2021年12月16日，由中国汽车工程学会和中国智能网联汽车产业联盟联合主办的2021第三届国际汽车智能共享出行大会在广州花都开幕。寒武纪行歌执行总裁、前麦肯锡董事合伙人王平以《高等级自动驾驶芯片技术现状和趋势》为题发表了演讲。
王平
王平指出，自动驾驶芯片发展遇到的挑战需要芯片企业和企业一起来克服。“不仅仅是一个单车的算力，它还要跟云端、路侧和车上其他的终端来进行协同。”
以下为演讲实录：
非常谢谢主办方的邀请，能够代表自动驾驶芯片企业做这样一个交流。
人工智能推动汽车智能化可以表现在三个方面：智能座舱、智能驾驶、车路云协同。
今天早上包括李克强院士也分享了非常精彩的观点，寒武纪行歌致力于在自动驾驶和母公司寒武纪一起在智能汽车和“车路云”协同方面做出贡献。智能汽车对于算力提出了越来越高的要求。最新发布的一些车子，比如一体机和智己，他们已经把算力放到了100tops以上，现在特别是智能电动汽车放了很多传感器、摄像头、激光雷达，那么这样导致数据量大幅提升；另一方面，自动驾驶的算法也是更加复杂，客观上也要求更高算力的芯片。
那我们看到了一个行业的趋势，我们是这样看的，我们认为有两个大特点：大算力、通用性。过去L1和L2时代，数据量是比较小的，算法也是相对比较简单的。那在这个阶段可能以Mobile2为主的主流厂商是提供一揽子的黑盒子方案给OEM。这种场景下，OEM不能做OTA的升级。往前走进入L2+L3甚至L4时代，刚才提到了上周DIANA在德国拿到了L3高速下的许可，开始第一例进入L3的时代，汽车数据的数量更加复杂，更加需要大算力的芯片。
同时由于OTA的加速普及，像特斯拉包括国内新势力的汽车企业都已经在推进OTA，硬件预埋，软件和算法可以在后续不断地去更新，可以不断地去升级我们的软件。在这个阶段，以英伟达为代表的国际厂商推出了通用的大算力芯片，所谓的通用性就是各个主机厂和算法公司在此基础上可以进行自主算法升级。所以自动驾驶主控芯片有两大发展趋势：大算力、通用性。
那么要做大算力和通用性的自动驾驶芯片其实是非常不容易的，我们认为有四大方面的挑战：
第一，芯片的系统架构非常复杂。200T以上大算力的芯片要求非常高，需要支持超大的带宽，这样的结构相对来讲是更加复杂的，国家在这方面的人才储备也是不够的。
第二，通用的AI软件战。我们这个算法是要不断地去升级和完善的，只有通用的AI软件站才能支持不同的算法和不同的主体，OEM和算法公司对它进行升级。
第三，大尺寸芯片工程的挑战，大算力芯片的尺寸更多，对于后端封装设计、电源和热设计、量产成本控制压力很大。因为它良率的挑战是非常大的。比如200tops这样大尺寸的芯片需要7nm先进的工艺，国内来说还没有7nm先进的车规级工艺。
以上几个挑战是我们要和企业一起来克服的，领先的车企开始部署云边车端，云端、车端、边端和终端来协同计算的能力，不仅仅是一个单车的算力，它还要跟云端、路侧和车上其他的终端来进行协同。特斯拉发布了打造全球算力最强的计算中心，来帮助他进行自动驾驶算法的训练。
简单汇报一下寒武纪和行歌在做的一些工作，寒武纪布局了全算力的人工智能芯片，从IP的终端授权给终端的手机等等，给他们授权。边缘端有路侧的芯片、云端加速卡和云端加速器，我们的特点是云边端的全系列覆盖，在云边端采用了统一的架构和指定级，也采用了统一的开发平台。这样的好处是什么呢？当我们需要采用云、边、端协同的时候，我们的软件算法呢，比如在云端训练的算法是可以以高效率很快Deploy到中端。
行歌是寒武纪的子公司，是今年成立的，我们的使命是用AI赋能来实现安全、快乐、低碳的出行。我们的路线图：希望明年推出超过20T的SoC产品（自动驾驶主控芯片），这也是国内第一颗。按照目前的性能要求，这颗芯片将超过英伟达的Orin，是国际最先进的芯片，计划于2022年下半年进行流片，2023年通过整个车规级的认证，在2023年底和2024年大概会上车。2024年会进一步退出超过500T的大算力的SoC芯片，继续走在全国的前列。
刚才我介绍到，2022年会推出的超过200个T的芯片会采用7nm的工艺，会达到车规级的要求，具有独立的安全岛，也借用包括寒武纪已有成熟的软件工具链。最后寒武纪和行歌还将推动云、边、车的协同。基于云端有云端大算力的数据中心的芯片；在路侧也有边缘端的芯片；同时车上基于行歌开发的自动驾驶芯片，这些会形成协同的感知、数据的融合，我们在云端训练的数据和模型可以非常快地发送到车端，实现OTA的升级，由于它们都采用统一平台级的基础软件，采用统一的处理器和指令级。
寒武纪行歌希望在自动驾驶用AI赋能，实现安全、快乐、低碳的出行，谢谢大家！
在Google I/O 2016的主题演讲进入尾声时，Google提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。根据TPU团队主要负责人介绍，TPU专为Google机器学习应用TensorFlow打造，能够降低运算精度，在相同时间内处理更复杂、更强大的机器学习模型并将其更快地投入使用。Google数据中心早在一年前就开始使用TPU，其性能把摩尔定律往前推进到7年之后。之前打败李世乭的AlphaGo就是采用了TPU做了运算加速。根据Google所言，TPU只在特定应用中作为辅助使用，公司将继续使用CPU和GPU。并且Google并没有对外销售TPU的打算。因此，TPU虽好，但仅限Google内部，而且即便使用TPU，也是用作辅助CPU和 GPU。谷歌并没有公布TPU是怎么设计的，因此似乎很难对其一探究竟。不过，要知道谷歌的TPU并不是什么黑科技，只不过是正常的一款专用加速芯片。而且，这也不是世界上第一款用来做深度学习的专用芯片。IBM和我国中科院其实都有类似成果。IBM 在2014年研发出脉冲神经网络芯片TrueNorth，走的是“类脑计算”路线。类脑计算的假设是，相似的结构可能会出现相似的功能，所以假如用神经电子元件制造与人脑神经网络相似的电子神经网络，是否可能实现人脑功能呢？这其实有点像人类研究飞行器的过程。我们都知道鸟会飞是因为有翅膀，人没有。所以假如给人也弄一对翅膀，人是不是也能飞？早先人类其实有这么一个探索过程。如今人类要探索大脑，但是大脑何其复杂？IBM的这款芯片就是通过打造类脑的芯片架构，来期望得到大脑同样的功能，就算达不到，能模拟一下也很有意义。大意如此，当然实际上复杂多了。目前这款芯片理念很超前，还处于深入研究阶段，算得上是黑科技。今天要重点讲的其实是中科院的这款“寒武纪”芯片。2016年3月，中国科学院计算技术研究所发布了全球首个能够“深度学习”的“神经网络”处理器芯片，名为“寒武纪”。该课题组负责人之一、中科院计算所陈天石博士透露，这项成果将于今年内正式投入产业化。在不久的未来，反欺诈的刷脸支付、图片搜索等都将更加可靠、易用。下图是“寒武纪”的芯片板卡。 之所以重点讲，是因为Google的TPU芯片并没有公开设计细节，连是谁代工的都没有公开。但是同样作为深度学习的芯片，有理由相信中科院的“寒武纪”与Google的TPU在设计理念上是相同的。在讲这个之前，先简单科普一下人工智能和深度学习。1981年的诺贝尔医学奖，颁发给了David Hubel和Torsten Wiesel，以及Roger Sperry。前两位的主要贡献是，发现了人的视觉系统的信息处理是分级的。如下图所示：从原始信号摄入开始（瞳孔摄入像素），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判定眼前物体的形状，比如是椭圆形的），然后进一步抽象（大脑进一步判定该物体是张人脸），最后识别眼前的这个人。而深度学习（Deep Learning），恰恰就是模仿人脑的机制来解释数据。通过组合低层特征形成更加抽象的高层特征（或属性类别）。例如，在计算机视觉领域，深度学习算法从原始图像去学习得到一个低层次表达，例如边缘检测器、小波滤波器等，然后在这些低层次表达的基础上，通过线性或者非线性组合，来获得一个高层次的表达。此外，不仅图像存在这个规律，声音也是类似的。比如，研究人员从某个声音库中通过算法自动发现了20种基本的声音结构，其余的声音都可以由这20种基本结构来合成！对于深度学习来说，其思想就是堆叠多个层，上一层的输出作为下一层的输入。深度神经网络由一个输入层，数个隐层，以及一个输出层构成。每层有若干个神经元，神经元之间有连接权重。每个神经元模拟人类的神经细胞，而结点之间的连接模拟神经细胞之间的连接。当然了，以上这些原理都不是重点。我们只需要明白深度神经网络模拟了大脑的神经网络，上图的每个圈圈都类似大脑的一个神经元。通过采用专用芯片进行神经元的运算加速，相比于采用CPU这种通用运算器，可以大大提高神经网络的性能。根据“寒武纪”芯片的介绍，它可以一条指令完成多个神经元的并行处理。据此推断，Google的TPU很有可能也是这么设计的，也就是说，支持一条指令完成神经元的多次计算。“寒武纪”专用处理器还有配套的指令集，叫Cambricon。我们知道，指令集乃是一个处理器架构的核心。知道了一款处理器实现了哪些指令，其实也就知道了这款处理器适合做什么，也大概知道了这款处理器的硬件设计。Cambricon指令集的特点是单指令可以做完一次向量或矩阵运算，因此假如我们知道了深度学习的具体算法，那么其实也就知道了每个神经元可以规约为何种向量或矩阵运算，其实也就推断出了Cambricon的指令集。以此类推，如果我们知道了Google的深度学习算法，假设也是每条指令实现多个神经元相关的向量或矩阵运算，那么其实也能推断出TPU的指令集。这种假设应该是很有道理的，毕竟把一个神经元的计算打包成一条指令，是非常科学合理的专用加速器设计方案。可以看到，整个系统连接了两块图像传感器，传感器采集到的图像通过Camera Serial Interfaces（CSI）接口连接到Video pipeline处理单元，进行Bayer重建、白平衡、降噪、压缩等等图像处理。而ShiDianNao则在该系统中进行深度学习的模式识别，它内部实现了一个深度神经网络，经训练之后具有类似人类大脑一样的识别能力，可以从图像中识别出有一只猫，然后将识别出“猫”的信息通过GPIO/I2C接口输出给主机。整个系统用一款微处理器做控制，协调各个部件的运行。整个系统的数据存储，使用了256KB的SRAM，为了节省功耗，并提高性能，并没有使用DRAM。下图给出了ShiDianNao处理器的深度神经网络的架构。根据文献介绍，NBin是输入神经元的缓存，NBout是输出神经元的缓存，SB是突触的缓存。核心部件是NFU（neural functional unit）单元，它负责实现一个神经元的功能。ALU是数值运算单元，IB（decoder forinstructions）是指令译码器。之前讲过，深度神经网络加速芯片的最大特点就是单指令可以完成多个神经元的计算。因此神经元计算单元的实现，就是这款加速芯片的核心。根据文献介绍，每个NFU又是一个阵列，包含一堆PE单元。每个NFU单元实现了16bit x 16bit的定点整数乘法，相比于浮点乘法，这会损失一部分运算精度，但是这种损失可以忽略不计。由此，我们就自上而下的看完了整个ShiDianNao的架构设计。由于Google并没有公布TPU的设计，中科院和寒武纪公司亦没有公开商用的寒武纪芯片的具体架构，因此我们只能大概根据中科院前些年与法国和瑞士的合作者在学术界公开发表的ShiDianNao架构进行推断（我们假设寒武纪商用芯片和前些年的学术工作ShiDianNao在架构上有一脉相承之处，毕竟中科院计算所陈天石团队的成员都是主要架构师或论文的第一作者）。根据ShiDianNao架构的论文描述，结合之前的论述，我们可以大致得出以下猜测：（1）Google的TPU很有可能也是单指令完成多个神经元的计算。（2）知道了Google的机器学习算法，就可以推断出TPU支持的指令集。（3）根据Google对TPU的描述“能够降低运算精度”，猜测TPU内部可能也是采用更低位宽的定点或浮点乘法，虽然具体位宽未知。（4）乘累加单元搭建的向量或矩阵指令仍然是基础运算的核心。（5）Google强调TPU有领先7年的性能功耗比（十倍以上的提升），据此猜测，TPU可能也没有使用DRAM做存储，可能仍然使用SRAM来存储数据。但从性能功耗比提升量级上看，还远未达到专用处理器的提升上限，因此很可能本质上采用的是数据位宽更低的类GPU架构，可能还是具有较强的通用性。
（文/观察者网 吕栋）在距今大约5.3亿年前的寒武纪时期，地球上在2000多万年的时间里突然涌现出各种各样的生物，一系列与现代动物形态基本相同的物种来了个“集体亮相”。而在此之前，更为古老的地层中却长期没有找到动物化石，这一时期史称“寒武纪生命大爆发”。
5.6亿年前寒武纪出现的最有代表性的远古动物——三叶虫。图源：视觉中国
现如今，“寒武纪生命大爆发”仍然是古生物学和地质学中的一大悬案，更是困扰着包括达尔文在内的学界大佬。然而，当我们此刻在搜索引擎中输入“寒武纪”这三个字时，排在输出结果第一位的已不再是那个困扰科学界的谜题，而是一家人工智能芯片领域的 科技 公司。
值得注意的是，最近几年，国内涌现出不少初创AI芯片设计企业，它们在吸附大量一级市场资金后，一方面互相激烈竞争，另一方面还不得不面对来自巨头的压力。在该领域，不仅有英特尔、英伟达等芯片行业传统巨头，也有华为、阿里等跨界选手，无一不对这块蛋糕“垂涎三尺”。
而寒武纪正诞生于上述背景中。
一个月前的2月28日晚间，北京证监会官网发布消息，2019年12月5日，中科寒武纪与中信证券签署A股上市辅导协议，正式开启冲刺科创板的进程。
而3月26日上交所官网显示，创办刚满4年的寒武纪上市申请已获受理。短短几个字，意味着该公司距登陆科创板又近了一步，同时也再次将其置于舆论的放大镜下。
市场普遍认为，如果寒武纪成功登陆科创板，将成为毫无悬念的“AI芯片第一股”。
残酷的现实便是，中国集成电路进口额长期大于出口额。官方数据显示，2019年中国集成电路进口总额为3055.5亿美元，而出口仅1015.8亿美元，进出口比例为3:1，时代也在期待中国芯片领军者。
而该公司以“寒武纪”给自己命名，寓意“AI大爆发”，并以“全球智能芯片领域的先行者”作为自己定位，既彰显了几分神秘又凸显了其“野心”。
别人眼中的学霸
提起寒武纪，就不得不提其创始人陈云霁和陈天石这两兄弟。
哥哥陈云霁1983年出生，两年后弟弟陈天石出生，江西南昌人。与大多数年过而立、尚未不惑的同龄人相比，他们可以说已有所成就。
1月16日，陈天石刚以寒武纪CEO身份成为2019年中国科学年度新闻人物十人之一，而陈云霁早已从前辈手中接过2017年度 科技 创新人物奖。
不少人好奇，这对来自江西的“双子星”，缘何既能读书出色，又能在创业后搞出一个“独角兽”。
履历显示，陈云霁9岁上中学，14岁便考入中国科大少年班，24岁取得中科院计算所博士学位，29岁晋升为研究员，33岁获得中国青年 科技 奖和中科院青年科学家奖。
小两岁的陈天石，几乎是沿着哥哥的脚步一路从中科大少年班追到了中科院计算所。他16岁考入中科大少年班，25岁在中科大计算机学院拿到博士学位，指导导师是陈国良和姚新。
事实上，这对别人口中的学霸，在他们自己看来并非“模范兄弟”。
陈云霁曾提到，两人小时候常打架，长大后一言不合就吵起来，要不是有血缘关系早就闹崩了。不过，两人最终还是会让道理来说话。
在接受媒体采访时，陈云霁曾透露，“和很多人想象的不太一样，我并不是学霸。相反，多数时候都是一个学渣。”而且他讲到，在19年的学习生涯中，不但考第一名的次数不多，还常在班上排名倒数。
2002年，19岁的陈云霁已经在中科大少年班度过了第五个年头。酷爱 游戏 的他对于自己的课业成绩并不太在意，而是把《星际争霸》当做主课来修。他曾坦言，“挂科的压力一直是悬在头上的剑，但是科大的老师对于我们这些调皮的孩子非常包容，给了我们很大的空间去成长。”
当年，即将本科毕业的陈云霁听说中科院计算所在研制中国第一块通用CPU芯片“龙芯1号”，希望能拜师计算所胡伟武老师，于是报考了中科院计算所的研究生。
这家始建于1956年的研究所，是中国第一个专门从事计算机科学技术综合研究的学术机构。从这里走出的包括联想控股、龙芯中科、中科曙光等，均为中国信息技术产业中的知名企业。
2017年，陈云霁接受采访时曾开玩笑称，在他之前，中科院计算所从来没有招过像他本科成绩这么差的学生。但是，胡伟武看到他玩《星际争霸》的表现，认定他有科研潜力，便力排众议将他录取。
“Work hard，play harder！胡老师就是看中了我这一点。” 陈云霁当时说。
估值超220亿
事实证明，陈云霁确实没有辜负胡伟武的期望。
博士毕业后，他留在了中科院计算所龙芯团队，在胡伟武的指导下成为8核龙芯3号的主架构师。他还与胡伟武合著了《计算机体系结构》，并在2008年开发龙芯3号的过程中完成了一篇重量级的论文。
不仅如此，陈云霁向胡伟武引荐了另一位“高徒”，他的弟弟陈天石。
与做硬件芯片出身的陈云霁不同，陈天石的研究方向是人工智能，专注于软件算法。 在博士毕业后他也加入了中科院计算所，这为后来两个人一起设计出“让计算机更聪明”的专门神经网络处理器埋下了伏笔。
时针拨回到2010年，当时国内人工智能芯片尚处于较冷阶段。
根据公开报道，在计算所汇合后，陈氏兄弟也曾就职业发展探讨了好长时间，最后认定有两件“非常好玩的事”可以做：一是用AI辅助做处理器的设计，另外一个就是做AI芯片。
起初，陈天石在向计算所领导汇报想做AI芯片时还曾拿自动驾驶举例：“大家很早就在说有一天机器会替代人开车，但如果开车的机器人在做模式识别的时候速度不够快，那么这个车就完全没有让机器开的理由。所以，它一定需要很强的车载运算能力。”
2015年，早在寒武纪公司成立之前，在中科院战略性先导专项和中科院计算所的支持下，陈氏兄弟主导的世界首款深度学习专用处理器原型芯片——“寒武纪”首次成功流片。
之所以取名为“寒武纪”，是想用地质学上生命大爆发的时代寓意人工智能的未来。
次年春天，谷歌的AlphaGo“一战成名”，人工智能在全世界范围内再次掀起波澜，国内对人工智能的重视也达到前所未有的高度。不仅如此，2017年以及之后的两会中，人工智能也成为关键词之一。
而陈氏兄弟的研究也赶上了好时候。
2016年，全球首款可商用的深度学习处理器“寒武纪1A”处理器问世，寒武纪 科技 公司也正式成立于当年3月，其数千万的天使轮融资也正是来自中科院。
值得一提的是，性格的不同也让陈氏兄弟在公司拥有不同的角色。
陈云霁在公司职务上更偏研究，思考技术路径相关的部分，很少挂寒武纪头衔，多以“中科院计算所研究员”示人。
据陈云霁透露，他的性格偏外向、胆子大，喜欢做一些天马行空的事情，更适合搞科研。
而弟弟陈天石比较慎重，每走一步都会想好可行性，能规避产业发展中的“坑”，适合带领一个企业往前冲。
所以陈天石总以寒武纪创始人、CEO的身份出现在公众视野。
根据公开报道，除陈氏兄弟外，寒武纪团队成员不仅囊括了中科院技术精英，也有中国首个通用CPU“龙芯1号”的核心参与人员。
具体奋斗目标上，他们希望让AI芯片计算效率提升1万倍，功耗降低1万倍，可以把“AlphaGo”这样的领先AI应用装入手机中。
不过，“天才少年”也曾被人吐槽。
根据中国科学报报道，在寒武纪最开始募资的时候，其团队也曾碰钉子，有人吐槽他们“PPT做得差”，边吐槽边教育，“小伙子你这样是融不到钱的”。
招股说明书显示，在公司成立之后，寒武纪共经历了6次增资和3次股权转让。
2017年8月，该公司完成估值10亿美元的A轮融资，国投创业领投，阿里巴巴、联想创投、国科投资、中科图灵、元禾原点和涌铧投资等参投，使得寒武纪成为全球AI芯片领域首家独角兽公司。
不到一年之后的2018年6月，寒武纪宣布完成数亿美元B轮融资，国有资本风险投资基金、国新启迪、国投创业、国新资本等联合领投，该轮融资后的寒武纪估值约为25亿美元，距离一年前的10亿美元翻了一番还多。
正是在此时，陈天石对外透露了公司上市动向：“未来倾向于考虑在境内A股上市”。
在此之后，寒武纪的估值便不得而知。根据招股书，2019年9月13日，寒武纪新增南京招银、湖北招银、国调国信智芯和嘉富泽地等股东；2019年9月16日，陈天石将其所持寒武纪有限2.43%的股权和0.86%的股权分别转让给艾溪合伙和纳什均衡。
这也是寒武纪在上市前最后的增资与股权变动。
根据股权结构，南京招银出资8亿元，获得寒武纪上市前3.61%的股权，纳什均衡受让了0.86%股权，耗资1.8亿元。
据此计算得知，寒武纪在经历6轮融资后估值约221.6亿元。
由于在过去的几轮融资中，国字号背景的投资方居多，寒武纪也因此被市场视为AI芯片的“国家队”。
存银行理财39亿
寒武纪公开的招股书披露，其主营业务是应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售，主要产品包括终端智能处理器IP、云端智能芯片及加速卡、边缘智能芯片及加速卡以及与上述产品配套的基础系统软件平台。
简而言之，人工智能芯片是相对于传统芯片的概念。
目前，AI芯片主要是指GPU、FPGA、ASIC等人工智能加速芯片，主要用于解决人工智能庞大的算力需求。AI芯片的主要应用场景为云计算数据中心与边缘计算，后者包括摄像头 IPC、自动驾驶、手机的Soc等。
纵观处理器芯片市场，通用处理器芯片如CPU、GPU的芯片的壁垒极高，国内仍未实现突破，且通用处理器领域已经发展成熟，目前市场由国际巨头高度垄断，后来者难以竞争。
而AI芯片是全新的市场，进入者有后发先至的可能，寒武纪正是这样的新入局者。
自寒武纪2016年3月成立以来，其先后推出了三大类产品：
招股书中介绍，寒武纪目前采用的盈利模式是“授权+成品”，前者类似ARM，将AI芯片的知识产权（IP） 授权给下游厂商，例如最知名的合作伙伴华为；后者则是寒武纪自己设计，找代工方生产后自行销售。
值得注意的是，IP供应商相比于芯片提供商利润规模并不高。
例如，ARM作为全球领先的半导体IP提供商，本身不直接从事芯片生产。
全球大部分的手机CPU都在使用ARM架构，市占率非常高，但是营收规模却在巨头中比较逊色。2017年ARM核芯片出货量213亿颗，营收才17.8亿美元，净利8亿美元，营收规模还不如国内很多芯片公司。
而处理器龙头英特尔是芯片供应商，2017年营收628亿美元，净利润为96亿美元，收入规模远超ARM。
公开资料显示，人工智能IP仅作为一个加速器芯片模块，价格远比不上ARM IP。
因此，IP研发需要巨大的成本投入，在IP未得到大规模应用情况下，是付出多回报少的“苦生意”。
由于智能芯片研发需要大量资本开支，作为初创公司，寒武纪也年年亏损。
招股书显示，2017年-2019年，其营收分别为784.33万元、1.17亿元、4.44亿元；营收增幅明显，但盈利堪忧，连续三年分别亏损3.8亿元、4104万元和11.79亿元，累计约16亿元。
而巨额亏损主要来自两方面，一是“研发支出较大，产品仍在市场拓展阶段”，二是“报告期内因股权激励计提的股份支付金额较大”。
其也在特别风险提示一栏中醒投资者，寒武纪无法保证未来几年内实现盈利，其上市后亦可能面临退市的风险。
正如寒武纪所言，其巨额亏损确实与研发大量投入有关。
2017年-2019年，其研发投入分别为2986.19万元、2.4亿元、5.43亿元，占营收比例分别为380.73%、205.18%和122.32%，累计投入8.13亿元，相当于三年累计营收的1.43倍。
截至2019年12月31日，寒武纪研发人员有680人，占比接近员工总数的80%；拥有硕士、博士学历的员工有546人，占比超60%。
与此同时，寒武纪的高研发投入也获得了相对可观的回报。
截至2020年2月29日，其已获授权的境内专利有50项，境外专利有15项，此外还有PCT专利申请120项，正在申请中的专利共有1474项。
在研发投入远超营收的情况下，可以说寒武纪目前的营运资金主要依赖外部融资。
招股书显示，2017年-2019年，寒武纪筹资活动产生的现金流量净额分别为4.96亿元、24.05亿元以及17亿元，总计为46.01亿元。
而前述年度下，寒武纪期末现金及现金等价物余额则分别为2.27亿元、13.54亿元以及3.83亿元。不难看出，其消化资金的速度有些惊人。
寒武纪还在招股书中称，由于未来几年将存在持续的大规模研发的投入，上市后未盈利的状态可能持续存在。因此，足够的运营资金对于持续高研发投入的寒武纪显得尤为重要。
招股书显示，寒武纪本次拟发行股份不超过4010万股，不低于发行后总股本的10%，融资28.01亿元，用于新一代云端训练芯片、云端推理芯片、边缘端人工智能芯片及系统项目和补充流动资金。
在持续高研发投入的背景下，寒武纪还要融资28亿，那现在应该很缺钱？
令人惊讶的是，截至2019年末，寒武纪货币资金余额为38.3亿元， 银行理财产品38.9亿元 ，资产负债率为6.68%，且全部为日常经营过程中产生的非付息债务，无银行借款等其他付息债务。
除此之外，寒武纪还有3.8亿元的银行存款。
值得注意的是，作为技术密集型企业，寒武纪的毛利率水平也较高。
2017年-2019年，其综合毛利率分别为99.96%、99.90%及68.19%。其中，终端智能处理器IP业务的毛利在99%以上。针对去年毛利率有所下降，招股书解释称，这是因为这一年拓展了新业务——云端智能芯片及加速卡、智能计算集群系统业务。
分道扬镳
提到寒武纪，不得不提的就是华为。
寒武纪在招股书中提到，其寒武纪1A、寒武纪1H分别应用于某全球知名中国 科技 企业的旗舰智能手机芯片中，已集成于超过1亿台智能手机及其他智能终端设备中。根据公开信息，其指的就是华为。
2017年，华为推出了移动处理器麒麟970，主打AI性能，其搭载的NPU IP就是来自寒武纪；次年的麒麟980，依然选择与寒武纪合作，Mate 10、Mate 20、P20等旗舰机，均搭载了后者的NPU。
作为寒武纪最大客户，2017年-2018年两年间，来自 公司A 的收入一直占其营收比例在98%上下，为其第一大客户。
招股书中提到，2018年 公司A 得到寒武纪授权，将寒武纪终端智能处理器IP集成于其旗舰智能手机芯片中。
艾瑞咨询则在一份报告中称：“仅从搭载麒麟970手机出货量来看，若授权费为5美元/片，则超过4000万台手机出货量为寒武纪带来约2亿美元（折合人民币14亿元）的收入。”
由于和华为的良好合作关系，寒武纪曾在2017年公开表示，计划3年后占有中国高性能智能芯片市场30%的份额，并使全世界10亿台以上的智能终端设备集成有寒武纪终端智能处理器。
不过，事情在2018年发生了变化。
当年10月，华为在全连接大会上发布了升腾910、升腾310两款AI芯片，其采用的是华为自研的达芬奇架构，而非寒武纪的方案。当时，这被媒体解读为“华为要与寒武纪做彻底的切割”，走向独立造芯之路。
次年6月，华为发布的nova 5搭载了中端移动处理器“麒麟810”，这是首款采用华为自研达芬奇架构的手机AI芯片；年底的麒麟990，依然采用的是前述架构，其在AIBenchMark跑分达到了麒麟980的476%。
近日，寒武纪CEO陈天石在接受采访时谈到与华为的合作关系称：其实我们和客户的关系一直挺好。还是我之前的观点，AI芯片大家都做，恰恰说明它重要。
针对华为已经在用自研的达芬奇架构，对其收入有何影响？
陈天石并没有正面回答，只是表示：“我们的收入增长很快，未来希望有机会向大家公开披露我们的财报。”
而寒武纪招股书中的数据显示，来自 公司A 的收入占比已经从2017年98.34%骤降到2019年的14.34%，比2018年大幅减少为6365万元，并从第一大客户降为第四大客户。
众所周知，华为是国内仅有的自研SoC的手机厂商。国内大部分的终端厂商不像华为一样自研AI芯片。
不过，有观点指出，如果寒武纪要进入vivo、OPPO等手机品牌，必须说服芯片供应商采用其产品，难度不小。
因此，寒武纪此后再未提及“三年占领三成市场”的目标。
寒武纪在招股书中称，2018年其终端智能处理器IP许可销售收入同比大幅增长，主要原因系人工智能技术和应用开始普及，采用该公司终端智能处理器IP的终端设备已实现规模化出货，使得其终端智能处理器IP许可销售收入大幅增加。
而2019年其终端智能处理器IP许可销售收入同比下降较大。
招股书中解释称，主要原因系2018年向 公司A 逐步交付了终端智能处理器IP，2019年固定费用模式的IP许可销售收入相应下降。
与此同时，寒武纪在招股书中还将华为海思列为了竞争对手。
寒武纪在招股书中坦言，与英伟达、英特尔、AMD等国际大型集成电路企业相比，其在整体规模、资金实力、研发储备、销售渠道等方面仍然存在着较大的差距。国内企业中如华为海思及其他芯片设计公司也日渐进入该市场，其面临着市场竞争进一步加剧的状况。
耐人寻味的是，寒武纪CTO梁军就出身华为，先后就职于华为公司北京研究所、华为海思半导体公司，于2017年跳槽到寒武纪。目前这位CTO是所有高管中薪资最高的一位，持股也达到了3.2%。
值得注意的是，在市场调研机构Compass Intelligence2018年发布的AIChipset Index TOP24榜单中，英伟达高居第一，华为海思排名12位，而寒武纪则是第23位。
事实上，除了华为，寒武纪的投资方之一阿里巴巴也是其强大的竞争对手，后者在2018年成立了“平头哥半导体有限公司”，整合了中天微系统有限公司和达摩院自研芯片业务。
次年7月，平头哥首颗智能芯片玄铁910发布，采用RISC-V架构瞄准端+云市场， 与寒武纪有高度重合 。
客户、供应商集中度高
“失去”华为的寒武纪，不再单独依赖IP授权，开始转向拓展云端智能芯片及加速卡业务与智能计算集群系统业务。
招股书中提到，2019年其拓展了云端智能芯片和加速卡、智能计算集群业务和相应的新客户，如服务器厂商、云服务厂商、企业和地方政府等，第一大客户销售占比下降，“实现了客户多元化”，已不存在向单个客户销售比例超过公司销售总额50%的情况。
寒武纪在招股书中透露，面向数据中心、云计算、边缘计算、移动终端、智能教育、智能制造、智能交通等多个领域，其已与紫光展锐、智芯微、浪潮、联想、阿里巴巴、百度、滴滴、好未来、金山云等众多国内知名公司分别就一个或多个领域开展深度合作。
2019年11月，寒武纪签下了珠海市横琴新区管理委员会商务局的智能计算平台（二期）项目，该合同总价高达4.4亿，当年直接为寒武纪带来了2亿营收。
另外，寒武纪还与西安沣东仪享 科技 服务有限公司、上海脑科学与类脑研究中心达成了智能集群系统的相关合作。
不过，寒武纪仍然面临着客户集中的风险。
其在招股书中介绍，2017-2019年，前五大客户的销售金额合计占营业收入比例分别为100.00%、99.95%和95.44%，客户集中度较高。若主要客户大幅降低对其产品的采购量或者其未能继续维持与主要客户的合作关系，将给其业绩带来显著不利影响。
据艾瑞咨询测算，芯片销售利润一般在每颗几美金，只有当产量达到千万量级时，芯片定价才能覆盖研发费用和芯片成本。
因此有分析称，作为专用芯片，寒武纪找到如此大规模的特定应用市场并不容易，收入很可能不足以支撑研发，这可能也是寒武纪寻求上市的主要原因。
除此之外，寒武纪采用Fabless模式经营，供应商包括IP授权厂商、服务器厂商、晶圆制造厂和封装测试厂等。2017年-2019年，其通过代理商采购芯片IP、EDA工具、晶圆及其他电子元器件等。
2017年-2019年，该公司向前五名直接供应商合计采购的金额分别为1422.28万元、20315.49万元和36271.17万元，占同期采购总额的比例分别为92.64%、82.53%和66.49%，占比相对较高。
其中，晶圆主要向台积电采购，芯片IP及EDA工具主要向Cadence、Synopsys和ARM等采购，封装测试服务主要向日月光、Amkor和长电 科技 采购，采购相对集中。
寒武纪提到，由于集成电路领域专业化分工程度及技术门槛较高，部分供应商的产品具有稀缺性和独占性，如不能与其保持合作关系，该公司短时间内难以低成本地切换至新供应商。
此外，寒武纪表示，未来若供应商业务经营发生不利变化、产能受限或合作关系紧张，或由于其他不可抗力因素不能与该公司继续进行业务合作，将对其生产经营产生不利影响。
本文系观察者网独家稿件，未经授权，不得转载。
最近，苏州大学材料与化学化工学部的汪胜教授发表了一篇题为“钯纳米粒子修饰纳米多孔碳作为高效的氢气传感器”的论文。在这项研究中，汪胜教授和他的团队使用钯纳米粒子修饰纳米多孔碳，并将其用于制造高效的氢气传感器。这种传感器可以快速且准确地检测到氢气，具有高灵敏度和较低的检测限值。与传统的氢气传感器相比，这种传感器具有更快的响应时间和更高的稳定性。据研究人员介绍，这种高效的氢气传感器具有广泛的潜在应用，例如工业生产中的氢气检测、水处理、化学反应等领域。此外，在环境保护和能源领域中，这种传感器也有很好的发展前景。汪胜教授的研究成果得到了国内外同行的高度评价，有望为氢气传感器的研发和应用提供重要的参考和指导。
最近，苏州大学材料与化学化工学部的汪胜教授团队在高水平期刊《Nature Communications》上发表了题为“Hybrid nanogenerator for simultaneously harvesting sun and rain energy”的一篇论文。该研究团队成功地设计并制备了一种新型的混合纳米发电机，可以同时从太阳和雨水中收集能量。该混合纳米发电机采用了多层结构，包括由半导体纳米线、珍珠岩和碳纤维布组成的柔性基板和由钛酸锶、银、氧化锌和聚丙烯腈等复合材料制成的光电极。在实验中，该混合纳米发电机可以同时输出太阳能和雨能电能，达到了不错的能量转换效率。这项研究的成果具有重要的应用价值，可以在实现清洁能源方面发挥重要作用。该研究还证明了科学家们通过将不同技术结合在一起，可以开发出更加高效的能源转换装置。
近期，苏州大学材料与化学化工学部的汪胜教授在国际重量级学术期刊Advanced Materials上发表了题为“Ultrastrong and Tough Graphene Aerogel Fibers with Hierarchical Architecture”的论文。该论文报道了一种新型石墨烯气凝胶纤维，该纤维具有超强和韧性的特点，并且具有分层结构。这种新型石墨烯气凝胶纤维的制备方法简单易行，所得纤维具有超高的拉伸强度和韧性，并且具有显著的储能能力和超高的导电性能，因此在柔性电子、高强度材料和先进能源储存等领域有着广泛的应用前景。这项研究成果的发表不仅提高了我国在新型高性能材料领域中的国际影响力，而且也为石墨烯气凝胶纤维的制备和应用提供了新的思路。
根据最近的学术报道，苏州大学材料与化学化工学部的汪胜教授团队最近发表了一篇题为“CoCu纳米芯片的反应性气体传感器应用研究”的论文。该研究利用电化学沉积法制备了CoCu合金纳米芯片，并将其应用于反应性气体传感器中。研究显示，在CO2和NH3等反应性气体的作用下，CoCu纳米芯片的电阻率发生明显变化。通过进一步的分析和实验，研究人员得出结论：CoCu纳米芯片可用作一种非常灵敏和准确的反应性气体传感器，并有望在环境检测、医疗诊断和制药生产等领域发挥重要作用。这项研究成果为新型纳米电化学材料的研究开辟了新的思路，对于促进纳米传感器技术的发展也具有重要意义。
集成电路芯片封装技术浅谈 自从美国Intel公司1971年设计制造出4位微处a理器芯片以来，在20多年时间内，CPU从Intel4004、80286、80386、80486发展到Pentium和PentiumⅡ，数位从4位、8位、16位、32位发展到64位;主频从几兆到今天的400MHz以上，接近GHz;CPU芯片里集成的晶体管数由2000个跃升到500万个以上;半导体制造技术的规模由SSI、MSI、LSI、VLSI达到 ULSI。封装的输入/输出（I/O）引脚从几十根，逐渐增加到几百根，下世纪初可能达2千根。这一切真是一个翻天覆地的变化。 对于CPU，读者已经很熟悉了，286、386、486、Pentium、Pentium Ⅱ、Celeron、K6、K6-2 ……相信您可以如数家珍似地列出一长串。但谈到CPU和其他大规模集成电路的封装，知道的人未必很多。所谓封装是指安装半导体集成电路芯片用的外壳，它不仅起着安放、固定、密封、保护芯片和增强电热性能的作用，而且还是沟通芯片内部世界与外部电路的桥梁--芯片上的接点用导线连接到封装外壳的引脚上，这些引脚又通过印制板上的导线与其他器件建立连接。因此，封装对CPU和其他LSI集成电路都起着重要的作用。新一代CPU的出现常常伴随着新的封装形式的使用。 芯片的封装技术已经历了好几代的变迁，从DIP、QFP、PGA、BGA到CSP再到MCM，技术指标一代比一代先进，包括芯片面积与封装面积之比越来越接近于1，适用频率越来越高，耐温性能越来越好，引脚数增多，引脚间距减小，重量减小，可靠性提高，使用更加方便等等。 下面将对具体的封装形式作详细说明。 一、DIP封装 70年代流行的是双列直插封装，简称DIP(Dual In-line Package)。DIP封装结构具有以下特点: 1.适合PCB的穿孔安装; 2.比TO型封装(图1)易于对PCB布线; 3.操作方便。 DIP封装结构形式有:多层陶瓷双列直插式DIP，单层陶瓷双列直插式DIP，引线框架式DIP(含玻璃陶瓷封接式，塑料包封结构式，陶瓷低熔玻璃封装式)，如图2所示。 衡量一个芯片封装技术先进与否的重要指标是芯片面积与封装面积之比，这个比值越接近1越好。以采用40根I/O引脚塑料包封双列直插式封装(PDIP)的CPU为例，其芯片面积/封装面积=3×3/15.24×50=1：86,离1相差很远。不难看出，这种封装尺寸远比芯片大，说明封装效率很低，占去了很多有效安装面积。 Intel公司这期间的CPU如8086、80286都采用PDIP封装。 二、芯片载体封装 80年代出现了芯片载体封装，其中有陶瓷无引线芯片载体LCCC(Leadless Ceramic Chip Carrier)、塑料有引线芯片载体PLCC(Plastic Leaded Chip Carrier)、小尺寸封装SOP(Small Outline Package)、塑料四边引出扁平封装PQFP(Plastic Quad Flat Package)，封装结构形式如图3、图4和图5所示。 以0.5mm焊区中心距，208根I/O引脚的QFP封装的CPU为例，外形尺寸28×28mm，芯片尺寸10×10mm，则芯片面积/封装面积=10×10/28×28=1：7.8，由此可见QFP比DIP的封装尺寸大大减小。QFP的特点是: 1.适合用SMT表面安装技术在PCB上安装布线; 2.封装外形尺寸小，寄生参数减小，适合高频应用; 3.操作方便; 4.可靠性高。 在这期间，Intel公司的CPU，如Intel 80386就采用塑料四边引出扁平封装PQFP。 三、BGA封装 90年代随着集成技术的进步、设备的改进和深亚微米技术的使用，LSI、VLSI、ULSI相继出现，硅单芯片集成度不断提高，对集成电路封装要求更加严格，I/O引脚数急剧增加，功耗也随之增大。为满足发展的需要，在原有封装品种基础上，又增添了新的品种--球栅阵列封装，简称BGA(Ball Grid Array Package)。如图6所示。 BGA一出现便成为CPU、南北桥等VLSI芯片的高密度、高性能、多功能及高I/O引脚封装的最佳选择。其特点有: 1.I/O引脚数虽然增多，但引脚间距远大于QFP，从而提高了组装成品率; 2.虽然它的功耗增加，但BGA能用可控塌陷芯片法焊接，简称C4焊接，从而可以改善它的电热性能: 3.厚度比QFP减少1/2以上，重量减轻3/4以上; 4.寄生参数减小，信号传输延迟小，使用频率大大提高; 5.组装可用共面焊接，可靠性高; 6.BGA封装仍与QFP、PGA一样，占用基板面积过大; Intel公司对这种集成度很高(单芯片里达300万只以上晶体管)，功耗很大的CPU芯片，如Pentium、Pentium Pro、Pentium Ⅱ采用陶瓷针栅阵列封装CPGA和陶瓷球栅阵列封装CBGA，并在外壳上安装微型排风扇散热，从而达到电路的稳定可靠工作。 四、面向未来的新的封装技术 BGA封装比QFP先进，更比PGA好，但它的芯片面积/封装面积的比值仍很低。 Tessera公司在BGA基础上做了改进，研制出另一种称为μBGA的封装技术，按0.5mm焊区中心距，芯片面积/封装面积的比为1:4，比BGA前进了一大步。 1994年9月日本三菱电气研究出一种芯片面积/封装面积=1:1.1的封装结构，其封装外形尺寸只比裸芯片大一点点。也就是说，单个IC芯片有多大，封装尺寸就有多大，从而诞生了一种新的封装形式，命名为芯片尺寸封装，简称CSP(Chip Size Package或Chip Scale Package)。CSP封装具有以下特点: 1.满足了LSI芯片引出脚不断增加的需要; 2.解决了IC裸芯片不能进行交流参数测试和老化筛选的问题; 3.封装面积缩小到BGA的1/4至1/10，延迟时间缩小到极短。 曾有人想，当单芯片一时还达不到多种芯片的集成度时，能否将高集成度、高性能、高可靠的CSP芯片(用LSI或IC)和专用集成电路芯片(ASIC)在高密度多层互联基板上用表面安装技术(SMT)组装成为多种多样电子组件、子系统或系统。由这种想法产生出多芯片组件MCM(Multi Chip Model)。它将对现代化的计算机、自动化、通讯业等领域产生重大影响。MCM的特点有: 1.封装延迟时间缩小，易于实现组件高速化; 2.缩小整机/组件封装尺寸和重量，一般体积减小1/4，重量减轻1/3; 3.可靠性大大提高。 随着LSI设计技术和工艺的进步及深亚微米技术和微细化缩小芯片尺寸等技术的使用，人们产生了将多个LSI芯片组装在一个精密多层布线的外壳内形成MCM产品的想法。进一步又产生另一种想法:把多种芯片的电路集成在一个大圆片上，从而又导致了封装由单个小芯片级转向硅圆片级(wafer level)封装的变革，由此引出系统级芯片SOC(System On Chip)和电脑级芯片PCOC(PC On Chip)。 随着CPU和其他ULSI电路的进步，集成电路的封装形式也将有相应的发展，而封装形式的进步又将反过来促成芯片技术向前发展。
近日，济南量子技术研究院与中国科学技术大学合作，成功研制出国际首个集成化的多通道量子频率转换芯片。该芯片基于逆向质子交换的周期性极化铌酸锂波导（PPLN），实现了多通道光子非线性频率转换，且频率转换过程中保持光子的量子特性不变。该成果由量子探测与波导器件实验室张强教授、谢秀平高工、郑名扬副研究员等人合作完成，论文发表在国际知名学术期刊《Physical Review Applied》上。 近年来，在量子信息技术领域，尤其是单光子成像与远距离量子存储器方面，亟需多通道量子频率转换芯片。为满足研究与应用的需要，济南量子技术研究院开创性的研制了多通道量子频率转换芯片。该芯片由34通道波导及34通道的光纤阵列进行双端耦合封装而成，芯片设计用于1550nm波段单光子信号和1950nm波段泵浦光进行非线性和频。实验表明，各通道的1550nm信号光平均转化效率为60%，可媲美于商用单通道PPLN波导芯片。同时，研究团队利用该芯片研制了阵列式上转换单光子探测器，达到了各通道平均探测效率23.2%、平均暗计数557cps，及相邻通道间隔离度大于71dB的指标。该阵列式探测器在高速量子密钥分发、深空激光通信、单光子成像及激光雷达等领域具有广泛的应用前景。 此外，研究人员利用该量子频率转换芯片成功实现了多通道的差频转换实验，实验表明该集成化芯片将对远距离多模量子存储技术的发展起到重要的推动作用。 该工作得到了国家重点研发计划（2018YFB0504300,2017YFA0303902,2017YFA0304000）、山东省泰山学者工程、山东省重点研发计划项目（2019JZZY010205）、山东省自然科学基金项目（ZR2019LLZ003）、济南高新区管委会的资助的资助。
复旦大学类脑芯片与智能片上系统研究所发表的无线脑机接口芯片设计论文荣获最佳学生论文奖。在实验室里，几只戴着电极帽的老鼠游动自如。同时，实验人员的电脑同步显示彩色波段，鼠大脑发出的极微弱的脑电图信号，这些信号被完全记录下来，所有这一切在于电极盖上芯片。
复旦大学全无线入侵64通道脑机接口芯片模块项目参加第八届中国国际技术进出口博览会。在上海世博会十大热门项目中，认知大脑被誉为生命科学的最后前沿。脑电信号的采集与分析是研究大脑的重要手段，而脑机接口芯片是相关科研仪器的核心部件。在过去的几十年里，中国已经成为一个世界工厂，在技术应用方面处于世界领先地位。但我国在底层核心技术的研究，包括材料、制造装备等领域，与国外仍有差距，原始创新能力不足。
信息时代硅基半导体芯片性能持续飞速提升，世界范围的网络化、数字化和智能化打造了坚实的硬件基础。回顾我国在芯片研发领域的成长，一路走来确实是十分不易的。随着芯片制造工艺在纳米尺度逐渐逼近物理极限，碳基纳米材料具备独特的电学、力学和光学特性，同等工艺水平下制作的碳基芯片，在性能和功耗方面都将比硅基芯片有明显改善。
随着移动终端的发展，PC终端正在衰落。由于我国起步较晚，世界上许多关键技术阻碍了我国的技术进步，要想赶上国际先进水平是一个巨大的挑战。如果能开发出更快的芯片，更快的计算能力将成为现实。这不仅可以促进芯片产业的进步，也可以促进人工智能和认知计算的发展。虽然目前的石墨烯技术还存在不足，但在未来，这项技术可能会给芯片及相关产业带来革命性的变革。
我个人觉得这个研究对于芯片业肯定是有非常大的帮助的，因为我觉得这种脑机芯片是非常有利于占领市场的。
《数字化用户》《数码世界》《电脑迷》见刊都是比较快的
《中国集成电路》、《郑州工业大学学报》。中国集成电路杂志《中国集成电路》杂志是由工信部主管，中国半导体行业协会主办的全国性专业电子刊物，因此是混合集成电路可投稿的核心期刊；郑州大学学报工学版创刊于1980年，原名《郑州工业大学学报》，是郑州大学主办的国内外公开发行的综合性学术期刊，双月刊，混合集成电路可以投稿至这个期刊。
审核比较快的期刊，这个其实没有多快的，都是比较慢的，都是在3-4个月左右，慢的有的得5-6个月，也是有的。快的可能是2个月吧。这个也没有一个期刊名单说哪个期刊审核比较快，不是说二区三区的就审核慢，四区的就审核快，不一定的，不同的刊物不一样的。如果你着急发表，去淘淘论文网上看下，那边有一些可以相对快一点发表，也只是相对快而已。
出刊比较快的计算机期刊如《电脑知识与技术》，安徽出版集团主管，比较正规的省级期刊，一般投稿录用后3个月左右就可以出刊。
如今直上银河去,同到牵牛织女家.
微电子领域高质量杂志：器件方向：1. IEEE electron device letters2. IEEE Trans electron devices3. IEEE Trans power electronics(电路也可投，几年来IF很高)4. Solid-State Electronics5. Microelectronics Journal6. 器件领域的顶级会议：ISPSD和IEDM，每年汇聚全球知名器件领域的研究人员和业界人员参会。电路方向：知道的比较少，ISSCC（IEEE International Solid-State Circuits Conference）是世界学术界和企业界公认的集成电路设计领域最高级别会议，被认为是集成电路设计领域的“世界奥林匹克大会”。在该会议发表文章的人具有不小的影响力。工艺方向： 既可在器件的杂志如EDL、TED发表，也可在材料、物理类期刊上看到。IEEE Trans material reliability，Applied Phys. Letter, Physical Review，Microelectron Reliability 等等。
核心期刊价格太高了，奖学金评定国家级就够了，如果是9月评定的话你现在要抓紧了，因为高校要求必须在知网等数据库上可查，从文章录用到网上收录都需要两三个月时间，我这边有半导体芯片相关的期刊，联系我吧。
《半导体器件应用》电子刊，主办单位：大比特资讯机构（big-bit）承办单位：半导体器件应用网这个是跟半导体相关的，看看用不用得着。