行业资讯：

8月22日，据产业链消息，由于三星7nm工艺良品率问题，高通交由三星代工的中端5G处理器骁龙SDM7250全部报废，这批5G芯片原本计划在明年一季度推出，三星良率事故很有可能影响高通的发布节奏。

这一问题不仅发生在高通处理器上，三星自身的处理器也遇到同样情况，这将有可能小幅影响客户对采用三星7纳米工艺的信心。

不过，高通的这颗5G处理器的预计出货时间为2020年第一季度季，对三星来说还有机会补救，解决良率问题。即便届时良率偏低，预估还是可达少量出货水平，不会完全无法供货。

就晶圆厂来说，在新产品开发过程中有良率问题导致报废并不是首例，市场也并非只有单一供货商，因此对5G手机需求市场影响不大。三星的问题只是令市场上竞争对手间的占比有了变动的可能性，可能会影响高通5G处理器的供货状况，使得包括联发科在内的竞争对手进一步抢食市场。

一、芯片产业链整理

图1：全球半导体产业变迁

资料来源：前瞻产业研究

芯片是半导体行业当中的重要一环，半导体产品包括集成电路（芯片）、分立器件、光电器件和传感器等。而集成电路（芯片）占据半导体产品80%以上市场份额，所以有些人也用半导体泛指芯片。

根据产业链划分，芯片从设计到出厂的核心环节主要包括 6 个部分：

（1）设计软件，芯片设计软件是芯片公司设计芯片结构的关键工具，目前芯片的结构设计主要依靠 EDA（电子设计自动化）软件来完成；

（2）指令集体系，从技术来看，CPU 只是高度集合了上百万个小开关，没有高效的指令集体系，芯片没法运行操作系统和软件；

（3）芯片设计，主要连接电子产品、服务的接口；

（4）制造设备，即生产芯片的设备；

（5）圆晶代工，圆晶代工厂是芯片从图纸到产品的生产车间，它们决定了芯片采用的纳米工艺等性能指标；

（6）封装测试，是芯片进入销售前的最后一个环节，主要目的是保证产品的品质，对技术需求相对较低。

总体来看，在指令集、设计等产业环节中绝大多数技术壁垒比较高的环节，中国芯片产业地位非常薄弱，与欧美芯片产业企业存在较大差距，而在圆晶代工、封装测试等技术要求相对不高的环节，中国凭借其劳动力优势，则有望率先崛起，成为有希望赶超世界平均水平的领域。

图2：芯片产业链梳理

资料来源：天下财经

芯片制造和设计两大环节涉及的设备非常多，而且技术壁垒相当高！我国芯片产业自从1997年“909”工程启动以后，已经走过21年的发展历程。作为国家工业的明珠，芯片产业对于一国综合实力有着至关重要的作用。我国芯片产业在国家的重视和大力倡导下，实现了飞快的进步。

图3：芯片核心制造主要设备全景图

资料来源：公开资料

芯片设计位于半导体产业的最上游，是半导体产业最核心的基础，拥有极高的技术壁垒，需要大量的人力、物力投入，需要较长时间的技术积累和经验沉淀。目前，全球芯片设计仍处于高度垄断格局，美国占据着最大市场份额。

2017年，美国芯片设计业营收额占到全球芯片设计业的53%（约535.3亿美元），居全球第一位；中国（大陆）位居第二，占到21%（约212.1亿美元）；中国台湾地区占到16%（约161.6亿美元），欧洲地区占到2%（约20.2亿美元），日本占到1%（约10.1亿美元），其他地区占到7%左右。

图4：全球上游芯片设计市场占比

数据来源：前瞻产业研究

芯片产品的下游应用非常广泛，主要市场在智能终端、电脑、消费电子、工业、汽车、军事、医疗等领域。根据IC Insights的测算，2017年全球芯片行业下游市场大致分为通讯（含手机）、计算机、消费电子、汽车、工业/医疗、政府/军事等领域，其中最主要的市场是通讯和PC/平板领域，二者占比达到61%，其次是工业、消费电子和汽车领域。

图5:2017年全球芯片产业链下游应用占比

数据来源：IC Insights

为了加快中国芯片行业的发展，国家产业基金对于整个产业链的投资也加以重视，在整个产业链中，集成电路制造投资占比最大，高达65%，芯片设计占比17%，封装测试占比10%，设备材料占比约8%。

图6：国家产业基金投资产业链各环节占比

数据来源：中国产业信息

二、全球及我国芯片行业市场发展趋势

2011-2018年全球芯片市场规模增速呈波动变化趋势，2018年达到近年来最高3970亿美元，较2017年增长15.57%。由于近两年市场缺货，带来了涨价狂潮，未来供需趋于平衡，预计将会在2020年退潮，世界芯片市场有望进入趋稳的发展节奏。

图7：全球芯片行业市场规模及增速

数据来源：WSTS

目前，全球芯片主要以美日欧企业为主，高端市场几乎被这三大主力地区垄断。在高端芯片领域，由于国内厂商尚未形成规模效应与集群效应，所以其生产仍以“代工”模式为主。

从区域分布来看，亚太地区地区依然占据了全球芯片市场的半壁江山，2017年销售额占比60.4%；美洲为全球半导体第二大市场，2017年的市场份额为21.5％；欧洲地区和日本市场份额相差不远，分别为9.3%、8.9％。中国芯片市场是全球最大、增长最快的市场，但是对外依存度过高。

图8：芯片市场全球各地区占比

数据来源：WSTS

2019年初芯片销售表现强劲，主要是受到内存产品如DRAM与NAND闪存的带动：大多数区域市场的销售额年成长率都出现二位数字，其中又以中国与美国市场表现最佳；而未来几个月全球市场应该会持续呈现成长趋势。

前瞻分析预测，2019-2023年，全球芯片行业市场规模将保持3%左右的增速。2019年，全球市场规模约为3945亿美元；到2023年，全球芯片行业市场规模将超过6000亿美元。

图9：全球芯片市场规模预测

数据来源：前瞻产业研究

我国芯片产业自从1997年“909”工程启动以后，已经走过21年的发展历程。作为国家工业的明珠，芯片产业对于一国综合实力有着至关重要的作用。我国芯片产业在国家的重视和大力倡导下，实现了飞快的进步。根据根据中国半导体协会数据，2017年我国集成电路市场实现销售额5411.3亿元，同比增长24.81%，实现历史新高；2018年1-9月，累计销售额达到4461.5亿元，同比增长22.4%。

目前，我国集成电路产业形成了芯片设计、晶圆制造、封装测试三业并举，各自相对独立发展的格局。自2008年国家科技重大专项宣布实施起，产业结构在不断优化。中国半导体协会数据显示，2018年1-9月，制造业实现销售额1147.3亿元，同比增长27.6%；设计业实现销售额1791.4亿元，同比增长22%；封装测试业实现1522.8亿元，同比增长19.10%。其中，芯片设计业发展较快，其销售额占比从2004年的14.95%提高到2017年的38.32%。

图10：2018前三期中国芯片行业三大环节市场规模

数据来源：中国半导体协会

尽管中国集成电路市场已成为全球增长引擎，但我国集成电路产业的发展与自身的市场需求并不匹配，国内集成电路产能全球占比仅为7%，而市场需求却接近全球的1/3，正因如此，我国集成电路大量依靠进口，对高端芯片的依赖逐年扩大。

根据海关统计，2018年1-9月中国进口集成电路3200.6亿块，同比增长14.7%；进口金额2351.6亿美元，同比增长27.8%。出口集成电路1636.9亿块，同比增长8.9%；出口金额613.1亿美元，同比增长28.4%。贸易赤字已达到1738.5亿美元，对外依赖度十分严重，自主可控迫在眉睫。

图11：中国芯片进口相关数据指标

数据来源：海关总署

表1：国产芯片市场占有率

数据来源：天下财经

好在国家一直没有放弃追赶的脚步。一方面，政策上，国家大力扶持半导体产业，为我国半导体企业的发展营造了良好的政策环境；另一方面，国家成立了国家集成电路产业投资基金，为我国芯片产业发展提供强有力的资金支持。

未来，我国将继续加快实施已部署的国家科技重大专项，重点攻克高端通用芯片、高档数控机床、集成电路装备等方面的关键核心技术，形成若干战略性技术和战略性产品，培育新兴产业。

三、深度学习人工智能芯片前景巨大

深度学习是一种需要训练的多层次大型神经网络结构，其每层节点相当于一个可以解决不同问题的机器学习。利用这种深层非线性的网络结构，深度学习可以从少数样本展现强大的学习数据集本质特征的能力。简单来说，深度学习神经网络对数据的处理方式和学习方式与人类大脑的神经元更加相似和准确。谷歌的阿法狗也是先学会了如何下围棋，然后不断地与自己下棋，训练自己的深度学习神经网络, 更厉害的阿法零 (AlphaZero) 透过更精准的节点参数, 不用先进行预先学习就能自我演化训练学习。深度学习模型需要通过大量的数据训练才能获得理想的效果, 训练数据的稀缺使得深度学习人工智能在过去没能成为人工智能应用领域的主流算法。但随着技术的成熟，加上各种行动、固定通讯设备、无人驾驶交通工具, 可穿戴科技, 各式行动、固定监控感测系统能互相连接与沟通的亿物联网，骤然爆发的大数据满足了深度学习算法对于训练数据量的要求。

在深度学习半导体领域里，最重要的是数据和运算。谁的晶体管数量多，芯片面积大, 谁就会运算快和占据优势。因此，在处理器的选择上，可以用于通用基础计算且运算速率更快的 GPU 迅速成为人工智能计算的主流芯片, 根据美国应用材料的公开资料 , 英伟达的人工智能逻辑芯片配合英特尔的中央处理器服务器芯片面积达 7,432mm2，是不具人工智能的企业用和大数据服务器的八倍或谷歌专用张量处理器人工智能服务器的三倍多, 存储器耗用面积(32,512mm2) 是其他服务器的三倍以上。可以说，在过去的几年，尤其是2015 年以来，人工智能大爆发就是由于英伟达公司的图形处理器, 得到云端主流人工智能的应用。但未来因为各个处理器的特性不同, 我们认为英伟达的图形处理器 GPU 和谷歌的张量处理器仍能主导通用性云端人工智能深度学习系统的训练, 可编程芯片 FPGA 的低功耗及低延迟性应有利于主导云端人工智能深度学习系统的推理，而特殊用途集成电路 (ASIC) 未来将主导边缘运算及设备端的训练及推理，但因为成本，运算速度，及耗电优势，也会逐步侵入某些特殊应用人工智能云端服务器市场。

表2：各种人工智能芯片对比

资料来源：Frost & Sullivan

未来因人工智能边缘运算推理端和云端推理（Inferencing）芯片及设备成

本, 性能，耗电, 效率的考量, 以及各种处理器的特性不同, 我们预期特定用途集成电路(ASIC)或系统集成电路 (SoC, system on chip) 未来将在设备，边缘运算，及云端推理市场和设备，边缘运算，小部分云端训练市场遍地开花, 百花齐放,根据产业链调查，我们认为中国在处理器/芯片领域的投资有加速的迹象，AI 芯片的创业企业目前已达到 40 家左右。