威九·国际(中国)官方网站吉利旗下魅族母公司拟香港上市 寻求200亿估值；手机NPU十年进化史；中国在芯片等领域跟美日韩比拼：实力出乎意料集微网消息，天眼查消息显示，昕原半导体（上海）有限公司于3月4日发生多项工商变更，新增PICOHEART（SG）PTE.LTD.等股东，同时注册资本增加4.64%，或完成新的融资。
昕原半导体（上海）有限公司成立于2019年，专注于ReRAM新型存储技术及相关芯片产品的研发，涵盖高性能工控/车规SoC/ASIC芯片、存算一体IP及芯片、系统级存储芯片等。其官网显示，作为国内ReRAM商业化领军企业，昕原半导体掌握一体化闭环技术能力，覆盖器件材料、工艺制程、芯片设计、IP设计和中试量产等诸多环节。昕原是中国唯一一家先进制程ReRAM实现量产的公司，也是国际上新型存储器产品商业化最快的企业之一。
集微网报道 过去十年，智能终端的AI能力逐步提升，特别是近年来受到生成式AI浪潮的推动，终端AI进入到全新的发展阶段，从早期的图像处理到手机助手，带来终端交互和体验上的颠覆式变革。
在这个过程中，NPU以及异构计算作为终端AI的算力基石底座，发挥了重要作用，有力地支持和推动了终端AI以及生成式AI的广泛规模普及，持续进化引领着智能手机行业创新的方向。
作为终端AI的赋能者，十余年来，高通始终致力于终端AI技术的创新，持续保持在传统AI以及生成式AI时代的行业领先地位。这家以让智能计算无处不在为愿景的创新公司，正通过NPU和异构计算，推动终端AI不断达到新的高度。
彼时，寒武纪发布全球首款商用终端AI处理器，在运行计算机视觉、语音识别、自然语言处理等智能处理关键领域，性能、能耗等均全面超越传统CPU和GPU，由此拉开终端AI的序幕。
出于商业等因素的考虑，形式上看，NPU并未成为厂商们的统一称谓，但实质上，通过设计专用硬件处理相关AI工作负载已经成为手机处理器设计中的趋势以及塑造差异化竞争力的显著标签。
随后，一些具有自研芯片优势的系统整机厂商迅速推出相关产品。2017年，通过和寒武纪的合作，华为Mate10中搭载的麒麟970中首次集成AI模块，苹果推出搭载AI仿生引擎的Iphone X，手机AI元年自此开启。
2018年，联发科推出AI平台NeuroPilot，整合了AI处理器APU。三星在推出的Exynos 9820中首次搭载NPU，智能手机全面进入AI时代，智能相册分类、APP预加载等功能出现，人脸识别、深度学习等AI技术开始广泛在智能手机应用中落地。
芯片、手机领域的快速发展和激烈竞争，大量的复制、营销和包装下的结果是很容易让人们忽视掉这个行业真正的原始创新者。
2013年，高通推出首款量产采用创新架构设计的处理器Zeroth。Zeroth的结构完全不同于当时的骁龙系列芯片，而是更接近于用电路对生物神经细胞进行模拟，从而在智能终端上实现近似生物神经网络的智能感知与判断操作威九国际。
彼时，高通便将这一新的处理架构称之为NPU。通过Zeroth，高通能够将机器学习等能力引入到移动平台，包括通过对人脸和物体识别进行图像自动分类，也可以通过传感器实现对周围环境的监控输入，同时终端运行也实现了对于用户隐私的保护。
2014年，高通收购AI图像识别技术公司Euvision，进一步探索AI在移动端的例，并在随后将源于Zeroth的AI加速架构引入到2015年推出的骁龙820移动平台的设计之中，支持图像，音频和传感器运算，以此奠定了骁龙系列高通AI引擎的基础，骁龙820也是首次集成高通“第一代AI引擎”的移动平台。
是的，如你所见，十年前高通的Zeroth，才是移动终端NPU的祖师爷。而在2007年，高通便启动了首个AI研究项目，首款Hexagon DSP在骁龙平台上正式亮相——DSP控制和标量架构成为高通未来多代NPU的基础。
此后，高通便始终主导和推动着NPU领域的创新，紧跟终端AI行业的技术演进方向和需求，不断提升和丰富NPU的特性和功能。
2018年，高通在骁龙855上中为Hexagon NPU增加了Hexagon张量加速器。2019年，高通在骁龙865的拓展了终端AI用例，包括AI成像、AI视频、AI语音和始终在线年，高通为Hexagon NPU带来了变革性的架构更新。融合了向量、张量、标量加速器，实现更好的性能功耗表现。同时还为加速器打造了专用大共享内存，让共享和迁移数据更加高效。这种融合AI加速器架构为高通未来的NPU架构奠定了坚实基础。
2022年，骁龙8Gen2中的Hexagon NPU实现了众多重要技术的加强。包括能够根据工作负载动态适配供电的专用电源传输轨道。最大化利用NPU中的标量、向量、张量加速器并降低功耗的微切片推理。提升能效和内存带宽效率的INT4；用于加快生成式AI的多头注意力机制的推理速度的Transformer网络加速；以及包括优化了的分组卷积、激活函数和张量加速器性能的其他特殊硬件等。
2023年，高通在骁龙8Gen3中，又进一步升级了NPU微架构以及相关能力，为持续AI推理带来98%性能提升和40%能效提升，从而实现对于生成式AI的更好支持。
十余年来，得益于NPU和异构计算领域的开拓性创新，高通构建起在终端AI侧的行业领导力，在生成式AI时代，这一优势进一步凸显。
生成式AI的快速发展，带来不同场景下用例的多样化计算需求，传统的以通用计算为目的的CPU、GPU难以满足。
对于上述用例，传统的通用CPU和GPU很难满足其所带来的功耗和热限制。此外，用例也将会不断拓展，在功能完全固定的硬件上部署并不实际。因此，需要以AI为中心定制设计全新的计算架构，包括面向生成式AI全新设计，专为实现低功耗加速AI推理而打造的NPU，并与AI行业的发展方向保持一致。
如何设计一个优秀的NPU产品？高通给出的答案是：系统级解决方案、定制化设计和快速迭代创新。这也是其Hexagon NPU的显著差异化竞争优势。
首先，系统级解决方案有助于构建起芯片设计的全局视角，考量每个处理器的架构、SoC系统架构和软件基础设施。从而能够发现当前和潜在的瓶颈，并在增加或修改硬件方面做出恰当的权衡和决策。通过跨应用、神经网络模型、算法、软件和硬件的全栈AI研究与优化全面实现。
第二，需要具备定制化设计的能力以及控制指令集架构(ISA)，从而使架构师能够快速进行设计演进和扩展以解决瓶颈问题。
第三，上述迭代改进和反复循环，使得高通能够基于最新神经网络架构持续快速增强高通NPU和高通AI软件栈。基于高通的自主AI研究以及与广大AI社区的合作，使得能够与AI模型的发展保持同步。高通具有开展基础性AI研究以支持全栈终端侧AI开发的独特能力，可赋能产品快速上市，并围绕终端侧生成式AI等关键应用优化NPU部署。
因此，历经多代演进的NPU，利用大量的技术创新和迭代成果消除瓶颈。例如，在骁龙8Gen3中，进行了诸多用于支持生成式AI大模型的架构升级。
比如，内存带宽是大语言模型Token生成的瓶颈，这意味着其性能表现更受限于内存带宽而非处理能力。因此，Hexagon NPU的设计中特别注意了提高内存带宽效率，骁龙8Gen3中，高通将Hexagon NPU中的专用共享大内存的带宽翻倍，此外，骁龙8Gen3还支持业界最快的内存配置之一：4.8GHz LPDDR5x，支持77GB/s带宽，从而满足生成式A用例日益增长的内存需求。
高通认为，从DSP架构入手打造NPU是正确的选择，可以改善可编程性，并能够紧密控制用于 AL处理的标量、向量和张量运算。高通优化标量、向量和张量加速的设计方案结合本地共享大内存、专用供电系统和其他硬件加速，让高通的解决方案独树一帜。高通NPU能够模仿最主流模型的神经网络层和运算，比如卷积、全连接层、Transformer以及主流激活函数，以低功耗实现持续稳定的高性能表现。
以AI为中心，高通打造了行业领先的处理器异构计算架构——高通AI引擎，包括Hexagon NPU、Adreno GPU、Kryo CPU或Oryon CPU，高通传感器中枢和内存子系统。其中，Hexagon NPU是关键一部分，这些处理器为实现协同工作而设计，能够在端侧快速高效运行AI应用。
如今，适合在终端侧运行的生成式AI正变得更为复杂，参数规模也变得更加庞大，从10亿到100亿到700亿参数。他们正进入多模态阶段，意味着可以进行多样的输入，例如文本，语音，图像等，并生成多种输出结果。
这种带有复杂性、并发性和多样性的生成式AI负载，通常需要利用SoC中所有处理器的能力。因此，具备跨处理器和内核支持生成式AI的扩展能力，以及能够将生成式AI模型和用例映射至一个或多个处理器及内核的解决方案非常重要。
即异构计算系统解决方案需要针对不同负载的类型，选择合适的处理器。这其中涉及的因素包括用例、设备类型、终端层级、研发时间、关键性能指标、开发者专长等，系统设计方案需要在众多因素中间权衡。
如前所述，多数生成式AI用例能够分为按需，持续或泛在型。在按需型用例中，延迟是KPI，因为用户不想等待。当这些应用使用小模型时，CPU通常是最佳选择。当模型来到数十亿参数时，GPU和NPU更加合适。对于持续和泛在的用例，电池续航和能效往往是重要关键因素，此时NPU便成为最佳选择。
另一个关键区别在于AI模型为内存限制型（性能受到内存带宽的限制），还是计算限制型（性能受到处理器性能限制）。如今大语言模型在生成文本时都受到内存限制，因此需要关注CPU，GPU和NPU的内存效率。而对于大视频模型而言，更受计算和存储限制的，需要GPU和NPU支持，NPU能够提供最佳能效。
在2023年的骁龙峰会上，高通在搭载骁龙8Gen3的智能手机上，演示了语音控制的AI个人助手，支持手机屏幕上的虚拟化身实现实时动画效果。这个过程很好的展示了如何通过高通的异构计算解决方案实现针对AI用例和具体场景的设计。
1、当用户与AI语音助手交谈时，声音通过OpenAI的自动语音识别（ASR）生成式AI模型Whisper转换成文本，这个过程是在高通传感器中枢上运行的。
4、同时，虚拟化身渲染必须与语音输出同步，以获得足够真实的用户交互界面。借助于音频创建融合变形动画（blendshape），能够使嘴部和面部表情带来合适的动画效果。这种传统的AI工作负载在NPU上运行。
5、最终虚拟化身渲染过程在GPU上进行。以上步骤，数据都会通过内存子系统有效传输，并尽可能在芯片上保存数据。
凭借在NPU以及异构计算上的深厚积累，高通持续推动终端AI的落地以及规模普及，率先将大模型带入手机，也将AI PC的能力和水平提升到新的维度，持续引领生成式AI全面在中端落地，展现出骁龙平台领先的AI性能。
在去年2月的MWC上，基于骁龙8Gen2，高通首次进行了离线秒内Stable Diffusion（文生图）演示。在2023年的骁龙峰会上，高通展示了两个生成式AI应用，表明了面向大语言模型和大视觉模型通用架构的线上，个人助手演示能够以高达每秒20个tokens的速度运行Llama2-7B。在不损失太多精度的情况下，Fast Stable Diffusion能够在0.6秒内生成一张512*512分辨率的图像，展现出在智能手机领域领先的Llama和Stable Diffusion模型指标。
此外，高通去年还发布了专为AI PC打造的骁龙X Elite平台,它能支持在终端侧运行超过130亿参数的生成式AI模型。骁龙XElite 上集成的 Hexagon NPU 算力达到 45TOPS，大幅领先于友商最新 X86 架构芯片NPU 的算力数值。在面向 Windows 的 UL Procyon Al基准测试中，与其他 PC 竞品相比，骁龙XElite 具有领先的性能。例如，骁龙xElite 的基准测试总分分别为x86 架构竞品A的 3.4倍和竞品B的 8.6 倍。
今年MWC上，高通进行了全球首个在安卓智能手机上运行大型多模态语言模型的展示，以及高通首个在安卓手机上运行的LoRA模型，再次引领终端生成式AI的创新。在PC方面，高通在搭载全新骁龙X Elite平台的Windows PC上，进行了全球首次运行音频推理多模态大模型的展示。
在生成式AI语言理解模型MobileBert上，骁龙8Gen3比竞品A高17%，比竞品B高321%。在鲁大师IMark V4.3基准测试中，骁龙8Gen3分别为竞品的5.7倍和竞品C的7.9倍。在安兔兔的AITuTu基准测试中，总分为竞品B的6.3倍。
高通AI领先的能力，除了优秀的硬件支持外，让开发者能够获得基于异构计算的AI加速，缩短开发时间，实现对于AI用例的快速部署，对于终端AI的规模化拓展也至关重要。
通过高通AI软件栈，高通将互补性的AI产品整合在统一的解决方案中。OEM厂商和开发者可以在高通的产品上创建，优化和部署AI应用，并利用高通AI引擎的性能，让开发者一次创造AI模型便可以部署在不同的产品上。
同时，高通发布AI Hub为骁龙和高通平台提供了超过75个优化AI模型,助力开发者轻松为Android应用程序添加个性化定制的终端侧AI，进一步缩短开发者部署生成式AI用例的时间，推动生成式AI在端侧的规模普及。
此外，在软件方面，还专注于AI模型优化以实现能效和性能的提升，包括量化、压缩、条件计算、神经架构搜索（NAS）和编译，在不牺牲准确度的情况下缩小AI模型，并使其高效运行。
综上，系统化的解决方案，定制化的设计思路以及快速的创新迭代，软硬件层面共同的创新和努力，构筑起高通在终端AI方面的护城河，形成显著的差异化竞争力，使高通在推动生成式AI开发和应用方面独树一帜，也在持续引领终端生成式AI的行业创新和技术发展方向。
集微网报道 生成式人工智能拉开了全球大算力时代的序幕，而随着众多云计算厂商、大模型厂商等在AI算力基础设施上投入巨资，AI处理器需求急速攀升。作为其中关键器件之一的HBM（高带宽内存）需求也一路看涨，在存储芯片持续低迷的背景下，带动HBM价格逆势激增。在“算力”需求催生“存力”风口的机遇下，纵观整个HBM产业链，能入局的本土企业屈指可数，面对的技术挑战巨大但前景广阔，无论从自主可控角度还是市场竞争角度，均需加快追赶脚步。
需求逆势增长，巨头三分天下“内存墙”是当前制约高性能计算性能的关键瓶颈，从存储器到处理器，数据传输会面临带宽和功耗的问题，HBM属于图形DDR内存的一种，通过使用先进封装（如TSV硅通孔、微凸块）将多个DRAM芯片进行堆叠，并与GPU一同进行封装，形成大容量、高带宽的DDR组合阵列。HBM通过与处理器相同的硅中介层（Interposer）与逻辑芯片实现紧凑连接，既节省了芯片面积，又显著减少了数据传输时间，从而减少内存和存储解决方案带来的延迟，因而被认为是提升AI处理器性能的关键。
2014年首款硅通孔HBM产品问世，但是自2023年ChatGPT发布以来，AI服务器的强劲需求才推动HBM技术按照HBM第1代（HBM）-第2代（HBM2）-第3代（HBM2E）-第4代（HBM3）-第5代（HBM3E）的顺序快速迭代，第4代HBM3已规模量产并应用，带宽、堆叠高度、容量、I/O速率等较初代均有多倍提升。当前，HBM只有SK海力士、三星电子和美光三大存储巨头能够量产，因而市场呈现“三分天下”的局面，分别占据了53%、38%和9%（TrendForce，2022年）的市场份额。
在2023年，市场中主要应用的是HBM2、HBM2E和HBM3，下半年在英伟达H100和AMD MI300的推动下，HBM3渗透率提升。据悉，今年SK海力士完成了8层HBM3E的验证，将于3月份开始批量生产，同时展示了更新的16层HBM3E；三星电子则表示，已经完成了12层HBM3E的开发并将于今年上半年量产，这是迄今为止容量最高的HBM产品。美光也在2024年2月底首次宣布量产8层HBM3E产品。不难看出，SK海力士由于发力更早，在HBM领域取得了先机，并因成为英伟达HBM主力供应商而市值大涨；美光进场最晚，但后来居上，直接从HBM3E下手，对SK海力士和三星电子构成了挑战。
受市场需求推动，SK海力士、三星和美光科技等大厂正纷纷加大产能扩张力度。SK海力士在2月份就透露今年旗下HBM已全部售罄，为了保持市场领先地位，已开始为2025年预作准备。三星则表示，为争夺2024年的HBM市场，计划在今年第四季度之前，将HBM的最高产量提升至每月15万件—17万件。此前，三星还投资105亿韩元收购了位于韩国天安市的三星显示工厂及设备，旨在扩大HBM产能。美光科技CEO Sanjay Mehrotra日前也对外透露，美光科技2024年的HBM产能预计已全部售罄。
尽管三大HBM供应商仍聚焦于迭代HBM3E，单颗DRAM裸芯和堆叠层数仍有提升空间，不过HBM4的研发均已提上日程。Trendforce预计HBM最底层的Logic die(Base die) 将采用12nm制程，由晶圆代工厂提供，使得单颗HBM需要晶圆代工厂与存储器厂来合作。而据媒体报道，SK海力士正在招募CPU、GPU等逻辑芯片的设计人员，目标是将未来的HBM4以3D堆叠的形式直接堆叠在英伟达、AMD等公司的逻辑芯片上，预计该HBM4内存堆栈将采用2048位接口。但该方案未定，只是在讨论中。
由于HBM使用的芯片比标准DRAM大两倍以上，意味着生产相同体积的芯片需要两倍以上的容量，这也促使DRAM从传统2D加速走向立体3D，从而突破了内存容量与带宽瓶颈，成为新一代的DRAM技术路线之一。
从HBM器件结构来看，其主要特点在于，首先，3D堆叠结构，并由TSV互连。HBM由多颗DRAM裸芯堆叠成3D结构，并通过TSV工艺实现信号的共享和分配；其次，高I/O数量带来高位宽。HBM的每颗DRAM裸芯均包含多个通道，可独立访问，每个通道又包含多个I/O口，使得总位宽大大提高。这样的器件结构，得以实现存储密度更大、功耗更低、带宽更高的优势。通过CoWoS封装将HBM与逻辑计算核心互连，成为GPU、FPGA、CPU等高性能计算芯片的首选。
随着AI、机器学习等技术的快速发展对高速、大容量存储需求急剧攀升，HBM已然成为当前存储市场最为炙手可热的领域。Yole预测，2024年HBM市场将达到141亿美元，2029年则将达到380亿美元。2023至2028年HBM供应的年均复合增长率将达到45%，由于难以扩大生产，HBM的价格预计将长期保持在较高水平。
在巨大的市场蛋糕面前，除了三巨头持续加大研发量产力度，一些二线、三线DRAM厂商也开始切入HBM赛道，而国产厂商随着国产AI处理器的水平提升，对配套的自主HBM供应链需求也越发紧迫。
例如中国的华邦电于去年8月介绍了其类HBM高带宽产品CUBEx， 采用1~4层TSV DRAM堆叠，I/O速度500M~2Gbps，总带宽最高可达1024GB/s，颗粒容量为0.5~4GB，功耗低至不足1pJ/bit。这种比常规HBM拥有更高带宽的CUBEx可用于AR、VR、可穿戴等领域。
方面，目前国际一线beta水平，国产DRAM制程在 25~17nm水平，中国DRAM制程在25~19nm水平。国内DRAM制程接近海外，且国内拥有先进封装技术资源和GPU客户资源，有强烈的国产化诉求，未来国产DRAM厂商有望突破HBM。
近日就有媒体爆出，近日就有媒体爆出，某国内存储龙头启动HBM项目，正寻求增加设备。封测龙头长电科技在投资者互动中表示，其XDFOI高密度扇出封装解决方案也同样适用于HBM的Chip to Wafer 和Chip to Chip TSV堆叠应用；通富微电此前表示，南通通富工厂先进封装生产线建成后，公司将成为国内最先进的2.5D/3D先进封装研发及量产基地，实现国内在HBM（高带宽内存）高性能封装技术领域的突破，对于国家在集成电路封测领域突破“卡脖子”技术具有重要意义。
值得一提的是，HBM的研发、制造涉及复杂的工艺和技术难题，包括晶圆级封装、测试技术、设计兼容性等。CoWoS为目前主流的AI处理器封装方案，包括其中集成的HBM也采用了该封装技术。CoWoS（以及HBM）涉及到的工艺包含TSV、Bumps、microBumps、RDL（重布线）等。其中又以TSV在HBM的3D封装成本中占比最高，接近30%。以4层DRAM存储芯片与一层逻辑芯片堆叠为例，在99.5%的键合良率下，TSV创建和TSV显露分别占总成本的18%和12%；在99%键合良率下，分别占总成本17%和11%，是HBM工艺中价值量占比最高的部分。TSV的良率水平反映了制造过程中出现缺陷的机会，如果HBM中的一层被证明有缺陷，那么整个堆叠都会被丢弃，因而造成整体良率难以提升。
日前海外分析师表示，三星HBM3芯片的生产良率约为10%~20%，而SK海力士的HBM3良率可达60%~70%。最大的原因就在于三星坚持使用热压非导电薄膜（TC NCF）制造技术，这会导致一些生产问题。而SK海力士则大规模采用回流模制底部填充（MR-MUF）技术，可以克服NCF的弱点。
此外，堆叠键合是HBM制程中的核心技术，会影响到芯片的良率以及散热性能，也是HBM器件制造的关键工艺。
目前只有长电科技、通富微电和盛合晶微等一线封装厂商拥有支持HBM生产的技术（如TSV硅通孔）和设备。在其余供应链上，芯片设计企业国芯科技则表示已与合作伙伴一起正在基于先进工艺开展流片验证相关chiplet芯片高性能互联IP技术工作，和上下游合作厂家积极开展包括HBM技术在内的高端芯片封装合作。紫光国微表示，公司HBM产品为公司特种集成电路产品威九国际，目前还在研发阶段。香农芯创此前表示，公司作为SK海力士分销商之一具有HBM代理资质。公司未来根据下游客户需求，在原厂供应有保障的前提下形成相应销售。飞凯材料表示，环氧塑封料是HBM存储芯片制造技术所需要的材料之一，MUF材料按性状和工艺分不同品种，目前公司MUF材料产品包括液体封装材料LMC及GMC颗粒封装料，液体封装材料LMC已经量产并形成少量销售，颗粒填充封装料GMC尚处于研发送样阶段。兴森科技表示，公司的FCBGA封装基板可用于HBM存储的封装，但目前尚未进入海外HBM龙头产业链。
尽管如此，能真正入局HBM产业链的中国企业仍是屈指可数且大多集中于上游材料端，由于GPU遭遇国际管制，无论从国产自主角度还是市场竞争角度，国产AI处理器的突破迫在眉睫，HBM的同步突围也需不能落后太多。
半导体市场的缓慢复苏促使瑞萨减少人员开支。自2023年11月以来，该公司还进行了有限规模的裁员。
瑞萨电子在今年3月初与工会就推迟全公司加薪达成共识。瑞萨通过该行动节省的资金将注入未来的投资。
汽车芯片约占瑞萨电子收入的47%，而工业、基础设施和物联网（IoT）芯片则占据其余部分。由于工业芯片等领域的库存调整持续存在，瑞萨担心其解决方案的盈利能力将继续恶化。
瑞萨在2024年2月发布的综合财务预测中表示，由于半导体行业短期内将保持波动，因此不太可能对新财年提供可靠的预测。该公司仅预计2024年第一季度的合并收入将在3375亿日元至3525亿日元之间，较上年大约下降6%。
另一方面，瑞萨则继续进行并购。今年1月，该公司宣布将收购美国功率半导体公司Transphorm，以获得汽车级氮化镓（GaN）和其他功率半导体解决方案，以惠及其电动汽车业务。
今年2月，瑞萨电子表示将以91亿澳元（60亿美元）收购EDA软件提供商Altium，并投资PCB和其他技术的设计软件。
瑞萨电子还将与合作伙伴一起在印度建设OSAT工厂。这家日本公司计划在该项目上投资20亿日元。此外，瑞萨还计划通过收购要约（TOB）收购法国Sequans Communications。然而，由于未预料到的税负，瑞萨后来终止收购Sequans Communications。
集微网消息威九国际，浙江吉利控股旗下，运营魅族手机的DreamSmart Group拟赴香港上市，估值或超150亿元（约合21亿美元），目前该公司正与中金公司、华泰证券合作探讨今年上市事宜。
一位知情人士表示，根据市场状况，该公司可能会在此次发行中寻求高达200亿元人民币的估值。审议仍在进行中，包括银行阵容和规模在内的IPO细节可能会发生变化。
据了解，魅族成立于2003年，最初是一家MP3音乐播放器供应商，是当时中国新兴智能手机行业的先驱之一。在阿里巴巴的支持下，魅族推出的新潮设备和操作系统最初赢得了赞誉，但后来被OPPO等对手超越。2022年7月4日，吉利旗下星纪时代正式收购魅族，2023年更名星纪魅族。
魅族是几家希望利用投资者对人工智能（AI）股票热情高涨的公司之一，从英伟达等高端计算和组件供应商到三星电子等数码设备制造商，都试图将人工智能注入到他们的产品中。
集微网消息，知情人士称，美国五角大楼（国防部）取消向英特尔公司提供高达25亿美元芯片补助的计划，将弥补缺口的责任交给另一个联邦机构——美国商务部。
知情人士表示，此举可能会限制英特尔预期获得的联邦资金总额，从而引发争议局面。除了国防资金之外，英特尔还一直在寻求从《芯片和科学法案》中获得价值超过100亿美元的激励措施。
国防资金是美国拜登总统此前签署成为法律的支出计划的一部分，其中为英特尔分配35亿美元，用于生产先进的国防和情报相关半导体。
美国商务部负责支付《芯片法案》拨款，此前只承担了其中10亿美元的资金。但知情人士称，五角大楼最初承诺支付其余费用，但在美国政府资助截止日期前几天取消了该计划。美国政府随后指示美国商务部使用《芯片法案》的其他资金来弥补差额。
资金面临分配问题资金短缺正在扰乱《芯片法案》的资金分配计划，这是一项旨在振兴美国国内半导体行业的里程碑式立法。这一变化可能意味着英特尔《芯片法案》资金的更大一部分用于军事用途，而不是商业用途。该国防协议使英特尔成为军事和情报需求芯片的专门供应商，并在该公司工厂内指定了一个所谓的“安全飞地”。
目前尚不清楚“安全飞地”的资金是否会并入英特尔的总补贴资金中，还是列在英特尔已经获得的资金之外，为其他所有人留下更少的资金。“安全飞地”方案引起了格芯等其他芯片制造商的不满，该公司也获得了《芯片法案》的资助。
美国商务部代表在一份声明中表示，有关“安全飞地”奖项的决定尚未做出，正在通过单独的流程进行评估。
该代表在一份声明中表示：“美国商务部期待继续与国会合作，以促进我们的经济和的方式实施《芯片和科学法案》。”但未对具体公司发表评论。
五角大楼发言人Jeff Jurgensen表示，国防部将继续与各机构和国会的伙伴合作，支持《芯片法案》的实施，并“提供满足我们微电子需求的安全能力”，他还表示，“目前推测供应商或能力的性质还为时过早。”
美国商务部强调，不希望给任何公司多出一分钱。该机构只有390亿美元的拨款资金来建立涵盖大规模制造、小型供应链工作以及商业研发的项目组合。
虽然这是一大笔钱，但对于整个芯片行业来说只是九牛一毛。仅先进芯片制造商就要求为他们预留一倍以上的资金。超过600家公司表达了对联邦拨款的兴趣。美国商务部还拥有价值750亿美元的和担保池，但这些公司并不都对这笔融资感兴趣。
英特尔CEO帕特·基辛格（Pat Gelsinger）告诉投资者，美国政府资金将帮助该芯片制造商实现雄心勃勃的转型努力，其中包括在俄亥俄州和亚利桑那州投资200亿美元。他的目标是增加产能并为其他公司制造半导体，同时努力恢复英特尔的技术实力。
美国商务部已经宣布向生产老一代芯片的公司提供三项奖励，其中包括向格芯提供15亿美元的资助，该公司是美方旧款处理器的供应商之一。
据知情人士透露，随着政府资助法案在国会获得通过，格芯游说反对英特尔的国防条款。一些议员还对仅依赖英特尔一家公司为最敏感的美国政府应用制造尖端芯片表示担忧。
“格芯几十年来一直是一家安全的芯片供应商，”该公司发言人表示。“我们赞赏美国政府为应对这一挑战所做的努力。我们有一个行之有效的方法。”
《芯片法案》得到美国两党的支持，原因是担心美国国内半导体行业摇摇欲坠会构成问题——特别是考虑到中美竞争日益激烈。
先进芯片的生产目前集中在中国地区。英特尔曾经是该行业的领头羊，也是少数仍在美国生产零部件的公司之一，但现在已经落后于台积电和韩国三星电子等竞争对手。
集微网消息，近日传出IBM正在计划裁员，要求员工自愿离职，对IBM欧洲公司的影响最大。根据知情人士爆料，IBM周二（3月12日）告诉市场营销和通信部门的员工，公司正在裁员，IBM首席通信官Jonathan Adashek在与该部门员工举行的一次大约7分钟的会议上，宣布了这一裁员消息。
IBM CEO Arvind Krishna曾于2023年12月透露，该公司正在大规模提升所有员工在人工智能方面的技能。早些时候，IBM宣布了一项用人工智能替代近8000个工作岗位的计划。
IBM在一份声明中表示，在今年早些时候公布的第四季度财报中，IBM披露了一项劳动力再平衡费用，这也暗示2024年将保持公司人数不增长。
业界表示，IBM在企业人工智能领域面临激烈的竞争，微软、谷歌、亚马逊等公司都有AI相关产品，而IBM在人工智能竞赛中有些落后。
根据3月初的报道，IBM财源计划涉及企业运营和支持部门、人力资源、Q2C、财务和运营部门的员工。
集微网消息 3月13日，荣耀终端有限公司产品线总裁方飞表示，荣耀已持续投入100亿AI研发费用，完成2000+AI专利，未来PC创新将围绕AI进行。
方飞介绍，荣耀笔记本把AI技术与用户体验融合，用AI使能智能硬件、人机交互和多端生态来重构PC行业。比如，通过AI网络调度优先业务加速，带来更低的网络时延；在PC交互上实现全局收藏、文档总结、搜索材料、文章撰写等辅助创作能力；基于意图理解的智慧推荐、会议纪要、Magic Text等AI辅助能力。
在本次沟通会上，荣耀公布了其领先的AI PC技术架构，荣耀笔记本将会把AI技术与用户体验全面融合，用AI使能智能硬件、人机交互和多端生态，开启AI PC新时代。此次发布的AI PC技术，将会全面落地荣耀MagicBook Pro 16上，树立AI PC产品的行业标杆。
据国外媒体报道称，中国与美国ICT平均技术相差0.8年，这个进步是神速的（实力是出乎意料的强）。
截至2022年，美国的信息和通信技术（ICT）平均水平最高（100%），中国达到美国水平的92.2%，排名第三，与美国的平均技术差距为0.8年。
欧洲以93.8%排名第二，与美国差距0.7年；韩国（89.6%）与日本（88.6%）排名第四、第五位，与美国差距分别为1.0年与1.2年。
在细分18个关键领域中（也包含半导体、芯片等），美国在17个领域占据主导地位，但在量子信息通信领域，欧洲被评为拥有顶尖技术，脱颖而出。
在量子信息通信领域，欧洲排名第一（100%），美国以99.6%排名第二，中国以99.1%排名第三，与欧洲及美国差距较小。
在大数据领域，韩国的技术水平与美国相比为89.2%，比上年提高1.2个百分点，位居第三。在自动驾驶领域，韩国的水平较美国跃升1.0个百分点，达到89.4%。不过，连续三年保持97.8%的韩国移动通信技术，2022年略下降0.3个百分点，为97.5%，仍保持第三位，落后于美国和中国（98.5%）。
在人工智能方面，借助谷歌、OpenAI等领先人工智能公司的能力，美国扩大了对其他国家的领先优势。韩国的人工智能技术水平从2021年的89.1%小幅下降至2022年的88.9%，但与其他国家相比降幅最小。中国、欧洲和日本分别下降0.8、0.5和0.7个百分点。（快科技）
