一、大模型訓練芯片缺口較大

以自動駕駛為例，算力應用分為訓練和推理兩個階段。

打個比方，人類為了掌握開車技術，需要上百個小時不斷學習，鞏固成為長期記憶，才能學會操作汽車、學會看道標。這個過程就對應著自動駕駛云端訓練，用算法模擬人類神經網絡，讓機器近乎學會人類的思考方式。為了讓自動駕駛在任何場景都穩定可靠，訓練過程需要輸入海量數據，在這個過程中存在大量并發計算，需要TFLOPS（每秒萬億次）級別的算力提供支持。

例如，在國內，小鵬汽車為了訓練自動駕駛模型，2022年8月與阿里云聯合成立了當時國內最大的自動駕駛智算中心，算力規模高達600PFLOPS，相當于每秒可以完成60億億次的運算。小鵬汽車董事長何小鵬認為，“如果現在不以智算中心的方式提前儲備算力，今后5年內，企業算力成本會從億級，加到數十億級。”

在云端訓練完自動駕駛模型后，才到車端感知、決策推理環節。

再打個比方，人類學會開車后，還需要進行科一到科四的考試，通過考試才能拿到駕照。而考試考的是什么？是駕駛員感知、決策、執行的能力。這就對應著自動駕駛推理過程，即自動駕駛經過模型訓練后，車載計算平臺再結合實時路況做出判斷。

因此，當下AI芯片視應用場景不同，也分為訓練芯片、推理芯片、訓推一體芯片。其中需求最旺盛的即是訓練芯片。

二、GPGPU和ASIC技術路線齊頭并進

GPGPU是從GPU衍生而來，是弱化圖形處理，增強計算能力的產物。模型在訓練過程中，存在大量的矩陣計算，GPU架構特點即在于擅長處理并行計算，因此GPGPU芯片可適合絕大多數AI計算場景，通用性更強。當前AI芯片霸主-英偉達的主要產品A100、H100等，就屬于GPGPU架構。

目前，國內投入GPGPU芯片領域的廠商較少，原因在于GPGPU研發需要有充足的技術和資金儲備。知名的有海光信息、壁仞科技、沐曦等，其中較為領先的為海光。

海光深算一號早在2022年6月就實現了商用。據了解，海光深算一號性能不弱于主流的英偉達芯片，也能兼容英偉達的CUDA環境，適配性好。并且最大優勢在于，深算一號是國內唯一支持全精度計算的AI芯片，這讓海光可支持科學計算、AI計算、大數據計算等多種計算場景。

另一類技術路線為ASIC，一種為特定場景專門設計的集成電路，比如NPU。在AI算法領域，卷積神經網絡是仿造生物的視知覺機制構建而成，是深度學習的代表算法之一。為滿足深度學習效率需求，隨著AI算法發展，模仿生物腦神經的NPU應運而生。

由此可看出，ASIC芯片需要結合大模型算法做定向開發和調配，通用性沒有GPGPU那么強。國內主要在做ASIC芯片的包括寒武紀、華為昇騰等，以及一些互聯網大廠，比如阿里含光、百度昆侖芯、騰訊紫霄等等，其性能也能滿足大多數計算場景的需要。

在大模型計算日益復雜的今天，由CPU+GPGPU+ASIC組成異構計算系統成為算力供給最佳方案，絕大多數AI算力還是需要依靠GPGPU供給。

三、國產AI芯片商業化應用還需努力

比如提到的國內ASIC芯片，基本只用于自家云業務，對外提供芯片產品也需要龐大團隊的深度優化。主要原因一方面在于之前提到過的，ASIC芯片從研發之初就需要考慮算法適配情況；另一方面，ASIC芯片生態較為碎片分散，開發者上手難度較高。

相較于ASIC廠商，得益于GPGPU泛用性優勢，GPGPU廠商商業化應用做的更好一些。以海光為例，據其官方透露，海光深算一號目前已完成與百度、阿里等廠商互證，主要客戶是智算中心等“新基建”項目、行業用戶、AI廠商及互聯網企業，已商業化部署數十萬片。

在國內自動駕駛、AIGC、垂直大模型等AI應用愈發火熱的今天，國產AI芯片有希望撐起海量AI算力的需求。在解決性能問題之后，國產AI芯片面對國外巨頭是有彎道超車可能性的，雖然未來仍需在生態建設與商業化發展方面大步追趕。

四、車規級芯片封裝清洗：

合明科技研發的水基清洗劑配合合適的清洗工藝能為芯片封裝前提供潔凈的界面條件。

水基清洗的工藝和設備配置選擇對清洗精密器件尤其重要，一旦選定，就會作為一個長期的使用和運行方式。水基清洗劑必須滿足清洗、漂洗、干燥的全工藝流程。

污染物有多種，可歸納為離子型和非離子型兩大類。離子型污染物接觸到環境中的濕氣，通電后發生電化學遷移，形成樹枝狀結構體，造成低電阻通路，破壞了電路板功能。非離子型污染物可穿透PC B 的絕緣層，在PCB板表層下生長枝晶。除了離子型和非離子型污染物，還有粒狀污染物，例如焊料球、焊料槽內的浮點、灰塵、塵埃等，這些污染物會導致焊點質量降低、焊接時焊點拉尖、產生氣孔、短路等等多種不良現象。

這么多污染物，到底哪些才是最備受關注的呢？助焊劑或錫膏普遍應用于回流焊和波峰焊工藝中，它們主要由溶劑、潤濕劑、樹脂、緩蝕劑和活化劑等多種成分，焊后必然存在熱改性生成物，這些物質在所有污染物中的占據主導，從產品失效情況來而言，焊后殘余物是影響產品質量最主要的影響因素，離子型殘留物易引起電遷移使絕緣電阻下降，松香樹脂殘留物易吸附灰塵或雜質引發接觸電阻增大，嚴重者導致開路失效，因此焊后必須進行嚴格的清洗，才能保障電路板的質量。

合明科技運用自身原創的產品技術，滿足芯片封裝工藝制程清洗的高難度技術要求，打破國外廠商在行業中的壟斷地位，為芯片封裝材料全面國產自主提供強有力的支持。

推薦使用合明科技水基清洗劑產品。