5.中国实施两种金属出口管制，世界各大公司是否真正担忧？

【头条】传iPhone 15系列8月开始量产；

1.传iPhone 15系列8月开始量产，预计出货增长12%至8400万台；

2.国产GPU：AIGC算力底座的新一极；

3.散热技术东风已来 创新破局关键在于探寻“最优解”；

4.16家车企联合签署《承诺书》，承诺不扰乱市场公平竞争秩序；

5.中国实施两种金属出口管制，世界各大公司是否真正担忧？

6.全球芯片销售连三月成长 大摩：半导体Q4迎上升循环；

7.AI大模型商业化落地，垂类是关键！

1.传iPhone 15系列8月开始量产，预计出货增长12%至8400万台；

目前关于苹果iPhone 15系列新机的爆料已有许多，最重要的便是其将放弃Lightning而采用Type-C接口，此外iPhone 15 Pro的最小容量有望提升至256GB。海通国际科技研究的分析师Jeff Pu推测，苹果将于8月正式开始iPhone 15系列的量产，预计今年下半年的出货量将达到8400万台，比去年iPhone 14系列多12%。

据台媒报道，目前富士康郑州园区正在加紧招工，每天招聘人数达到一千人左右，对返聘员工的旺季激励奖金提升至7500元。如此积极的备货，也代表了苹果对市场有信心。

Jeff Pu指出，iPhone 15 Pro Max的售价很可能高于上一代1099美元的起售价，同时这款机型将带来创新特性，比如在苹果的设备中首次搭载潜望式长焦镜头，从当前的3倍焦距提升至6倍。外界预测，这款手机的潜望式镜头模组由大立光提供，该公司于6月也暗示了其正在研发潜望式镜头、玻塑混合镜头。

2.国产GPU：AIGC算力底座的新一极；

ChatGPT的问世，掀起了一股生成式AI应用大潮。

可以说，AI大模型成为AI迈向通用AI的里程碑技术。

而AI大模型的落地应用也使得AI的三要素由“数据、算法、算力”演变为“场景、产品、算力”。随着AIGC参数向千亿量级扩容，对AI算力的需求亦呈指数级增长。

无数老将新兵，正蜂拥进入算力的军备大赛之中。

在近日以“智联世界 生成未来”为主题举办的2023世界人工智能大会上，不仅商汤日日新、华为云盘古大模型、阿里云通义千问百度文心一言等10多个AI大模型集体亮相。更可喜的是，在国产通用GPU算力方面，燧原科技的邃思2.0和邃思2.5、壁仞壁砺系列产品、天数智芯智铠100、沐曦曦思N100、壁仞、珠海芯动力RPP-R8芯片等也争先亮相，全面展现出国产通用GPU的“芯”实力。

GPU需求绝不止“算力化”

ChatGPT横空出世，将大模型的涌现和爆发推向了一个新的高潮，也带动了大算力GPU的需求飙升。

但尽管GPU 的销量像火箭一样猛增，但供应链却难以满足对GPU的需求。现实的骨感还在于：目前已发布的国内外的大模型，绝大部分是基于英伟达的几代旗舰GPU 产品进行模型训练，英伟达产品的供应短缺和价格飞涨的消息也不绝于耳。据报道字节跳动今年向英伟达订购了超过10亿美元的GPU，这一订单可能已接近英伟达去年在中国销售的商用 GPU总和。

对于国内通用GPU厂商来说，要把握这一波通用AI时代的新机遇，考验的绝不止高算力那么简单。

壁仞科技合伙人梁刚博士在“生成式AI与大模型：变革与创新”论坛上指出，大模型时代，除要求通用GPU具备高算力、支持各种数据精度以及高带宽的互联能力之外，软件生态也至关重要，包括支持通用编程语言、支持各类大模型训练和推理框架，以及大模型算法适配等。

随着大模型参数量级的不断增长，致使算力需求也呈现量级增长，算力集群正变得愈发庞大。

梁刚博士进一步指出，为支持更大的参数规模，必须通过单机多卡、多机多卡的分布式平台来支持大模型训练和推理，需要支持诸如Tensor并行TP、流水线并行PP、DeepSpeed ZeRo 数据并行参数切分策略等其他并行技术，另外还支持Recompute、Offload等技术，以进一步扩展参数规模，具备支持千亿参数的能力。

而且，为保证近千卡同步训练，一方面如何降低通信占比取得更高的可扩展性成为一大挑战，另一方面要着力保障大模型训练的稳定性，这就不仅需要增强硬件本身的可靠性测试验证，还需要与客户加强沟通，在资源管理调度和训练框架层面，设计容错能力。

最后作为大模型规模化落地时客户最关心的问题，还要着眼于落地的性能和成本。

梁刚博士指出，在训练层面，除了分布式训练性能优化，也需要针对芯片的大算力、分布式共享缓存等特点进行针对性地优化，进一步提升性能、降低成本；对于推理来说，要优化延迟提升用户体验，结合硬件特性进行软件的深度联合优化，以进一步降低推理延迟。

对此燧原科技创始人、董事长、CEO赵立东也指出，在通用AI时代，对通用GPU的全栈能力提出了全新要求，要做到高性能、高带宽、高存储、高通用性、高效分布式计算、高效集群互联，才能满足大模型的算力需求。

仍要着力算力普惠和落地

大模型的火热应用直接将英伟达带入万亿美元市值俱乐部，对于算力芯片厂商来说，也迎来了一个全新的蓝海市场。

基于近几年在市场上的深度锤炼以及对大模型时代算力需求的深刻洞察，国产通用GPU厂商也让WAIC成为展现“实力”的练兵场。

在WAIC展会上，不仅各大厂商展出了自己的扛鼎之作性能强劲的GPU、加速卡等，在加速大模型方面，一些企业如瀚博半导体、燧原科技、登临科技等均利用自家GPU演示运行大语言模型、AI绘画、文生PPT等AIGC交互演示。而且，有的厂商还发布了平台服务产品以及落地案例，更直观地秀出了强劲的实力。

如燧原科技在此次展会上发布了文生图MaaS平台服务产品燧原曜图，能够为用户提供大模型的微调和MaaS服务并提升大模型应用的上线速度和效率。壁仞自主研发的suCloud机器学习平台也吸引了观众驻足。据悉，这一平台可管理千卡规模的异构GPU资源，支持资源的弹性池化调度，对用户呈现简单易用的大模型训练平台，同时也能大幅提升资源利用效率。

值得关注的是，大模型落地的投资巨大，如能结合垂直行业落地将化解这一难题。对此有专家表示，海外是主要是面向C端，比如亚马逊、谷歌、OpenAI等。

但国内通用生成式AI更大的应用在于垂直领域，可与医疗、教育等各行各业有机结合，因而，更考量整体解决方案的性能、功能和性价比。

此外，再狂热的大模型训练和推理，终要回归商业逻辑，实现经济效益是根本，而非“不计代价”，这就涉及算力能否如水电般普惠。

“在AI大模型等驱动下，算力需求呈指数级增长，算力普惠问题亟待解决。”赵立东表示，“这必须在架构、能耗以及集群方面下功夫，从芯片的架构革新、3D堆叠等封装新形式等入手，而集群是未来整个智算中心建设的重要单元。

”

改写格局没有捷径可走

尽管国内算力芯片厂商集体走出了“加速度”，但客观来看，国内大算力芯片的产品竞争力特别是软件生态方面，与国际先进水平存在一定的差距。

围绕这一话题，梁刚博士中肯表示，国内必须先追随，然后再实现追赶。

在目前的市场格局之中，国内仍将处于一个追随的过程，这没有捷径可走、没有弯道可绕，需要踏踏实实地打磨产品、构建生态。

其中，与客户的紧密合作十分重要。

梁刚博士分析，只有与最终客户共同探索大模型在各个行业的落地，持续获得用户反馈，才能使产品不断地迭代和优化。

对于壁仞来说，首代产品“点亮”证明了团队的产品研发能力，后续壁仞将与合作伙伴和客户密切配合，继续专注于对产品的优化和迭代，在单卡算力、显存容量和带宽、多卡集群互联、安全等层面持续精进。

在软件层面，梁刚博士强调，将采取开放的态度，与大模型产业生态的合作伙伴和客户保持密切合作，形成“应用优化反馈迭代”的正循环，加速软件生态的更新和提升。

尽管目前主流的算力方案仍是英伟达一骑绝尘，但从长远计，国产芯片必须建立第二解决方案，为客户提供第二选择。这对于国产芯努力构建自主创新架构、满足市场对性价比和能效比的多元需求，无疑是一个极佳的时间窗口。

“芯片是‘用进废退’，越用才能越好用。在渐进式过程中培育算力生态、迭代算力产品，这个过程是我们必须经历的。

”赵立东直言。

或许，这一追随和追赶的过程要以数年计。“算力芯片发展要遵循产业规律，硬件迭代周期需要一到两年，打造软件生态也要久久为功，未来打造算力芯片新一极仍将需要长久的耐心和持续的修炼。

”尽管谨慎，但梁刚博士的话语中藏着对国产通用GPU大发展的殷切期盼。

3.散热技术东风已来 创新破局关键在于探寻“最优解”；

随着芯片向高密度、高集成和高算力迭代，其功率及功率密度正不断飙升，同时“高热密度”成为高功率半导体技术发展的重大瓶颈。鉴于芯片功耗持续增加，液冷散热技术愈发受到重视。

但由于成本较高以及方案复杂，目前水冷板技术距离业界理想的散热方案还有一定距离。此外，业内采用被称为“茅台”的氟化液浸式液冷技术方案的成本也居高不下。

理论而言，芯片的温度越低寿命就会越长，同时性能越稳定。但若要实现更低的芯片温度，产业界所需要付出的散热代价太高，目前还没有达到提升性能同时兼顾成本的平衡点。对此，针对各种散热材料、散热技术以及应用场景，业界可以采用不同的技术组合或合作开发相关产品，从而在现阶段成本可接受的条件下探索出最优化的解决方案。

无论如何，随着散热痛点和热管理需求愈发明显，业界资本、产业企业正不断加大对相关技术方案的投入，推动针对超高密度的芯片及模组演进出更完善的技术方案。

目前来看，国内部分企业已经在高功率密度芯片散热和先进封装散热技术等方面已有建树。但为了避免被“卡脖子”，还需要业界在材料、散热结构、设计和成本等各产业链环节携力布局。

破局瓶颈 尚欠火候

既然散热已经成为芯片等电子信息产品的重大痛点，这一产业便还有很长的路要走。

中科创星董事总经理卢小保对智慧城市网表示，虽然电子信息领域对散热新技术和更强的散热能力有非常迫切的需求，但是供应端提供的技术能力还远远不够。“在散热技术发展演进上，早期PC机可能只有几瓦到十几瓦时，给芯片上贴一个散热片就能把大面积的热量带走。后来随着功耗瓦数增加，就需要在散热片上面加一个风扇去吹，这种技术方案叫做风冷散热，而且大多数情况可能都会用经济性和实用性比较好的铜材或铝材去做。

”

“当功耗达到几十瓦上百瓦时，就需要采用热管将热量从芯片上导出，待热量扩散到更大的散热翅片上后再用风扇去吹，这其中涉及了相变吸热、热传导和热对流组合技术方案。迄今为止，PC和服务器中绝大部分都是采用这种方案组合，即热管加鳍片及风扇。但当CPU的功耗逐步达到300瓦、500瓦甚至800瓦时，就打破了热管加风扇的散热能力极限值。

由于采用多年的热管加风扇方案已经无法适应行业发展，这时就不得不采用水冷板等液冷散热技术。”卢小保说。

他进一步表示，由于芯片功耗持续增加，水冷板等新兴的散热技术方式正愈发受到重视。

相比热管加鳍片及风扇的风对流，水冷板采用水的对流方式，通过水流做热交换带走热量的速度更快、效率更高。但鉴于成本比较高以及解决方案较复杂，水冷板技术目前还没实现规模数量级的增长。

不过，其在一些高功耗的应用场景也成为必选项，因为业界还没有更理想的解决方案。

至于另一种采用氟化液的没式液冷技术方案，就是把整个服务器泡在氟化液里面。虽然这种方案会进一步加强散热能力，但氟化液号称“茅台”，从而使得氟化液的成本比服务器都高。

因此，当数据中心围绕氟化液去做开发建设时，散热这个配角反而变成了开发投资的“主角”。

此外，国内散热技术厂商广州力及热管理科技创始人陈振贤亦认为，在后摩尔时代，随着芯片功率越来越高，散热器设计结构的热阻值已渐渐无法适应行业的发展需求。

“通常一颗芯片会定义其温度限值，比如英特尔、AMD等定义其芯片的外壳温度不能超过85度，其实半导体芯片的节温(Tj)已超过此温度，而且通常需控制不超过105度，这是因为半导体芯片的封装中存在各种材料的层层热阻。”

“假设环境温度是25度以及芯片功耗为600瓦，如果散热器热阻值(包含介面材料)为0.1，芯片与环境温度的温差是60度，芯片外温度刚好是85度。

而一旦芯片功耗超过600瓦达到1000瓦时，同样使用热阻值0.1的散热器，芯片与环境温度之间面临的温差就变成100度，芯片外的温度将高达125度，芯片的节温(Tj)更高于此。”

陈振贤补充道，芯片功耗瓦数越来越高会使温差越来越大，进而超过芯片外壳定义的温度，这就当前的散热瓶颈所在，因而需要设计并制作出热阻值更低的散热器。

“当高算力芯片跟功率挂钩时，以现有的微流道水冷板技术大概在500瓦是一个分界点，浸没式会在600瓦左右面临瓶颈。但问题是如今AI芯片的算力和功耗越来越大，正在突破这一极值。另外，AI芯片的热设计功率超过千瓦级的产品即将发生。

”

对此，卢小保进一步表示，CPU所在的服务器空间长期高于室温度，其稳定性和寿命可能都会受到影响。理论上来讲，常温条件下CPU的温度越低寿命就会越久，同时性能越稳定。但如果要实现更低的CPU温度，产业界所需要付出的散热代价太高，还没有达到提升性能同时兼顾成本的平衡点。目前，数据中心维持在二三十度，还可以容忍对相关散热技术付出的成本。

如果将来有更好的技术，而且成本并不是很高，应用者的采购意愿应该比较强。

升级长板 兼攻短板

从发热的芯片到器件到最终产品，可谓每一个层级和环节都存在散热需求，因而其中涉及不同的支撑材料、界面材料、底层材料。同时，应用不同的散热技术或应用场景不同，相关技术路线和解决方案也不同。而这其中势必潜在各种发展机遇与不同技术挑战。

在卢小保看来，散热技术的核心要素包括芯片本身产生多大瓦数的热、单位面积上的热流强度大小，以及热量可以在多少的距离内扩散到多大的体积上。由于PC、手机和服务器等不同应用终端对于热的痛点或散热需求不同，采用的技术方案差别也非常大。

其中，PC、服务器的体积更大、产生功耗瓦数更高，需要采取更复杂的散热技术。而手机由于集成度更高，某种程度在体积上就限制了芯片瓦数不能太高。

通常情况下，散热是把一个热能非常高的出热或产热点的热量扩散到更大空间，这个热传递过程是串行的，而且当中任何一个环节都可能会成为热瓶颈。对此，卢小保阐述称，“散热是一个逐级传递的体系，比如从产热点A到B到C到D到E再到F，如果AB之间、BC之间、CD之间的传递效率低了，可能最终结果就是A到F的散热效率不够高。

所以各个环节都需要不断提升散热的能力，使之避免成为整个通路上的瓶颈点。”

随着芯片向高密度、高集成和高算力迭代，无论是芯片还是整个模组，其功率及功率密度将不停飙升。陈振贤表示，“为了达到终极集成度，芯片势必朝SoC发展，模组则朝MCM发展。IC及模组功能越来越强大、功率越来越高，‘高热密度’的解热及散热显然已成为高算力芯片技术发展的瓶颈。

针对超高密度的芯片及芯片模组(MCM)，势必也将发展出一套可持续性发展之终极的解热及散热技术方案。”

与此同时，作为芯片的重要散热环节，先进封装也正面临愈发严峻的挑战。

芯瑞微创始人、董事长兼CEO郭茹对智慧城市网表示，“在整个与电相关的电子系统方面，无论是3D集成的先进封装还是电子信息设备，它们的集成度越高产生的热源就越多，同时热源与热源之间会因为温差产生热流，以及内置的风扇也会带给其它部件额外的热。

由于传统设计集成度不高，工程师在设计和仿真中并没有考虑复杂场景下的热分布，从而无法准确计算这些热量对整个系统的不同程度影响。因此，对后摩尔时代采用先进封装堆叠的芯片以及高集成高密度设计的系统而言，散热技术都已变得越来越至关重要。

”

作为电子信息产品领域的重大痛点，散热技术的系统提升显然需要找准对策。卢小宝指出，“解决散热问题的思路就在于克服瓶颈，即在ABCDEF中任何一个环节开始出现瓶颈，就想尽一切办法把它解决掉。但可能某个环节不是瓶颈，而且有很好的技术可以把它的能力大幅提升，那么这部分就可以做成长板。总体上，任何环节都可以开发出很多东西提升散热能力和效率，但其中既要做长板也要补短板，进而打破产业瓶颈。

”

同时，针对各类不同应用场景，业界可以采用不同的基底材料、界面材料、散热器件等各种技术组合去开发散热方案，最终在现阶段成本可接受的条件下找出最优化的解决方案。

为此，中科创星已经对散热领域进行诸多布局，其中涉及产业链的多个环节，包括圣荣元、力及热管理、江西国化、中科原子、钜瓷科技、中科皓烨、彗晶新材料、芯瑞微和墨光新能等。卢小保表示，在布局战略方面，中科创星主要专注的是技术创新型企业。

未来，由于散热痛点势必会持续存在很多年，中科创星将不断加大对相关创新技术的布局。

迎热而上 砥砺建树

在推动国内散热产业发展方面，资本显然与技术、人才等元素作为核心支撑之一。目前，通过精准布局，中科创星投资的上述国内企业均展现出不俗实力、影响力以及有力发展势头。

其中，力及热管理开发的牛劲冷泵技术是一种崭新的高功率密度芯片解热技术。陈振贤表示，牛劲冷泵为实现适用各种场景，其元件尺寸可大可小、可高可低、可胖可瘦，将以三种不同的应用方式呈现在液冷散热的产品线上，包括冷板式液冷散热器、算力芯片的IC封装模组和浸没式液冷的热消散器。在功耗上，单颗算力芯片的TDP300W~1500W都是目前牛劲冷泵技术的解热及散热服务范围，同时单芯片1500W~2000W的应用的技术也已在开发路线图中。

另一方面，Al算力芯片及AI服务器散热需要的不只是一时的解决方案，整个产业寻求的将是一个具有随着功率飚升而仍可持续性发展的崭新解热及散热技术平台。

陈振贤进一步表示，NeoGene Tech迄今已建构完成专为高功率芯片及电子电路系统的解热与散热，提供一种基于结合三维两相流循环及液冷循环的高效热管理技术平台。“牛劲冷泵液冷散热技术加上具有三重液冷循环之服务器设计，对于2000W以上的芯片解热及散热技术平台已准备就绪，实已领先美国能源部与英特尔的合作开发计划。

”

他还称，NeoGene Tech创立三年多来，已开发的创新硬核技术包括，全世界最薄的两相流循环蒸气腔技术(PWS/MagicWick-lnside VC)、具不同工质两相流循环的四季均温板技术(FSVC)，以及全世界解热功率最高的三维两相流循环蒸气腔入式液冷散热技术(牛劲冷泵液冷散热器)。NeoGene Tech已为这三项创新技术累积申请了超过130篇的发明专利。

目前，这些硬科技可广泛应用于智能手机、平板电脑、AR/VR、电动车、机器人、通讯交换机、数据中心服务器和高算力芯片冷却封装等众多场景以及极端解热和散热应用。

在先进封装领域，芯瑞微则看准芯片系统高集成、高功耗密度和小型化下的风口以及实验室数据愈发捉襟见肘，探索开发出了散热仿真工具Turbo T。据悉，其可以深入到芯片内部，从而促进细微的跨尺度结构做更多计算。

此外，Turbo T仿真场景涵盖了芯片级、PCB级到电子设备级所有的场景，在物理场方面可实现对流换热、辐射换热和导热等。

对于产品开发路径和策略，郭茹表示，Turbo T是基于芯瑞微的行业积累和客户一些最先进的诉求应运而生。针对多源异构封装热源分布多且分布不均匀等问题以及不同的应用场景，芯瑞微采用了新的工艺和结构布局，创新型的将“热、流、固”算法耦合起来，包括做了涉及多个学科的温度分析、热应力分析解决方案，以及解决了很多跨尺度、多场景耦合等问题，进而使Turbo T产品在新型散热领域中与客户的应用场景需求保持一致性。

在保持行业竞争力方面，芯瑞微主要从两个方向入手。郭茹阐述道，“第一，公司在预判技术发展趋势和开拓新兴研发方式方面落地比较早，比如在2020年年初时就做了热产品的研发规划，从而形成了更好的行业技术积累。第二，通过与各类客户深度融合在一起，公司能够了解到最关键的诉求和痛点是什么，然后根据它们的应用场景不断做产品升级迭代。”

简而言之，将整个产业技术的发展创新趋势与公司产品发展方向相结合，是芯瑞微能够实现领先的非常重要原因。

郭茹还称，“未来，芯瑞微会持续加大在散热领域的布局。除了Turbo T散热仿真工具之外，我们也在进一步研究基于数据和模型双驱动的散热算法，开发适配高复杂度模型的一些软件等，以实现从集成电路进入到智能制造、新能源等更多行业，最终形成从芯片级、PCB板级到设备级的全尺寸解决方案。”

4.16家车企联合签署《承诺书》，承诺不扰乱市场公平竞争秩序；

7月6日，中国汽车工业协会主办的第13届中国汽车论坛上，一汽集团、东风汽车集团、上汽集团、长安汽车、北汽集团、广汽集团、中国重汽、奇瑞汽车、江淮汽车、吉利控股集团、长城汽车、比亚迪、蔚来、理想、小鹏、特斯拉等16家车企联合签署《汽车行业维护公平竞争市场秩序承诺书》，承诺“不以非正常价格扰乱市场公平竞争秩序”。

从去年底到今年初，特斯拉“三连降”引爆中国汽车市场价格战，小鹏、问界、零跑、哪吒、极氪等品牌率先启动多轮降价优惠；今年3月，东风汽车携旗下东风雪铁龙、东风本田、东风日产、风神等系列开启史无前例大降价，开启了车企价格战的新高度。

一位接受智慧城市网采访的从业者坦言：“其实大部分车企都是不愿意这样去杀价的，只不过今年的大环境确实不好，导致需求没那么旺盛，加上竞对又一下子把价格拉低这么多，有需求的消费者内心天平很容易就向低价倾斜了，其他车企不得不跟着降价。”

价格战下，车企销量并未出现明显上升，部分企业还出现下降的情况，此前中汽协认为此轮降价的炒作应尽快降温，使行业回归正常运行状态，确保全年行业健康平稳发展；降价处理库存，适当回收成本是正常经营措施，但不能因此沦为价格战。

中汽协同时呼吁，汽车企业应该着眼长远，在产品技术、质量、服务、品牌力等方面多下功夫，致力于高质量发展。

5.中国实施两种金属出口管制，世界各大公司是否真正担忧？

IC

据路透社报道，7月3日中国宣布将对镓、锗两种金属和相关材料实施出口管制，外媒表示这代表与美国半导体领域的竞争升级，有可能对全球供应链造成更多干扰。

世界各大跨国公司如何看待中国的出口管制措施？以下为各大公司的回应：

大众汽车：该公司7月6日表示，正在监测原材料市场的情况，并表示“在必要时与合作伙伴一起采取措施”。这家德国汽车制造商表示，镓和锗能够在未来的自动驾驶技术发挥作用。

台积电：台积电称，这项措施预计不会对其生产造成任何直接影响，但将继续监测这一情况。

恩智浦：这家总部位于荷兰的公司称，预计对其业务没有实质影响。

Microchip：初步评估不会有实质性影响。

英特尔：英特尔发言人7月5日表示，该公司正评估中国的举措，并补充道：“我们的战略是拥有一个多样化的全球供应链，这可以使我们应对地区变化和中断供应时，能够将风险降到最低。”

英飞凌：一位消息人士透露，这家德国芯片公司的大部分供应来自中国以外地区。

Stellantis：该公司CEO Carlos Tavares表示，尽管面临镓和锗的出口管制，西方公司不应该与中国脱钩。欧盟应该与中国当局合作，找到一个解决方案。

纳微半导体：预计这不会对其业务产生不利影响。该公司补充道，全世界都拥有大量的镓来源，因为它是生产铝和其它金属的天然副产物。

6.全球芯片销售连三月成长 大摩：半导体Q4迎上升循环；

美国半导体产业协会6日表示，全球5月芯片销售比去年同期下滑21.1%，降至407亿美元，但月成长1.7%，为连续第三个月月成长，成为芯片业景气触底的最新迹象。

SIA执行长纽佛表示，尽管半导体市场相较于2022年仍显疲软，但全球半导体销售在5月连续三个月月比上扬，引发景气有望在下半年回升的乐观期望。这项数据由世界半导体贸易统计协会汇编，为三个月移动均值。

而且5月所有地区的半导体销售月比都成长，中国大陆增加3.9%，欧洲攀升2%，亚太／其他地区增长1.3%，日本攀增0.4%，美洲也微增0.1%。以年比来看，欧洲上扬5.9%，日本下滑5.5%，美洲减少22.6%，亚太／其他地区减退23%，大陆锐减29.5%。SIA运用WSTS的预测数据预估，今年全球芯片销售将下滑10.3%，但明年将成长11.9%。

摩根士丹利证券发布大中华半导体报告指出，目前产业已在U型复的底部，今年第4季可望开启下一个上升循环，主要是受惠于两大长期驱动力，一是科技通货紧缩，一是人工智慧带动半导体需求。

报告指出，虽然下半年复疲弱已是市场共识，但晶圆代工厂产能利用率削减，下半年将很快耗尽库存。

依历史经验，半导体库存天数减少，是股价上扬的强烈讯号。

报告指出，推动半导体需求有两大驱动力，一是科技通缩，即价格弹性，电视及智慧手机降价将刺激需求；一是科技扩散，例如AI。未来需求比供应更难以预测，形成投资阻力，但大摩对于AI带动的长期半导体成长很有信心。

目前已可见到长期周期复，大摩将大中华半导体的整体产业评等提升到“有吸引力”，建议投资人不要只注意2023年的下滑趋势，而要放眼于2024年的上升周期。除了少数受结构性问题干扰的公司以外，大多数亚太半导体公司明年的营收可望年成长10%或以上，营业利益率同步改善。

大摩以明年预估获利来估算，晶圆代工业可望享有2.2倍的股价净值比、14%的股东权益报酬率；IC设计业则是34倍的本益比、76%的每股税后纯益成长率。

过去两周来，大摩看到AI绘图处理器及AI特殊应用IC的急单，上修相关台厂的获利预估，重申对于台积电、世芯-KY、创意、京元电子“优于大盘”投资评等，首选台积电。

大摩对信骅从“劣于大盘”调升到“中性”，因CPU伺服器的云端资本支出虽然疲弱，但只是周期性现象，而非结构因素。经济日报

7.AI大模型商业化落地，垂类是关键！

最近，业界都在关注“ChatGPT访问量骤降”的相关消息。根据第三方监测机构SimilarWeb的最新数据，ChatGPT飙升了数月的流量，从4月开始出现放缓趋势。

而6月份，ChatGPT的全球流量首次出现下降，相较于5月减少了9.7%。这一情况背后反映出的是一个重要行业走势人们正在从初期对AIGC大模型技术的震惊，转移到对商业化落地的冷静观察。随着越来越多公司宣布推出AI大模型，如何让这些模型实现商业化落地，将是下一阶段人们思考的重点。

发展热潮，从百模大战到万模群舞

2023年以来，最热门的话题当属人工智能大模型。随着ChatGPT掀起大模型的发展热潮，现在已有80余个大模型公开发布。在日前召开的“2023全球数字经济大会人工智能高峰论坛”上，360公司创始人周鸿甚至预测，未来可能不是百模大战，而是万模群舞。

我国在大模型产业领域，百度、阿里、华为等公司均有较早的布局。

2023年ChatGPT掀起浪潮时，百度3月份发布大语言模型“文心一言”，成为我国首个类ChatGPT产品。之后，多家企业发布的大模型争相亮相。

截至7月3日，我国10亿级参数规模以上大模型已超80个。这其中既有互联网巨头发布的产品，也有旷视科技、商汤科技、科大讯飞等人工智能公司，还有光年之外、百川智能等初创企业，以及中科院自动化所、上海人工智能实验室等科研院。

随着越来越多大模型产品问世，商业化落地问题也被随之提出。

事实上，也只有实现了商业化落地，才能确保大模型产品的持续发展。衔远科技创始人周伯文就指出：“中国企业尚未普遍通过人工智能技术实现大规模营收增长和利润贡献，我们应该面对这个现实。

”“大模型最好的应用场景就是帮助企业去做多环节、多部门、多流程的知识管理，把财务、差旅和职级体系全部打通，完成各种资质管理、市场洞察和客户交互，更多的是售前跟客户的互动，为员工提供生产力工具。”

实际上，目前已经有人开始讨论“百模大战”是否存在重复建设的问题了，并预测未来只有少数强者能够胜出，并生存下来。

但是，无论未来有多少家企业能够生存，只有能够真正实现应用，为社会带来价值的企业，才能在竞争中获得发展。

应用落地，从通用模型到垂类模型

在谈到大模型的应用落地问题时，业界专家普遍认为大模型将在垂直领域率先取得突破。周鸿指出：“有人认为，大模型是不是像之前流行的概念一样，就是一个风口和泡沫？我认为应该不是，而是一场新的工业革命。

大模型可以提高每个人、每个组织的劳动生产力，实现通用人工智能对产业的赋能。”

周鸿进一步指出，光有大模型还不行，大模型是通才，但缺乏行业深度。ChatGPT刚出现时，人们很惊艳，觉得它什么问题都能回答。

但如果是一位行业专家真正提出很具深度的问题，就会发现它的能力是有限的。因为行业、企业内部真正有价值的数据，公开渠道很难获得，这使通用大模型很难满足行业和企业的场景垂直化的专业需求。此外，通用大模型还存在训练成本过高、周期长等问题。

因此，垂直类应用模型有望率先实现落地应用。对于行业用户来说，垂直类应用模型应该是行业化、企业化、垂直化、小型化、专有化的产品。

昆仑万维科技股份有限公司CEO方汉则强调，我们不能只把大模型当作Office助手，那样只是会对公文流转和行政系统起到作用，真正对生产起到作用的还是生产数据。应该通过大模型将这些生产数据变为高质量的，可以处理的预训练数据，然后用大模型生成行业模型，再用行业模型推动生产力的进展，这些才是未来发展的重点。

目前，越来越多企业也认知到这一点，在政务、公共安全、金融等领域，垂直类应用模型正在陆续落地。

比如百度智能云基于人工智能大模型技术，围绕北京海淀区城市治理创新场景应用，可让固化的操作及展现模式变得可灵活洞察、动态生成。出门问问基于大模型开发的中国工商银行数字员工解决方案，可以改变过去重复性的工作，释放真人员工的工作精力，针对客户需求实现24小时自动化引导和智能答疑，实现可视化、多场景的语音智能交互。

数据安全，从模型基础到评测标准

值得注意的是，人工智能大模型包括垂类模型发展过程中需要涉及大量数据，随之可能产生的数据安全问题不容忽视。清华大学计算机系长聘教授、清华大学人工智能研究院副院长朱军就表示，我们也在探索大模型怎么解决垂直领域的一些问题。

私域服务跟公域、通用域不同，问题的聚焦度更为集中，提供的专业深度更强，对数据的要求也更高。大模型之前的人工智能时代，我们已经发现人工智能本身具有所谓的内在安全。AIGC特别是ChatGPT出现以后，安全问题更加严重，如ChatGPT会把很多隐私数据上传，有人利用AIGC技术提升诈骗手段等。

“我们需要从人工智能的基础上尝试解决问题，因为人工智能大部分都体现在算法上，探索从算法原理本身是不是能够克服问题。

针对深度学习、深度神经网络，学术界一直在探索第三代人工智能的新范式，希望能够将数据和知识有机融合在一起，发展更加安全可靠的人工智能框架。”

安全评测在提升模型安全中的作用也很重要。中国信息通信研究院云计算与大数据研究所副所长魏凯介绍了大模型标准体系建设及进展情况。

在他看来，从大模型各研发环节的合规、可信、稳定、可靠程度建立指标，可以保障大模型可信可控。“当前业界对安全可信的基本维度已经达成共识，包括数据安全、隐私保护、公平性、非歧视等等基本原则。

其中难题在于如何将安全可信如何落实到大模型的软件、产品、服务和管理流程制度之中。”魏凯表示。

中国政法大学互联网金融法律研究院院长、中国政法大学教授、博士生导师李爱君则强调了在制度上保障大模型发展中的内容安全。

她指出，任何一个技术的发展只是经济发展的一个内生要素，但不是充分的条件，真正的充分条件是制度。法律制度是为人工智能的发展保驾护航，不要认为这是一种约束。

任何一个技术的发展只是经济发展的一个内生要素，但不是充分的条件，真正的充分条件是制度。

本文来源：ag九游会登录j9入口-www.cdbail.com