一、大模型訓(xùn)練芯片缺口較大

以自動(dòng)駕駛為例，算力應(yīng)用分為訓(xùn)練和推理兩個(gè)階段。

打個(gè)比方，人類為了掌握開(kāi)車技術(shù)，需要上百個(gè)小時(shí)不斷學(xué)習(xí)，鞏固成為長(zhǎng)期記憶，才能學(xué)會(huì)操作汽車、學(xué)會(huì)看道標(biāo)。這個(gè)過(guò)程就對(duì)應(yīng)著自動(dòng)駕駛云端訓(xùn)練，用算法模擬人類神經(jīng)網(wǎng)絡(luò)，讓機(jī)器近乎學(xué)會(huì)人類的思考方式。為了讓自動(dòng)駕駛在任何場(chǎng)景都穩(wěn)定可靠，訓(xùn)練過(guò)程需要輸入海量數(shù)據(jù)，在這個(gè)過(guò)程中存在大量并發(fā)計(jì)算，需要TFLOPS（每秒萬(wàn)億次）級(jí)別的算力提供支持。

例如，在國(guó)內(nèi)，小鵬汽車為了訓(xùn)練自動(dòng)駕駛模型，2022年8月與阿里云聯(lián)合成立了當(dāng)時(shí)國(guó)內(nèi)最大的自動(dòng)駕駛智算中心，算力規(guī)模高達(dá)600PFLOPS，相當(dāng)于每秒可以完成60億億次的運(yùn)算。小鵬汽車董事長(zhǎng)何小鵬認(rèn)為，“如果現(xiàn)在不以智算中心的方式提前儲(chǔ)備算力，今后5年內(nèi)，企業(yè)算力成本會(huì)從億級(jí)，加到數(shù)十億級(jí)?！?br/>

在云端訓(xùn)練完自動(dòng)駕駛模型后，才到車端感知、決策推理環(huán)節(jié)。

再打個(gè)比方，人類學(xué)會(huì)開(kāi)車后，還需要進(jìn)行科一到科四的考試，通過(guò)考試才能拿到駕照。而考試考的是什么？是駕駛員感知、決策、執(zhí)行的能力。這就對(duì)應(yīng)著自動(dòng)駕駛推理過(guò)程，即自動(dòng)駕駛經(jīng)過(guò)模型訓(xùn)練后，車載計(jì)算平臺(tái)再結(jié)合實(shí)時(shí)路況做出判斷。

因此，當(dāng)下AI芯片視應(yīng)用場(chǎng)景不同，也分為訓(xùn)練芯片、推理芯片、訓(xùn)推一體芯片。其中需求最旺盛的即是訓(xùn)練芯片。

二、GPGPU和ASIC技術(shù)路線齊頭并進(jìn)

GPGPU是從GPU衍生而來(lái)，是弱化圖形處理，增強(qiáng)計(jì)算能力的產(chǎn)物。模型在訓(xùn)練過(guò)程中，存在大量的矩陣計(jì)算，GPU架構(gòu)特點(diǎn)即在于擅長(zhǎng)處理并行計(jì)算，因此GPGPU芯片可適合絕大多數(shù)AI計(jì)算場(chǎng)景，通用性更強(qiáng)。當(dāng)前AI芯片霸主-英偉達(dá)的主要產(chǎn)品A100、H100等，就屬于GPGPU架構(gòu)。

目前，國(guó)內(nèi)投入GPGPU芯片領(lǐng)域的廠商較少，原因在于GPGPU研發(fā)需要有充足的技術(shù)和資金儲(chǔ)備。知名的有海光信息、壁仞科技、沐曦等，其中較為領(lǐng)先的為海光。

海光深算一號(hào)早在2022年6月就實(shí)現(xiàn)了商用。據(jù)了解，海光深算一號(hào)性能不弱于主流的英偉達(dá)芯片，也能兼容英偉達(dá)的CUDA環(huán)境，適配性好。并且最大優(yōu)勢(shì)在于，深算一號(hào)是國(guó)內(nèi)唯一支持全精度計(jì)算的AI芯片，這讓海光可支持科學(xué)計(jì)算、AI計(jì)算、大數(shù)據(jù)計(jì)算等多種計(jì)算場(chǎng)景。

另一類技術(shù)路線為ASIC，一種為特定場(chǎng)景專門(mén)設(shè)計(jì)的集成電路，比如NPU。在AI算法領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)是仿造生物的視知覺(jué)機(jī)制構(gòu)建而成，是深度學(xué)習(xí)的代表算法之一。為滿足深度學(xué)習(xí)效率需求，隨著AI算法發(fā)展，模仿生物腦神經(jīng)的NPU應(yīng)運(yùn)而生。

由此可看出，ASIC芯片需要結(jié)合大模型算法做定向開(kāi)發(fā)和調(diào)配，通用性沒(méi)有GPGPU那么強(qiáng)。國(guó)內(nèi)主要在做ASIC芯片的包括寒武紀(jì)、華為昇騰等，以及一些互聯(lián)網(wǎng)大廠，比如阿里含光、百度昆侖芯、騰訊紫霄等等，其性能也能滿足大多數(shù)計(jì)算場(chǎng)景的需要。

在大模型計(jì)算日益復(fù)雜的今天，由CPU+GPGPU+ASIC組成異構(gòu)計(jì)算系統(tǒng)成為算力供給最佳方案，絕大多數(shù)AI算力還是需要依靠GPGPU供給。

三、國(guó)產(chǎn)AI芯片商業(yè)化應(yīng)用還需努力

比如提到的國(guó)內(nèi)ASIC芯片，基本只用于自家云業(yè)務(wù)，對(duì)外提供芯片產(chǎn)品也需要龐大團(tuán)隊(duì)的深度優(yōu)化。主要原因一方面在于之前提到過(guò)的，ASIC芯片從研發(fā)之初就需要考慮算法適配情況；另一方面，ASIC芯片生態(tài)較為碎片分散，開(kāi)發(fā)者上手難度較高。

相較于ASIC廠商，得益于GPGPU泛用性優(yōu)勢(shì)，GPGPU廠商商業(yè)化應(yīng)用做的更好一些。以海光為例，據(jù)其官方透露，海光深算一號(hào)目前已完成與百度、阿里等廠商互證，主要客戶是智算中心等“新基建”項(xiàng)目、行業(yè)用戶、AI廠商及互聯(lián)網(wǎng)企業(yè)，已商業(yè)化部署數(shù)十萬(wàn)片。

在國(guó)內(nèi)自動(dòng)駕駛、AIGC、垂直大模型等AI應(yīng)用愈發(fā)火熱的今天，國(guó)產(chǎn)AI芯片有希望撐起海量AI算力的需求。在解決性能問(wèn)題之后，國(guó)產(chǎn)AI芯片面對(duì)國(guó)外巨頭是有彎道超車可能性的，雖然未來(lái)仍需在生態(tài)建設(shè)與商業(yè)化發(fā)展方面大步追趕。

四、車規(guī)級(jí)芯片封裝清洗：

合明科技研發(fā)的水基清洗劑配合合適的清洗工藝能為芯片封裝前提供潔凈的界面條件。

水基清洗的工藝和設(shè)備配置選擇對(duì)清洗精密器件尤其重要，一旦選定，就會(huì)作為一個(gè)長(zhǎng)期的使用和運(yùn)行方式。水基清洗劑必須滿足清洗、漂洗、干燥的全工藝流程。

污染物有多種，可歸納為離子型和非離子型兩大類。離子型污染物接觸到環(huán)境中的濕氣，通電后發(fā)生電化學(xué)遷移，形成樹(shù)枝狀結(jié)構(gòu)體，造成低電阻通路，破壞了電路板功能。非離子型污染物可穿透PC B 的絕緣層，在PCB板表層下生長(zhǎng)枝晶。除了離子型和非離子型污染物，還有粒狀污染物，例如焊料球、焊料槽內(nèi)的浮點(diǎn)、灰塵、塵埃等，這些污染物會(huì)導(dǎo)致焊點(diǎn)質(zhì)量降低、焊接時(shí)焊點(diǎn)拉尖、產(chǎn)生氣孔、短路等等多種不良現(xiàn)象。

這么多污染物，到底哪些才是最備受關(guān)注的呢？助焊劑或錫膏普遍應(yīng)用于回流焊和波峰焊工藝中，它們主要由溶劑、潤(rùn)濕劑、樹(shù)脂、緩蝕劑和活化劑等多種成分，焊后必然存在熱改性生成物，這些物質(zhì)在所有污染物中的占據(jù)主導(dǎo)，從產(chǎn)品失效情況來(lái)而言，焊后殘余物是影響產(chǎn)品質(zhì)量最主要的影響因素，離子型殘留物易引起電遷移使絕緣電阻下降，松香樹(shù)脂殘留物易吸附灰塵或雜質(zhì)引發(fā)接觸電阻增大，嚴(yán)重者導(dǎo)致開(kāi)路失效，因此焊后必須進(jìn)行嚴(yán)格的清洗，才能保障電路板的質(zhì)量。

合明科技運(yùn)用自身原創(chuàng)的產(chǎn)品技術(shù)，滿足芯片封裝工藝制程清洗的高難度技術(shù)要求，打破國(guó)外廠商在行業(yè)中的壟斷地位，為芯片封裝材料全面國(guó)產(chǎn)自主提供強(qiáng)有力的支持。

推薦使用合明科技水基清洗劑產(chǎn)品。