前言
受惠於ChatGPT帶來的AI浪潮，科技巨頭亟欲開發自有的AI模型及資料中心，對於高階晶片的需求快速上升
本系列會解析相關的半導體產業首先介紹晶片生產的產業鍊，以下會依三部份進行介紹：上游【IC設計】、中游【IC製造】、下游【IC封測】
關於產業的基本介紹可以參考下圖，圖片引用自股感：
需求的變化
前幾年手機市場尚未飽和，設計手機晶片的公司如高通、聯發科每年都有很好的獲利及成長性
但隨著手機市場的飽和，生成式AI的出現，市場預測高速運算（HPC）成為半導體類股的主軸
GPU IC設計公司
GPU的串連能夠得到強大的算力，前幾年虛擬貨幣盛行時，GPU價格也因為挖礦需求水漲船高
據傳ChatGPT即是由上萬顆NVDIA設計的A100晶片串連而成，其他企業如欲訓練自己的AI模型，也會考慮跟NVDIA/AMD購買GPU晶片
1.NVDIA
- 設計世界上最快的GPU晶片
- 著名的晶片如 A100 和 H100，以及最新整合 CPU 和 GPU 的 Grace Hopper 晶片
2.AMD
- NVDIA的競爭對手，推出MI300晶片，以性價比為賣點
- 需要關注其銷售狀況，未來可能成為NVDIA的挑戰者
ASIC IC設計公司
ASIC 是客製化晶片，專用性強，好處是特定運算下水準高於 CPU、GPU、FPGA，壞處是但若運算需求改變，則需重新設計客製
- Apple
- 最著名的ASIC晶片公司，最早設計用於iPhone的A系列晶片、用於MAC的M1/M2晶片，放棄Intel晶片，從軟硬體的整合，在有限的規格達到最佳的效能
- 2023/06推出Apple Vission Pro，以極佳的虛實整合體驗重新激發人們對未來的想像，其中裝置了M2晶片
- Meta
- 設計AI晶片（MTIA），用於AI推薦系統，提供更貼近FB、IG使用者的推薦內容，事實上Meta長年研究於推薦系統，對於算力的需求與時遽增
- 設計影音晶片（MSVP），影音分析系統，以分析將來快速成長的影音內容
- Tesla
- 設計晶片用於自駕車系統，自駕系統跨及影像處理、即時運算、路徑規劃，其核心可分為四個模組：感知、預測、規劃以及控制
- 隨著各家大廠轉向開發電動車，而電動車走向AI化，AI運算晶片會是決定企業競爭力的關鍵
- Amazon/Microsoft/Google
- 資料中心則是提供企業 【運算】、【儲存】、【資料庫】、【網路】等雲端運算核心的服務，讓企業將基礎建設維運的成本外包給以下公司
- Amazon(AWS)：全球的客戶有 Netflix、Airbnb、可口可樂、三星、BMW 等，因為 AWS 在市場的歷史悠久，其客戶從航空、農業、汽車、電腦與電子業，到金融、零售、電信、觀光旅遊業
- Microsoft(Azure)：AWS 在全球的客戶有 GNC、HP、3M、Linkedin、Toyota 等。Microsoft 執行長 Satya Nadella 曾在 2020 年的演說自豪地表示，Fortune 世界 500 大公司中有 95% 都是 Azure 的客戶
- Google(Google Cloud Platform)：Google 搜尋引擎和 YouTube 和 GCP 採用的是一樣的基礎設施，而 GCP 的客戶有 PayPal、eBay、Twitter、P&G、ASML、匯豐銀行、家樂福、17LIVE、91APP 等
參考自：AWS vs Azure vs GCP — 比較 3 大雲端供應商的差異、優點與特色
