1. 摘要忆阻器件组成的阻变存储器阵列具备存算一体能力，将神经网络的权重映射到忆阻器的电导值后，阻变存储器阵列可以用于高能效的神经网络推理和训练运算，但器件的脉冲编程非理想性和非理想的保持特性与耐擦写特性会造成计算上的精度损失。通过合理的电路设计方法可以减少非理想性带来的影响，这些方法包括了权重表示和编程的优化，输出读取结构的优化，以及系统稳定性的优化。通过与感知计算以及传统数字计算方案的结合，基于阻变存储器阵列的存算一体技术可以应用于同时有严格的算力要求和功耗要求的物联网系统中。2. 介绍人工神经网络算法（Artificial Neuron Networks, ANNs）的快速发展使得人工智能（Artificial Intelligence, AI）方面的研究引发了新的浪潮，并在如图像识别、自然语言处理、自动驾驶等领域中取得了大量的优秀成果。为了加快神经网络的推理与训练速度，使得神经网络算法可以在更多的终端设备上部署，需要在硬件层面上提升算力并降低功耗。但随着神经网络算法的参数规模和运算量急速提升，神经网络运算硬件平台面临着海量数据吞吐引发的存储器带宽与计算单元运算速度不匹配所带来的“存储墙”问题，CMOS工艺难以进一步提升所带来的提高集成度从而提高性能的方法失效问题等。神经网络算法的基本原理是通过输入向量与抽象的“神经元”存储的权重进行进行乘加后再经过非线性激活后输出，通过多层的“神经元”相互连接去拟合复杂的函数关系。阻变存储器阵列基于可以外部施加偏压来改变阻值的忆阻器件，将“神经元”的权重值编程至阵列中的忆阻器件中，向量以电压的形式输入阵列，便可以通过电流的形式获得乘加运算结果。由于其存储与运算一体化的特性，基于阻变存储器阵列的神经网络运算平台可以彻底规避“存储墙”问题；同时忆阻器可以通过3D集成工艺摆脱平面工艺的发展瓶颈，进一步提升集成度，实现更高的存储密度。但使用阻变存储器阵列实现高性能且稳定的神经网络运算也存在大量需要克服的问题，如忆阻器件在脉冲编程下的的非线性、非对称性，各个器件之间的波动性，高阻态漏电流，阻值漂移等。针对这些问题，大量的研究从器件级到电路系统和算法级，提出了各种解决方案。本文将介绍忆阻器件的原理及其非理想性所带来的影响、阻变存储器阵列实现神经网络算法的方法以及提升运算性能的电路级优化方法，并总结该技术未来的研究方向及可能的应用场景。3. 忆阻器件原理及其特性对神经网络运算的影响研究基于阻变存储器阵列的存算一体（Compute In Memory，CIM）的系统实现需要首先需要了解基本的忆阻器件的工作原理以及其与运算之间的关联性，同时需要关注器件非理想性对系统工作会产生的影响。这些非理想性带来的问题，有些可以通过工艺和器件结构/材料的改进解决，有些则需要在系统和算法层面上进行优化。本章节将在简单介绍忆阻器件工作原理与计算的实现方式的基础上，对器件的非理想性及其带来的问题进行深入的讨论。3.1 忆阻器件工作原理忆阻器件由上下的电极以及电极间的阻变金属氧化物构成，通过在上下电极间施加不同的电压，凭借电场的调控作用，可以对应的控制阻变层中氧空位的分布。不同的氧空位的分布可以调节阻变层中导电细丝的形状、通断，最终改变阻变器件的电阻大小。忆阻器件可分为单极性和双极性，单极性器件的开关方向取决于施加电压的幅度，而不取决于施加电压的极性，双极性器件的开关方向则与施加电压的极性有关[1]。(a)阻变器件结构
(b)单极性阻变器件IV特性 (c)双极性阻变器件IV特性忆阻器件的操作可以分为读操作和写操作，写操作包括（1）Forming：通过施加一次性的高压，在阻变层内从无到有的形成导电细丝，器件由初始的超高阻绝缘状态变为低阻状态（Low Resistance State，LRS）（2）SET：该电压可以使促进导电细丝的生长，形成更强的导电通路，使器件从高阻状态（High Resistance State, HRS）转变为 LRS（3）RESET：打断形成的导电通路，使得器件再次由LRS转变为HRS。在上述三个操作中，一般Forming电压最高，RESET次之，SET最小。Forming和SET极性相同，与RESET极性相反。读操作（Read）：为了从单元读取数据，施加不影响存储单元状态的微小读取电压以检测单元是处于HRS还是LRS。忆阻器件的操作忆阻器件可以与材料与 CMOS 工艺兼容，可以实现与晶体管异质集成；结构简单，最小单元尺寸是 4F^2，同时尺寸缩小能力（Scalability）强（< 2nm），能够三维制备 ，实现高密度集成。目前工艺方面的先进成果包括：中国科学院微电子研究所研发的8层的三维集成阻变存储器阵列[2]，以及与14nm的FinFET工艺兼容的阻变存储器阵列[3]。(a)忆阻器件与晶体管集成结构图
(b) TiN/Ti/HfOx /TiN叠层的HR-TEM照片忆阻器件和MOS管组成1T1R基本单元，由于忆阻器上流过电流时会导致其阻值改变，故经常需要对每个忆阻器搭配一个MOS开关管，MOS关断时，RRAM上没有电流，因此可以长时间保持数据，MOS打开后可以进行读或写操作，1T1R单元是三端口结构，分别连接字线（Word Line，WL），源线（Source Line，SL）和位线（Bit Line，BL）。也可以将每个忆阻器件连接一个选择器构成1S1R单元，选择器类似两个背向串联的稳压二极管，在正负电压很小的时候几乎没有电流，在电压大于选择器的导通电压之后，选择器导通。本文将主要讨论1T1R单元构成的阵列。对于1T1R单元构成的阵列，WL连接各行晶体管的栅极，SL连接每行晶体管的源极，BL连接各列忆阻器的上电极。大型阵列的外围电路一般包括WL、SL和BL的驱动，选择器，编码和解码器以及读出电路，对于特大容量的阵列，采用BL 和 SL 驱动分别位于阵列的顶部和底部的结构，有助于平衡远单元和近单元的 IR 压降变化[4]。1T1R构成的阻变阵列结构将向量编码成不同的读电压或者不同的读脉冲个数并施加在不同列上，将矩阵中的元素值对应编码为忆阻器器件电导值，则根据欧姆定律，当电压作用在电导上时，输出的电流值就表征了乘法计算的结果；根据基尔霍夫电流定律，各行的输出电流值就天然的汇总了流过各个器件的电流，完成了累加的计算。最终，各行输出的电流值就表示了矩阵向量乘的结果向量[5]。阻变阵列进行矩阵乘加运算原理示意图3.2 忆阻器件的非理想性及其影响理想的忆阻器件应该在等幅脉冲操作下具有线性、对称的“电导-脉冲”调制曲线，有 ≥ 6bit (64) 的中间状态，有足够大的窗口 （> 10）和尽可能小的器件操作功耗，同时，不同器件之间、不同操作循环之间有良好的一致性，没有波动、噪声等。理想器件的"电导-脉冲"调制曲线但实际的忆阻器件在有限的阻变窗口内，SET 和 RESET方向的连续电导调制通常是非线性、非对称的，并且存在严重的器件间、操作循环间的波动等，这些将严重影响CIM的计算性能[6]。实际器件的"电导-脉冲"调制曲线此外，理想的忆阻器件的阻值不会随着外界环境条件和时间产生变化，并有无限的擦写次数。但实际的器件的保持能力和擦写次数都是有限的。现将器件非理想性概括为以下两类：（1）脉冲编程下的连续阻变的非理想性。这类特性将严重影响系统表现，决定了系统的表现，主要有：电导-脉冲特性的非线性度，SET和 RESET 过程的非对称性、器件和循环的不一致性、电导调制过程中的抖动等。（2）模拟型阻变器件的可靠的非理想性，主要反应连续阻变过程的器件可靠性和系统功能的可靠性，包括：保持特性和耐擦写特性等。第一类问题导致的主要问题是阻变阵列的电导值编程困难，由于脉冲编程下的连续阻变的非理想性，通过简单的控制外加脉冲数量的方式难以准确的将电导控制到需要的值，进而导致计算时的矩阵中的元素值存在大量的误差，影响到最终计算结果。第二类问题则会使得阻变阵列的计算结果准确度随着整个阵列的状态发生变化，如果电导发生了漂移，则矩阵中的元素值也随之漂移，进而影响最终的计算结果。而有限的擦写次数则会导致多次重编程后，部分电导值无法被写入阵列，造成计算时矩阵中的元素缺失。此外，由于系统的运算结果依赖于模拟量，电压在导线上的损失（IR压降）也会导致计算精度的降低。4. 神经网络算法在阻变存储器阵列上的实现神经网络的计算任务可以大致分为前向运算的推理过程和反向运算的训练过程，在阻变阵列上实现前向推理运算的方法已经较为成熟，而对于训练运算则尚有许多可研究的空间，本章节首先将介绍前向推理的实现方式，不同输入和权重的编码方式及其带来的影响，以及算法对应的电路拓扑，接着将对有监督情形下的训练算法进行讨论。4.1 前向推理在阻变存储器阵列上的实现神经网络的前向推理过程的运算主要包括矩阵乘加运算和激活运算，矩阵乘加的运算量远大于激活。因此在部署神经网络时，将乘加运算在阻变阵列上实现，激活运算则通过外围电路进行实现。为了进行矩阵乘加运算，需要对输入、矩阵元素（权重）进行数字到模拟的编码，在阻变阵列上完成全模拟的运算后，将结果再量化为数字量，送入后续系统。输入编码时，可以用不同的读电压来编码不同的输入值，也可以用读脉冲个数（宽度）编码不同输入，还可以按输入不同比特位的值来编码，还可以采用采用组合编码实现。不同编码有各自的特点，电压编码计算速度更快，然而实现复杂度高，一个 8 bit 的输入值需要编码为 256 个不同的读电压值，同时引入器件读电压的非线性影响，对电路信噪比要求高；脉冲个数编码实现最简单，幅值固定，但是延时最大，一个 8 bit 的输入值可能要编码为 255 个脉冲。按比特位编码是对脉冲个数编码方案的优化，一个 8 bit 的输入值只需编码为 8 个脉冲，速度更快，但是每个脉冲计算的权重系数不同。组合编码中，可以将比特位编码和幅值编码相结合，如每两比特编码为四种不同的读电压值，这样一个 8 bit 的输入值只需编码为 4 个读脉冲，同时注意每次读的权重系数不同，需要对应的在输入或输出进行处理。矩阵元素编码时可以利用忆阻器件电导连续的特点，将权重直接映射到器件的电导值上，但是由于器件的连续阻变的非理想性，这种直接映射的方法很难将电导值准确的控制到与权重一致，降低了运算精度，并且非常容易收到电导漂移的影响。也可以将二进制表示的权重映射到与位数相同个数的器件上，以高阻态表示逻辑"0"，以低阻态表示逻辑"1"，这样的好处是编程容易，也不容易收到器件不稳定性的影响，但会大大降低阵列的存储密度。还可以采用折中的方法，在单个器件上实现有限的阻态数量，用来表示多位的二进制数，如16个阻态可以实现 4 bit的编码，这样只需要两个器件就可以表示 8 bit 的权重，相对而言提升了存储密度，同时受到非理想性的影响相比模拟编码方式较小，稳定性较高。如果矩阵中同时存在正值和负值，可以采用两个器件组成差分对，利用差分电导表示单个元素值。输出结果也有不同的量化方法。可以利用模数转化器(Analog to Digital Converter，ADC)将电流或电流转化的电压值（跨导运算放大器）直接量化，也可以利用积分器将电流信号转化为电压进行处理。全连接网络的一种映射方式如图所示，将网络输入层的每个神经元值映射为对应的阵列位线的读输入；将网络输出层的每个神经元值映射为阵列源线上对应的累积输出电流；将网络中连接输入输出的权重映射为阵列中相应交叉点的电导值，根据3.1小节的介绍，可以利用欧姆定律和基尔霍夫电流定律，以CIM的形式完成神经网络需要的计算和处理[7]。全连接神经网络的实现卷积神经网络的映射方式与全连接神经网络相近，需要将卷积层和全连接的权重映射为阵列中相应交叉点的电导值。与全连接不同的是，卷积神经网络的输入需要将滑动窗内的3x3矩阵展开为1x9的一维向量，再进行输入，滑动窗需要滚动覆盖整张输入图片，因此需要多个周期才能完成整个卷积运算过程。尽管阵列进行卷积运算时可以在共享输入下并行实现卷积层的不同卷积核，但由于上述的多周期的滑动输入，卷积运算仍然很耗时。 考虑到基于忆阻器的乘加计算在用作全连接层时更加高效和直接，忆阻器全连接层计算与忆阻器卷积计算之间的严重速度失配会导致相当大的效率损失。 在多个并行的忆阻器阵列中复制同一组权重是在卷积神经网络中有效加速识别输入图像的一种很有前途的方法， 忆阻器卷积的空间平行性可以极大地加速卷积滑动[8]。a.卷积神经网络的结构 b.卷积层在阻变阵列上的实现4.2 有监督训练在阻变存储器阵列上的实现由于器件脉冲编程下的连续阻变的非理想性，采用片外训练权重，再将权重编程到片上的神经网络计算实现方法必然会带来一定的精度损失，而进行片上训练是一种有效的克服这一问题的方式。一种有监督的训练方法是首先对阵列进行前向推理，通过推理结果与标准标签的误差值，计算出每行电导权重的更新方向，分两步实现更新：（1）对该行中电导需要增加的单元并行的施加 SET 脉冲；（2）对该行中电导需要减小的单元并行的施加 RESET 脉冲。选中特定行通过在对应行的栅极施加适当的电压实现，非选中行接地或浮空。由于在阵列中实现深层次的反向传播非常困难，可以只训练特定层的权重，如最后的全连接层权重，可以最高效的实现对整个网络所有权重的波动、漂移等非理想器件特性的兼容，以及系统其他噪声（如阵列寄生效应等）的补偿，也不会带来过大的系统开销[8]。a.权重训练实现流程
b.卷积层参数直接使用外部训练得到的权重值编程，全连接层采用训练方法更新权重5. 提升阻变存储器阵列上神经网络运算性能的电路级优化方法本文第三章节对忆阻器件的非理想性及其带来的问题进行了讨论，本章节将详细讨论到目前为止阻变存储器研究领域中，针对器件非理想性问题的一些优秀的电路级解决方案，以及一些从系统的角度上对整体运算能效比进行提升的方法。5.1 权重表示和编程的优化5.1.1 2T2R单元在 SW-2T2R 单元中，两个忆阻器件通过在推理阶段使用相反的电压极性来表示正负权重。 如果 \(V_{SL} = V_{CLP}\)、\(V_{BLP} = V_{CLP} – V_{READ}\)、\(V_{BLN} = V_{CLP} + V_{READ}\)，\(G_{POS}\) 和 \(G_{NEG}\) 将分别代表正负权重。 最终，这个 2T2R 单元的等效权重是 \(W_{CELL}=G_{POS}-G_{NEG}\)，它可以是正数、负数或零。 该权重对的 SL 电流分别等于流过正极和负极的差分电流。 根据 \(I_{CELL} = V_{READ} * W_{CELL}\)，该电流与 \(W_{CELL}\) 成正比。
2T2R结构旨在通过从两个方面降低IR压降来提高精度：(a)如果\(G_{POS} = G_{NEG}\)，\(I_{CELL}\)可以降为零；
(b) 通过同一列上的正权重和负权重的电流可以局部抵消，减少了SL上的总电流[9]。2T2R单元结构及阵列结构5.1.2 写校验编程方法开环单周期的写操作会产生忆阻器件的电阻值偏离目标，此外，忆阻器没有完全的高阻或低阻状态，因为导电丝不能完全断裂或形成。 因此，写操作中忆阻器件的电阻受初始电阻影响的记忆效应加剧了电阻的偏离。进而导致 计算出错。可以采用写校验编程方法来克服这一问题，在写操作中，忆阻器件的电阻会随着写脉冲而变化。 在每个写脉冲之后，基于 ADC 的读出电路可以估计忆阻器件的电阻，即读出的电压(\(V.RBL\))可以间接表示访问的忆阻器件的电阻。
闭环写校验设置一对标准阈值(\(V_{th+},{V_{th-}}\))，该阈值与读出电路的输出进行比较。 在写操作中，对LRS 单元施加 RESET 脉冲，读出电路估计忆阻器件的电阻。 如果已编程忆阻器件的\(V.RBL\)低于下限阈值\(V_{th-}\)，则编程脉冲的脉宽会增加。 如果\(V.RBL\)高于上限阈值\(V_{th+}\)，则 编程脉宽会降低[10]。控制编程脉宽的写校验编程方法这种写校验方式的调控对象不仅可以是脉宽，也可以是脉冲的幅度或脉冲的个数。5.2 输出读取的优化5.2.1 输出采样阻变阵列的乘加计算结果可以通过电流采样，电压采样或电荷采样的方式读出，电流采样方式电路拓扑更简单和常见。电流采样方式下的输出结果由 BL 线上的总电流与 LRS 电流的比率决定。 在 RRAM 阵列具有足够高的 ON/OFF 比（即HRS阻值与LRS阻值之比）的前提下，HRS 的电流可被忽略。 但在低ON/OFF比的情况下，来自访问忆阻器单元的HRS的总电流容易超过LRS电流的量，从而导致逻辑模糊[9]。一种解决方案是不直接使用总电流与LRS电流之比计算结果，而是将选中的单元数量（\(N_{WL}\)）馈入读取电路，从而动态的生成参考电流（\(I_{REF}\)）。因为对于具有选中的单元数量相同的乘加计算，相邻结果之间的\(I_{BL}\)分布中没有重叠区域，在给定 \(N_{WL}\)的情况下，对应每种HRS和LRS单元的个数组合，只有一种 \(I_{HRS}-I_{LRS}\) 组合模式。因此通过基于 \(N_{WL}\) 的值自适应地生成适当的\(I_{REF}\) 可以更好的减少误读[11] 。a.将选中的单元数量馈入读取电路的电流采样电路 b.固定参考与自适应参考的对比电压采样的方式存在采样电压随着单元数量增加而非线性变化的问题。使用固定大小的电流源加在忆阻器件上产生HRS电压和LRS电压的情况下，由于并联电阻，读取单元数量增加时，读出电压会随着更多的 LRS 单元被访问而急剧下降，从而使读出电压表现出极窄的采样余量， 即使使用具有非线性参考的 ADC，最终也会限制计算结果的准确性。 可以通过使 BL 电流与读取单元个数成比例来解决这一问题。通过采用读出电压变换控制BL电流源的方式，使得采样电压在单元数量增加的情况下依然能够保持线性变化。电压采样的读出结构上述结构输出的读出电压实际上是HRS电压和LRS电压的线性组合，通过将选中的单元个数馈入读出电路，以HRS电压和LRS电压之差作为输入参考，利用线性关系便可以得到计算结果[10]。将选中的单元数量馈入读取电路的电压采样方式5.2.2 ADC结构在基于阻变阵列的CIM系统中，阵列本身的面积、延时和能耗的开销都非常低，主要是外围接口电路的开销影响了系统效率。在外围电路的功耗中，ADC工作产生的功耗又占了极大的比例，因此有大量的工作围绕存算系统中的ADC的优化展开。一种具有典型性的优化思路是控制ADC的量化精度和转换频率，以满足系统要求的最低限度进行工作，从而减小系统的整体功耗。例如由积分器、比较器和分段电容DAC组成的ADC结构，其功耗由积分器和比较器的参考电流源控制，ADC分辨率通过设置采样时钟的频率进行配置[9]。可配置参考电流源和采样时钟的ADC结构另一种思路则是将ADC直接简化为更节省功耗和面积的电压读出放大器(Voltage Sense Amplifier,VSA)或电流读出放大器 (Current Sense Amplifier,CSA)，将输出值与多个参考值并行比较，直接输出数字的结果[12]。将模拟输出与参考值比较的VSA结构5.3 系统稳定性的优化由于实际忆阻器件的非理想保持特性和耐擦写特性，阻值会随着外界环境变化和时间而产生漂移，反复的读操作也可能会导致阻态的转变，因此需要通过定期的单元状态检测和更新的方式改善这一问题。在读操作访问HRS单元时，通过检测阈值的方式判断是否发生了阻态转变，若超过阈值阈值，则为访问的HRS单元执行RESET操作。单个写脉冲足以重置遭受干扰的HRS单元，因为忆阻器件的电阻仍然接近HRS电阻[10]。状态检测和更新逻辑6. 未来研究方向与展望基于阻变阵列的CIM系统所具备的高能效比优势使得其成为后摩尔时代的算力提升方案的有力候选，但器件的脉冲编程非理想性和可靠性问题，以及工艺方面的限制，使得大容量的CIM系统的实现仍然存在困难。此外，相比传统的CMOS数字解决方案，阻变阵列受到拓扑结构的限制，灵活性低，可实现的算法少。因此CIM系统需要找到一个适合自己的使用场景。随着物联网（Internet of Things, IoT）技术的发展，各类应用对终端节点的计算能力的要求不断提升，同时节点的功耗又有严格的限制。将节点的工作内容根据算力要求和功耗要求的差别划分为不同的阶段，通过不同的硬件方案实现不同阶段的功能，是一种非常有效的方案。以物联网应用中的监控摄像头系统为例，其工作可以分多个阶段实现节能。首先，系统仅检测运动，因此仅需要来自摄像机的数据，以及一些简单的逻辑电路。 其次，在检测到运动后，系统需要识别运动目标是人，宠物还是其他物体（例如扫地机器人）。 在此阶段，需要低至中等分辨率的图像和计算能力。最后，如果将该运动识别为人，则执行更高分辨率的图像和面部识别以识别该运动是否由入侵者引起。 在此例中，硬件需要是可配置的，以便系统在最佳条件下运行。物联网应用中的监控摄像头系统的三个工作阶段在上述的例子中，最前端的检测运动功能对算力的要求极低，通过像素值间的差分就可以实现，通过感知计算（Process In Sensor，PIS）技术以极低的功耗便可以实现其功能。而系统分辨目标类别的功能，对算力要求更高了，通过CIM技术部署卷积神经网络分类检测算法可以实现其功能，其功耗则可以做到远低于传统的数字方案。最后的高精度面部识别，需要输入高分辨率的图象，对算力的要求更高，因此通过传统的数字方案进行实现功能。由于后端的功能由前端的功能进行唤醒，功耗大的工作阶段的工作时长大大减少，从而降低了整个系统的功耗[13]。PIS，CIM和传统数字计算在应用中的层次化关系在未来的研究中，需要发挥CIM技术在存储容量，高能效比以及CMOS工艺兼容性等优势，通过从器件到算法的优化技术减小非理想性带来的性能损失，将CIM技术与传统的CMOS数字技术，PIS技术等良好融合，在实际IoT应用的部署中灵活配置软硬件方案，提升整个系统的性能。7.引用文献特别感谢清华大学姚鹏博士，本文主体结构借鉴了其毕业论文。[1]Metal–Oxide RRAM[2]8-Layers 3D vertical RRAM with excellent scalability towards storage class memory applications[3]First Demonstration of OxRRAM Integration on 14nm FinFet Platform and Scaling Potential Analysis towards Sub-10nm Node[4]A 14nm-FinFET 1Mb Embedded 1T1R RRAM with a 0.022μm2 Cell Size Using Self-Adaptive Delayed Termination and Multi- Cell Reference[5]In-memory computing with resistive switching devices[6]Resistive memory-based analog synapse: The pursuit for linear and symmetric weight update[7]基于阻变阵列的多层神经网络存算一体实现研究，清华，姚鹏[8]Fully hardware-implemented memristor convolutional neural network[9]A Fully Integrated Analog ReRAM Based 78.4TOPS/W
Compute-In-Memory Chip with Fully Parallel MAC
Computing[10]A 40-nm, 64-Kb, 56.67 TOPS/W Voltage-Sensing Computing-In-Memory/Digital RRAM Macro Supporting Iterative Write With Verification and Online Read-Disturb Detection[11]CMOS-integrated memristive non-volatile computing-in-memory for AI edge processors[12]2-Bit-Per-Cell RRAM-Based In-Memory Computing for Area-/Energy-Efficient Deep Learning[13]AI Edge Devices Using Computing-In-Memory and Processing-In-Sensor: From System to Device

（原标题：康码生物创始人郭敏：造出生物“光刻机” 实现蛋白质合成产业化｜连线创始人）《安安访谈录》是界面财联社执行总裁徐安安出品的一档深度访谈类栏目。从投资角度对话1000位行业领军人物，覆盖传媒创新、VC/PE、信息服务、金融科技、交易体系、战略新兴等方向。科创板日报《连线创始人/CEO》是由《安安访谈录》出品的针对创新创业型未上市企业创始人的访谈栏目，以企业创始人/CEO的访谈为一手信源，让成长中的创业公司走入公众和市场视野，并发掘最新技术和产业趋势。本期访谈人物：康码生物创始人、董事长郭敏“生物反应器是制造生物药的设备，如果把生物药类比作芯片，那无细胞蛋白质合成的生物反应器就是下一代光刻机。”?个人介绍康码集团创始人、董事长；上海市侨联委员；浦东新区政协委员。?第一标签无细胞蛋白质合成产业化先行者?公司简介康码（上海）生物科技有限公司（简称：康码生物）成立于2015年10月，由创始人郭敏博士和十余名归国博士、博士后、教授共同组建，至今已发展成为一家集D2P（DNA-to-Protein）体外无细胞蛋?质合成技术、?物医药创新产品研发、蛋白序列智能算法三项核心能力为一体的高新技术生物医药企业。经过7年的D2P技术积累，康码生物现已实现了工业化蛋白质合成，公司正在建设的160吨级D2P蛋白质生产基地，预计将在今年3月投产。
在国内生物医药厂家采用传统的细胞培养方式制造蛋白质时，康码生物自主研发出D2P（DNA-to-Protein）创新技术，改变了行业现状。
2020年，康码生物完成了世界上第一条5吨级蛋白质工厂自动化产线。2023年，公司正在建设的160吨级D2P蛋白质生产基地，预计将在3月投产。
康码生物创始人、董事长郭敏在中科大本硕博连读，毕业后去了美国圣地亚哥Scripps研究所，之后留校成为副教授，博导。“我长期在做蛋白质合成理论研究，知道这个技术有很大的开发潜力，在美国的实验室我们不做工业化应用，但如果能够实现是非常有价值的。”带着这样的信念，郭敏萌生了回国创业的想法。
在整个采访过程中，郭敏多次提及要做有意义的事情。诚如他所说的，蛋白质制造在整个生物产业中，D2P比现有细胞培养技术先进一代以上，如果做成了会成为万亿级的市场，能把药物价格降低10-100倍，这件事情意义足够大。
蛋白质制造是生物产业的底层技术和卡脖子技术。在国内生物医药厂家采用传统的细胞培养方式制造蛋白质时，康码生物自主研发出D2P（DNA-to-Protein）创新技术，改变了行业现状。今年1月，在上海周浦国际医学园区，康码生物创始人、董事长郭敏接受《科创板日报》记者专访，讲述他专注无细胞蛋白质合成研究，创立康码生物的历程，揭开D2P创新技术如何打破卡脖子局面。――――――――――造出生物产业的“光刻机”蛋白质是生物医药大健康领域最基础的物质，无论是药品、疫苗、体外诊断，还是医美产品、化妆品，底层物质都是蛋白质。现在绝大部分的生物医药公司还是采用细胞培养的传统方法来制造蛋白质，但这类方法需要较长时间。在郭敏看来，细胞培养可以理解为是一种养殖技术，是农业化制造蛋白的技术；而体外蛋白质合成则是一个工业化技术。康码生物自主研发的D2P技术，可定制蛋白质序列，直接由DNA编码合成蛋白质。与传统的细胞培养方式相比，D2P可以快速、高通量、低成本合成特定目标蛋白质，“D2P直接体外合成蛋白，只需要3个小时，大大缩短了传统生产工艺流程。”郭敏说。图|康码生物实验室“我们为生物医药公司提供底层技术的解决方案，这种类型的企业在国内生物医药产业屈指可数，而且做到我们技术领先程度的非常少。”郭敏解释，就像电子行业一样，做手机的牌子很多，做手机壳的更多，但往上收拢则会越来越少，比如做手机屏幕、镜头的很少，做芯片和光刻机的就更少。像芯片在电子行业一样，蛋白质制造是生物产业的底层技术，平台技术，核心技术。此外，郭敏还透露，康码生物在今年开发出了全世界首台无细胞蛋白质合成的生物反应器。“生物反应器是制造生物药的设备，如果把生物药类比作芯片，那无细胞蛋白质合成的生物反应器就是下一代光刻机。”――――――――――成果产业化 向年产能160吨冲刺无细胞蛋白质合成在实验室和理论层面的高效率、低成本潜力毋庸置疑，但从实验室到量产才是更关键的。“大概在康码成立1年左右的时间，就有投资人过来问我们这个技术实现量产的可能性，当时我说99%是做不成的，但这个事一旦做成了就有很大价值。”郭敏这样回忆道。结果证明郭敏的坚持是值得的。2020年，康码生物完成了世界上第一条5吨级蛋白质工厂自动化产线。此后，康码生物迎来了飞速发展的新阶段。2022年初，康码完成A轮融资，投后估值约28亿元。2023年公司正在建设的160吨级D2P蛋白质生产基地，预计将在3月投产。此前就有关注合成生物领域的投资人对记者表示，会持续看好合成生物这个方向，但站在投资的角度上来说，也会更加关注这些科技公司未来的产业化逻辑能力。投资机构最看重的合成生物企业的量产能力，也正是康码的核心能力，这代表着公司已经突破了产业化最困难的一环。如此一来，康码便可以实现以更低成本、更高效率的生产方式替代传统蛋白质制造方式。郭敏还介绍，康码目前已经搭建了从研发到生产全链路技术覆盖的制造平台，除了做底层技术的研究，也做产品的开发。“我们现在大概是70%左右的精力还是放在底层技术的开发升级上，另外有30%的精力是放在基于现有技术的新产品开发上。”据悉，康码利用D2P技术已经成功合成出了新冠病毒阻断剂-康斯汀蛋白“Kansetin”。康斯汀蛋白可有效阻断原始株-Alpha-Betta-Delta-奥密克戎多种突变株，是已知的具有最强抑制力的广谱抗新冠病毒变种的蛋白质分子。2022年3月实现了基于康斯汀蛋白的“Lencoron栏冠”新冠病毒防护系列产品的产业化，日产能达8吨，是世界上第一款基于无细胞蛋白质合成技术大规模生产并销售的产品。康码重点研发及产业化项目，还包括D2P无细胞生物合成的医美健康肽、四代GLP-1、抗菌肽、免疫毒素、人造血红蛋白、新型疫苗、减肥保健食品等生物医药新产品。――――――――――未来还有这些目标在郭敏的战略规划中，康码未来3年有3个目标：技术上，实现D2P技术的迭代，除了百吨级以上的产业化制造，还要推动产线进阶到全自动阶段，产线国产化率99%以上，全流程100%自主可控；应用上，推动审批难度更大的功能性医美产品、医疗器械、生物药物等的研发生产和审批上市；营收上，向10亿级的营收目标冲刺。回顾郭敏的创业历程，其在中科大本硕博连读，毕业后去了美国圣地亚哥Scripps研究所，之后留校成为副教授，博导。作为全美最大的私立非盈利研究所，Scripps成立70年来第一次由一位在中国培养的博士成为美国的博士生导师，领导在美国的基础科学研究。郭敏教授是当时所里最年轻的PI（独立研究员），也是最活跃研究经费最多的课题组之一――据Chris Liang教授回忆。 “我长期在做蛋白质合成理论研究，知道这个技术有很大的开发潜力，在美国的实验室我们不做工业化应用，但如果能够实现是非常有价值的。”带着这样的信念，郭敏萌生了回国创业的想法。郭敏在辞职前曾向之前的导师Paul Schimmel教授寻求建议，“Paul说:当你选择做一件事情的时候，你唯一需要考虑的是这件事情如果做成了，它的意义有多大。如果这个事情意义足够大，值得你去投入、去冒险，那就去做！每个人的时间和生命都是有限的，我们只能做那些自己认为最重要的事情。”在郭敏看来，最重要的事情就是蛋白质合成技术的工业化。“蛋白质制造在整个生物产业中，D2P比现有细胞培养技术先进一代以上，如果做成了会成为万亿级的市场，能把药物价格降低10-100倍，这件事情意义足够大。”于是，郭敏辞职回国。康码生物于2015年在上海成立，7年过去，公司员工已逾300人，其中70%以上为研发人员。在采访的最后，郭敏还向记者透露，康码的B轮融资正在有序推进中，公司也在推进科创板上市的规划。在科学上，在商业上，在给大众创造价值的事情上，康码做着非常困难但又充满意义的事业，郭敏将和他的团队继续一路向前。
对话1000位行业领军人物：安安访谈录
―――――――（按首字拼音排序，排名不分先后）保险机构：中信保诚人寿保险有限公司副总经理、资深精算师：崔巍（资深精算师，保险产品开发、营销领域专家）材料金属：金石资源董事长：王锦华（萤石资源开发引领者）宠物经济：佩蒂股份董事长：陈振标（“宠物食品”第一股掌门人）储能设备：康菲中国总裁威诺德（Bill Arnold）（油气行业低碳发展的探路者）南都电源董事长：朱保义（储能全场景应用的构建者）中关村储能联盟理事长：陈海生（中国新型储能技术研究和产业化领军者）传媒创新：《科创板日报》主编：徐杰（一级市场及科创板权威报道和服务平台）电商平台：京东集团副总裁：何晓冬博士（人工智能科学家）动力电池：蜂巢能源董事长：杨红新（动力电池行业勇闯者）协鑫能科总裁：费智（移动数字能源科技的先行者）港口码头：中远海运港口总经理助理：洪峻（港口供应链业务开拓者）高端装备：天宜上佳董事长：吴佩芳（轨交耗材龙头“掌门人”）公募基金：财通资管权益私募投资部总经理：陈李（专户老将，不断进阶的“实业派”高手）诺德基金董事长：潘福祥（进入证券业最早的投资学老师，教授投资学时间最长的证券从业者）平安基金权益投资中心投资执行总经理：神爱前（攻守有度，黑马白马搭配的综合成长选手）兴业基金固定收益董事总经理、投资总监：周鸣（大类资产配置与跨市场多资产投资专家）工业软件：群核科技联合创始人兼董事长：黄晓煌（3D云设计SaaS引领者）赛美特董事长兼CEO：李钢江（国产工业软件领域的推动者和践行者）光伏电力电子设备：昱能科技董事长：凌志敏（美国硅谷技术背景，国内微型逆变器先行人）国际贸易：TradeGo首席执行官：于瀛蛟（贸易科技的探路者）航空航天：北斗三号总设计师：林宝军（中国航空航天最前沿技术的探索者）集成电路：黑芝麻智能CMO：杨宇欣（自动驾驶芯片行业创业“老炮”）沐曦联合创始人、CTO兼首席软件架构师：杨建（高性能国产GPU的开拓者）睿控创合创始人、总经理：张平（关键领域国产嵌入式系统推动者）芯擎科技董事兼CEO：汪凯博士（国产车规级芯片研发带头人）芯源微董事长：宗润福（大数据分析和人工智能技术专家）亿铸科技创始人、董事长兼CEO：熊大鹏（存算一体 AI 大算力芯片的开拓者）英特尔大数据技术全球首席技术官：戴金权（大数据分析和人工智能技术专家）机器人：傲鲨智能创始人、CEO、技术负责人徐振华（外骨骼机器人技术领导者）家族办公室：华实禾岸创办人：王长华（家办行业的创新者）景观设计：奥雅股份联合创始人&董事总裁：李方悦 (数字科技与文旅融合的先行者）LED电子设备：木林森创始人：孙清焕 (LED封装及应用产品供应商）旅行交通：春秋旅游副总经理：周卫红（航旅文化的发扬者）农业养殖：神农集团董事长：何祖训 (健康安全生猪产能理念践行者）券商机构：安信证券副总裁：魏峰（券商O2O财富管理“探路人”）德邦证券副总裁：顾勇（从保险到券商的跨界先锋）东方证券副总裁：徐海宁（券业财富管理的引领者）方正证券副总裁：崔肖（投交业务的坚守者）富途董事总经理、国际化战略及财富管理负责人：曾煜超（科技券商依托互联网开拓财富管理业务的探索者）光大证券业务总监：梁纯良（兼有一线经验和全局思维的券业财富设计师）海通证券财富管理总部总经理：吴国华（财富管理践行者）华林证券CEO：赵卫星（首批成功试水数字金融的跨界领路人）华泰金控董事总经理兼张乐通全球负责人：朱亚莉（中资券商APP国际化探索者）华西证券董事长：鲁剑雄（深耕金融数十年的跨界券业掌舵人）国海证券副总裁：蒋健（深耕券商财富管理的马拉松跑者）国泰君安首席经济学家：何海峰（横跨政策与市场的研究者）国泰君安证券私人客户部总经理：张谦（财富管理行业的奋楫者）国信证券副总裁：谌传立（深化资本市场注册制改革的践行者）国信证券资产管理总部副总经理：项琨（固定收益领域投资“深耕者”）华福证券首席信息官、零售业务条线事业部总裁：王俊兴（精通金融与IT的券业先锋）瑞银证券财富管理主管：高慧（瑞士财富管理“百年老店”的中国女高管）申万宏源证券固定收益融资总部总经理：范为（宏观经济与资本市场资深专家）申银万国证券研究所总经理：周海晨（券商研究“黄埔军校”少帅）天风国际董事长：王勇（最懂风险管理的中资券商出海掌舵手）湘财证券副总裁：周乐峰（从证券一线强势崛起的初生代大V）兴业证券数智金融部副总经理：郑可栋（财富管理的践行者）招商证券总裁助理、投资银行委员会主任委员：王治鉴（亲历创业板注册制改革的投资银行家）中金公司投资银行部负责人：王曙光（见证与建言资本市场改革发展的资深投行家）中金公司研究部固收研究负责人、董事总经理：陈健恒（宏观经济及债券投资策略分析专家）中信建投证券执委委员、投资银行业务管理委员会主任：刘乃生（制度建设的投行亲历者、建言者）评级机构：东方金诚董事长：崔磊（资管、银行、信评等多领域资深专家）中诚信国际董事长：闫衍（头部评级机构的管理者人）权威专家、研究学者：国家信息中心预测部产业室主任：魏琪嘉（国家发改委系统、产业经济领域专家）国务院发展研究中心宏观经济研究部研究员：张立群（国务院发展研究中心宏观经济研究部研究员）民盟中央经济委副主任：冯奎（曾任国家发改委研究员，城镇化议题专家）上海外国语大学新闻传播学院院长：郭可（中国国际传播工作推动者）同济大学艺术与传媒学院院长：李麟学（用科技赋能建筑的“城市规划者”）中国宏观经济研究院对外经济研究所研究员：杨长?ィü?家发改委系统、宏观经济领域外贸专家）中国宏观经济研究院决策咨询部研究员：盛朝迅（国家发改委系统、产业经济领域专家）中国首席经济学家论坛副理事长：屈宏斌（中国宏观经济的洞悉者）中山大学传播与设计学院副院长：钟智锦（大湾区传媒人才“培育者”）汽车零配件：森麒麟总经理：林文龙（轮胎新势力领军人物）企业服务：八爪鱼&云听CEM创始人：刘宝强（国内首个客户体验管理SaaS平台开创者）观远数据创始人兼CEO：苏春园（引领数据智能行业长远创新的长期主义者）果集科技创始人：胡东（构建社媒全链路营销的先锋者）咖啡金融网创始人：陶健（咖啡产业研究拓荒者）科沃斯蒲公英加速器CEO：陈亮（中国科技优质项目投资蓄水池建设者）酷克数据联合创始人：简丽荣（云原生数据库“从无到有”的推动者）脉策科技董事长：高路拓（城市数字化研究及实践者）神策数据创始人：桑文锋（数据闭环方法论SDAF的提出者）数说故事创始人&CEO：徐亚波（行业领先的大数据AI独角兽企业“掌门人”）数位大数据创始人兼CEO：黄兴丽（国内最大全域全场景大数据库建设者）顺网科技董事长：邢春华（泛娱乐产业数字化的推动者）通联数据CEO：蒋龙（资管数智化创新实践者）威尔森创始人&CEO：梁维新（行业领先的汽车数据信息综合应用平台“掌舵人”）有米科技合伙人：蔡锐涛（全球数字营销先行者）智慧芽创始人&CEO：张济徽（科技创新信息服务领军人物）人工智能：IDEA研究院讲席科学家：张家兴（AIGC底层技术研究和实践的领军者）达观数据董事长：陈运文（文本数据智能化处理研究与工程专家）复亚智能CEO：曹亚兵（无人机全自动飞行系统领域的先行者和推动者）共达地CMO：李苏南（行业首个商用AutoML自动化AI训练平台布道者）科大讯飞总裁：吴晓如（AI赋能的践行者）深兰科技创始人：陈海波（坚持基础研究和应用开发并重的人工智能“深耕者”）小冰CEO：李笛（人工智能情感计算框架首倡者）小i集团创始人、董事长兼CEO：袁辉（中国认知智能及元宇宙领域领军人物）云从科技联合创始人、战略规划部负责人：姚志强（人机协同操作系统的先行者）中科闻歌执行总裁：曲宝玉（大数据和人工智能领域探索者）数字安全及测试测量：东方中科董事长：王戈（中科院技术资本领军人物）数字经济：上海数据交易所副总经理：韦志林（数据要素基础设施平台先行者）数字人民币产业联盟理事长：王晶（数字人民币产业创新者）碳中和：复旦大学绿色金融研究中心执行主任：李志青（绿色经济金融的研究者，绿色转型发展的助推者）天津排放权交易所总经理：李天（中国负碳平台的先行者）氢交所最早发起人：林辉（氢能源交易平台探路者）远大集团董事长：张跃（绿色低碳的实践者）中国社会科学院生态文明研究所副所长：庄贵阳（中国低碳经济研究的先行者）中国政法大学民商经济法学院副院长：于文轩（专注生态环境法治的研究者和推动者）体育运动：阿迪达斯大中华区董事总经理：萧家乐（运动品牌中国故事的讲述者）投资机构：创东方投资管理合伙人：金昂生（硬科技早期项目捕手）鼎心资本创始合伙人：胡慧（聚焦半导体产业链的VC投资人）鼎兴量子创始人：金宇航（成都新能源与新材料ToB领域资深投资人）复星创富联席董事长：徐欣（产业背景深厚的科技投资人）高特佳投资执行合伙人：范大龙（产融结合生态系统构建者）汉理资本董事长：钱学锋（资深天使投资人、A轮学堂创办人）合晟资产创始人、董事长：胡远川（拥有丰富实战经验的股债投资专家）黑翼资产创始人：邹倚天（量化投资领域稳健的长跑者）活水资本创始合伙人：许乐家（东南亚创投圈探索者）基石资本合伙人：杨胜君(产业背景深厚的硬科技投资人)加华资本创始合伙人：宋向前（消费服务行业冠军的“超级陪练”）蓝驰创投管理合伙人：陈维广（新经济早期投资人）朗盛投资合伙人：李佳（科研出身，服务过百家生物医疗企业的早期投资人）梅花创投创始合伙人：吴世春（最懂创业者"的天使投资人）纽达投资创始人兼总经理：邬雄辉（可转债策略先行者及深耕者）松禾资本合伙人：冯华（产业背景深厚的创投老兵）唐兴资本创始人：宫蒲玲（硬科技赛道“有温度的资本”发起人）源码资本董事总经理：王?（智能制造、清洁能源的“发现者”）元起资本创始管理合伙人：何文俊（数字世界的安全守卫者）中科创星创始合伙人：米磊（“硬科技”投资先行者）中欧资本董事长：张俊（华为前副总裁、硬科技战略投资者）VR/AR/元宇宙：阿里巴巴云游戏事业部（元境）总经理：王矛（下一代互联网的技术探索者和积极实践者）蓝色光标元宇宙业务负责人：刘方铭（元宇宙营销的实践者）墨宇宙创始人、CEO：郭兴华（元宇宙生态系统营造者）Nreal 创始人、CEO：徐驰（中科院技术资本领军人物）数字经济学家：陈晓华（中国数字经济研究先行者）STEPVR国承万通创始人、总裁：郭成（元宇宙造梦师）天下秀虹宇宙CEO：刘豫思杰（虚拟生活社区探索者）Unity中国总裁：张俊波（元宇宙内容创作者和运营者）英伟达中国区Omniverse负责人：何展（元宇宙基础设施的搭建者）元境科技CEO：王智武（虚拟偶像制作人）元宇宙产业委联席秘书长：叶毓睿（区块链存储概念首倡者）文化旅游：复星旅文董事长：钱建农（休闲度假生活方式引领者）新能源：多氟多董事长：李世江（打破六氟磷酸锂国外垄断的创新者）极电光能联合创始人、总裁：于振瑞（钙钛矿产业化先行者）晶科能源董事长：李仙德（光伏产业海内外垂直一体化布局的领航者）新汽车：岚图汽车创始人：卢放（坚定而充满汽车情节的“长期主义者”）零跑汽车创始人：朱江明（汽车界的“超级工程师”）哪吒汽车联合创始人兼CEO：张勇（打造高品质智能电动车的产品经理）信托机构：平安信托运营中心总监：龙健（平安信托，信托业科技实力的标杆）建信信托副总裁：王业强（建信信托，股权投资支持科技创新的先行者与探索者）云南信托总裁：舒广（云南信托，信托转型战略践行的先行者）新消费：红布林创始人兼CEO：徐薇（循环时尚达人）林清轩创始人：孙来春（中国本土消费品品牌高端化道路探索者）魔筷科技创始人：王玉林（直播电商供应链服务商)行云集团创始人：王维（全球D2C供应链）新一代信息技术：洞见科技创始人、董事长：姚明（数据价值安全释放的推动者）华天软件董事长：杨超英（国内首套机械CAD创立者，工业软件领域领跑人）均普智能总经理：解时来（中国智能制造、数字制造的助力者）山石网科董事长：罗东平（网络安全领域早期海归工程师、科创板公司创始人）中控技术董事长兼总裁：崔山（工业3.0+4.0的赋能者）医疗健康：佰仁医疗董事长：金磊（国产心脏瓣膜介入治疗新时代的开创者）贝瑞基因董事长：高扬（中国基因测序开拓者）BrainCo强脑科技创始人：韩璧丞（Neuralink中国首位挑战者）春雨医生CEO：王羽潇（互联网医疗在线问诊模式探路者）东方生物创始人：方效良（体外诊断领域全产业链布局的开拓者)复锐医疗董事长：刘毅（中国能量源医美器械头把交椅的掌舵人）复星健康董事长：陈玉卿（妇儿医疗服务的先行者）和元生物董事长：潘讴东（基因治疗CDMO“独角兽”企业的掌门人）华大基因CEO：赵立见（中国基因行业龙头企业的领军者）和誉医药董事长兼总裁：徐耀昌博士（徒步小分子雨林的猎手）康码生物创始人：郭敏（无细胞蛋白质合成产业化先行者）康缘药业总经理：杨永春（中药抗疫的先行者）罗森博特创始人：王豫（骨盆复位手术机器人开拓者）曼朗医疗CEO：唐德凯（高端私营精神心理医疗机构践行者）脑虎科技创始人兼CEO：彭雷（中国脑机接口领域先行者）锘崴科技创始人、董事长：王爽（基于隐私计算构建国家级医疗健康网络的实践者）齐碳科技创始人：谢丹（纳米孔测序技术开拓者）燃石医学创始人兼首席执行官：汉雨生（中国肿瘤精准医疗引领者）睿心医疗创始人&CEO：郑凌霄（心脑血管诊疗一体化的软硬件生态先行者）睿心医疗合伙人&COO：刘晓扬（心脑血管诊疗一体化的软硬件生态平台先行者）天鹜科技创始人：洪亮（AI新药开发领航者）通策医疗董事长：吕建明（连锁口腔医院数字化的先行者）望石智慧CEO：周杰龙（AI创新药研发新范式的探路者）未知君联合创始人兼CEO：谭验（AI+BT微生态制药闭环探路人）沃比医疗CEO：安穆克（Michael Alper）（神经介入领域出海的先行者）星药科技创始人&CEO：李成涛（人工智能+药物研发领域的顶尖学者）星奕昂创始人：王立群（国内细胞治疗领域的早期开拓人）药明奥测首席科学官兼首席技术官：方焯博士（整合诊断/人工智能赋能精准医疗的创新者）医药魔方创始人：周立运（医药数据全链整合引领者）中科新进创始人兼董事长：任培根（多肽药物赛道的科学家创业者）银行理财：汇华理财资产配置总监：马少章（汇华理财，中长期稳健投资老将）光大理财总经理：潘东（光大理财，银行理财业务的创新者）华夏理财总裁：苑志宏（华夏理财，客户至上、绝对收益的坚守者）农银理财董事长：马曙光（农银理财，提供最佳客户体验的践行者）平安理财固定收益投资部负责人：熊??（平安理财，银行理财领域多资产多策略配置领跑者）影视文化：华策影视总裁：傅斌星（新时代文化产业生力军）开心麻花联席总裁：汪海刚（驻扎于喜剧的“坚守者”）自动驾驶：纵目科技CEO：唐锐（自动驾驶与高级驾驶辅助系统（ADAS）领域的14年研发管理老兵）宏景智驾创始人兼CEO：刘飞龙（自动驾驶大潮中的探索者）资管机构：东方引擎合伙人、副总经理：李慧鹏（连续多年保持优秀投资业绩的债券金牛基金经理）理财魔方联合创始人：姜海涌（基民守护者）思勰投资总经理：吴家麒（百亿量化私募的佼佼者）深高投资创始合伙人/CIO：李凯（中国首批高收益债投资人、企业信用风险分析专家）盈米基金副总裁、盈米基金研究院院长：杨媛春（多资产配置、FOF投研专家）政府系统：黄山市副市长：江卓琪

AI在国内具有丰富应用场景和数据积累，政策环境持续优化，随着巨头的纷纷投入，有望带动AIGC相关产业链加速发展。1、具备AI算法商业落地的厂商：科大讯飞、拓尔思。其中AI龙头科大讯飞，公司作为A股人工智能龙头公司，已在教育、智慧城市、医疗以及C端硬件产品等众多领域实现了人工智能技术变现，收入利润持续增长，在本轮计算机上行市场中，产业龙头有望持续受益。2、AIGC相关技术储备的应用厂商：同花顺、三六零、金山办公。其中AI大模型提供商三六零，数据、算法、算力是AI的三大基石，如果想推出类Chatgpt级别的产品，海量训练数据、千亿级别参数的大模型以及巨额的算力支出是必不可少的，国内可满足上述条件的公司除互联网巨头外屈指可数，三六零公司则具备相应优势。3、AI数据领域受益标的：海天瑞声。海天瑞声研发、生产的训练数据覆盖智能语音、计算机视觉及自然语言处理三大AI核心领域。4、AI人机交互：汉王科技、云从科技。汉王科技是人工智能领域的先行者，在视觉图像识别及人机智能交互方面持续投入，拥有业内领先的文本图像识别、自然语言处理、生物特征识别、智能视频分析、智能人机交互等人工智能产业链关键技术。5、AI合成数据潜在受益标的：百度、阿里、腾讯、金山办公、中国电信。6、具备AI基础的厂商：寒武纪、商汤、海光信息、浪潮信息、中科曙光、景嘉微、联想集团、紫光股份、龙芯中科。浪潮信息在AIGC赛道已从底层计算能力、中间层大模型算法能力和上层行业应用方面进行布局和待续研发投入，未来将会持续发布AIGC的支撑产品。公司在人工智能服务器领域的市占率位居全球AI人工智能与大数据密不可分，可以将很多大数据的应用归结为人工智能。随着人工智能的快速应用及普及，大数据不断累积，深度学习及强化学习等算法不断优化，大数据技术将与人工智能技术更紧密地结合，具备对数据的理解、分析、发现和决策能力，从而能从数据中获取更准确、更深层次的知识，挖掘数据背后的价值，催生出新业态、新模式。1、AI+数据要素：中国电信、中国联通、中国移动。三大运营商作为中国算力与数据传输能力的“卖水者”，将有望深度参与AI，在AIGC时代，是运行、储存、交互AI数据的重要基建。其中中国电信在全国6个大区建设核心的、大型的算力集群，承载全国大数据规模AI训练和大规模云端数据推理场景。2、运营商网络和算力硬件：中兴通讯、紫光股份、锐捷网络。2022年以来，中兴通讯等国内ICT厂商加速布局高性能、高算力服务器/交换机产品线，在国内市场中份额持续提升。3、运营商数据链：中新赛克、浩瀚深度、恒为科技、东方国信、天源迪科。中新赛克在网络内容安全领域，公司升级网络态势分析系统，研发疫情通行大数据分析系统、运营商网络流量质量监测系统，并得到规模部署。4、光模块：天孚通信、中际旭创、华工科技、光迅科技、德科立、新易盛、源杰科技。天孚通信之前定增投入高速光引擎等研发项目，22年已有明显收入，23年仍有望大幅提升。面向全球AI算力核心芯片龙头厂商体系供货。卡位优势明显！5、光纤光缆：长飞光纤、亨通光电、中天科技等。中天科技30年制造经验研发，融合标识解析体系的全国先发优势，以及云原生、区块链、5G、数字孪生、人工智能等行业领先技术。6、硅光芯片：光库科技、声光电科、赛微电子；赛微电子以半导体业务为核心，面向物联网与人工智能时代，一方面重点发展MEMS工艺开发与晶圆制造业务，一方面积极布局GaN材料与器件业务，致力于成为国际化知名半导体科技企业集团。7、数据中心IDC：数据港（龙头），光环新网（龙头），浪潮信息（龙头），奥飞数据（龙头），鹏博士，宝信软件，沙钢股份，杭钢股份，佳力图8、数据中心温控：英维克、佳力图、润建股份，光环新网、奥飞数据、润泽科技、数据港；人工智能快速增长的背后是算力指数级的增长，英维克基于过去几年构建的端到端液冷技术平台、高效电子散热/导热平台，在算力设备等相关领域为客户提供适合且创新的风冷或液冷散热解决方案。9、云计算&大数据：润泽科技、优刻得、宝信软件；宝信软件正在积极探索人工智能技术在钢铁领域的创新应用。10、显示控制：海康威视、大华股份。海康威视专注于物联感知、人工智能和大数据领域的技术创新，加强大型复杂智能物联系统建设的全过程服务能力。同时，将海康机器人打造成为公司下属从事机器视觉和移动机器人业务的独立上市平台。11、GPU：景嘉微、航锦科技，和未上市的地平线、黑芝麻、摩尔线程；景嘉微公司JM9系列图形处理芯片可应用于地理信息系统、媒体处理、CAD辅助设计、游戏、虚拟化等高性能显示和人工智能计算领域。12、AI训练芯片：寒武纪、商汤（港股）、燧原科技（未上市）；寒武纪作为智能芯片领域全球知名的新兴公司，开发了包括“云边端”全算力覆盖的智能处理器和芯片产品、基于寒武纪芯片开发的众多行业解决方案、多样化的人工智能硬件产品等。13、存算一体化：恒烁股份、东芯股份；未来物联网、人工智能等产业发展和产品升级的关键，东芯股份紧抓人工智能新机遇，成为未来集成电路设计及相关应用研发的方向和重点。14、PCB/载板：沪电股份、深南电路、兴森科技、世运电路、崇达技术；随着各行业数字化、物联网和人工智能等应用逐渐落地，服务器需求呈现高速增长趋势，深南电路公司将持续加强对相关产品的开发，为市场突破做好技术准备。算力的提升是人工智能发展的前提！AI时代的训练和推理环节未来对算力的需求都将成指数级提升，算力提供商长期受益，并且随着 AI 的快速发展以及下游应用场景的拓展和落地，低功耗高算力解决方案 CPO 需求有望快速提升，业内率先布局并具有较强实力的厂商有望获得发展先机，享受行业增长的红利。算力环节三大龙头：浪潮信息、中科曙光、紫光股份，联特科技，公司目前研发包括用于下一代产品 NPO(近封装光学)/CPO(共封装光学)所需的高速光连接技术激光器技术和芯片级光电混合封装技术等。锐捷网络，公司推出应用 CPO 技术的数据中心交换机，参与编写了 COBO 的 CPO 交换机设计白皮书中际旭创，公司已发布大功率激光器，主要适用于小尺寸可插拔外部光源模块(ELSFP)、硅光光模块和光电共封模块(CPO)通宇通讯，“武汉研发中心建设项目”主要内容包括高速光器件封装平台、CPO 共封装工艺及光模块技术和产品等。中京电子，CPO 技术或成为 AI 高算力下高能效比方案，公司将在高速光模块，交换机及 AI 与数据中心服务器等应用领域加快开发导入天孚通信，公司正研发“激光芯片集成高速光引擎”目标，目标是开发适用于 CPO 方案使用的高速光引擎新易盛，公司目前已有布局光电共同封装（CPO）技术方向光迅科技，公司在光电共封装(CPO)领域有技术储备德科立，公司研究 800G 及 CPO(Co-Package Optic 共封装）等更高速率小型化长距离光收发模块的技术方案仕佳光子，公司开发的 CW DFB 激光器可以用于 CPO ELSFP 光源模块亨通光电，公司已成功推出国内第一台 3.2T CPO 工作样机信创板块已经历两个上涨周期，信创基础软件利好不断，行业有望迎来逐步落地，基础软硬件企业将有较大的业绩弹性。而传媒板块则是AI下游应用领域具备内容生产场景、优质数据或客户的公司（如文学小说、图片视频等领域）。1、信创：中国软件（两电核心标的龙头），中国长城（两电核心标的龙头），太极股份（两电核心标的）、深桑达A（两电核心标的），用友网络（龙头），初灵信息，中科曙光（海光生态龙头），诚迈科技（鲲鹏产业链），常山北明（鲲鹏产业链），东华软件，金山办公，宝兰德，卓易信息，中孚信息，神州数码（鲲鹏生态龙头）初灵信息的智能对话平台是基于人工智能技术，以Chatbot方式面向用户提供多媒体智能应答服务，已拥有AI智能客服、智能外呼、文本机器人、来电助理、智能培训等成熟应用。2、互联网传媒：三七互娱（龙头），凯撒文化（龙头），盛天网络（龙头），富春股份，完美世界，游族网络，世纪华通，掌趣科技，吉比特，电魂网络，顺网科技， 宝通科技，昆仑万维（龙头）、中文在线、视觉中国（龙头）、三七互娱、恺英网络、蓝色光标、三人行、万兴科技。昆仑万维在发布了「昆仑天工」AIGC全系列算法与模型，并宣布模型开源。「昆仑天工」旗下模型包括天工巧绘SkyPaint、天工乐府SkyMusic、天工妙笔SkyText、天工智码SkyCode，覆盖图像、音乐、文本、编程等多模态内容生成能力，标志着昆仑万维成为目前国内AIGC领域布局最为全面的公司之一，也是国内少数全身心投入到AIGC开源社区的公司。