电子等企业。

　　人才培养问题，国家并非不重视。2003年，包括清华大学、北京大学、复旦大学等九所高校就经教育部批准，各自设立国家集成电路人才培养基地。2004年8月，教育部又批准了北京航空航天大学、西安交通大学等六所高校为国家集成电路人才培养基地等建设单位，2009年6月，教育部批准了北京工业大学、大连理工大学、天津大学等五所高校为第三批国家集成电路人才培养基地建设单位。

　　2016年，教育部等七部门发表了《关于加强集成电路人才培养的意见》，就提出，建立以集成电路产业发展需求为导向的学科专业结构动态调整机制，根据构建“芯片、软件、整机、系统、信息服务”产业链的要求，加快培养集成电路设计、制造、封装测试及其装备、材料等方向的专业人才。

　　汪玉用一句话概括集成电路人才培养的方向，“需要从一个产业的角度来看，而不仅仅是一个学科的角度来看问题。”

　　从产业角度看，集成电路产业链条很长，主要环节包括设计、验证、制造和封装。在这四大环节中，中国在封测环节上与国际水平差距最小，在全球排名前十的封测厂中，中国占据了3家，在收购了全球排名第四封测厂星科金朋后，长电科技跃升全球排名第三的封测厂。

　　但除了封测之外，设计、验证、制造的环节，与国际上仍存在较大差距，其中，制造环节最为薄弱，设备、材料都是“卡脖子”的技术，其中涉及到材料、光学、机械等方面的人才培养。在验证环节，掌握集成电路产业发展命门的EDA工具，市场则主要被Synopsys、Cadence、MentorGraphics三家美国企业垄断，占据国内市场中的EDA销售额的95%以上。

　　朱贻伟总结，中国IC起步并不晚，1965年底13所在国内第一家鉴定了DTL型双极型集成电路，跟世界上发明IC只有7年距离。但发展30多年之后，中国IC产业在科研、技术水平上与世界水平有15年左右的差距，在工业生产上则有20年以上的差距。朱贻伟是中国最早一批集成电路产业从业人员。

　　中国如今已是全球半导体最大的市场，据市场研究机构IBS（International Business Strategies）统计，2019年中国市场的半导体供应量约有15.81%来自中国本土企业，84.19%依赖外国公司。预计到2030年，中国市场的半导体供应量将有39.78%来自中国公司，60.22%仍将来自外国公司，在中国进口的集成电路中70%以上是存储器和处理器，高端芯片目前仍然高度依赖进口。

　　弄清楚真正的“卡脖子”环节，再去思考人才培养，会发现集成电路人才的培养是一个系统性工程。

　　由于集成电路涉及的产业链很长，涉及面广，从工具、IP选择，再到不同模块设计、生产制造、封装测试，至少要经过40多个环节，脱离任何一个环节都会影响整个系统正常运转。因此，“集成电路人才的培养是一个需要联合诸多学科的系统性工程，绝非单一学科，或是单一专业即可完成。”汪玉说。

　　汪玉强调，人才培养是一个“非常重要而急迫”的问题，集成电路制造方面，集物理、化学、机械、光学多门学科为一体。集成电路设计领域，又涉及计算机、无线电、软件等各学科。

　　一位国微集团技术研发领军人士曾向《财经》记者表示，他们在招人的时候不一定要是半导体的，数学专业的、物理专业的、计算机专业的、微电子专业的，都可以，进到企业来了之后，再进行培养。

　　清华大学教授周祖成曾撰文表示，EDA行业需求的人才包括，工具软件开发人才，工艺及器件背景的工程师、熟悉IC卡设计流程的工程师、数学专业人才、应用及技术支持和销售类人才。仅验证环节，就需要不同专业背景的人才。

　　今年7月31日，国务院学位委员会会议投票通过了集成电路专业将作为一级学科，从电子科学与技术一级学科中独立出来。

　　10月8日，北京大学召开新增集成电路科学与工程一级学科专家论证会，专家通过了增设集成电路科学与工程一级学科博士硕士学位授权点。9月24日，清华大学集成电路科学与工程一级学科博士硕士学位授权点也通过了专家论证。

　　这将意味着，一级学科确认后，二级学科的设置将会有更大空间，交叉学科的设计能够更加合理。同时，也将吸引更多人才学习这个方向，周祖成说，原来在集成电路还不是一级学科时，招生遇到很多问题，他们请了许多知名半导体企业的创始人给学生们宣讲，选择微电子专业的学生仍旧寥寥。

　　不过，这也只是人才培养上迈出的其中一步，学科如何设置、如何保证交叉学科背景、如何针对情况培养不同梯队的人才，都是要进一步解决的问题。毕竟，如果看美国大学的人才培养会发现，在美国大学中，并没有单独的集成电路专业，举个例子，许多大学计算机系的教授的研究也会涉及EDA算法，再加上美国诸如Intel、博通、高通、TI等丰富的产业生态，培养了一大批集成电路行业的工程师。

　　汪玉认为，培养工程硕士和工程博士是集成电路人才培养的一个方向。

　　2017年开始，教育部规划司增加了示范性微电子学院研究生的招生指标，在9所微电子学院里增加了40%的研究生招标指标。在17所示范性微电子学院筹建单位定向增加了30%的研究生招生指标。

　　应用型人才十分关键

　　科研和生产之间的“死亡之谷”，使得许多技术成果在实验室终止，从研发到转化，再到形成产品，需要经历很长的过程，这个链条中的每个节点至关重要。

　　“科研与生产脱节，科研成果不能转化为生产力。”在朱贻伟看来，是集成电路产业落后的原因之一，多次企图将研究所或高校的科研成果转移到工厂生产，都以失败告终。他举例，曾经领导部门决定将位于四川永川的24所分出分所迁到无锡，与江南无线电器材厂组合成联合体，后发展为华晶电子集团公司，但仍未能解决好研制与生产衔接问题，结果只能一而再，再而三从国外引进技术。

　　应用型人才的缺乏，同样是国内集成电路人才短缺的问题之一。

　　根据《中国集成电路产业人才白皮书（ 年版）》统计，企业对于工作经验在 3-5 年的人才需求量最大，占比 32.09%，且这一比例从 2017 年起逐年递增。与往年相比，不要求工作经验以及要求工作经验为 1 年以下的企业比例明显下降。

　　一位国内集成电路企业的高管也表示，他们招来的应届生们都需要在企业经过一年左右的培训。吕会军此前在接受媒体采访时也说，“政府在招商引资时常被问到，能帮企业招多少人？”

　　在此前提及的高校在增设集成电路科学与工程一级学科专家论证会中，也都对产教融合进行强调。另外，国科大和中芯国际、长江存储、华进半导体、厦门三安签署企业定制班合作协议，实行“课程学习+企业实践+学位论文”三段式培养模式；华中科大与长江存储、成电与联发科、山东大学与联电、西电和NI等都签署了合作协议。

　　南京大学电子科学与工程学院特聘教授、博导王中风，将集成电路人才划分为低、中、高三个梯队，其中，中、低端人才占据市场需求约三分之二以上，微电子等相关专业的研究生可以在工作中快速成长。其它理工科类专业的本科或以上学位的毕业生也可以通过1年左右的相关专业（例如集成电路设计等）强化培训而快速上岗。

　　但由于集成电路行业极强的实践性和对经验积累的要求，这方面的人才需要极强的实践性、工程化能力。

　　或许此次南京这所面向实践性人才培养的学校能够缓解在应用型人才上的缺口。吕会军向媒体透露，这所“学校”一开始的招生范围将面向大四、研二、研三有就业需求的学。教学方式分线上、线下两种，授课教师主要来自企业资深工程师和部分高校教师。今后可能将下沉到更低年级，和高校现有的教学实践和学生实习培养体系相结合。

　　只是，由于半导体行业的薪酬待遇、人才成长周期长，许多毕业生都投向了薪酬待遇更高的互联网或金融行业，曾经就有一位国内头部AI芯片企业人士说，三年前他们到清华大学宣讲，前来聆听的学生寥寥无几。

　　高端人才培养是关键

　　“集成电路的发展，关键就卡在高端人才上。”周祖成说。

　　高端人才决定是否能够对未来先进技术进行开发，如汪玉所说，“有没有可能卡别人的脖子，做到不可替代性”。

　　制造行业中有一个典型的例子，当157纳米光源的光刻技术商业化迟迟推进不下去，摩尔定律面临终结时，美国国家工程院院士、台湾“中央研究院”院士林本坚用“以水为介质的193纳米浸润式微影”技术，改写了这一进程。

　　对于集成电路的高端人才培养，王中风给出的答案是，多所大学联合成立研究院。

　　“多所大学联合成立研究院，有利学科交叉和优势互补，但是类似的与集成电路相关的研究院/所目前在国内很少。”王中风对《财经》记者说，

　　在高端人才的培养则需要较长时间的实践和积累。顶尖人才往往是可遇不可求，他们在行业中占比小于5%，但是对技术和产品的创新至关重要。

　　王中风总结这批人才的特质是：通常有良好天赋和教育背景，并且拥有良好的发展机遇，能够在实践中不断得到锻炼和提升。先进的专业研究院或研究所，正是培养此类人才的好地方。

　　集成电路人才的培养是一个系统性工程，南京即将建立的这所由政府牵头的“学校”，是一次全新的尝试，但如何能够吸引到愿意进入这个行业的人才，持续为企业和产业提供人才，是需要与高校院所、政府和企业各方共同合作，亟待解决的问题。

7月20日，寒武纪正式在A股科创板上市，成为AI芯片第一股，引起了业内的热议和关注。

编者按：本文来自腾讯科技（ID:qqtech），作者Zach小生，创业邦经授权转载。

NPU（AI芯片）和GPU（普通芯片）的亮点在于它们能够运行多个并行线程。NPU通过一些特殊的硬件级优化，比如为一些真正不同的处理核提供一些容易访问的缓存系统，将其提升到另一个层次。这些高容量内核比通常的“常规”处理器更简单，因为它们不需要执行多种类型的任务。

7月20日，寒武纪正式在A股科创板上市，成为AI芯片第一股，引起了业内的热议和关注。

根据相关的资料显示，目前中国IC设计企业已超过1500家。但AI芯片的公司却比较少，创企仅超过20家。在这些AI芯片企业中，寒武纪是最突出的，尤其是最近的IPO，科创上市第一天股票便一路飙升。那么AI芯片到底是什么，与我们普通的CPU有何区别呢？

从原理逻辑来看，AI处理器是一种特殊的芯片，它结合了人工智能技术和机器学习，使芯片的移动设备足够智能，可以模仿人类的大脑，用于优化深度学习AI的工作，也是使用多个具有特定功能的处理器的系统。而普通的芯片（普通cpu）则被封装在一个更小的芯片包中，设计用于支持移动应用程序，提供支持移动设备应用程序所需的所有系统功能。

大多数时候，各个大公司营销团队发现AI(人工智能）这个词非常“前位且华丽”，所以他们几乎把它捆绑到任何可能的商业用途中。因此，你肯定听说过

“人工智能芯片”，其实它是NPU(神经处理单元)的重命名版本，这些是特殊类型的ASIC（专用集成电路），旨在移动市场中将机器学习广泛应用。

这些ASIC有一种特殊的架构设计，使它们能够更快地执行机器学习模型，而不是将数据卸载到服务器，然后等待它的响应。这种执行可能没有那么强大，但由于数据和处理中心之间的障碍更小,所以速度会更快。

NPU比普通的CPU有什么优势?

通俗来说，我们可以理解为NPU就是AI芯片，普通芯片就是CPU。

CPU在一般的负载环境中工作会很好，因为它有一个较高的IPC，可以通过许多串行执行。且CPU遵循的是冯诺依曼架构，其核心是存储程序、顺序执行。CPU的架构中需要大量的空间去放置存储单元（Cache）和控制单元（Control），相比之下计算单元只占据了很小的一部分，所以它在大规模并行计算能力上极受限制，而更擅长于逻辑控制。

NPU和GPU的亮点在于它们能够运行多个并行线程。NPU通过一些特殊的硬件级优化，比如为一些真正不同的处理核提供一些容易访问的缓存系统，将其提升到另一个层次。这些高容量内核比通常的“常规”处理器更简单，因为它们不需要执行多种类型的任务。这一整套的“优化”使得NPU更加高效，这就是为什么这么多的研发会投入到ASIC中的原因。

机器学习模型处理要求CPU、DSP、GPU和NPU同时同步，这是很多芯片处理单元在共同工作。但这也解释了为什么这样执行对于移动设备来说是“沉重的”。

NPU的优势之一在于，大部分时间集中在低精度的算法，新的数据流架构或内存计算能力。与GPU不同，它们更关注吞吐量而不是延迟。

当然，AI算法是至关重要的，在图像识别等领域，常用的是CNN卷积网络，语音识别、自然语言处理等领域，主要是RNN，这是两类有区别的算法。但是，他们本质上，都是矩阵或vector的乘法、加法，然后配合一些除法、指数等算法。

另外，一个成熟的AI算法，针对卷积运算和加权求和的特定数学进行了优化。这个过程非常快。它就像一个没有图形硬件的GPU。对于AI芯片来说，如果确定了具体的目标尺寸，那么总的乘法加法计算次数是确定的。比如一万亿次, 就好比说，我用AI芯片跑程序，吃顿饭的功夫就就解决了，而CPU需要运行好几个礼拜，时间上的差距，没有任何一家商业公司会浪费时间。

全球AI芯片公司有哪些？

除了寒武纪，国内还有这些比较有名的AI芯片公司比特大陆，地平线，天数智芯，熠知电子，探境科技，燧原科技，海思，嘉楠科技等公司，都是经历了自2015年至现在的实际落地的检验期，才到现在境况。各个公司的产品也都是独特的，功耗、性能、应用场景都有自己的风格，可以在中国的广大的市场中占有一席之地。

中国AI芯片公司处于一个发展热潮中，那国外AI的芯片发展情况又如何呢？现在让我们来看看那些我们认为是人工智能芯片顶级开发者的公司，尽管没有任何特定的顺序——只是那些已经展示了他们的技术并且已经将其投入生产或者即将投入生产的公司。具体如下：

谷歌的母公司督促着人工智能技术在多个领域的发展，包括云计算、数据中心、移动设备和台式电脑。可能最值得注意的是它的张量处理单元(Tensor Processing Unit)，这是一款专门为谷歌的TensorFlow编程框架设计的ASIC，主要用于AI的两个分支机器学习和深度学习。

谷歌的Cloud TPU是应用于数据中心或云解决方案，其大小相当于一张信用卡, 但Edge TPU大小是小于一美分的硬币, 是专为某些特定的设备而设计的。尽管如此，更仔细观察这一市场的分析师说，谷歌的Edge TPU不太可能在短期内出现在该公司自己的智能手机和平板电脑上，而更有可能被用于更高端、企业和昂贵的机器和设备。

苹果多年来一直在开发自己arm芯片，最终可能会彻底停止使用英特尔(Intel)等供应商。苹果也基本上摆脱了与高通的纠缠，看起来确实决心要在未来的人工智能领域走自己的路。

该公司在最新款的iphone和ipad上使用了A13“仿生”芯片。该芯片使用了苹果的神经引擎，这是电路的一部分，第三方应用程序无法使用。A13仿生芯片比之前的版本更快，耗电更低。据报道，A14版本目前正在生产中，今年可能会出现在该公司更多的移动设备上。

Arm (ArmHoldings)生产的芯片设计被包括苹果在内的所有领先技术制造商采用。作为一个芯片设计师，它不制造自己的芯片，这给了它某种优势，就像微软不制造自己的电脑一样。换句话说，Arm在市场上有着巨大的影响力。该公司目前正沿着三个主要方向开发人工智能芯片设计: Project Trillium，一种“超高效”、可扩展的新型处理器，目标是机器学习应用;机器学习处理器，这是不言而喻的; Arm NN是神经网络的缩写，它是一种用于处理TensorFlow的处理器，Caffe是一种深度学习框架，还有其他一些结构。

早在2016年，据华尔街日报报道，芯片巨头英特尔宣布收购初创公司NervanaSystems，英特尔将获得该公司的软件、云计算服务和硬件，从而使产品更好地适应人工智能的发展。但它的人工智能芯片系列，被称为“神经网络处理器”：人工神经网络模仿人类大脑的工作方式，通过经验和实例进行学习，这就是为什么你经常听到机器和深度学习系统需要“训练”。随着之前发布的Nervana，英特尔似乎将优先解决与自然语言过程和深度学习相关的问题。

在GPU市场中，我们提到过GPU处理人工智能任务的速度比CPU快得多，Nvidia看起来处于领先地位。同样，该公司似乎在新生的人工智能芯片市场获得了优势。这两项技术似乎是密切相关的，英伟达在GPU方面的进展有助于加速其人工智能芯片的开发。事实上，gpu似乎是Nvidia人工智能产品的支撑，而其芯片组可以被称为人工智能加速器。Jetson Xavier于2018年已经发布，该公司CEO黄仁勋在新闻发布会上表示：“这台小电脑，将成为未来机器人的大脑”。

深度学习似乎是英伟达感兴趣的主要领域。深度学习是一种更高层次的机器学习。你可以把机器学习看作是使用相对有限的数据集的短期学习，而深度学习使用在较长一段时间内收集的大量数据来返回结果，这些结果反过来被设计用来解决更深层次的、潜在的问题。

6. AMD（超微半导体）

和英伟达一样，AMD是另一家与显卡和GPU有着密切联系的芯片制造商，部分原因是过去几十年电脑游戏市场的增长，以及比特币矿业的增长。AMD提供硬件和软件解决方案，如EPYC cpu和Radeon Instinct gpu的机器学习和深度学习。Epyc是AMD为服务器(主要用于数据中心)提供的处理器名称，而Radeon则是一款主要面向游戏玩家的图形处理器。AMD提供的其他芯片包括Ryzen，也许还有更知名的Athlon。该公司在人工智能专用芯片的开发上似乎还处于相对早期的阶段，但鉴于其在GPU领域的相对实力，观察家们认为它将成为该市场的领导者之一。AMD已签约向美国能源部提供Epyc和Radeon系统，用于建造世界上最快、最强大的超级计算机之一，被称为“Frontier”。

高通在智能手机热潮开始之初就通过与苹果的合作赚了一大笔钱，对于Apple停止购买其芯片的决定，高通可能觉得自己被冷落了。当然，高通本身在这个领域也不是什么小公司，而且考虑到未来，一直在进行一些重大投资。

去年，高通发布了一款新的“云人工智能芯片”，似乎将其与其在第五代电信网络(5G)方面的开发联系起来。这两项技术被认为是构建自动驾驶汽车和移动计算设备新生态系统的基础。分析师表示，高通在人工智能芯片领域算是后来者，但该公司在移动设备市场拥有丰富经验，这将有助于实现其“让设备上的人工智能无处不在”的目标。

当然，其他还有Samsung（三星）, TSMC（台积电）, Facebook（脸书）, IBM, LG等大型国际公司也在研发自己得AI芯片，谁能先掌握最前沿的AI芯片，谁就能在新的经济上升潮流中分一杯羹。

各个大公司的市场部描绘给我们的现实与那些公司外的现实截然不同。尽管几十年的研究给了我们处理信息和分类输入的新方法，比以往任何时候都快，但我们购买的硬件中并没有真正的AI，因此哪家芯片公司能够抓住市场痛点 ，最先实现应用落地，就可以在人工智能芯片的赛道上取得较大优势。

目前全球人工智能产业依旧处在高速的发展 中，不同的行业分布为人工智能的应用提供了广阔的市场前景，商业化的社会需要人工智能的应用，AI芯片是实现算法的硬件基础，也是未来人工智能时代的战略制高点，全球的各大顶级公司会为此而一战。但由于目前的 AI 算法往往都各具优劣，只有给它们设定一个合适的场景才能最好地发挥它们的作用，也希望AI可以今早进入我们普通人的视线中。

从产业发展来看，现在还是人工智能芯片的初级阶段，无论是科研方向还是商业的应用都有非比寻常的创新空间。在应用场景中，算法迭代的AI芯片向具备更高灵活性、适应性的通用智 能芯片发展，这是是技术发展的必然方向。更少的神经网络参数计算位宽，更多样的分布式存储器定制设计 ，更稀疏的大规模向量实现，复杂异构环境下更高的计算效率，更小的体积和更高的能量效率，计算和存储一体化将成为未来人工智能芯片的主要特征和发展趋势。

1.《2019年中国IC设计行业投资前景研究报告》

2. 人工智能芯片发展的现状及趋势【J】 科技导报

本文（含图片）为合作媒体授权创业邦转载，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系

　 【高清时代 技术】 同为四核主流芯片方案，并且师出同门，晶晨s802和晶晨s812芯片到底哪个好呢？它们的区别又在什么地方呢？据笔者的了解，目前市面上采用s802芯片的盒子明显要多于s812，而且前者的价格更优惠，平均要比s812芯片盒子便宜50-100元，这是否能够说明晶晨s802和s812哪个好呢。接下来我们就具体看看晶晨s802和s812的区别到底在哪里。

【版权与免责声明】如发现内容存在版权问题，烦请提供相关信息，我们将及时沟通与处理。本站内容除非注明原创，否则均为网友供稿，涉及言论、版权与本站无关。