电子发烧友网报道（文/吴子鹏）今年10月17日，美政府更新了针对人工智能（AI）芯片的出口管制规定，包括限制向中国出口更先进的人工智能芯片和半导体设备。数日后，该措施的执行时间从2023年11月16日生效改为立即执行，这给中国AI科技企业造成了很大的困扰。

根据新的出口管制规定，英伟达的A800和H800等芯片对华出口将受到限制。另外，根据英伟达公司的官方公告，新措施影响适用于“总处理性能（TPP）”为 4800 或更高，并为数据中心设计或销售的产品，包括但不限于A100、A800、H100、H800和L40S的出货。

由于英伟达芯片受限，有经销商人士爆料称，有人开始在垂直社群中喊话出售面临美国出口管制的英伟达高端芯片，包括英伟达的A100和H100都有渠道拿到货。这些货来自海外的黑市，能够发货到大陆的指定地点。目前，有资源的人都宣称，“整机现货，欲购从速”。不过，这些芯片现货的价格并不便宜，比如A100芯片此前的价格为10万左右，黑市的价格为25万。

必须提醒的是，我们不能排除有些人想要浑水摸鱼骗人钱财，这在黑市交易中是很难避免的。同时，黑市少量的现货对于真正需要高性能AI芯片的大企业而言也是杯水车薪。目前，行业还是需要从正规渠道来解决问题。

英伟达再推3款中国“改良”芯片

日前，有外媒报道称，从产业链人士处了解到，英伟达现已开发出针对中国的最新改良版系列芯片：HGX H20、L20 PCle和L2 PCle。知情人士称，最新三款芯片是由H100改良而来，英伟达最快或将于本月16日之后公布，国内厂商最快将在这几天拿到产品。

目前，英伟达尚未正面回应这一消息。不过，根据美国最新的措施，预计这些“改良”芯片相较于H100会出现很大的性能阉割。

我们在此前的报道中有提到，H100是受到新规3A090a限制的，这条规则的具体标准为：a) 综合运算性能（Total Processing Performance，TPP）达到4800，或b) 综合运算性能达到1600，同时“性能密度”(Performance Density，PD)达到5.92。

不过，想要能够供货，实际上是要低于新规对于次高性能芯片限制的，也就是3A090b规则：a) 综合运算性能达到2400但低于4800，性能密度达到1.6但低于5.92；b) 综合运算性能达到1600，性能密度达到3.2但低于5.92。

因此，预计这些“改良”芯片需要在工艺、核心数量、带宽和内存等方面出现大幅度阉割，才能够满足最新的措施，很难想象这需要把H100芯片改成什么样。如果爆料消息属实，我们在16号将能够全面了解这些芯片的具体性能。

另外，我们前面的报道也提到了，英特尔也在推出自己的“改良”芯片，属于Gaudi 2的“改良”版本。

国产AI芯片的三大突围之路

依靠国际芯片大厂不断降低改良标准来救急，很显然不是长久之计。这种策略就像温水煮青蛙，随着美国限制措施步步收紧，这些“改良”芯片的性能只能越来越低，最终让中国AI科技公司无法进行训练和推理等工作。

就在ICCAD上，魏少军教授特别提到了技术创新。他表示，“着力创新技术，降低对工艺技术进步和EDA工具的依赖”和“能够用14nm，甚至28nm做出7nm的产品性能才是真正的高手，长存和Mate 60都是很好的例子”。对于国产AI芯片来说，同样如此。

从目前产业的布局来看，国产AI芯片基于现状有三大突围的方式。首先当然是近来热门的Chiplet+先进封装，基于先进封装集成技术的Chiplet技术已成为驱动设计效率提升的重要演进路径。Chiplet技术最吸引人的点在于，如同搭积木一样，把一些预先在工艺线上生产好的实现特定功能的芯片裸片，再借助先进封装技术集成在一起，从而形成一个系统级芯片。

从芯片制造环节来说，Chiplet+先进封装确实最适合目前的中国芯片产业，降低了对先进制程的需求，还能够降低大规模芯片设计的门槛，同时降低制造成本，提升芯片良率。还有一点是和魏教授观点契合的是，那就是Chiplet+先进封装不依赖传统的EDA工具，国产EDA工具可以避开传统EDA巨头的技术壁垒，建立统一的EDA设计工具的国产化标准。

从IP角度来说，Chiplet+先进封装也能够为国产芯片设计公司提供更广阔的空间。传统大型SoC，芯片和IP、制程的绑定非常紧密，所以巨头近乎垄断市场。在Chiplet理念下，国产芯片设计公司能够在IP层面进行独立的差异化创新，更加有利于数据加速单元等IP的性能提升，也更加能够发挥国产芯片公司数量众多的优势。

Chiplet+先进封装是一种硬件角度的系统级创新，实际上国产AI芯片公司还有一条软硬件融合的系统级创新之路。也就是说，我们从应用方案立项最开始就将软硬件融合的理念植入进去，硬件功能软件化便是这方面很有代表性的一个案例。此时，方案的软硬件都开始具备可编程的能力，甚至是架构都是灵活可变的。注意，这里的硬件可编程，并不是指目前CPU+XPU，或者是FPGA的形式，而是一种能够积极响应软件可编程的新硬件架构，国内也有一些研究机构和芯片公司在这个领域进行摸索。

第三个路径就是新技术和新工艺。AI应用尤其是大模型类型的应用对于芯片性能还是有很高的要求的，要不然也不会出现英伟达近乎垄断市场的局面。由于技术壁垒和工艺的问题，国内现阶段的算力芯片厂商按照之前的路径勉强做到替代，但是下一步由于制程的限制就会很难走下去了。那么，新技术和新工艺就显得会更加有前景。

在新技术方面，类脑芯片、存算一体芯片和光子芯片都是值得探索的路径，量子芯片当然也是一个方向，不过相对而言这条路见效要很晚。

类脑芯片是一种结合了微电子技术和新型神经形态器件的AI处理器，旨在模仿人脑神经系统的结构和功能，以突破“冯·诺依曼瓶颈”，实现超低功耗和并行计算能力。类脑计算被认为是后摩尔定律时代一项重要技术，目前企业端像灵汐科技，科研机构如清华大学很多都在研究类脑芯片。

存算一体是在存储器中嵌入计算能力，以新的运算架构进行二维和三维矩阵乘法/加法运算，也被认为是突破AI算力瓶颈的关键性技术。目前，国内像知存科技、闪亿半导体、忆芯科技、亿铸科技等公司都在做这方面的研究。

中科创星创始合伙人、陕西光电子先导院执行院长米磊此前表示，“光子技术产业革命是我国在光电半导体领域60年一遇的‘换道超车’重要机遇。”在《光子时代：光子产业发展白皮书》发布时他提到，光子芯片具有的物理性能优势，可为信息获取、传输、计算、存储、显示等技术需求大幅降低信息连接所需的成本、复杂性和功率损耗。在机器学习、人工智能等领域，光子芯片的潜力是巨大的。

过去这些年，半导体领域发展太匆忙了，很多时候一个技术出现优势之后，作为竞争的技术就会被冷落，就像FD-SOI工艺一样，其和传统的FinFET工艺相比处于明显的落后位置。不过，两种技术曾经是竞争对手。曾经IBM、AMD和其他主要芯片供应商使用SOI生产了很多产品。当然FD-SOI是因为晶圆成本等因素输掉了28nm之争，如今国产AI芯片在FinFET路径上举步维艰，重新打磨FD-SOI也不失为一种突围策略。

结语

相信大部分业者都会有相同的感觉，英伟达和英特尔大概率会推出的“改良”芯片并非长久之计，美政府的目标是限制中国在尖端AI技术方面的发展，如果这些“改良”芯片仍然发挥推动作用，被禁止出口只是时间问题，直到英伟达和英特尔能够出口的芯片不再适用于AI计算。

所以说，寄希望于“改良”芯片并不是长久之计，高价去黑市买芯片就更不是了。想要走出国产AI芯片自己的路，就需要更多的创新技术，如类脑芯片、存算一体芯片和光子芯片等，也包括未来的量子计算芯片。同时，国内科技企业也需要转变思维，不能沿着软硬件解耦的老路继续走下去，软硬件融合的系统级创新也是非常重要的，这时候我们需要全新的架构和全新的工艺。正如很多专家提到的，弯道是很难超车的，且非常危险，要超车就要换道。