获取报告请登录未来智库。

疫情之下的信创产业：蓄势待发

什么是信创产业？所谓信创产业，即信息技术应用创新产业。信创产业推进的背景在于， 过去中国 IT 底层标准、架构、产品、生态大多数都由美国 IT 巨头来制定，由此存在诸多 的安全、被“卡脖子”的风险。全球 IT 生态格局将由过去的“一极”向未来的“两级” 演变，中国要逐步建立基于自己的 IT 底层架构和标准，形成自有开放生态。基于自有 IT 底层架构和标准建立起来的 IT 产业生态便是信创产业的主要内涵。

信创产业包含了从 IT 底层的基础软硬件到上层的应用软件全产业链的安全、可控。以“云”和“端”角度为例：

1）基于国产平台的终端全栈架构：包括国产 CPU、整机设备、固件（BIOS）、操作系统 及驱动层和应用层（办公软件、应用软件）等。终端设备包括单独部署的个人桌面电脑、 笔记本电脑、接入云平台的瘦客户端等。

2）基于国产平台的云计算全栈架构：随着云计算的发展，政府、金融、电信等各个行业 都在逐步从传统信息系统“烟囱式”的建设方式向私有云、公有云环境进行迁移。云计算 的核心就是利用以虚拟化为代表的技术进行计算、存储、网络等资源的配置管理和弹性扩 展。云计算整体架构包括：基于国产 CPU 的基础设施层，如整机、网络、存储等；IaaS 层--包括操作系统和云管理平台；PaaS 层--主要是通过使用容器环境对应用软件进行微服 务化定制封装，使用 DevOps 理念对云原生应用进行持续部署和集成，使用容器编排工具 对容器进行统一集群管理；SaaS 层包括政府、金融、电信等各行业业务软件。此外，还 包括整个平台的安全管理、运维管理及相应的标准制定遵循。

根据上述信创产业架构，我们按照自下而上的架构顺序，对参与其中的主要国产厂商进行 了梳理（不完全统计），绘制出如下信创产业全景图。我们相信，随着信创产业范围的不 断扩大，将会有越来越多的国内厂商参与其中，从而构建起庞大而丰富的信创产业应用生 态。

核心环节之国产 CPU：性能仍待提升，生态构建是关键

国产 CPU 主要参与者

CPU（Central ProcessingUnit）中央处理器，是计算机的运算和控制核心（Control Unit）， 它的功能主要是解释计算机指令以及处理计算机软件中的数据。中央处理器内部主要包括 运算器（ALU，Arithmetic Logic Unit）和高速缓冲存储器（Cache）及实现它们之间联系 的数据、控制及状态的总线。

CPU 依靠指令来计算和控制系统，每款 CPU 在设计时就规定了一系列与其硬件电路相配 合的指令系统，从大类划分上可分为复杂指令集（CISC）和精简指令集（RISC）两种。

1）以 X86 系列为代表的 CISC 指令集。CISC 指令系统比较丰富，有专用指令来完成特 定的功能，程序的各条指令是按顺序串行执行的，每条指令中的各个操作也是按顺序串行 执行的。复杂指令集系统的优点是控制简单，处理高级语言和特定任务能力强，缺点是结 构过于复杂、指令集利用效率不高、执行速度慢。

2）以 ARM 架构为代表的 RISC 指令集，小众的 MIPS、Alpha 采用也是 RISC 指令系统。相对于复杂指令系统，精简指令系统（RISC）保留使用频率高的指令，对不常用的指令 功能通过组合指令来完成，以此提高程序处理速度，同时 RISC 架构 CPU 采用超标量和 超流水线结构，大大提升了并行处理能力。中高档服务器中普遍采用 RISC 架构的 CPU， 特别是高档服务器全都采用 RISC 架构的 CPU。如 PowerPC 处理器、SPARC 处理器、 PA-RISC 处理器、MIPS 处理器、Alpha 处理器等。智能手机处理器需要高效率低功耗， 主流的 ARM 处理器采用的也是 RISC 架构。

指令集是一套软硬件之间的语言规范，国际上曾经有不下十种指令集，经过残酷的市场竞 争，目前通用领域得到广泛使用的指令集只有 Intel 的 X86 和英国 Acorn 公司的 ARM。由 于知识产权的限制，早期国产 CPU 在公开领域一直没有途径使用这两种指令集，早期国 产 CPU 的三驾马车，飞腾、龙芯、申威，不得已分别选择了 SPARC 指令集、MIPS 指令 集、ALPHA 指令集。这三种指令集之所以可以以极其低廉的价格（比如 SPARC 给飞腾 的授权价只有 99 美元，ALPHA 不要钱）授权，是因为它们的生态环境很弱，需要吸引合 作伙伴来共同打造生态才能生存。然而，十余年过去，受到 Intel 和 ARM 的双重碾压， SPARC、MIPS、ALPHA 的生态系统越来越凋零，导致使用上述指令集的国产 CPU 的生 态环境建设十分艰难。

自主研发 CPU 需要得到指令集授权，指令集授权方式主要有两种：指令集架构授权、IP 核授权：

（1）指令集架构授权：指可以对 ARM 架构进行大幅度改造，甚至可以对 ARM 指令集进 行扩展或缩减。譬如，苹果 A6 处理器使用的是 ARMv7-A 指令集，由于得到了 ARM 公司 架构层级授权所以苹果公司可以对 ARM 架构进行大幅度改造，甚至可以对 ARM 指令集 进行扩展或缩减，从而出现了苹果公司自己的“Swift 架构”。

（2）IP 核授权：指可以以一个内核为基础然后在加上自己的外设，由此设计自主 MCU （Soc 芯片）。例如 TI 公司的 STM32 系列单片机是以 ARM Cortex-M3 内核为基础然后在 加上自己的外设，最后形成了自己的 MCU。但 TI 公司并没有权限去对 Cortex-M3 内核进 行改造，所以 TI 公司获得的应该是内核层级授权。由于 IP 软核源代码的分析与解读需要 耗费较大的人力，而硬核授权并不包含源代码的开放，因此，我们认为，这种方式的安全 可靠性并不高。

其中，X86 指令集架构掌握在 Intel 和 AMD 手中，不对外开放；ARM 公司向全球知名 CPU 设计厂商开放指令集架构授权和 IP 核授权。在国产芯片厂商中，华为鲲鹏和飞腾获 得了 ARM 公司 64 位 ARM V8 指令集的架构授权，有权设计、生产、销售 ARMv8 兼 容处理器产品。龙芯、申威分别获得 MIPS 架构和 ALPHA 架构的授权，自主研发处理 器内核，并在此基础上，对相关架构指令集进行了扩展。基于两种指令集授权模式，加上 国内一些厂商自建指令集系统，CPU 国产化的方式主要有三种：

国产 CPU 主要参与者

2002 年中科院计算所研制出我国第一款商品化通用高性能 CPU“龙芯”1 号。此后，我 国科研技术人员大力攻关，相继有多款国产处理器芯片陆续面世。目前我国国产处理器芯 片的主要参与者有：龙芯、兆芯、飞腾、海光、申威和华为等。

龙芯：国产化程度最高的 MIPS 架构芯片（略）

1、龙芯 CPU 是我国最早的国产 CPU 厂商，在专用类、工控、嵌入式终端 CPU 等领域 拥有较强优势，后拓展至桌面端和服务器 CPU 领域，优势在于单核性能较高，但多核能 力较弱。目前龙芯桌面端 CPU 在政府办公国产化试点领域占有较高市场份额，但其服务 器 CPU 相比其他国产服务器 CPU 如华为、海光、飞腾服务器 CPU 性能较低。

2、龙芯的服务器 CPU 之所以落后，主因是龙芯此前主攻方向是嵌入式和 PC 芯片，用嵌 入式养活自己，并提升 CPU 的单核性能（因桌面 CPU 对单核性能要求高） ，但在 CPU 核心数量上相比友商有所差距，因而导致服务器 CPU 性能较差。目前龙芯在完成单核性 能提升后，下一代产品 3A5000 正着手于提升主频和核数，弥补弱项。

3、龙芯的另一个短板即是生态问题。龙芯是唯一的基于 MIPS 架构的国产 CPU，在目前 国产 CPU 中 ARM 架构占优的格局下，如何构建生态是公司未来面临的更大挑战。

飞腾: 基于 ARM 指令集授权的国产 CPU（略）

1、飞腾 CPU 是基于 ARM v8 架构自主研发的国产化芯片，已获得 ARM v8 架构指令集永 久授权。

2、在整体性能上，飞腾 CPU 处于国产化芯片的中间位置，尤其在党政特殊部门领域具备 优势。

3、在生态建设上，飞腾背靠 CEC，致力于打造 PK 体系，且同为 ARM 架构，因此在生 态上具有一定优势。

华为鲲鹏：性能最好的 ARM 架构 CPU，致力于打造鲲鹏产业生态

2019 年 1 月，华为向业界发布基于 ARM v8 指令集研发的高性能服务器处理器鲲鹏 920。鲲鹏 920 具有高性能、高带宽、高集成度、高效能的特点。

架构方面，Kunpeng 处理器基于 Armv8 架构永久授权。华为研发团队对其进行 SoC 集 成设计，其处理器核、微架构和芯片均由华为自主研发设计。鲲鹏计算产业兼容全球 Arm 生态，二者共享生态资源，互相促进、共同发展。

性能方面，华为鲲鹏 920 是业界性能最高的 ARM 架构服务器芯片。据 2019 年华为连接 大会上展示数据显示，鲲鹏 920 处理器最多 64 核，频率 。

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。

边缘计算虽然是当下的科技难题，但也为IT架构师和嵌入式开发人员提供了更多的选择，最终，边缘计算将会演变出边缘AI技术，加快决策的效率和质量。

当下，科技应用对人工智能和机器学习的需求超过了对云数据库的需求，因为对重要物联网传感器数据的处理越来越接近数据最初所在的位置。这一举措将由新一代人工智能（AI）芯片实现，其中包括比GPU、FPGA和其他专门的IC类型更窄的内存和功耗要求的嵌入式微控制器，以及其他被应用于亚马逊、微软和谷歌的云数据中心的特定IC类型控制器，帮助数据科学家解决问题。

正是因为云服务，机器学习和相关的神经网络才得以迅猛发展。但由于物联网的兴起造成了数据冲击，便有了对基于边缘计算的机器学习技术的需求。现在，云提供商、物联网（IoT）平台制造商和其他公司认为，在将数据移交给云进行分析之前，在边缘网络处理数据会存在一定的优势，比如基于AI的决策可以减少延迟，使传感器数据的实时响应更加可行和适用。尽管如此，人们称之为的“边缘AI”的形式仍然有很多种，如何利用下一代物联网为其提供支持，在呈现高质量的可行数据方面提出了挑战。

1、边缘计算工作量的增长
research在2020年支持了这一点，该研究认为人工智能占物联网开发人员最常引用的边缘计算工作量的30%。对于许多应用程序来说，在云端无休止地复制并启用并行机器学习的服务器机架是不可行的。而人工智能在边缘网络解析图像数据的应用已被证明是一个有着无限潜力的领域。但是，使用物联网设备收集的数据进行事件处理有许多复杂的处理需求。

Conway)表示，基于云端的物联网分析仍将持续下去。但是，数据的远距离传输必然带来处理延迟，因为将数据移入和移出云端会因为往返时间产生滞后。“我们不可能将解决问题的重心放在超过光速上，”史蒂夫说“所以处理数据的层次正在往边缘网络发展。”除了设备和板级实施之外，此层次结构还包括制造中的IoT网关和数据中心，这些扩展了可用于下一代IoT系统开发的架构选项。SAS已经创建了经过验证的边缘物联网参考架构，客户可以在此基础上构建AI和分析应用，这些应用是不可能在云端高效且低成本的进行使用和分析的。所以为了在云和边缘AI之间取得平衡，我们必须要考虑到数据量的规模性，而这就是基于边缘的人工智能处理器在数据发到其他地方之前进行本地处理的意义所在。

3、关于AI边缘芯片的市场竞争力
基于云的机器学习技术的兴起受到高内存带宽GPU兴起的影响。这项成功引起了其他芯片制造商的关注。内部AI专用处理器紧随其后的是超大规模云服务玩家Google、AWS和Microsoft。AI芯片之战使得AMD、Intel、Qualcomm和ARM Technology(去年被NVIDIA收购)等领先企业并驾齐驱。反过来，Maxim Integrated、NXP Semiconductors、Silicon Labs、STM Microelectronics等嵌入式微处理器和片上系统的主流开始致力于将AI功能添加到边缘网络。如今，物联网和边缘处理需求吸引了包括EdgeQ、Graphcore、Hailo、Mythic等在内的AI芯片初创公司。目前，边缘处理还受到限制。Hyperion的Steve Conway强调说，障碍包括可用内存、能耗和成本。

Maxim Integrated公司的微控制器和软件算法业务执行董事克里斯·阿迪斯(Kris Ardis)建议，数据移动是边缘能耗的一个因素。例如，Maxim Integrated公司发布了MAX78000，该器件将低功耗控制器与神经网络处理器配对，可在电池供电的物联网设备上运行，进而节省带宽和通信消耗。与此同时，基于该芯片的单个物联网设备可以为物联网网关提供支持，物联网网关也可以发挥重要作用，将来自设备的数据汇总起来，并进一步过滤可能流向云的数据，以分析整体操作。为简化视觉系统的开发，NVIDIA推出了Jetson JetPack 4.5，其中包括其视觉编程接口(VPI)的首个生产版本。随着时间的推移，边缘的AI开发琐事将更多地由IT部门来处理，而对机器学习有深入了解的AI研究人员将减少处理。

Learning(即tinyML)。这项技术以更低的功耗完成工作并使用有限的内存，实现了以秒为单位的推理速度。缩小神经网络处理的规模是这里的主要目标，并且这些技术有很多种，大家致力于将边缘机器学习的复杂性抽象提取出来。虽然研究的方向是越来越复杂的大规模AI模型，但随着机器学习达到的黄金时段，效率又成了新的关注重心。

在边缘网络中，采用多层神经网络和无监督学习来识别图像的机器视觉技术已成为AI的重要应用案例，位于最靠近数据采集处的智能摄像头通过嵌入式硬件为深度学习增加了处理能力。虽然一些解决方案存在固有的风险，但是高的投资回报率提高了模式识别的应用可行性。所以即使物联网本身具有一定的局限性，但是借助人工智能和机器学习、深度学习，物联网将会被普及并且被赋予更高的价值。

华为今年密集开技术发布会发布的芯片有好多分类，请问华为的战略目的到底是什么？