一、芯片产业的简单分类

1. CPU，也就是单芯⽚。但是 Intel本身就是单芯⽚时代的产物，所以它的策略就是把单芯⽚做到最好，所谓Intel Inside，我是这⾥最好的。⽽最好的其实是两个东⻄，⼀个是设计，但是另⼀个是制程。单芯⽚就⼀定绕不开制程，就是我到底把它做到多⼩，现在讲的3纳米，5纳米。

2.GPU，图形加速处理器。NVIDIA特别应⽤导向，它的应⽤导向这和它的历史有关，它从9 3年开始就做图形加速。⼀开始其实有好多家，多的时候有70多家，但到最后剩它⼀家。剩下它⼀家就总结出很多规律来，⼀个核⼼规律就是永远不做独特技术，做专有技术。也就相当于要做DOS， 做windows，或者做能够和windows兼容的应⽤。⽽不要去做基于苹果的应⽤，因为基于苹果的应⽤和windows不兼容，那你就只能⽤在苹果电脑上，这样你的这个市场就很 窄。⽽它是什么都可以，它⽀持的标准最多，这样它慢慢就做起来了。GPU用场景比较广泛，除了计算中心，也就是云平台的需求，还包括⼈⼯智能市场。⼜可以细分成两个，⼀个是⼈⼯智能的⽀持平台云计算的市场，建数据中⼼需要⼤量的GPU。另⼀个⼈⼯智能应⽤的市场就是⾃动驾驶。后⾯还有⼀个现在属于叫元宇宙的市场。

3.DPU，叫data processing units，数据中⼼⾥⾯专⻔做数据处理的。尤其是数据库⾥⾯，在⼤的云计算中⼼⾥⾯，它需要⼤量的数据调⽤，⽽随着数据搬运调⽤的时候就需要做到最⾼速，要不然数据传输都把速度给损耗掉了，所以这是要专⻔的处理芯⽚来做这个，这样 CPU+GPU+DPU的数据库⽅案，在云计算⽅案就会有格外的优势。

4.FPGA。这种芯⽚有⼀定的编程能⼒就可修改。可以把你的程序灌到芯⽚⾥，⽽且你下次还可以再修改。它的好处就是成本⽐较低，就是给你提供⼀个可擦写可录⾳的空⽩磁带。但是它的坏处就是它的⾃主的设计还是受⼀定的局限。⽽现在这是⽐较最常⽤的，毕竟你开发专有芯⽚投⼊太⼤。即使是FPGA基本上也是百万美元级别，最起码⼏百万美元才能做，所以也不便宜。其实芯⽚设计都不便宜，所以现在⼤多数的专⽤芯⽚都是基于FPGA的，⽐如著名的特斯拉的FSD芯⽚，就是它⾃动驾驶的芯⽚，它号称⾃⼰的⾃动驾驶能⼒是世界最强，其实它是⼀个FPGA芯⽚，因为它的芯⽚都是⾃⼰设计的内容灌到别⼈的空⽩带⾥，只是它不会说是谁的空⽩带⼚商，⽽只会说⾃⼰灌的内容。

5.ASIC芯⽚。ASIC芯⽚就从更基础⻆度去定制，就是我设计完成之后不能重新编程了，不可以改写了。但是我是从最底层修改设计的，⽽我的结构都是为这事来做的，所以我的效率理论上讲就⽐FPGA要⾼。虽然我的开发成本也要⾼很多，因为我是从头设计的，我连底层结构都是⾃⼰设计的，我就要掏更多钱了。就是我连空⽩带都得⾃⼰掏钱重新做，那成本就⾼了，所以ASIC芯⽚的设计基本上需要⾄少⼤⼏千万美元甚⾄上亿美元了。但这还是有公司愿意做，因为当我需求量⼤的话，我把效率放到第⼀位，那我就值得去做。最著名的就是⾕歌的TPU，其实它是⼀个ASIC芯⽚，也就是它的定制性更强，它的效率就更⾼。⾕歌的TPU有⼀个特点，因为⾕歌认为云计算是未来，相当于当年美国在电⽓化时代，它认为未来计算能⼒就跟电⼒⼀样，应该由⼀个机构统⼀⽣成，然后⽤电⽹⽤，也就是现在的互联⽹输送到各家企业，然后各家企业可以享受这个能⼒。⽽不是每家企业⾃⼰来建⽴⾃⼰的计算中⼼，这就相当于当年不是每家企业⾃⼰建电站⼀样，⽽是统⼀有个电站，然后⽤电⽹输送到各家各户这种模式。从这⻆度讲，⾕歌就认为它要⽣产TPU，这能让它的计算能⼒增强，但是它只给⾃⼰，它要建⾃⼰的计算中⼼，因为它计算中⼼建好了以后，它不是卖芯⽚，⽽是卖计算处理能⼒的，⽽将来的计算能⼒就是新的电⼒。

二、理解CPU的关键指标

1.芯片制程。芯片制程指的是集成电路内电路之间的间距，具体来说，指的是晶体管结构中的栅极的线宽，也就是XX纳米工艺中的数值。宽度越窄，功耗越低。随着芯片技术的发展，芯片制程已经可以做到2nm，不过这是实验室中的数据，具体到量产工艺，各国不尽相同。目前最先进的量产工艺是5nm，中国台湾的台积电，韩国的三星电子都已经推出相关的技术，实现了量产出货。当Intel这边⽣产不出来，⽽AMD找台积电⽣产5纳⽶、7纳⽶，那AMD的竞争优势就出来了。美国有学者专⻔做研究，就是终极来说，算⼒可以⽤算法来加速，包括⽤含算法的芯⽚来加速，但是总的来说那基本速度⽔平是恒定的，就是加速加不了多少，到最后都可基本素质⽔平相关。⽽基本素质就和制程到底是多⼤相关，⽐如3纳⽶⼀定⽐5纳⽶好，5纳⽶⼀定⽐7纳⽶好，这是很明确的。这就造成很有趣的局⾯，因为AMD没 有⾃⼰的⽣产部⻔，所以它就可以和最好的⽣产公司去合作，它就可以做出最好的芯⽚，然后去蚕⻝ Intel的市场，所以 AMD和Intel是此消彼⻓的。因为Intel⾃⼰的⽣产⼯艺有问题，它只⽤⾃⼰的⼚来给⾃⼰⽣产。像台积电已经做到5纳⽶3纳⽶了，⽽Intel 7纳⽶都还没推出来，还是10纳⽶的。⽽AMD没这包袱，AMD不⾃⼰⽣产，AMD是找台积电，⽽台积电可以把最好的技术给它，所以 AMD的芯⽚就很强。其实在1 0纳⽶之前， AMD都受压制，因为Intel⾃⼰搞出来了1 0纳⽶。但1 0纳⽶之后，Intel没有了，这样AMD就解放了。

2.芯片设计。其实，现在芯⽚设计⽐芯⽚的制程、⽐芯⽚的⽣产更重要，因为设计要把算法放进去，所以牺牲⼀点制程是可以理解的。如果找不到7纳⽶的供应商，⽽我⽤1 0纳⽶，1 4纳⽶，甚⾄2 8纳⽶都还⾏，所以制程不是最致命的问题。尤其英伟达的显卡很明显，就是它结构设计的好，所以它的制程可以⽤差的，就是它更⼤，但是它的效果和别⼈差不多。比如，Intel不是不好，其实也挺好的，虽然它制程落后，但它最新的酷睿1 2效果特别好。就是它依然只是1 0纳⽶，因为现在7纳 ⽶5纳⽶都没有了，但是它⽤了1 0纳⽶打败了⼈家的7纳⽶5纳⽶的最好的处理器，这说明它的设计⽔平确实⾼。再比如，GPU市场也是如此，  GPU主要是显卡。现在主要是两个竞争对⼿，⼀个是英伟达，⼀个是 AMD，其它就⽐较少⼀点。在⼀个不增⻓相对稳定的市场，有两家竞争对⼿，这跟CPU领域差不多。但是这个市场 NVIDIA就进来了，Intel反倒没进来。但是同时做好设计和⽣产，尤其这两个领域都做到顶尖就很难。因为你只会⽣产没有⽤，⽽是你⼀定要最⾼⽔平的制程来配合。也就是你同时是设计的全球第⼀和⽣产的全球第⼀，⽽这难度很⼤。因为，制程工艺改进的投入是非常大，据SEMI国际半导体产业协会的芯片主流设计成本模型图，采用FinFET工艺的5nm芯片设计成本已是28nm工艺设计成本的近8倍，更复杂的GAA结构耗费的设计成本只会更多，这仅仅只是芯片设计、制造、封装、测试中的设计环节，晶圆代工厂实际研发技术、建厂、买生产设备耗费的资金会更多，如今年三星在美国得克萨斯州计划新建的5nm晶圆厂预计投资170亿美金。设计投入更像是什么游戏？只要参与进去，你就下不了场，不断投入。所以，一想保持设计全球第一，又想保证全球生产第一，确实很难，这没法兼顾。所以落后的制程⼯艺是拖累了Intel。

三、芯片市场

1.云计算。⼀个现在正在爆发中的⼤市场就是云计算。云计算的核⼼就是在各地建⼤量的数据中⼼。为什么建⼤数据中⼼？因为现在全球的算⼒增⻓落后于数据增⻓。就是现在数据还是指数级增⻓的，⽽算⼒跟不上。⽐如以前响应速度⾜够快，处理的内容也⾜够多，现在这个处理就不⾏了，例如⽤视频直播就出现卡顿了，你在跟⼈聊就不舒服了。⽽数据中⼼的核⼼就是计算能⼒要跟得上，所以下⼀个阶段必然是⼀个⼤规模建设数据中⼼的阶段。这就意味着⼤量的硬件投⼊，⼤量的芯⽚的投⼊。尤其超算中⼼其实是计算中⼼的⼀个⼩缩影，因为它需要特别强⼤的算⼒来⽀持。而且，现在全球⾸台E级的超算中⼼⽤的是全AMD架构，意思就不光有CPU、GPU，还有包括DPU，它已经是⼀个完整的解决⽅案了。⼀堆的SOC不停的复制就是⼀个⼤的数据中⼼。简单说，它整体可以⽤AMD来⽀持，但是⽤Intel⽀持就弱⼀些，所以Intel的核⼼问题没解决，就⼀个CPU的竞争⼒在减弱，另⼀个是系统性⽅⾯的优势没有凸显。因为系统芯⽚优势要看你的 GPU规模化⽣产的能⼒，规模化系统推出就是你的战略重⼼的，看你是不是能够像你的CPU⼀样不断的升级你的GPU。像⻩仁勋每年的演讲，每年做的开发商⼤会，他都不断的在推他的GPU⼜⽐过去快了多少倍，所以就知道它的⼤量研发投⼊是在GPU上，⽽不是在CPU。⽽Intel在GPU上的投⼊明显没有看到那么多，因为他每回推新产品的时候还是围绕CPU的，但是整个异构计算的重⼼不是CPU，⽽是GPU。云计算数据中⼼的芯⽚需求，虽然现在确实是CPU的需求⼤，现在规模是两百多亿的市场，但是 GPU增速快得多。CPU的增速每年才14%， GPU的增速每年38%，原因就是往往在⼀个计算中⼼⾥⼀块CPU会搭好多块GPU，不是⼀块CPU对应⼀块GPU，平均是⼀块CPU对 应8块GPU，甚⾄有对应⼆三⼗个的GPU的。但是⼀般来说，平均数对应8块GPU，这样数据中⼼越建，GPU的市场越⼤。尤其是未来数据中⼼越是靠GPU打天下的，所以你有GPU才能说真正把云计算市场吃下来。⽽你只靠CPU去打云计算市场，实际上你正在⾯临越来越多的竞争。就像现在Intel⼀样，号称⾯向计算中⼼，但实际上你的市场份额反倒不上升，这就是这个问题了。而英伟达的GPU市场增⻓⾮常快，90%的超级计算机使⽤英伟达的GPU，全球超算100名中的41%使⽤英伟达GPU。

2.⾃动驾驶。自动驾驶的计算硬件设备上，尤其计算设备上，NVIDIA已经是⻰头了。虽然这个市场还没爆发，⽽这市场现在开始慢慢热起来了，因为当你带激光雷达的后⾯必然要强⼤的计算设备⽀持，所以⻋载的计算设备的市场会爆发到巨⼤。所以企业甭管你做多⼤，其实考验的第⼀是眼光，第⼆是投⼊的决⼼。因为你甭管做多⼤，你都要为未来提前下注。你甭管做多⼤，你下注的时候分量都不轻。也就是你没有办法同时下注所有的未来机会，你只能去赌博，虽然是理性的分析，理性的预测，但是必然要下注，这就意味着要有决策能⼒，要能够拍板，所以这个很重要。意思就是⾃动驾驶是⼈⼯智能硬件最⼤的下⼀个，包括声⾳的处理，云的处理都有专⻔的硬件，但是⾃动驾驶会是最⼤的⼀个，这个市场正在成熟，2022年开始已经可以⻅收⼊利润。

3.元宇宙。最大的业务是Omniverse， ⽽Omniverse现在还需先整合，现有云平台能⽀持通⽤⽂件格式，然后能让各种应⽤跑起来，能够把3 D的⽂件交互做起来，或者能够调⽤不同格式的⽂件，让在各个渠道调⽤⽂件进⾏处理，所以先要把这基础打牢，如果格式都没有统⼀就差了⼗万⼋千⾥。这个是下⼀个，可能过5年之后才⻅收⼊利润。现在没有收⼊利润，因为连研发都没有完整。这样可以看到是⼀级⼀级递进的。英伟达的GPU正好是在做图形加速这⼀类。本来这类别不⼤，就是游戏，但是他⼜找到⼀个⼤类别，就是⼈⼯智能计算的⽀持。当⼈⼯智能进⼊爆炸期的时候，它就很容易变成云计算的⽀持。这就变成云计算需要的GPU，就是云计算的硬件，现在⼤量云计算是⽀持⼈⼯智能的，所以它上来就不是⼀个通⽤的东⻄，⽽是专⽤的东⻄，当下从专⽤计算转到通⽤计算，相当于⼈家需要转变，⽽他就站在未来的部分。

四、芯片巨头的前景

1.英伟达。显然，其中最优秀的企业就是英伟达，英伟达的短，中、⻓期布局⾮常合理，竞争⼒很强。竞争⼒强的核⼼靠的不是纯技术，如果纯靠技术，像Intel纯靠技术时，有时候技术突破就不可控制的，尤其你要在双向都要突破，两条腿全要强才能⾛得好。如果⼀条腿不⾏，那有⼀段时间就不够强。但是英伟达的优势不是纯靠技术，英伟达优势是产业⽣态构建，就是让别⼈在使⽤我的技术的时候，我要让他尽可能的好使，尽可能容易调⽤，这是它核⼼竞争⼒。同时它在云计算、人工智能和元宇宙这⼏个领域的布局，未来市场空间都很⼤，想象⼒都可以很强。所以市盈率来判断，40倍市盈率是⼀个快速成⻓的公司的还算不错的估值，就是不算⾼，尤其英伟达这么⼤的未来空间，50倍的市盈率也不是特别⾼。但是因为现在⽔急浪⼤，所以肯定有波动，就是50倍市盈率不⾼，但是也可能会某天跌到30多倍，建议以50倍为标准，尤其低于40倍那就赶紧买，因为它⼀定会涨回去，毕竟它的成⻓性是有保障的。我们要会看成⻓性，如果每年都有50%业绩增⻓的公司，四五⼗倍的市盈率是可以的，如果更低就更好了，那就是你赚的时候了，所以英伟达继续会成为⻰头。

2.AMD。还会保持⼀定竞争⼒，虽然和英伟达⽐还会差不少。

3.Intel。其实是很⼤的问题，因为代⼯业务是个败笔，我不认为他应该做代⼯。然后他⾃⼰的⻰头地位就是 P C，⽽PC最⼤的问题是他要去转型，就要做ARM架构的PC，包括 SOC，包括重视 GPU，以GPU为核⼼来构建业务，⽽不是 CPU。其实这个挑战还蛮⼤的，毕竟它现包袱很重，现在它的CPU仍然是它收⼊的⼤头。但是当市场在⾼速增⻓的时候，你不增⻓时，你的份额就等于萎缩了。虽然它并没有萎缩，只是不增⻓，但是因为云计算的市场在爆炸性增⻓，所以它已经在萎缩了。但是毕竟有⼤收⼊，700个亿的巨头你要放弃会舍不得，很多时候这叫成功者的诅咒，因为你已经带来这么⼤收⼊利润了，这么⼤现⾦流了，放弃不了的。之前格鲁夫为什么了不起？他真是壮⼠断腕，虽然当时他们的存储也是在赔钱，但是现⾦流⼤，都放弃掉，从头做计算芯⽚，那是了不起的。所以Intel如果不能再出⼀个格鲁夫去壮⼠断腕，未来还是不妙，所以资本市场给出来不到10的市盈率还是靠谱的。