芯片不良率如何归集成本具体介绍如下：

芯片的硬件成本构成

芯片的成本包括芯片的硬件成本和芯片的设计成本。

芯片硬件成本包括晶片成本+掩膜成本+测试成本+封装成本四部分（像ARM阵营的IC设计公司要支付给ARM设计研发费以及每一片芯片的版税，但笔者这里主要描述自主CPU和Intel这样的巨头，将购买IP的成本省去），而且还要除去那些测试封装废片。

用公式表达为：

芯片硬件成本=（晶片成本+测试成本+封装成本+掩膜成本）/ 最终成品率

对上述名称做一个简单的解释，方便普通群众理解，懂行的可以跳过。

从二氧化硅到市场上出售的芯片，要经过制取工业硅、制取电子硅、再进行切割打磨制取晶圆。晶圆是制造芯片的原材料，晶片成本可以理解为每一片芯片所用的材料（硅片）的成本。一般情况下，特别是产量足够大，而且拥有自主知识产权，以亿为单位量产来计算的话，晶片成本占比最高。

置身事内：腾讯的造芯之路

建议是这样的，电子元器件行业平均的不良率水平达到多少？

150-300PPM

具体是开箱不良率有多高？和售后不良率多高？

300PPM。

然后按不良率赔给客户赔多少？怎么赔？

建议如果发生类似情况的话，可以协调退货或者换货，至于怎么赔应该看给客户造成的情况而定，这些条文的东西根据客户的要求可以签订文本协议，本着互利互惠的态度，不良率问题，其实个人提供的数据比较苛刻针对一些汽车类、工控类的客户， 我跟你是同行。

哈弗有几个生产基地，哈弗两大生产基地面临停产

事后想来，芯片验证工程师Lynda觉得进腾讯有点“草率”了。

作为一个在半导体行业工作过多年的资深工程师，Lynda第一次看到腾讯发布芯片岗位需求时，略感到一丝惊讶。2019年1月她带着好奇加入这家互联网大厂，准备撸起袖子，大干一场。

面试时，主导芯片设计工作的Henry给她打过一剂预防针：“我们是从零开始做芯片。”Lynda试图代入鹅厂一贯的低调来理解这句话，但随即便在第一天上班时被跟同事的对话震到了：

-“我们的仿真工具呢？” -“没有，还在谈。”

-“验证环境怎么说？” -“还……没有。”

-“那……验证流程呢？-“这个……也没有。“

对于一个芯片验证工程师来说，仿真工具、验证环境、验证流程就是必备的生产力工具。Lynda想全程参与芯片研发业务，倒不怕从头开始，只不过没想到连这些必备品都能 “三无”。

当一家互联网公司投身半导体时，工具的欠缺还不是最紧要的。“造芯”不仅是业务的简单延伸，它往往意味着更复杂的产业链、更耗时的人才沉淀、以及更迥异的生态文化和技术理念。

比如芯片研发不像软件开发尚可后期不断改bug，设计问题没被前期验证发现，一旦流片就只能沦为一块“砖头”。而Lynda所担任的验证工程师，就是防止前期努力打水漂的守门员。

这个岗位的重要性不言而喻，设计工程师与验证工程师的比例在很多芯片公司会达到1：3。但Lynda入职后环顾四周，发现不仅自己只有一个并肩作战的同事，连验证的代码也一行都没有。

这时候，Lynda才开始明白Henry口中的“从零开始”意味着什么，以及她面临着怎样一场艰难的战役。

01

雄关如铁，出师未捷

在腾讯云副总裁、云架构平台部总经理谢明看来，“从零开始”的背后还有更多的曲折故事。

谢明所在的云架构平台部，站在腾讯各类前端应用的身后，是腾讯海量业务数据冲刷的前线，有效支撑了QQ、邮箱、微信、微云、流媒体视频等一个又一个的国民级应用。

2013年，QQ相册已经发展成腾讯最大的一个存储类业务。让用户访问相册的速度更快、体验更顺滑，成了一个很急迫的需求。转化成相应的技术问题，就是图片能否更快地转码？能否在不损画质的情况下压缩？能否以更低的成本存储？

他们反复地追问。

团队深刻地明白底层技术创新对上层应用的放大价值。软件架构上固然要永远不停歇地进行自我超越，但他们敏锐地察觉到，只有在硬件上也作出创新，才能实现更深层次的突破。

问题是：一个做软件出身的团队，怎么去做硬件？

一圈研究之后，他们决定先拿FPGA（可编程阵列逻辑）试水。跟我们平时电脑和手机里的通用芯片相比，FPGA是一种专用集成电路（ASIC），能够实现灵活的“半定制”开发。

FPGA相比起芯片容错率高，但在吞吐率、延迟、功耗和灵活性等维度上都很平衡。尤其是在处理海量数据时，FPGA相比GPU具有超低延时的显著优势，很适合用在特定的业务场景。

事实验证了这种判断。2015年，团队集中力量研发的图片编码FPGA，取得了比CPU编码和软件编码更高的压缩率和更低的延时，也帮助QQ相册很大程度上降低了存储成本。他们看到了在FPGA方向 探索 和深入的可能性。

2016年前后，由Alpha Go引爆的AI热潮更把FPGA拉入了主流视野。团队通过FPGA对深度学习模型的CNN算法进行加速后，处理性能达到通用CPU的4倍，而单位成本仅为1/3。

FPGA效果虽好，但技术门槛比较高，“如果把FPGA云化，是不是一个能够扩大应用的解决路径？”

带着这样的期待，2017年1月20日，腾讯云推出了国内首款FPGA云服务器，希望以云计算的方式，将FPGA能力推广到更多企业。

从效果上来说，在FPGA云服务器上进行FPGA硬件编程的企业，确实能将性能提升至通用CPU服务器的30倍以上，而只需支付相当于通用CPU约40%的费用。以一家著名的基因检测公司为例，传统用CPU需要检测一周的基因序列，FPGA可以压缩到数小时完成。

然而云化后的FPGA，没能如预期般迅速席卷整个行业。

一方面，FPGA毕竟是一种“半定制”的电路，许多企业还是无法独立胜任FPGA开发，需要更加上层的服务；另一方面，通用芯片成本的迅速下降，也让FPGA的性价比优势逐渐丧失。

云端商业化的受挫泼来一盆冷水，把团队的热情从巅峰一下子打到了谷底，同时也把两个问题赤裸裸地抛到整个团队的眼前：FPGA对业务的价值究竟有多大？FPGA还能继续做吗？

受此打击，团队在2018年也近乎分崩离析，人员开始集中式地离开。腾讯在“造芯”上的第一次 探索 ，画上了一个遗憾的逗号。

02

柳暗花明，“蓬莱”问世

在FPGA云服务器受挫后，腾讯需要重新思考硬件之路要怎么走下去。

在团队几乎解散的2018年，中国芯片行业迎来暖春：中美贸易摩擦给全民普及了芯片的重要性，科创板的设立为半导体企业上市开启大门，而国家资金的进场更是让大江南北一片热火朝天。

但是，对于互联网公司来说，做芯片跟做云计算、数据库、存储系统等一样，需要有具体的业务场景支撑，不能“为了做而做”。在经历过一场不算成功的 探索 后，腾讯要等待下一个真实需求带来的机会。

时间进入2019年。那是人工智能规模化应用的元年，内外部业务都提出了对AI芯片的强烈诉求。AI芯片，要不要做？

这个问题被提出来的时候，腾讯的管理层有过反对的声音，担心技术人员只是头脑发热，只是为了追逐热点。但同时，管理层也给了足够的灰度，没有明令禁止小团队级别的 探索 。

以小规模、低成本、特定应用场景的方式先行试水，成了大家的共识。

云架构平台部将第一款芯片敲定AI推理方向，取名“蓬莱”，希望这款芯片能像中国古代神话里的海外仙山一样，稳固地立于汹涌波涛之上。

这支硬件突围小分队，也被正式命名为“蓬莱实验室”。

有了FPGA 探索 时积攒的经验，蓬莱实验室对硬件编程语言已经相当熟练，也在标准接口、总线等方面积累了一些平台化的设计。然而，两者的研发要求，不可同日而语。

如果说做FPGA是搭现成的积木，那么做芯片就是直接从伐木开始来着手来制造积木。FPGA出了问题可以重新编程，而芯片只有一次流片机会，一旦出错，所有的努力便付诸东流。

此外， FPGA的资源是现成固定的，芯片的资源却是由自己定义的。一个字，就是要“抠”：用最小的资源做最大的事。

芯片架构工程师Rick用“装修”改“重建”来形容整个蓬莱项目。一开始，团队以为能把之前FPGA的技术较为简单地转成芯片。做着做着发现，以为终归只是以为——FPGA架构在芯片中能直接复用的并不多，团队只能把原来的架构整个拆掉，重写的代码量高达85%。

像DDR存储器这样的重中之重，芯片厂商通常会有专门的验证人员负责，而刚起步的蓬莱实验室没这个条件，只能靠抢时间把功课补回来。Lynda后来回忆道：“我恨不得一天有48个小时”。

2020年1月，蓬莱芯片流片完成，被合作方快递到深圳。新冠疫情刚刚在全国范围内暴发，公司已经开启集体远程办公。

项目负责人Henry戴着手套取到快递，用酒精仔细消毒后，带到空空荡荡的办公楼，大开着窗户和风扇，在一片消毒水味中，他和几个同事一起开始了至关重要的点亮操作。

所谓点亮，就是给芯片上电，首先看有没有短路冒烟，接着就是测试一些基本功能。是芯片还是“砖头”，成败在此一举。

结果，芯片的时钟频率一直没出来。要知道，时钟频率是芯片的“节拍器”，没有时钟频率，芯片的不同模块等于没对好表，就无法协同工作。

是不是这块芯片的问题？实验人员换了一块芯片，依然没有信号输出。

再换一块，还是没有。现场鸦雀无声。

实验人员已经不敢动手了。有人忍不住开玩笑，是不是该回家改简历了。

但除了沮丧，大家心里更多的是疑惑。因为项目虽然人少、资源少，近乎是白手起家，但蓬莱团队从设计人员到验证人员都有信心说：每一步都做好了。到底是哪里不对呢？

在无比凝重的气氛中，他们继续放板、上电、读取信号……

第四块芯片，亮了。剩下的所有芯片，也都没问题。

真相其实很简单。28纳米工艺的芯片不良率只有3%，但偏偏随机测试的前三片都是坏片，小概率事件就恰好让他们全赶上了。这让他们把“生一胎”的紧张情绪，体验到十足。

在虚惊一场后的拍手相庆中，腾讯第一款芯片，宣告问世。

03

更上一层，“紫霄”凌云

量产后的蓬莱芯片，实战表现也不负众望，助力腾讯推出中国第一台获准进入医院临床应用的智能显微镜，实现自动识别医学图像、统计细胞数目并直接显示在视野上，性能表现完全符合设计要求。

这一扫当年FPGA云服务器项目的阴霾，说明在制造造出直面应用、性能卓越的芯片，这条路，腾讯走得通。

终端芯片蓬莱的问世，只是完成了从0到1的任务。团队已经迫不及待向要从1到N，向着大规模云端芯片进军。蓬莱实验室负责人Alex将大芯片申请立项戏称为“A轮融资”。

初试锋芒之后，团队需要向公司说明，为什么需要用更大的投入去做大规模芯片？在短期和长期能否保持领先性？如何与内外部业务结合创造价值？

腾讯这次面临的决策，要容易做得多。

首先是蓬莱实验室的成熟。通过一边行军一边成长，蓬莱实验室完成了一次次蜕变，建立起完整、严谨、规范的芯片研发体系和流程。这已经是一支具备硬核气场的“正规军”。

更重要的是，团队证明了腾讯做芯片的优势和站位。

谢明解释说，从行业来看，做芯片除了要考虑技术和工艺，最大的难点在于对芯片的“定义”。传统芯片厂商的优势在于前者，但芯片做出来之后再去匹配需求，在很多场景下真实性能是损失的。Google、腾讯这类 科技 企业的优势在于自身就是需求方，对需求的理解和洞察最深刻、最透彻。

方向没有问题，技术和工艺也没问题，腾讯高级执行副总裁、TEG（技术工程事业部）总裁卢山给予了全面支持，并通过总办争取到了更多的headcount和资金。

有了公司战略的支持，团队志气满满奔赴更大的战场。蓬莱实验室副总监Austin决定兵分两路，在AI推理和视频编解码上并行推进。

AI小分队继续做蓬莱的2.0版“紫霄”。这是《封神演义》里鸿钧老祖所居宫殿的名字。在稳固的仙山上牢筑“紫霄”，代表了新的野心：

这次，他们将目标直接定为业界第一。

紫霄所有的架构都围绕着有效算力去做。团队优化片上缓存设计，并摒弃竞品常用的GDDR6内存，采用先进的2.5D封装技术，把HBM2e内存与AI芯片合封在一起，从而把内存带宽提升了近40%。

技术迭代一日千里。紫霄立项后，业内最高性能表现又被竞品刷新。虽然紫霄的设计性能相比这个最高表现还足够“安全”，但团队还打算继续加码。

经过研究，他们在芯片内部增加了计算机视觉CV加速器以及视频编解码加速器，可创新性地大幅减小AI芯片和x86 CPU之间的交互和等待。

即便因此而增加了两个复杂的自研模块，团队仍然在计划的6个月时间里完成了从架构确定到验证以及流片的全部流程。

2021年9月10日，紫霄顺利点亮。

在图片和视频处理、自然语言处理、搜索推荐等应用场景下，这款芯片打破了制约算力发挥的瓶颈点，最终在实际业务场景性能表现达到了业界标品的2倍。

04

独立自研，“沧海”一笑

AI小分队给自己芯片取名“紫霄”，而视频编解码则取名“沧海”，颇有海天相接之意。

不同于蓬莱和紫霄主打AI，沧海是一款视频转码芯片。如果说当年QQ相册图片的转码问题是蓬莱团队做硬件的最早契机，那视频编解码小分队在这个方向上的继续 探索 ，正是完成了一次对初心的呼应。

不同的是，“沧海”的应用场景已经远超当年的范畴。

当多媒体业务从图片时代进化到音视频直播时代，天量的4K/8K超高清的数字内容如潮水一般持续冲击着云计算基础设施。每增加一个比特的数据，都会带来相应的转码算力和CDN带宽成本。

这是一道直观而严峻的数学题，而沧海小分队的解题目标也非常清晰，那就是要做一款业界最强的视频转码芯片，把压缩率发挥到极致。

好在，腾讯丰富的多媒体应用场景，以及腾讯云覆盖的众多直播互动头部客户，为沧海的研发提供了得天独厚的分析和验证条件。

团队先是推出了沧海的核心自研模块——硬件视频编码器“瑶池”，并决定在沧海完成研发之前给瑶池一次大考。

这个大考就是2020年的MSU世界编解码大赛，该大赛由莫斯科国立大学（MSU）主办，十多年来一直是全球视频压缩领域最具影响力的顶级赛事，吸引了包括英特尔、英伟达、谷歌、华为、阿里和腾讯在内的国内外知名 科技 企业参与。

结果是，瑶池实现1080P@60Hz的视频实时编码，力压群雄获得了SSIM (结构相似性)、PSNR(峰值信噪比)和VMAF(视频多方法评估融合)等各项客观指标评测第一名，以及人眼主观评价第一的好成绩，相比第二名领先了一个身位。

经此硬仗，沧海在技术上得到了充分检阅。

2022年3月5日，Derick和他带领的视频编解码小分队收到流片回来的芯片“沧海”，又正逢深圳因疫情而全面远程办公。

他们申请特批进入空空荡荡的办公楼。这情景，和两年前点亮蓬莱时何其相似。

不曾想到，点亮蓬莱时的一波三折，同样重现。克服了一些调试中的意外，在一片欢呼中，腾讯的第三款芯片、同时也是完全自主研发的第一款芯片沧海成功点亮。

化沧海为一粟。沧海最终实现以更小的数据量、更小的带宽提供相同质量的视频，压缩率相比行业最佳表现还提高了30%以上。

从蓬莱到紫霄再到沧海，从28纳米工艺到12纳米工艺，从8个人发展到100多人，从仿真工具一无所有到“天箭验证平台”正式落成，从努力跟上合作伙伴的节奏到独立做完全SOC。

两只小分队胜利会师。蓬莱团队，完成了一场“芯”路进化。

05

“100G”时代，双木参天

躬身跳进造芯大潮的，不是只有云架构平台部。

在多媒体、AI处理积极求变的同时，底层的云服务器也面临着相似的问题：当软件优化带来的性能提升无法让产品拥有区别于竞品的明显竞争力时，如何让性能突破现有天花板？

2019年，腾讯迎来云计算业务上的里程碑——云服务器规模突破了100万。腾讯云副总裁、腾讯网络平台部总经理邹贤能敏锐地观察到，随着服务器接入带宽不断提升，服务器用于网络处理的CPU资源也越来越多。

能否以更低成本的方式来实现服务器网络处理，同时还提供更高的网络性能？腾讯的网络平台部也将目光投向了软硬协同与硬件加速。

面对这样“既要、又要”的挑战，邹贤能决定给服务器做个减法：“把网络数据处理的负担从CPU卸载出来”。

“智能网卡”的想法就这样诞生了。

所谓智能网卡，一方面像普通网卡一样肩负起服务器的对外网络访问，实现不同服务器和数据中心之间的网络互联。另一方面，它额外带有CPU/FPGA/内存等智能单元，能分担一部分服务器的虚拟化计算任务，实现服务器整体网络和存储性能的加速。

换句话说，网络平台部要做的事，是要在网卡里新装一个服务器。

一开始，团队希望找到一款现成的商用板卡降低工作量。

网卡硬件负责人Hayden牵头开展方案论证和调研，但商用芯片的加速引擎不支持私有协议成为当时直面的第一大挑战，也是最大的障碍。一些著名的网卡设备商听了腾讯的要求就摇头：

“现在网卡的功能很简单，你们这个要求太复杂了，很难实现的。”

还有些直白地质疑：“网卡数量这么多，可靠性要求高，你们自己搞得定吗？”

难道智能网卡项目刚起步就要流产？

邹贤能给团队指明了方向：“既然智能网卡是云数据中心追求极致性能与成本的关键部件，如果市面上没有满足腾讯需求的产品，那我们就自己造一个。”

方向明确之后，路线也很快清晰起来：先从基于FPGA自研智能网卡起步，再开展智能网卡芯片研发。

2020年9月，腾讯第一代基于FPGA的自研智能网卡正式上线，命名为“水杉”，寄寓着团队希望产品可以像这种珍稀乔木一样适应性强、快速生长。

疫情期间各种突发需求砸来，初生的水杉没有被挑战压弯。

Hayden回忆道，一个大客户本身采用了UDP音视频协议，在属性上是“不可靠”、允许丢包的，极大地依赖网络吞吐和稳定性，却要求高并发、高质量的音视频传输效果。

水杉智能网卡迎难而上，通过大幅提升服务器的网络性能，帮助该客户完成了24小时零丢包的极限压力测试，稳定上线运行，交出了一份漂亮的答卷。

水杉投入应用后，第二代智能网卡“银杉”的研发工作也紧锣密鼓地启动，并于2021年10月正式上线。这一代智能网卡的网络端口翻了一番，达到了2*100G。

在又一颗参天大树的支撑下，腾讯云对外推出了业界首款自研第六代100G云服务器。它的计算性能提升最大220%、存储性能最大提升100%。单节点接入网络带宽相比上一代最大提升4倍，延时下降50%。

“两棵树”在网络硬件卸载上取得的巨大收益，令团队兴奋不已。

当FPGA路线逐渐逼近性能和功耗的瓶颈，网络平台部决定再一次把主动权掌握在自己手里。腾讯的第四款芯片，也是首款智能网卡芯片应运而生，它也有一个 “仙气十足”的名字——“玄灵”。

06

“玄灵”乍现，芯事未完

按照计划，这款7纳米工艺的芯片将在2022年底流片。

Hayden受命快速组建起了玄灵芯片研发团队，不断挑战多个“mission impossible”。

从性能指标来看，玄灵支持设备数量将提升到10K以上，相对商业芯片提升6倍。同时，它的性能相对商业芯片也可提升4倍，通过将原来运行在主机CPU上的虚拟化、网络/存储IO等功能卸载到芯片，可实现主机CPU的0占用。

这颗短小精悍的芯片，充分诠释了面向未来极致性能的“玄”，与面向各类业务需求灵活加速的“灵”。

目前，玄灵项目正在紧锣密鼓地进行智能网卡流片前的验证和测试，打造腾讯云下一代高性能网络基础设施；

蓬莱实验室的AI推理芯片紫霄和视频转码芯片沧海则将量产，与腾讯业务深度融合应用；

还有一些新的芯片项目也在酝酿成长，继续 探索 有需要的技术方向，丰富这一本“山海经”。

腾讯海量业务面临的全新挑战，以及云计算高速发展的必然要求，“倒逼”腾讯走上了这条造芯之路。这些从业务需求出发的芯片，必定会深入现实应用来证明自身的价值。

“我们不是无中生有、拍脑袋要去做芯片。我们一开始就知道，腾讯的需求足够大，足够我们去做这件事。”卢山说道。

从2010年起，腾讯就开始以云服务的方式对外开放自身的数字技术与连接能力，奔赴这场产业数字化转型升级的时代大潮。躬身入局，腾讯看到深度的数实融合正在引领全真互联的技术趋势。

而在腾讯之外，中国的 科技 公司们正在向创新的深水区挺进，突破瓶颈的努力显得愈发重要。无论是数实融合还是上游创新，硬 科技 的海面上一片百舸争流，它们都在 历史 的浪潮奋楫中流。

在这场大潮中置身事内，腾讯的芯事必然在星辰大海中得到回响。

国内最大的自主汽车品牌生产基地，长城徐水基地，将会面临停产，除此之外还包括重庆永州的生产线。

原因就是因为车载芯片供应不上，而国产生产线又难挑大梁。

这两个都是非常大的生产线，我们拿长城徐水基地举例，它一共分为3期，总投资超过300亿人民币，年产量是100万辆车，其生产的车型包括哈弗HHHH4，WEY VV5，等等。

此次停产将要波及的车型有哈弗H长城炮、坦克300，相信大家都不陌生，其实不单单是国内市场年龄停产，从2020年年底开始，全球的车企巨头，包括大众、福特、通用、戴姆勒等多家企业都面临停产，只不过咱们国内最为严重。

国产汽车因为芯片问题而被“掐脖子”，这个问题难免让大家联想到华为芯片被“掐脖子”，这两件事情真是太像了，所以有些观众可能就会不假思索地认为，咱们国产车载芯片的实力为什么也这么差？是不是又是光刻机的问题？或者是芯片设计赶不上外国啥啥的？

实际上，华为面临的芯片问题，和国产车载芯片面临的芯片问题完完全全是两码事。

我们从手机芯片开始说起。

手机芯片一个最主要的特征就是，变化快，什么变化快呢？ 首先是芯片的数量，以及，无论懂不懂，买手机都要看看的“芯片制程” ，也就是所谓的“这个芯片是多少纳米的工艺”。

作为消费级电子产品，手机的芯片数量一直在做减法，相比起数十年前的手机，现在的手机，比如它已经将CPU（处理器），GPU（图形处理器），RAM（运行内存），Modem（通信模块），ISP（图像处理），DSP（数字信号处理），Codec（编码器）全部集成在了一个小小的SOC当中，而芯片的工艺，也就是制程，也遵循着摩尔定律，从20年前，英特尔奔腾4代的90纳米，迅速地提升到现在AMD锐龙Zen3的7纳米。

这个芯片的“浓缩”有好处也有坏处，好处当然就是，手机可以做得越来越薄，越来越现代，但问题就是，这么多功能模块都集成在一个芯片上，这要是出了问题，比如芯片损坏，那你也就该换新手机了。

实际上，汽车芯片要面对的问题也就在这，工艺越精细的芯片，它出错的概率就越大，这要是手机，也就修一修，最多就是换一部，但这要是放在汽车上，这就很危险了，有车的观众，谁都不愿意遇到自己正开着车，突然某个电子元件失灵这种事情。

不仅咱们车主不愿意遇到，车企也会尽量避免这种情况。

所以，车载芯片，首先要解决的就是可靠的问题。

而车载芯片也就为此演化出了两个明显的区别于手机芯片的特征。

第一，车载芯片的数量多，种类杂

第二，车载芯片的工艺非常“落后”。

车载芯片种类多就能“ 分担单个芯片损坏对于驾车的风险 ”，不至于一块芯片故障而导致整车的事故。

咱们拿一辆在市场上能买到的典型燃油车举例。

这辆车一般是采用分布式 E/E 架构，也就是电子元器件分布在车辆全身各处的这种架构。

车上的这些芯片，按照功能划分可以分成这么三类：

第一类：负责算力和处理，这个就和电脑中的CPU一样，比如现在几十万一台的车，它就有自动泊车的功能，就要用到自动驾驶芯片，还有机车处理器，或者用于发动机、底盘、车身控制的传统MCU；

第二类：负责功率转换的芯片，比如测量发动机功率的芯片，转速的芯片；

第三类：各种传感器芯片，比如倒车雷达，还有车灯，雨刷，检测车况的这些芯片。

大家听了上面的，也能感觉到， 第一类芯片是车辆最重要的“心脏”，这个也是要求工艺和可靠性最高的 ，它们数量最少，采用的大多是28纳米以下的工艺，这个的算力已经不输给手机个计算机了，比如斯拉Model 3的大脑HW3.0采用16nm制程。

但这里有个问题，那就是像特斯拉Model 3这种，虽然用的可以算的世界上最先进的车载芯片，功能强大，你看都能自动驾驶了，但这样真的就很好吗？

越复杂的芯片，它出错的概率也就越高 ，这里倒也不是说芯片“死机”或者烧毁这种重大的问题，但也许就有时候，时不时地会卡一下，就像咱们手机卡一样，但如果你是在开车的时候，看到前面有车，你就点刹车，如果这个刹车的信号传到车载芯片的时候，刚好它卡了，处理慢了，这个刹车的指令没有及时传到制动器，这就会酿成交通事故，甚至威胁到生命。

你看像2020年1月，郑州的一名女士买的新的特斯拉，不就是刹车失灵发生了追尾，结果去找特斯拉官方理论的时候，还被“恶意驱逐”，最后连最基本的行车记录数据都没拿到。

但如果我们用“车载芯片失灵”的角度想想，如果确实是芯片系统性的设计问题， 那按照这种问题的严重性，说不定之后特斯拉的交通事故就会很多，所以，按照这个思路，特斯拉拒不交出行车数据，那还真说得过去，因为说不定这个行车数据里面就完全没有当时刹车的指令嘛。

咱们再说回这次的国产汽车车载芯片短缺的问题。

虽然说这次芯片短缺的也是第一类芯片，但不是像特斯拉HW3.0这种“高级货”，而是制作工艺为90nm-130nm的“古董货”，但这种“老古董”的好处就是可靠，无论是使用5年还是15年，它都不会故障。

对芯片等级的划分，按照从好到坏，一般分为，军工级、车规级、工业级和消费级， 汽车上的芯片自然是车规级，咱们的手机芯片，就是消费级。

不同级别的芯片也意味着要求也不同，比如车规级，它就要求要在零下40摄氏度到零上80摄氏度，这个范围区间内都要正常工作，有的像发动机转速的芯片，甚至还要保证在上百度的温度下还能正常工作，而且还需要它抗冲击，寿命至少也要15年以上。

那消费级呢？

它要求的工作温度只需要在0——40摄氏度这个区间就可以，抗冲击的能力较弱，寿命也往往在1——3年，这也就是为什么你的手机用了一两年之后会变慢的主要原因。

这里咱们顺道提一句，那就是像航天器中的CPU，那就属于军工级，比如像咱们嫦娥飞船上的，就是咱们自己的国产CPU，这也是国家级的机密，是不允许出口的。

了解点电子产品的观众可能听说过一个词叫良品率，而对于车规级和消费级芯片的良品率，行业内部的标准是：

手机芯片的不良率可以到万分之2，而汽车芯片的不良率至少是百万分之1，这相差了两个数量级。

但现在的车企为了保证车辆安全性，防止车辆因为芯片故障被起诉这种事情，他们往往会要求车载芯片的不良率是0。

没错，就是零，因为哪怕一个小小的车载半导体发生故障，就可能引起交通事故、危及生命。因此，必须保证“零不良率”，无论是生产100万个产品、还是生产1,000万个产品，都要保证100%良率，不存在“不良率ppm”这一定义，而只有必须要“零不良率”。

所以你看车企为了保证自己产品的可靠性那是多拼啊，但是，在这样苛刻的标准下，供货商和车企之间就会形成“产线认定”这种关系。

车企会深度地参与到芯片的生产中，直至符合自己的要求，随后就一直用这家芯片厂的这条生产线生产出的芯片。

而这个过程一般需要半年到一年的时间，而正因为要求极高，而相互磨合的时间也很长，所以，即便是今后这家半导体工厂因为种种原因减产，车企也不会轻易转移到其他工厂生产。

但你别看车载芯片对芯片生产商要求这么高，又是近乎100%的良品率，又是磨合时间那么长，但车载芯片的利润真的不高，其中一个主要原因就是，车企原本就对成本非常敏感，芯片厂商只能把价格压得很低，这不像手机，一个饥饿营销，这手机随随便便就能多花个一两千块。

另一个原因就是，能够满足此类性能的芯片都是需要进行认证的，现在行业的标准是由

汽车电子委员会AEC，这个机构发布，芯片厂商要满足这个行业标准也不容易，国内就更是没有几家。

所以，因为上述种种，愿意生产的厂家也就不会很多，自然也就更容易受到原材料短缺、疫情等突发情况的影响。

但好巧不巧，2020年就真的有疫情。

当时因为疫情的扩散，大部分机构都预测未来汽车的销量会大幅下降，所以，许多芯片厂商都没有开足马力生产，其实不仅仅是汽车半导体，整个半导体产业，从材料开始，其备货都减少了， 谁知道咱们中国市场汽车销量在下半年猛然复苏，芯片产量一下子就跟不上了。

虽说“亡羊补牢，为时未晚”，但整个芯片生产链很长，从半导体的材料，制造，封装，测试，其中还有大量复杂的报关，物流，这一系列时间加起来，交货的时间也至少是半年起步，再加上明显消费类芯片利润高，出货量也大，这也就把原本用来生产车载芯片的原材料消耗掉了。

所以，本身生产商就少，利润还不高，原材料还短缺，国内又没有厂商能挑大梁，这种种原因夹杂在一起，造成了国产车的车载芯片短缺。

中国汽车产业规模占全球的30%以上，每年销售的汽车有2800万辆，这样算下来，每年进口汽车芯片的市场就由千亿元。

但目前，排名前十的半导体供应商：恩智浦、瑞萨电子、英飞凌、意法半导体、博世、德州仪器、安森美、罗姆半导体、东芝、亚德诺，他们掌握了全球80%以上的市场份额，全球TOP40的半导体生产商，掌控了车载半导体95%以上的市场份额，这其中，又有几家是中国企业呢？

目前国产的汽车芯片只占全球产能的4.5%，关键零部件进口比例更是超过90%。

现在回过头来想想，之前是手机芯片被外国“掐脖子”，现在又是“车载芯片被掐脖子”， 这总给人一种怎么咱们的科技实力这么弱的感觉？

这实际上是一种错觉，咱们之前没有这种体验，是因为当时咱们根本够不到这个技术门槛，现在够到了 ，外国感觉到威胁了，开始限制出口了，咱们才感觉到掐脖子，这不仅仅是一种危险，更是一种机遇，这说明咱们已经有能力抢占科技市场上那最大的一块蛋糕。

而那些看到中国在变强，却只会用科技封锁来遏制中国发展的国家，我只想告诉他们两个字“没用”。

以上就是关于芯片不良率如何归集成本全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！