美国芯片简史:军方大力扶持下的产物 但一度被日 韩超越

640?wx_fmt=jpeg

来源:知乎专栏


腾讯科技近日发起系列策划,聚焦各个芯片大国的发展历程。第四期:《美国芯片简史》。


集成电路是电子信息产业的的基石,电子信息产业对国民经济与社会发展具有重大推动作用。从全球集成电路产业发展历程来看,在美国、欧盟、韩国、日本的产业发展、崛起和形成的产业结构过程中,都得到政府长期、持续地大力支持。


美国一直领先全球集成电路产业发展,美国厂商在世界集成电路市场中所占比例也一直保持在60%以上。20世纪80年代,美国在全世界集成电路产业的领先地位逐渐丧失,并慢慢被日本超越。通过几年的努力,美国于20世纪90年代初又夺回在集成电路领域的霸主地位。截止2018年,全球前15大半导体厂商中,美国企业的数量达到7家。


640?wx_fmt=jpeg


美国加州硅谷是世界集成电路产业的发源地,也是美国集成电路产业的核心地区,此外,美国南部的得克萨斯州、亚利桑那州,以及东海岸的马里兰州也是集成电路产业较为集中的地区。


美国早期集成电路产业发展的动力是军事国防。发展至今,美国的集成电路产业已经拥有全球最大的产业规模,同时也是最先进的技术。从诞生开始,美国主要的集成电路产业代表企业均是拥有设计、制造一体的IDM,如英特尔,仙童,德州仪器,AMD,飞思卡尔等。虽然在发展过程中经历多次起伏,但其代表企业还是以IDM为主,伴随同样具有领先地位的fabless设计公司和设备供应商,如高通,应用材料等。因此,就产业发展模式而言,美国是典型的以IDM为基础的技术先导型发展模式。


集成电路于20世纪中叶,其发明者是仙童公司的Robert和德州仪器的Kilby,他们几乎同时发明集成电路,并由此改变了全世界集成电路产业的发展历史。为什么集成电路诞生在美国?二战结束后,美国靠着强大的经济和科技基础,成为超级大国,早在20世纪四十年代,美国贝尔实验室就首先发明了晶体管,奠定了集成电路发展的基础,随后结型晶体管、场效应晶体管、离子注入工艺、扩散工艺被发明出来,集成电路产业在美国横空出世已经是情理之中。


以美国为代表的集成电路产业发展也不是一帆风顺,虽然起步较早,但主要产品应用于电脑的存储器和中央处理器,随着日韩等国集成电路的发展,美国的集成电路产业逐渐丧失了先发优势,曾一度被日本超越。但美国政府及时调整战略目标,开始在国家层面积极引导产业转型,果断放弃了DRAM市场,并制定一系列重大战略规划,从而使美国的集成电路创新能力和产能达到极大的提升。


美国在1984年颁布了国家合作研究方案(NCRA),重点支持国防用集成电路领域、资源聚焦于包括集成电路在内的信息技术。1987年,由美国IBM,TI和HP等13个成员发起成立了集成电路制造技术R&D战略联盟为核心,逐渐形成政府、国家研究机构、大学和民间研究机构及企业之间的联合开发体制和机制。这套体制在美国集成电路产业发展的各个阶段都发挥了突出的作用,形成了从国家研究机构及其实验室,向产业转移,形成商业化、产业化的国家创新体系。下面以德州仪器和因特尔为例具体分析美国集成电路产业的发展。


德州仪器是一家位于美国得克萨斯州的跨国公司,以开发、制造、销售集成电路和计算机技术闻名于世,主要在数字信号处理与模拟电路方面。它在25个国家有制造、设计、销售公司,是世界上第三大集成电路制造商,仅次于因特尔和三星,也是蜂窝手机的第二大芯片供应商,仅次于高通,同时也是世界范围内的第一大数字信号处理器和模拟集成电路组件的制造商,其产品包括计算机,单片机以及多核处理器。


德州仪器于1951年创立,它由地球物理业务公司重组而成,刚开始生产地政工业和国防电子相关设备,后来开始研究晶体管,制造出世界上第一个商用硅晶体管。1954年,TI研发制造了第一台晶体管收音机,1958年,在TI工作的Jack Kilby发明了集成电路。世界上第一台便携式计算器由TI于1967年发明,20世纪70,80年代公司业务集中于家用电子产品,家用电脑以及各种传感器。


2011年收购美国国家半导体公司之后,TI拥有由约45000种模拟电路元器件生产厂商,今天的德州仪器在包括数字信号处理器、数字模拟转换器、模拟集成电路等不同产品领域占据领先位置,无线通信也是德州仪器的一个焦点,目前全球约大约50%的移动电话装有德州仪器生产的芯片。


英特尔公司的集成电路产品在其几十年的发展过程中,随着市场的发展和竞争对手的压力,其主流产品也先后经历多次调整。早期产品主要是各类存储芯片,如SRAM和DRAM等。


虽然早在20世纪70年代初,因特尔就已经研发出微处理器产品,但直到20世纪90年代之前,各类存储器产品仍然是其主要营收来源。


后来在日本等竞争对手的巨大压力下,英特尔做出了向PC微处理器产品转型的战略决策,后来发展证明了这个决策的正确性,因特尔称为PC微处理器的绝对领导者,其产品和技术的发展引领了整个PC产业的发展。


近些年来,随着PC市场的饱和,移动互联网时代的到来,微处理器产品利润下滑,英特尔也在寻求业务转型。由于错过了智能手机时代,这些转型并没有表现出预想的结果。


下面总结美国集成电路产业发展的启示。


首先是政府扶持,产、学、研一体的发展模式。在集成电路产业出现的早期,美国的国防军事部门购买了其国内集成电路企业的绝大数产品,到20世纪70年代,其国内集成电路企业近一半的产品被军工部门所购买。20世纪80年代,在美国出现的许多半民间型顾问公司,大多由政府、企业和大学联合投资。这种发展模式极大地促进了美国在集成电路产业方面领先的发展,也是美国科技先导型技术模式实现的重要基石。


然后是制定先进技术计划。在美国集成电路产业发展历程中,政府把振兴集成电路产业作为国家发展战略,和企业联盟先后制定了多个技术计划,这些先进技术计划的实施对美国维持其集成电路产业在全球的领先地位提供了重要的保障,下面简单介绍:


1.Sematech计划


在1984年美国颁布的《国家研究法案(NCRA)》规范下,由美国IBM、TI和HP等13个成员发起成立了半导体制造技术R&D战略联盟,并启动了Sematech计划。该计划分两个阶段,前后有700名研发人员参加,每年投入2亿美元。Sematech计划主攻IC制造工艺与设备,1996年美国生产出全球第一块12寸晶圆,该计划的运作使美国集成电路技术重新回到世界第一的竞争地位。1994年美国联邦政府停止对Sematech计划的资金支持,联盟也演变成非盈利性机构,研究任务和经费完全来源于成员企业。


2.NII计划


“美国国家信息基础实施顾问委员会”和“信息基础实施特别工作小组”是1992年根据布什总统签署总统命令成立的,这两个组织的成立主要是保障国家信息基础实施计划(NII)的顺利实施(即“信息高速公路”计划)。


NII计划的投资结构由政府和民间投资组成,该计划的实施使美国建立了一个覆盖全美国的宽带高速信息网,促进了信息化服务网络的改善。与此同时,项目的实施极大促进了对信息设备的需求,该需求大大促进了美国集成电路产业的大发展。


3.NNI计划


二十一世纪初,美国提出和实施国家纳米技术计划(NNI),并成立国家纳米技术协调办公室和由总统任命的纳米科技顾问委员会。2003年美国颁布《21世纪纳米技术研究开发法案》将NNI计划自助的项目纳入了美国法律体系,NNI计划的实施对跨部门的纳米技术研发项目提供了持续地支持,建立了跨学科研究中心和先进的技术实施。NNI计划是美国确保在21世纪上半叶占据世纪纳米科技发展领导地位的重要保障。


美国集成电路产业的发展及其在全球的领先地位,得益于美国政府在战略发展方面的指导性政策、科技先导的技术发展模式以及全球最大的集成电路产品市场规模,这些成功经验对中国集成电路产业发展具有借鉴意义。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491700.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PyTorch框架学习八——PyTorch数据读取机制(简述)

PyTorch框架学习八——PyTorch数据读取机制(简述)一、数据二、DataLoader与Dataset1.torch.utils.data.DataLoader2.torch.utils.data.Dataset三、数据读取整体流程琢磨了一段时间,终于对PyTorch的数据读取机制有了一点理解,并自己…

报告 | 2019年全球数字化转型现状研究报告

来源:Prophet2019年,战略数字化转型的重要性已经不止于IT领域,而影响着全公司的竞争力。企业的相关预算直线攀升,利益相关方所关注的颠覆性技术数量急剧增加。数字化项目开始由首席高管主导,并由相互协作的跨职能团队管…

Android调用binder实现权限提升-android学习之旅(81)

当进程A权限较低,而B权限较高时,容易产生提权漏洞 fuzz测试的测试路径 First level Interface是服务 Second level Interface是服务中对应的接口 1.首先获取第一层和第二层接口,及服务以及对应服务提供的接口 2.根据以上信息结合参数类型信息…

PyTorch框架学习九——网络模型的构建

PyTorch框架学习九——网络模型的构建一、概述二、nn.Module三、模型容器Container1.nn.Sequential2.nn.ModuleList3.nn.ModuleDict()4.总结笔记二到八主要介绍与数据有关的内容,这次笔记将开始介绍网络模型有关的内容,首先我们不追求网络内部各层的具体…

中国17种稀土有啥军事用途?没它们,美军技术优势将归零

来源:陶慕剑观察 稀土就是化学元素周期表中镧系元素——镧(La)、铈(Ce)、镨(Pr)、钕(Nd)、钷(Pm)、钐(Sm)、铕(Eu)、钆(Gd)、铽(Tb)、镝(Dy)、钬(Ho)、铒(Er)、铥(Tm)、镱(Yb)、镥(Lu),再加上钪(Sc)和钇(Y)共17种元素。中国稀土占据着众多的世界第一&…

PyTorch框架学习十——基础网络层(卷积、转置卷积、池化、反池化、线性、激活函数)

PyTorch框架学习十——基础网络层(卷积、转置卷积、池化、反池化、线性、激活函数)一、卷积层二、转置卷积层三、池化层1.最大池化nn.MaxPool2d2.平均池化nn.AvgPool2d四、反池化层最大值反池化nn.MaxUnpool2d五、线性层六、激活函数层1.nn.Sigmoid2.nn.…

PyTorch框架学习十一——网络层权值初始化

PyTorch框架学习十一——网络层权值初始化一、均匀分布初始化二、正态分布初始化三、常数初始化四、Xavier 均匀分布初始化五、Xavier正态分布初始化六、kaiming均匀分布初始化前面的笔记介绍了网络模型的搭建,这次将介绍网络层权值的初始化,适当的初始化…

W3C 战败:无权再制定 HTML 和 DOM 标准!

来源:CSDN历史性时刻!——近日,W3C正式宣告战败:HTML和DOM标准制定权将全权移交给浏览器厂商联盟WHATWG。由苹果、Google、微软和Mozilla四大浏览器厂商组成的WHATWG已经与万维网联盟(World Wide Web Consortium&#…

PyTorch框架学习十二——损失函数

PyTorch框架学习十二——损失函数一、损失函数的作用二、18种常见损失函数简述1.L1Loss(MAE)2.MSELoss3.SmoothL1Loss4.交叉熵CrossEntropyLoss5.NLLLoss6.PoissonNLLLoss7.KLDivLoss8.BCELoss9.BCEWithLogitsLoss10.MarginRankingLoss11.HingeEmbedding…

化合物半导体的机遇

来源:国盛证券半导体材料可分为单质半导体及化合物半导体两类,前者如硅(Si)、锗(Ge)等所形成的半导体,后者为砷化镓(GaAs)、氮化镓(GaN)、碳化硅(…

PyTorch框架学习十三——优化器

PyTorch框架学习十三——优化器一、优化器二、Optimizer类1.基本属性2.基本方法三、学习率与动量1.学习率learning rate2.动量、冲量Momentum四、十种常见的优化器(简单罗列)上次笔记简单介绍了一下损失函数的概念以及18种常用的损失函数,这次…

最全芯片产业报告出炉,计算、存储、模拟IC一文扫尽

来源:智东西最近几年, 半导体产业风起云涌。 一方面, 中国半导体异军突起, 另一方面, 全球产业面临超级周期,加上人工智能等新兴应用的崛起,中美科技摩擦频发,全球半导体现状如何&am…

python向CSV文件写内容

f open(r"D:\test.csv", w) f.write(1,2,3\n) f.write(4,5,6\n) f.close() 注意:上面例子中的123456这6个数字会分别写入不同的单元格里,即以逗号作为分隔符将字符串内容分开放到不同单元格 上面例子的图: 如果要把变量的值放入…

PyTorch框架学习十四——学习率调整策略

PyTorch框架学习十四——学习率调整策略一、_LRScheduler类二、六种常见的学习率调整策略1.StepLR2.MultiStepLR3.ExponentialLR4.CosineAnnealingLR5.ReduceLRonPlateau6.LambdaLR在上次笔记优化器的内容中介绍了学习率的概念,但是在整个训练过程中学习率并不是一直…

JavaScript数组常用方法

转载于:https://www.cnblogs.com/kenan9527/p/4926145.html

蕨叶形生物刷新生命史,动物界至少起源于5.7亿年前

来源 :newsweek.com根据发表于《古生物学》期刊(Palaeontology)的一项研究,动物界可能比科学界所知更加古老。研究人员发现,一种名为“美妙春光虫”(Stromatoveris psygmoglena)的海洋生物在埃迪…

PyTorch框架学习十五——可视化工具TensorBoard

PyTorch框架学习十五——可视化工具TensorBoard一、TensorBoard简介二、TensorBoard安装及测试三、TensorBoard的使用1.add_scalar()2.add_scalars()3.add_histogram()4.add_image()5.add_graph()之前的笔记介绍了模型训练中的数据、模型、损失函数和优化器,下面将介…

CNN、RNN、DNN的内部网络结构有什么区别?

来源:AI量化百科神经网络技术起源于上世纪五、六十年代,当时叫感知机(perceptron),拥有输入层、输出层和一个隐含层。输入的特征向量通过隐含层变换达到输出层,在输出层得到分类结果。早期感知机的推动者是…

L2级自动驾驶量产趋势解读

来源:《国盛计算机组》L2 级自动驾驶离我们比想象的更近。18 年下半年部分 L2 车型已面世,凯迪拉克、吉利、长城、长安、上汽等均已推出了 L2 自动驾驶车辆。国内目前在售2872个车型,L2级功能渗透率平均超过25%,豪华车甚至超过了6…

PyTorch框架学习十六——正则化与Dropout

PyTorch框架学习十六——正则化与Dropout一、泛化误差二、L2正则化与权值衰减三、正则化之Dropout补充:这次笔记主要关注防止模型过拟合的两种方法:正则化与Dropout。 一、泛化误差 一般模型的泛化误差可以被分解为三部分:偏差、方差与噪声…