青海省地税局与15家企业签订税收遵从合作协议

正文 半导体IP，国产实力几何？ 综合来看，国内半导体IP领域，尽管起步相对较晚，但已展现出强烈的发展势头。在技术深度、市场洞察以及创新能力上，国产IP正迅速缩小与国际巨头的差距。 2023年在整个半导体IP（Intellectual Property）领域，最引人瞩目的当属Arm的上市。随着Arm在美国的成功上市，使得半导体IP市场再次成为业界关注的焦点。半导体IP是预设计的?？榛蜃榧?，它们在现代集成电路设计中发挥着不可或缺的作用。伴随着5G、人工智能、汽车电子、物联网和高性能计算（HPC）等尖端行业应用不断增长，正驱动着IP市场的新机遇。如果从头开始制造一款芯片往往需要大量资源，而且可能成本昂贵。因此，半导体公司越来越依赖预先设计的、可授权的IP块来实现内存、连接和处理器等功能，以提高产品创新和缩短上市时间。然而在全球IP市场上，ARM、Synopsys和Cadence等IP巨头占据了主导地位。对于国内芯片设计公司而言，长期依赖进口IP不仅加剧了成本负担，且存在供应链的不确定性与安全风险。正因为如此，国产IP供应商的崛起势在必行。半导体IP按功能可分为处理器IP、接口IP、内存IP及其他类别。近年来，国内涌现出许多IP厂商。他们选择特定的细分领域作为切入点，逐渐取得了一定的市场份额。那么，目前，国产半导体IP发展的怎样？国产半导体IP实力几何？在处理器IP领域，本土的处理器IP厂商并不多，较具代表且形成一定规模的是当属芯原。芯原目前的年度营收在20多亿元人民币，2022年为26.79亿元，2021年为21.39亿元，2023 年前三季度营收为17.65亿元。值得一提的是，近年来，随着越来越多的系统厂商、大型互联网公司和云服务提供商等群体开始下场造芯，给国内IP厂商带来了增长的机遇。芯原目前已有近一半的营收是来自这些客户群体，占2023年前三季度营业收入比重的48.76%。全球处理器IP市场相对竞争较激烈，处理器IP设计需要深厚的技术积累和研发能力，国际上如ARM等公司拥有多年的技术积累和市场主导地位，而国内企业在这方面起步较晚。此外，处理器设计领域拥有大量的专利壁垒，新进入者需要开发可以规避这些专利壁垒的技术，这增加了研发难度。然而，RISC-V开源指令集架构的崛起为国内企业提供了一个避开专利限制，发展自主IP的机会。所以，国内有不少在RISC-V处理器IP领域发力的厂商，如平头哥、芯来科技、赛昉科技等。其中，平头哥的玄铁处理器IP已授权30亿颗；芯来科技的RISC-V处理器IP产品已能够覆盖从低功耗到高性能的各种应用场景，目前已有超过150家正式授权客户；赛昉科技正在推动RISC-V走向高端、高性能领域，并发布了昉·天枢-90（Dubhe-90）与昉·天枢-80（Dubhe-80）高性能内核产品。总的来说，在处理器IP领域国产已经有了些起色，尤其是在RISC-V领域有着显著的进展。国内处理器IP厂商在本土市场方面表现出强大的适应能力，他们的产品能够及时的满足国内企业在云计算、物联网、智能终端等领域的需求。尽管有显著进步，国内在高端处理器IP领域与国际*企业如Arm等相比还存在一定差距，特别是在复杂的处理器设计、高性能计算和先进制程兼容性方面。对于快速发展的接口IP市场，国内却还严重依赖海外。根据IPNEST的《2022年设计IP报告》所显示，接口IP的市场份额已经从2017年的18%上升到2022年的25%。不过近些年来，国内厂商早已嗅到接口IP的潜力和商机，在接口IP方面，国内已经有如芯动科技、芯耀辉、牛芯、灿芯、锐成芯微、井芯微、纳能微、奎芯科技、芯思原等多家企业。在这些以接口IP为代表的企业当中，芯动科技拥有全套的高速接口IP，包括DDR系列、兼容UCIe的Innolink Chiplet系列、Serdes三大类；芯耀辉和新思科技双方早在2021年就达成了战略合作关系，也有着很好的发展；锐成芯微的IP种类最全，除了接口IP之外，还有存储器IP、模拟IP和射频IP等；此外，井芯微等公司开始在RapidIO、Fibre Channel等高速接口IP领域的发力，表明国内厂商正在积极布局高端市场。总的来说，中国在接口IP领域的发展展现出积极的态势，并针对特定技术突破点进行深耕，与国际标准逐渐接轨。除了处理器IP和接口IP之外，国内还有一些在存储、模拟/数模混合等领域暗暗发力的IP厂商，如专注在数模混合IP的和芯微、半导体基础IP和存储IP供应商苏州腾芯微等厂商。细数新思科技、Cadence这些公司，他们不仅提供IP核心技术，还提供一整套的设计工具和生态系统支持，帮助客户加速产品上市进程。所以EDA和IP的联动，形成解决方案而非单一产品是致胜的一大关键因素。在这方面，国内的EDA国内公司如华大九天、概伦电子、合见工软等EDA公司也有IP业务。这显示了中国企业在完善自己产品和服务生态的决心。通过整合EDA工具和IP资源，国内公司可以提高自身竞争力，更好地服务于国内外市场，尤其是在支持国产化和自主可控的大背景下，这一战略对于提高国内半导体产业链的整体实力尤为重要。国产半导体IP，上市者寥寥无几但是，在众多本土IP厂商中，成功上市的并不多，除了芯原一家，灿芯科技此前欲闯关IPO，但目前已暂缓。相较于其他赛道，有的创业芯片公司可能3~5年就能上市，为何在IP领域7~8年甚至十几年的IP厂商却很难上市？对此，据云岫资本赵占祥告知笔者：“IP厂商收入规模达到上市的标准，需要的周期比较长。而且技术门槛高、市场空间大的IP往往需要很多年的前期技术积累和客户验证。”北京半导体行业协会副秘书长朱晶曾在朋友圈中发表感慨道：“芯片IP公司很不容易，即使细分IP做到国内*，也可能满足不了上市要求，所有现在资本市场只有芯原?？纯春Ｍ獾那榭?，远远不够，至少1～2家平台型IP上市公司（包括EDA和IP共有），3～5家细分领域做到全球*的IP公司，才是比较合理的结构，才能代表我们国产IP成功了。”再一个现象是，EDA和IP的联系往往比较紧密，但是相比投资市场火热的EDA赛道，IP行业在融资活动频次和资本量方面则略显逊色。除了芯耀辉和灿芯的几次大额融资，近年来，IP厂商的融资热情似乎有点冷却：2022年8月，存储IP厂商腾芯微电子完成数千万A+轮融资，芯来科技宣布完成数亿元新一轮融资；2023年1月，接口IP厂商井芯微完成了超亿元的A轮融资，奎芯科技获超亿元A轮融资；2023年4月，中茵微电子获超亿元A轮融资，聚焦企业级高速接口IP与Chiplet产品研发；2023年8月，昂迈微完成数千万元天使轮融资。但资本的参与对于任何高科技产业的成长都至关重要，特别是在资金密集、研发周期长的半导体IP领域。以下是一些可能影响资本对半导体IP产业兴趣的因素：1. 高门槛和长回报周期：半导体IP产业需要深厚的技术积累和长期的研发投入。从研发到市场认可，再到商业化收益，往往需要较长的时间周期，这与快速回报的投资策略并不契合。2. 巨大的研发成本：开发一个可靠的半导体IP核心可能需要耗费大量资金。这些成本包括高昂的人才成本、专利费用以及持续的技术更新投入。3. 竞争激烈且集中度高：如前文所示，市场上的半导体IP业务往往由少数几家大公司如ARM、Synopsys、Cadence等主导，这些公司已经建立了强大的技术壁垒和客户基础。新进入者需要突破这些壁垒，这对资本是一个巨大挑战。4. 技术风险和知识产权问题：技术更新快速，投资的技术可能很快就会被新技术取代。同时，知识产权纠纷可能导致额外的法律风险和成本。5. 对专业知识的需求：半导体IP产业是一个高度专业化的领域，需要投资者具备或能够获取相关的深入知识和理解。这对一些更倾向于投资通用产业的资本而言，可能是一个较高的门槛。对于半导体IP厂商融资金额少和热度降低的现象，赵占祥在接受笔者的采访时表示：“大部分半导体IP公司没有太多Full Mask流片的需求，同时IP在产生销售之后，人员也没那么多，对资金的需求没有那么大。”他接着指出，“初创的IP公司产品线比较少，天花板不高，所以对投资者吸引力不强。”对于国产IP厂商的发展建议在全球化的市场竞争中，中国的半导体企业正在全方位、多角度迅速突进。作为行业的基础，半导体IP（知识产权）厂商的发展尤为关键。在全球半导体产业链中，知识产权（IP）核心技术的开发与应用是提升竞争力的关键因素之一。因此，对于国产半导体IP厂商的发展建议有以下几点：专注与专业化，历来是早期成功的关键。举例来说，新思科技和Cadence在他们的专业领域内（比如EDA工具和特定IP核技术）的深入钻研，确立了它们的市场技术*地位。国内企业同样应锁定其专业领域，致力于深化专业技能和知识。明确定位市场，深入理解客户需求，并与之形成长期合作伙伴关系。新思科技和Cadence之所以成功，部分原因是它们能够与客户紧密合作，提供符合客户特定需求的定制解决方案。本土IP厂商应该与EDA工具供应商、芯片生产商及最终用户企业紧密协作，共同构建一个坚固的供应链体系。“IP能力的不足已经影响到了我国成熟工艺产能的能力提升和被国内外客户更广泛的接受，很多工艺平台做的不好是IP做的不好。国产IP，必须要从设计到Foundry进行全链条的协同和支持，也要包括资本市场的支持。既要支持EDA和IP龙头企业继续做大做强，也要支持一定程度的百花齐放，推动单项冠军的成长。”朱晶在朋友圈中指出。同时，不断地优化产品线是保持竞争力的关键。在维持在主要领域的竞争力的同时，应不断探索和丰富产品组合，以满足市场的多元化需求，尤其是在物联网、人工智能等快速增长的细分市场中。而对于那些新进入IP赛道的初创公司想要获得资本的青睐，赵占祥建议：“需要做一些技术门槛高、市场空间大的产品，资本会比较喜欢。”写在最后综合来看，国内半导体IP领域，尽管起步相对较晚，但已展现出强烈的发展势头。在技术深度、市场洞察以及创新能力上，国产IP正迅速缩小与国际巨头的差距。虽然在某些高端领域仍然需要追赶，但在特定的垂直领域和针对特定应用的处理器设计方面，已经有了国际竞争力。相信在众多IP厂商的努力之下，国产半导体IP将有希望渐渐摆脱对国外的依赖，实现一定程度的自主可控。 平价小火锅，北漂年轻人的新归宿

正文 谷歌大模型Gemini能否打败GPT4？ 今年4月，谷歌将Google Brain和DeepMind团队合并，成立 Google DeepMind。有人将这一团队戏称为“AI复仇者联盟”。 ?"沉寂"已久的谷歌终于放大招了。美国当地时间12月6日，谷歌发布多模态大模型Gemini。谷歌DeepMind直接宣布，Gemini是“谷歌*、最强的人工智能模型”。Google Deepmind 的官方账号截图，来源：谷歌DeepMindGemini谷歌是从头开始构建的多模态模型，这也是更接近人类认识世界的方式。作为谷歌用来应对GPT-4的“杀手锏”。Gemini在32个多模态基准测试中取得了30个SOTA（State Of The Art，即当前*效果）的记录，是*个在MMLU（大规模多任务语言理解）测评上超过人类专家的模型。Gemini在此项取得的成绩是90.0%，作为对比，人类专家的成绩为89.8%，GPT-4为86.4%。Gemini共有三个版本：Gemini Ultra：适用于高度复杂的任务；Gemini Pro：适用于扩展至各种任务的Gemini模型；Gemini Nano：体量较小，适用于特定任务和移动设备。"Gemini的多样性让它能够在从移动设备到大型数据中心的所有设备上运行。"谷歌DeepMind产品副总裁Eli Collins说，“我们离新一代人工智能模型的愿景越来越近了。”“有了人工智能，我们将有机会以更大规模做一些重要的事情。”谷歌CEO Sundar Pichai在谷歌成立25周年公开信中就特意提到了人工智能。面对强势的OpenAI，优等生谷歌需要一款现象级产品，证明自己在人工智能领域的实力。Gemini就是谷歌交出的答卷。1、“打的就是精锐”谷歌的Gemini模型的核心优势在于其原生多模态（natively multimodal）的特性。以往的多模态大模型往往是通过分别针对不同模态训练单独的组件，再将这些组件组合起来以模拟多模态功能的方法构建的。虽然在某些任务（比如图像描述）上表现良好，但在处理需要更深层次概念理解和复杂推理的任务时，它们的表现往往不尽人意。而谷歌的Gemini模型从一开始就在不同模态上进行预训练，再通过使用额外的多模态数据进行微调，进一步提升了模型的有效性。这种原生的多模态训练方法使得Gemini在处理多种类型的数据和复杂任务时更为高效和精准，从而在多模态人工智能领域树立了新的标准。并且，Gemini的推出主要是"瞄准OpenAI的GPT-4"而来。用《亮剑》里李云龙的话来说就是——“打的就是精锐”。在运算效能方面，Gemini几乎“全面吊打”GPT-4。Gemini Ultra在大模型研发被广泛使用的32个学术基准测试集中，在其中30个测试集的性能超过此前SOTA结果。其中，在多选问题、数学问题、Python代码任务、阅读等方面，Gemini的性能都超过了此前*进的水平。谷歌称，他们对MMLU采用了新的基准方法，使Gemini能够利用推理能力在回答难题之前进行更仔细的思考，相比仅仅根据问题的*印象作答，Gemini的表现有显著改进。Gemini Ultra在多个编码基准测试中表现出色，包括HumanEval和Natural2Code。其中仅Gemini仅在HellaSWAG数据集上的测试逊色于GPT-4。HellaSWAG数据集主要用于研究扎根的常识推理能力，但是一位NLP领域的研究专家向「甲子光年」表示："这并不能说明GPT4的常识推理性能更好，因为不能排除ChatGPT的模型在HellaSWAG数据集上训练过。"Gemini模型与GPT-4部分测试评分对比，图片来源：谷歌此外，在多模态方面，Gemini Ultra在新的MMMU基准测试中取得了59.4%的*进得分，突显了其多模态性和复杂推理能力。在图像基准方面的测试中，Gemini Ultra不需要从图像中提取文本就能进行OCR处理，表现优于之前*进的模型。Gemini模型在多模态方面的与GPT-4V的测试对比，图片来源：谷歌Gemini 1.0被训练用于同时识别和理解文本、图像、音频等，因此它能更好地理解具有细微差别的信息，回答与复杂主题相关的问题，尤其擅长解释数学和物理等复杂科目中的推理。“推理缺陷”也是GPT系列存在的问题。著名语言模型批评者Gary Marcus博士曾锐评道：“大语言模型没法做一些有严格定义的工作：遵守国际象棋规则、五位数字相乘、在家谱中进行可靠的推理、比较不同物体的重量等等。”尽管技术进步显著，但AI生成的虚假或捏造信息的问题依然存在。Eli Collins指出，这仍是一个未被完全解决的研究难题。但他同时也强调，Gemini接受了谷歌迄今最为全面的安全评估，以确保其可靠性和安全性。谷歌对Gemini进行了一系列对抗性测试，模拟恶意用户使用模型，并输入各种提示词，以检测模型是否会产生仇恨言论或表现出政治偏见。这些测试包括了“真实毒性提示词”，由网络收集的超过10万个提示词组成，用以全面检验模型的反应。值得注意的是，Gemini是在谷歌自研的云芯片Tensor Processing Units（TPU）上完成训练的。特别是TPU v5p版本，在性能上有了显著提升，使得模型训练速度相比前一代提高了2.8倍。据悉，TPU v5p芯片是专为数据中心训练及大型模型运行而设计。从12月13日起，开发人员和企业客户可以通过Google AI Studio或Google Cloud Vertex AI来访问Gemini Pro模型。Google AI Studio是一个基于网络的免费开发工具，为开发人员提供API密钥，从而快速创建原型并启动应用程序。Vertex AI提供了定制化的Gemini以提供更为全面和管理的人工智能平台，并具有完整的数据控制功能，能利用谷歌云的额外功能，包括企业级的安全性、隐私保护以及数据治理和合规性。此外，从Pixel 8 Pro设备开始，Android开发人员还可以通过Android 14中的新系统功能AICore来使用Gemini Nano。Gemini Nano是专为设备端任务设计的高效模型，通过注册AICore的早期预览版，开发人员可以深入探索其潜力，更便捷地利用Gemini的先进技术，并在Android生态系统的应用开发中迸发更多可能性。到2024年，谷歌计划推出Bard Advanced，它与AI agent的初级形态十分相似。Bard Advanced将借助Gemini Ultra提供支持，可以迅速理解多模态输入，包括文本、图像、音频和视频，并作出相应的响应。2、谷歌 VS OpenAI在OpenAI的GPTs大放异彩时，谷歌似乎过于沉寂了。今年2月，谷歌在巴黎举行活动时，因其聊天机器人Bard的一处失误，市值蒸发了1000亿美元，也引发了外界对于Bard准确性的担忧。随着OpenAI推出了ChatGPT，尤其是在必应搜索中整合了GPT技术，并首次在应用程序下载量上超越了谷歌后，人们开始思考谷歌是否在已人工智能领域落后于竞争对手。事实上，谷歌才是在2017年提出的Transformer模型、为今天这场游戏制定规则的先行者。谷歌对大模型"高地"的竞争意识并不比OpenAI晚。2021年，谷歌便推出了1.6万亿参数的Switch Transformer，强调稀疏多模态结构的潜力。同时，谷歌还提出了Flan-T5模型，通过更多监督数据降低了模型规模，比GPT-3模型参数更少但性能更佳。对于技术上的评估，《经济学人》在今年1月曾进行了一项比较测试，向ChatGPT和谷歌基于Lamda的机器人Bard提出了数学、阅读和约会建议等问题。测试结果显示，谷歌AI在数学问题上表现更佳，但ChatGPT在常识问题上更准确。几天后OpenAI升级了ChatGPT，再次测试中在数学问题上与谷歌AI持平。尽管ChatGPT作为一个大型语言模型训练成本高、迭代难，但也显示了它持续进化的巨大潜力。值得注意的是，谷歌的语言模型与ChatGPT在性能上是旗鼓相当的。在这场对决中，谷歌和微软都需要成本效益更高的解决方案。谷歌在AI领域取得了不少研究进展，但尚未将这些成果部署和变现，类似于微软在过去的某些时期。这可能是因为谷歌低估了微软和OpenAI的竞争实力，或者过于自信于自己在搜索引擎领域的主导地位。「甲子光年」综合多方观点分析得出，谷歌在技术前瞻性上*，OpenAI更专注于产品的打磨。在Sam Altman领导下的OpenAI专注于产品为导向的工作，致力于扩展和优化模型，主要关注细节精调方法。谷歌则在技术发展的方向上始终保持着积极和前瞻的态度，不过在整体战略规划上却屡次调整。谷歌在稀疏模型架构上进行了深入探索。只是两年后的，万亿级别的Switch Transformer几乎没产生任何水花，而千亿参数级别的GPTs系列却风生水起。同样，被反复改进的Flan-T5模型虽然在性能上超越了GPT-3，但其优化进展相对缓慢。在谷歌"选择困难症"期间，OpenAI已经完成了对ChatGPT的训练。在2022年9月，谷歌旗下的DeepMind推出了麻雀（Sparrow）模型，和ChatGPT一样，采取了基于人类反馈的强化学习（RL）框架。该模型采用了小型参数设置，与谷歌看重的LaMDA和PaLM模型的思路有明显不同。只是谷歌并未能迅速确定麻雀模型是否是*选择，这也导致了麻雀模型的产品化滞缓，最终未能"飞上枝头变凤凰"。"犹豫不决"似乎一直是谷歌的宿疾。“但迟到总比不做好！终于有了OpenAI王座的有力竞争者。”在Google公布消息后，英伟达AI科学家Jim Fan评论道。今年4月，谷歌将Google Brain和DeepMind团队合并，成立 Google DeepMind。有人将这一团队戏称为“AI复仇者联盟”。原Google AI产品负责人Eli Collins被委以重任，担任新团队的产品副总裁。目前，Gemini Pro和Gemini Nano已在聊天机器人Bard和智能手机Pixel 8 Pro上集成，实现了更为高级的推理、规划、理解等能力。而更为强大的Gemini Ultra将在明年发布。不知OpenAI会如何"应战"呢？或许我们很快便可以等到GPT-5的发布了。不过，优等生谷歌并不完全在意这一时之战，而是在着眼未来。“我们对答案的探索将在未来25年推动非凡的技术进步。到2048年时，如果有一位青少年在世界上的某个地方，看着我们用人工智能建造的一切耸耸肩，我们就知道我们成功了。然后，我们就回去工作。”谷歌CEO Sundar Pichai在谷歌成立25周年公开信中如是说。 【本文由投资界合作伙伴微信公众号：甲子光年授权发布，本平台仅提供信息存储服务。】投资界处理。东莞前首富选择放手