斯坦福大學校園，位于加利福尼亞州帕洛阿爾托，位于硅谷的中心
20世紀初的圣克拉拉山谷
在1900年，如果你知道圣克拉拉谷在哪里，你可能住在那里，或者你非常非常喜歡李子。

從舊金山市和舊金山灣向東南方延伸，在東灣山麓和圣克魯斯山脈之間有一條山谷。山谷里的土壤肥沃，在20世紀初，一英里又一英里的果園填滿了山谷。

在1890年代訪問圣塔克拉拉山谷時，傳說中的英國野戰元帥-霍洛肖·基奇納勛爵看到了數英里的開花果樹填滿了該山谷，據說他稱其為 “ 令人心曠神怡的山谷” ，這個名稱似乎注定會永遠存在。

山谷的主要農作物是法國李子，經過干燥并加工成梅子后，銷往世界各地。在舊金山以南45英里處的一小片農田，曾經占到了全球流行水果供應量的30％。櫻桃，梨和杏子也是該地區的豐收作物，外來農業勞動力的潮起潮落和傳統的農業生活是該山谷的標志性文化。

但是，世界的變革已經開始了。19世紀的工業革命造就了一代極為富有的商業大亨，從紐約到加利福尼亞，圣克拉拉谷(Santa Clara Valley)就是這樣一位大亨的故鄉;利蘭·斯坦福，他通過鐵路發家致富，這些鐵路在20世紀下半葉開始在美國縱橫交錯。

斯坦福唯一的兒子小利蘭·斯坦福(Leland Stanford Jr.)被送往歐洲接受“正規”教育，在國外時患上了傷寒，15歲時去世。心煩意亂的老斯坦福于1891年在帕洛阿爾托的山谷中擁有的8100英畝的牧場上創辦了一所大學，以紀念他的兒子。老斯坦福兩年后也去世了。
斯坦福去世后，斯坦福大學陷入了財務困境，但這種情況沒有持續太久。1909年，斯坦福大學(Stanford University)校長大衛·斯塔爾·喬丹(David Starr Jordan)對李·德·福雷斯特(Lee de Forrest)投資500美元開發他的三極管，這是歷史上最重要的風險投資之一。

德福雷斯特被譽為電子之父，他的電子管開啟了20世紀初的電子革命，為從收音機到計算器和電子時間記錄器等新型商業機器等各種設備提供動力。德福雷斯特供職的聯邦電報公司(Federal Telegraph Co.)是由與斯坦福大學(Stanford University)關系密切的人在帕洛阿爾托創辦的。

聯邦電報公司(Federal Telegraph Co.)是科技孵化器的先行者，在接下的幾十年里，隨著聯邦電報公司(Federal Telegraph Co.)的員工離開硅谷，在該地區創辦自己的公司，科技孵化器將定義硅谷。聯邦電報公司(Federal Telegraph Co.)就有這樣的兩名員工，他們創建了一家公司，這家公司首先發明、開發并銷售了一種揚聲器，最終成為音頻電子產品巨頭Magnavox。

弗雷德里克·特曼回到斯坦福

硅谷故事中最重要的人物之一是弗雷德里克·特曼(Frederick Terman)，他于1925年來到斯坦福大學(Stanford University)，當時他剛剛在麻省理工學院(Massachusetts Institute of Technology)獲得電氣工程博士學位。他回到斯坦福大學——在那里他獲得了本科學位——教授一門無線電工程課程，但他將繼續指導、激勵和投資硅谷的一些初創公司和為他們提供人力配備。

被許多人視為硅谷之父的特曼，在加入這所大學的教職工隊伍后，用了接下來的十年時間，把這所大學規模不大的電氣工程項目打造成了一流的項目。然而，當他看著大學培養出受過良好教育的畢業生獲得學位并于第二天離開小鎮到東海岸的工程公司工作時，這項工作變得令人沮喪。

特曼（Terman）希望斯坦福大學的畢業生留在山谷中，以創造當地企業，從而在該地區建立持久的工業基礎。為此，特曼（Terman）利用他的職位鼓勵斯坦福大學的工程專業畢業生留在圣塔克拉拉谷（Santa Clara Valley）并開始自己的事業，而不是東奔西跑。

第一家這樣做的公司是由斯坦福大學畢業生威廉?休利特(William Hewlett)和戴維?帕卡德(David Packard)創辦的惠普(Hewlett-Packard)。1939年，他們正式確立了合作關系，在帕洛阿爾托租了一個單車位的車庫，生產電氣測試設備。

很快，更多的畢業生和教師開始聽特曼的，并在該地區建立了自己的航空航天和電子公司。這些公司形成了一個網絡，斯坦福大學就是這些網絡的共同節點。特曼繼續專注于學術項目,培養了越來越多的受過高等教育的工人，這些人又加入到由斯坦福大學的畢業生在當地創辦的公司。

這樣，特曼（Terman）開始建立人才輸送管道，直到今天，斯坦福大學仍繼續向諸如谷歌和Facebook之類的硅谷最大的公司提供大量的高水平人才，許多人認為這是硅谷成功的源泉。然而，僅憑這一點，還不足以在如此短的時間內徹底重塑硅谷。要做到這一點，需要的遠不止特曼的努力工作和人際關系。

二戰的勝利如何為硅谷的騰飛做好了準備

早在1933年擔任德國總理之前，阿道夫·希特勒就已經在計劃戰爭了。一旦他掌握了國家和軍隊的權力，德國的重整軍備就成為了德國工業的首要任務。

由于在第一次世界大戰中屠殺了100多萬年輕人，英國和法國受到了創傷，無法有效地對抗希特勒的德國日益咄咄逼人的行動。1939年9月1日德國入侵波蘭后，他們意識到戰爭即將來臨，他們開始升級老舊軍事設備和加強防御，但為時已晚。對波蘭的侵略迫使法國和英國在做好充分準備之前就對德國宣戰。

在戰爭爆發之前，納粹恐怖主義導致許多學者、科學家和藝術家逃離，其中許多人踏上了去美國的道路，這是歐洲大陸在戰后重建時需要應對的驚人的“人才流失”。阿爾伯特?愛因斯坦(Albert Einstein)和約翰?馮?諾伊曼(John Von Neumann)都是20世紀30年代納粹掌權時移民到美國的歐洲人，還有許多其他著名的科學家也是如此。更多的人死于戰爭，無法逃脫。

在大西洋彼岸，富蘭克林·羅斯?？偨y在20世紀30年代的大部分時間里，通過他的“新政”計劃帶領美國渡過了大蕭條。這些措施無所不有，從讓失業者從事幾乎可以想象得到的任何工作，到出臺一些監管銀行業和金融業行為的最重要法規。

盡管如此，上世紀30年代對所有美國人來說都是一段艱難的時期，盡管第一次世界大戰中最嚴重的大屠殺讓美國幸免于難，但在大約一年的時間里，他們仍損失了逾10萬名士兵。隨著大蕭條對美國公民精神的侵蝕，沒有一個美國人愿意在另一場歐洲戰爭中戰斗。

亞利桑那號航空母艦在1941年12月7日珍珠港襲擊事件中沉沒
因此,這并不奇怪,孤立主義情緒在大蕭條時期在國會非常強烈, 甚至在1939年戰爭爆發之前，他們就通過法律，限制軍用物資的銷售到法國,英國,德國。不愿任何一方把美國拉入戰爭的借口。屈從于反戰情緒，國會還阻止美國陸軍和海軍囤積物資。直到1939年，美國才幾乎確定要參戰。

美國第一委員會的美國英雄發言人查爾斯·林德伯格,竭盡全力以使美國脫離戰爭, 他甚至在1941年9月11日在他的臭名昭著的愛荷華州得梅因演講中指責美國猶太人將美國推入戰爭。林德伯格因其反猶太言論而受到廣泛譴責。他曾接受納粹德國空軍司令赫爾曼·戈林(Hermann Goring)頒發的紀念林德伯格飛越大西洋的勛章，從而為自己贏得了納粹同情者的聲譽。

國會授予羅斯?？偨y開始指揮戰時生產的權力，他以最快的速度動員美國工業投入戰爭。

成千上萬的無線電、耳機和雷達系統需要被設計和制造，而在20世紀30年代沒有那么多地方可以滿足這種需求。美國在該地區的第二大電子研發中心位于斯坦福大學(Stanford University)，美國的軍事資金源源不斷地注入該地區。

硅谷與美國軍方的合作從此開始。

1941年珍珠港被轟炸，美國卷入戰爭，幾天后希特勒對美國宣戰。早些時候軍方的準備變成了需要動員美國整個工業產能為贏得戰爭而努力。

圣克拉拉山谷離舊金山港只有一箭之遙，是太平洋戰區最容易獲得必要的電子、微波和雷達設備的地方。在太平洋戰區，美國海軍和飛機的力量要比歐洲戰區強大得多。該地區也是幾家主要航空公司的所在地，這只會增加其戰略重要性。

硅谷的公司用盡全力，大量生產雷達、無線電和其他相關電子設備以及飛機——隨著戰爭的推進，這些設備的發展加強了該地區的工業能力——同時也開發新的發明和創新，以滿足戰爭帶來的特定需求。

戰爭在美國之外的國家留下了無盡的廢墟和死亡

1945年，在英國和美國對該城市進行炸彈襲擊之后，德國德累斯頓。
當戰爭終于在1945年8月結束時，有超過8000萬人死亡，而納粹對600萬猶太人的工業化屠殺徹底改變了歐洲的性質。在對德國人控制的城市的工業區，以及平民居住區域進行了戰略性的空中轟炸之后，歐洲大陸上所有的工業能力幾乎都被摧毀了。

東線遭受了整個戰爭中最可怕的戰斗。在1941年6月納粹入侵蘇聯時，蘇聯剛剛取得了一些與西方競爭對手相當的工業能力,納粹入侵后，成百上千的工廠從國家的西部被重新安置東部。

戰爭結束后，幫助重建國家和管理工廠的蘇聯公民明顯少于戰爭爆發前。1941年至1945年間，蘇聯共有2,600萬公民被殺，其中大多數是適齡工作的男性和女性，這是蘇聯在冷戰期間永遠無法克服的人力不足。

二戰后，斯大林將東歐變成了蘇聯的一系列附庸國，作為蘇聯和西歐之間的緩沖地帶，這條斷裂帶正好位于歐洲大陸的中間。1949年8月，蘇聯引爆了自己的原子彈，分裂的德國成為兩個擁有核武器的超級大國之間的意識形態邊界，讓世界在40多年的時間里夜不能寐。
在戰爭的最后一年，日本遭受了美國對其工業城市和制造業中心的猛烈轟炸。1945年3月10日，據估計，僅東京的燃燒彈襲擊，一個晚上就造成了10萬平民死亡。在戰爭的最后五個月里，70多個城市將被汽油彈和常規炸藥燃燒彈轟炸，造成多達50萬人死亡。到轟炸行動的高潮是在廣島和長崎使用原子彈的時候，美國已經完全摧毀了日本幾乎所有的工業能力。

東京在B-29轟炸城市的夜間突襲中燃燒
對日本來說，重建其工業能力是一項比歐洲艱巨得多的任務，歐洲的工業能力分布得更廣，對城市的轟炸比日本發生得更少，規模和嚴重程度遠遠不及日本遭受的持續轟炸。

與此同時,在美國…

田納西州的“羅西鉚釘機”于1943年組裝了飛機機身
在美國，情況就大不相同了。對珍珠港的襲擊是所有戰斗人員對美國基礎設施或工業造成的最大損失，1941年12月日本飛行員擊沉的16艘軍艦中，除了3艘以外，其余都被修復。珍珠港事件后，整個美國沒有一座建筑物被炸毀，更不用說圣克拉拉山谷了。

與此同時，美國經濟走出戰爭年代，進入了世界上從未見過的最非凡的繁榮發展時期。更重要的是，至少對圣克拉拉山谷來說，美國也在那些從戰爭中歸來的美國軍人身上投入了大量資金。

士兵可以在美國政府的支持下參加學院和大學,《退伍軍人權利法》提供了大量新的學生進入每一個學院和大學，他們經過戰爭的洗禮，展現出了異乎尋常的成熟。

1948年，斯坦福大學通過《退伍軍人權利法案》(GI Bill)將1948-49學年的新生人數增加了1000多名。政府通過這個項目涌入的大量投資允許學校擴大設施，特曼所建立的工程學院充滿了年輕有為的學生，這些學生都曾經在軍隊服過幾年的兵役。

當他們畢業時，他們和來自全國各地的工程專業畢業生將組成一個世界上從未見過的工程師團隊。

與此同時，特曼于1945年回到斯坦福大學，擔任工程學院院長。戰爭期間，他曾在哈佛大學(Harvard University)的無線電研究實驗室與美國軍方一起工作。他在戰時的服役進一步鞏固了他與政府和美國軍方的聯系，在他的余生中，他將一直向他的學生和畢業生宣傳這種伙伴關系。

特曼先是斯坦福大學工程學院的院長,后來擔任大學的教務長,直到1965年退休。他最終使斯坦福大學成為世界上一個重要的研究機構,同時也使圣克拉拉谷鳳凰涅槃成斯坦福工業園區。

當利蘭·斯坦福(Leland Stanford)把自己8100英畝的牧場遺贈給以他兒子的名字命名的那所大學時，他規定，那所大學絕不能出售他贈予的任何土地。50多年來，這片土地的大部分都沒有得到開發，直到1951年，特曼和學校才改變了這一點。特曼在那塊土地上開發了660英畝的土地，形成了斯坦福工業園區(Stanford Industrial Park)，這是一個龐大的空間，用于研究實驗室、辦公室和制造業，供企業進行長期租賃和開店。

斯坦福工業園區可以隨時得到斯坦福大學的專業咨詢意見，也有現成的聰明的、受過高等教育的工程專業畢業生，對于企業來說，這是一個不容錯過的好機會。從惠普和瓦里安兄弟開始，這片土地成為了該地區轉型的中心。不過，這種轉變需要一種催化劑，而催化劑的形式將是一位天生善于管理非凡人才的諾貝爾獎得主。

肖克利半導體實驗室和叛徒八人組

從左起：John Bardeen，William Shockley和Walter Brattain
1947年，威廉·肖克利(William Shockley)和他的下屬約翰·巴丁(John Bardeen)和沃爾特·布拉頓(Walter br)在美國電話電報公司(AT&T)位于新澤西州的貝爾實驗室(Bell Laboratory)發明了“點接觸晶體管”(point-contact晶體管)。雖然這個想法主要是肖克利的，但他實際上并沒有參與該設備的實際創造，巴丁和布拉頓提交的原始專利文件中也沒有提到他的名字，而巴丁和布拉頓在構建晶體管的第一個工作原型時發揮了重要作用。由于肖克利是巴丁和布拉頓的上司，貝爾實驗室堅持認為他的貢獻也必須被認可。

這是肖克利非常不滿，于是根據自己的想法,親自動手開發了一個完全不同的晶體管, 這種“結型晶體管”的性能比Bardeen和Brattain所建造的更好。以阻止Bardeen和Brattain冉冉升起。

阿丁和布拉頓最終還是獲得了榮譽，1956年，他們和肖克利一起獲得了諾貝爾物理學獎。一年后，肖克利搬到了加州的山景城，成立了肖克利半導體實驗室，將他的發明商業化。在那里，他聘請了該領域最優秀的人才，幫助生產晶體管，以滿足對易用、便攜電子開關日益增長的需求。被雇傭的人中有戈登·摩爾(Gordon Moore)和羅伯特·諾伊斯(Robert Noyce)，他們是肖克利后來稱之為“叛徒八人組”中最著名的兩個人。

這似乎是一場小打小鬧，但卻是一場后果重大的戰斗。鍺和硅都是半導體材料，但肖克利的許多年輕工程師認為，鍺在晶體管中是一個糟糕的選擇，因為一旦溫度超過華氏180度，晶體管就會開始分解，而華氏180度是電氣中很常見的溫度。他們希望Shockley開始使用硅來代替它的高耐熱性，但是Shockley拒絕了。

羅伯特·諾伊斯的平面集成電路
在紐約長島的“仙童相機和儀器”的支持下，肖克利實驗室的八名工程師辭職，其中包括戈登·摩爾和羅伯特·諾伊斯，他們在1957年成立了仙童半導體公司。1958年，在Noyce與德州儀器公司的Jack Kilby一起獨立發明了集成電路之后，Fairchild在Noyce的帶領下成長為Santa Clara Valley歷史上最重要的公司。

集成電路是計算機時代最重要的發明。集成電路首先在一塊硅片上蝕刻數千個、數十萬個、數百萬個、最后是數十億個晶體管，為現代計算機提供動力，每秒產生數萬億個開關操作，使計算機能夠執行各種令人難以置信的計算壯舉。

1958年，對于仙童半導體公司和其他航空航天和電子公司來說，集成電路的發明來得正是時候?，F在,斯坦福工業園區已聲名遠揚，全美各大公司紛紛在圣克拉拉峽開設谷辦事處。特別是那些航空公司, 很快就扮演了一個重要的催化劑角色,將這些公司最終進化成了我們今天知道的高科技工業巨頭。

人造衛星改變了一切

Sputnik-1
1957年，蘇聯將人造衛星“斯普特尼克-1號（sputnik 1）”發射到環繞地球的軌道上，這是第一顆人造衛星，震驚了全世界。

“驚慌失措”可能是描述美國政府被蘇聯的成就完全打了個措手不及的最佳用詞。每個人都知道，美國和蘇聯都希望在1960年之前將一顆衛星送入軌道，但沒人料到蘇聯會先將這么大的一顆衛星送入軌道。

Sputnik-1號的187磅，放到今天，都不夠格進入SpaceX的重型獵鷹火箭的貨物清單中，比十年后將阿波羅11號宇航員送上月球的土星五號火箭也要少很多。但在1957年將如此重的衛星送入地球軌道，美國還真的不知道怎么做。

美國“先鋒隊”項目計劃發射的衛星重量只有3.5磅。1957年12月，在他們試圖測試攜帶先鋒衛星的運載火箭時，火箭在距發射臺幾英尺的失去了推力，墜落到地面，在集合的記者面前爆炸成一個巨大的火球。他們稱它為“弗洛普尼克”和“卡普特尼克”， 后者無疑是為了紀念二戰后美國政府征召的所有前納粹火箭科學家。

更讓人感到危機的是，就在“斯普特尼克-1”火箭發射前幾周，蘇聯成功試射了一枚洲際彈道導彈(ICBM)。美國公眾和他們的政府開始對他們落后于蘇聯的程度感到恐慌，這種差距開始被稱為“導彈差距”。

艾森豪威爾總統試圖向美國公眾保證，“人造衛星1號”不值得擔憂，但由于衛星每90分鐘從頭頂飛過，在夜空中清晰可見，美國人無法擺脫蘇聯正在擊敗他們的恐懼。對于任何經歷過的人來說，他們可能會告訴你，他們是在哪兒第一次聽到這個消息的; 這對美國人的心靈是一種沖擊。

時任參議院多數黨領袖、來自德克薩斯州的民主黨人林登b約翰遜(Lyndon B. Johnson)在主持燒烤會時，從收音機里聽到了人造衛星發射的消息。那天晚上，他陪他的客人們沿著他在德州的農場走到河邊。他這樣描述那天晚上:“現在，不知怎么地，以一種新的方式，天空看起來幾乎是陌生的。我還記得當我意識到另一個國家有可能在技術上超越我們偉大的國家時，我內心感到無比震驚?！?/p>

全國人民將他們的集體憤怒轉向艾森豪威爾，這位二戰盟軍的最高指揮官，在此之前，他們只知道他是打敗希特勒的美國戰爭英雄?，F在，他是一個打高爾夫球的老態龍鐘的老傻瓜，而蘇聯人在他的監視下接管了太空。密歇根州州長G. Mennen williams——公平地說，他是民主黨人，艾森豪威爾是共和黨人——寫了一首詩來概括這個國家的情緒:

小斯普特尼克，飛得很高

莫斯科制造，嘟嘟,

你告訴世界這是共產主義的天空，山姆大叔在睡覺。

你說在球道上，在沙坑上

克里姆林宮心知肚明

我們希望高爾夫球手知道的足夠多

讓我們保持警覺

美國軍工聯合體的誕生

美國需要一段時間才能趕上蘇聯，而在這段時間里，蘇聯將在1957年11月發射另一顆衛星“斯普特尼克2號”。這一次，飛船上有一位乘客，是一只名叫萊卡的狗，它是第一個到達外太空的生物。她在飛行幾小時后死亡，但美國人不知道。他們所知道的是，保護美國免受兩次世界大戰造成的野蠻破壞的海洋再也不能保護他們了。

蘇聯在戰爭后應該是一片廢墟，在戰后他們獨立自主實現了繁榮。俄羅斯人似乎不可能恢復得如此之快,他們不應該超過美國，也不應該在技術上領先美國。他們可能一時做到,但他們不會守住很長時間。

美國人根本不可能知道這些，也不可能知道蘇聯試圖維持與美國平等的努力最終會讓蘇聯在人造衛星升空34年后破產。他們只知道蘇聯的人造衛星就在那里，在夜空中不停地閃爍，并向他們的無線電廣播奇怪的共產主義摩爾斯電碼。

有一種感覺，動員是必要的，就像珍珠港事件后那樣。

作為回應，艾森豪威爾和國會下令增加對美國太空計劃和導彈發展的投資，將大量資金投入艾森豪威爾后來稱之為軍工綜合體的地方。太空計劃在機構的相互競爭中陷入缺乏重點困境, 于是國會在1958年授權創建國家航空和宇宙航行局(NASA)和高級研究計劃局(DARPA)。

對于國會來說，在1941年，沒有人會相信那些大學里的物理學家，他們那些不可思議的原子結構理論，或者他們所談論的任何東西，最終會掌握國家生存的鑰匙。但這正是他們在1945年所發現的，而在1958年，他們打算讓科學家和工程師再做一次。只是這一次，情況將與上世紀40年代大不相同。

約翰·肯尼迪（John Kennedy）出訪美國宇航局（NASA）卡納維拉爾角
到1958年，美國軍隊基本上是“自由世界”的軍隊。法國、英國、西德以及北約的其他國家只提供了美國實際支出資金的一小部分。這在很大程度上是必要的，當然，這些國家沒有一個能真正重建他們的軍事力量。

它也被一些人認為是為了和平，至少就美國當時的想法而言，即以前的交戰國，特別是德國，不會在必要的緊急自衛力量之外建立他們的武裝力量。

一戰后仍然擁有殖民地的法國和英國，都保持著一支更強大的軍隊，或多或少是一支殖民綏靖力量，但他們都慘敗了，這表明戰后的法國和英國是多么的虛弱。獨立運動在這兩個帝國的殖民地遍地開花，其中大多數在20世紀60年代末獲得了獨立。

在戰后為日本起草的憲法中，美國禁止任何形式的軍備重組——盡管憲法被解釋為允許成立一種名為“自衛隊”的國民警衛隊。但作為唯一遭受核武器攻擊的國家，狂熱的和平主義已經在這個國家扎根。在這方面，美國也將為日本和韓國等亞洲其他國家提供安全保障，使其免遭攻擊。

可以理解的是，世界已經厭倦了戰爭,在軍事問題上大多數國家愿意跟隨美國,美國似乎更愿意承擔和蘇聯的對抗和沖突。

由于這種全球動態的結果，美國軍隊從來沒有像世界其他地方那樣真正地遣散過。隨著新的敵人的出現，陸軍部在1947年重組為國防部，而美國的軍事基礎設施也一直保存著，沒有像第一次世界大戰后那樣被拆除和封存

相反，初了1945年之后的幾年里，它的軍事預算從戰爭的最高水平有所下降，而在1948年蘇聯入侵捷克斯洛伐克之后，隨著冷戰的真正開始，軍事預算又開始回升到戰爭期間的最高水平。

1941年和1958年的另一個主要區別是戰后美國GDP的激增。1940年,美國還在蕭條期，但在1958年,他們有了比想象還要多很多的錢, 他們將它投入到軍備競賽中，直到今天,也沒有人問這些錢在軍事方面都用在哪里了。

美國官方對人造衛星的回應是:硅谷

斯坦福大學
這就是1957年發射“斯普特尼克1號”時的美國政治氣候，因此，當美國政府將永遠不再在技術上落后于蘇聯作為官方政策時，他們既有決心，也有充足的資源來確保自己永遠不會落后于蘇聯。到1958年，他們看到了科技對于國防的重要性，以及科技是如何幫助盟軍贏得戰爭的。他們也知道，你無法預測哪些發現最終會改變游戲規則，所以他們會在不影響預期結果的情況下對所有發現進行投資。

就研發而言，在帕洛阿爾托、山景城、桑尼戴爾和庫比蒂諾這些不斷發展的新興城鎮，DARPA、NASA或國防部的其他部門總是可以為新項目提供資金，圣克拉拉谷的科技公司也充分利用了這一點。

這筆錢會給每個人，讓他們想出一個好主意和一個壞主意。全體國民情緒在人造衛星之后都接近歇斯底里，國會、以及總統艾森豪威爾、肯尼迪、約翰遜和尼克松,對人造衛星和“導彈差距”的答案只有一個，就是燒錢開發任何看起來可能是有前途的技術,任何可能把蘇聯踩在腳下的技術。

這有助于在圣克拉拉培育一種冒險和創新的文化，這是美國東部那些更成熟、更保守的科技和航空公司無法復制的，同樣重要的是，這種文化也是私人投資者永遠無法容忍的。

最重要的是，這些政府機構對技術的需求可能消費者永遠都不會提出的?？萍脊纠硭斎坏仃P注用戶需求、用戶體驗，但只有美國軍方才能對產品提出類似人類登月并安全返回的要求。二戰后，歐洲的軍事能力下降，導致它們沒有類似的技術創新引擎，而只有美國和蘇聯能夠制造這種引擎。

例如，英國早在戰爭結束前的1943年就已經制造了一臺數字計算機。阿蘭·圖–1936年的一個畢業生,毫不夸張地說是人類歷史上最杰出的計算機科學家之一，開發了作為現代計算機的理論基礎, 并且借助這些知識破解了戰爭期間納粹德國的在數學上看起來無法破解的加密通信。

1945年擊敗納粹的英國巨像數字計算機
但Colossus從未像ENIAC和UNIVAC那樣家喻戶曉，原因有二。首先，直到20世紀70年代，英國政府一直把它作為一個隱藏得很好的秘密，但其次，更重要的是，他們沒有資源對計算機技術的發展進行大量投資，英國企業也沒有。英國的情況比法國、德國或日本要好得多。

英國在上世紀60年代之前還能在計算機技術的發展中演一個角色, 但從60年代之后，美國把所有的計算機相關研究全部收回，再也沒有回頭。在1960年代早期DARPA開始資助多達70%的計算機技術研究。

例如，美國國防部高級研究計劃局在20世紀60年代為研究人員設定了一項挑戰，即開發一個可以免受蘇聯攻擊的計算機系統網絡，這樣，如果蘇聯的導彈摧毀了一個大學研究中心，他們的工作就可以得到保護。這促使研究人員創建了阿帕網，也就是我們今天所知的互聯網。ARPAbet是一系列代表英語口語聲音的符號，1971年由美國國防部高級研究計劃局(DARPA)資助開發，是產生現代語音識別和合成的基礎研究，類似Siri或谷歌的文本-語音API。DARPA已經資助了數百個類似的項目。

民兵導彈測試啟動
與此同時，國防部正在大力擴大民兵導彈項目，需要集成電路來建立制導系統。

“圣克拉拉郡,”紐約的巴魯克學院商業和工業歷史助理教授托馬斯·海因里希寫道,”生產了所有美國海軍的洲際彈道導彈、大部分的偵察衛星和跟蹤系統,以及各種微電子組件，這些組件組成了美國高科技武器系統?！?/p>

“民兵計劃對我們來說是天賜之物，”仙童半導體(Fairchild Semiconductor)的查理?斯波克(Charlie Sporck)表示?！败姺皆敢饣ù髢r錢購買高性能。小公司如何與大公司如德州儀器或摩托羅拉競爭?它必須有一些獨特的東西。然后它必須有一個出口。當然，軍事市場對我們來說非常重要?！?/p>

北美航空的一個分支Autonetics公司贏得了新的Minuteman II制導計算機的合同，他們把全部精力放在集成電路上，而不是只用于Minuteman I制導系統的分立電路上。民兵II型在他們新的導彈制導計算機中使用了大約2000個集成電路和大約4000的離散電路，在兩種導彈的性能比較中選擇出較好的方案兜售給軍方。

基爾比當時在德州儀器公司工作，該公司是民兵項目集成電路的三大供應商之一。

隨著20世紀60年代冷戰緊張局勢的加劇，民兵II型導彈的產量大幅增加，1964年每周生產6至7枚導彈。按照這個速度，該項目的三大半導體供應商——德州儀器、西屋電氣和RCA——每周需要生產4000多塊集成電路才能滿足需求。

巴茲·奧爾德林，阿波羅11號的宇航員，在月球上，1969年七月
還有NASA需要考慮。雖然他們不是軍方的正式成員，但他們嚴重依賴相同的軍方承包商為太空計劃提供必要的電子設備，尤其是為阿波羅計劃。仙童半導體公司不像其他公司那樣熱衷于軍事合同——盡管他們仍然接受這些合同——在美國宇航局和阿波羅計劃上毫不猶豫。

1962年，美國國家航空航天局宣布，阿波羅計劃的制導計算機將使用基于仙童公司設計的集成電路，仙童公司將是這些芯片的主要供應商，而德克薩斯儀器公司和菲爾克-福特公司是次要的生產供應商。每臺阿波羅制導計算機將使用大約5000個集成電路，在接下來的13年里共制造了大約75臺計算機，其中有25臺是執行飛行任務的。

這些并不是NASA唯一需要集成電路的系統。到20世紀60年代中期，NASA購買了美國60%的集成電路。僅在1964年，Fairchild就為阿波羅計劃向NASA出售了10萬個集成電路。

20世紀60年代對集成電路的巨大需求，既為大規模生產這種昂貴設備提供了必要的壓力，也為提高生產能力以實現這些生產目標提供了必要的收入。

據史密森學會航空電子與計算部門的主管保羅·塞魯茲(Paul Cerruzi)稱，在阿波羅合同期間，“從最初購買原型芯片，到將其安裝到阿波羅計算機的生產模型中，每塊芯片的價格從1000美元降至20至30美元?！卑⒉_合同，像之前的民兵合同一樣，給了半導體公司一個集成電路的市場，反過來，他們現在可以把集成電路賣給民用市場?！?/p>

巨額資金的注入使圣克拉拉山谷的公司獲得了壓倒性的利益。到1961年，太平洋地區在軍事主要合同的授予上總體領先于美國的其它地方，獲得了國防部所有合同的27.5%。1963年，幾乎整個集成電路市場都被這些軍事和太空相關的合同占據了，1964年這個市場的95%也是如此。在整個20世紀60年代，在所有支付1萬美元以上的國防相關主要合同中，加州占了五分之一，而且幾乎一半(44%)的NASA分包合同最終都落到了加州的公司手中。

到20世紀末，由于圣克拉拉山谷的公司的努力，美國人已經在月球上行走了，他們的努力改變了整個地區。斯坦福大學(Stanford)和加州大學伯克利分校(UC-Berkeley)擴大了它們的碩士和博士項目，以幫助供應工業和商業所需的訓練有素的工人。

賺錢容易，輸或贏，這就是硅谷

根據美國納稅人的意見，為斯坦福的2英里加速器開挖隧道
最終，這種沒有失敗的商業后果的環境，為那些在這些公司工作或在斯坦?；蚋浇募又荽髮W伯克利分校(University of California at Berkeley)學習工程學的人創造了一種獨特的文化。它在圣克拉拉谷培訓了整整一代的行業領導者，使他們成為一種不同的領導者，處理問題的方式也與更保守的公司截然不同。

東海岸的公司，如數字電子公司、IBM和其他公司，有更成熟的傳統，無論軍方或美國宇航局投入多少錢，他們都能保持這些傳統。然而，那些填滿圣克拉拉山谷的公司是較新的公司，它們以通過在人造衛星發射后10至15年學到的經驗來定義自己。

他們的個人網絡文化是建立在十年的合作和競爭的基礎上的，個人可以憑借能力自由流動而不會受到懲戒——不像馬薩諸塞州那樣，加州的128號公路走廊以高科技為主，加州禁止在合同中加入不競爭條款。最重要的是，他們擁有一種學習的心態，認為失敗只是邁向成功的另一步，而不是努力的終點。

20世紀60年代圣克拉拉山谷的變化是顯而易見的，即使你沒有注意。到1960年，當地日報《圣何塞水星報》(the San Jose Mercury News)的農場版已縮減至周日版的一至兩頁，該報的重點也明顯轉向報道不斷增長的科技行業的最新發展。

大約在1966年，在斯坦福大學進行的SLAC粒子加速器的首次成功測試
1960年,該報報道,斯坦福大學花了1.25億美元建設了一條兩英里長的直線加速器，該項目由美國原子能委員會–美國能源部的前身贊助,這一建設確保了斯坦福大學在這個星球上擁有最大密度的核研究設施。

他們在1963年報告了斯坦福工業園區是如何發展壯大的，包括40家公司，雇傭了11500名員工，其中一半在電子行業。十年前，報紙的頭條新聞可能是談論農作物產量和李子價格，而現在的頭條新聞是“改善女性冠狀動脈疾病后心跳的裝置”、“過熱反應堆為發電機提供動力”和“圣何塞工程師擴張”。

1968年，羅伯特?諾伊斯(Robert Noyce)和戈登?摩爾(Gordon Moore)離開仙童半導體(Fairchild Semiconductor)，共同創立了英特爾(Intel)。三年后，英特爾推出了全球首款微處理器——英特爾4004。集成電路一詞指的是各種元件，從存儲器電路到輸入輸出控制器再到邏輯單元，而微處理器的不同之處在于它整合了不同的集成電路，形成了現代計算機的中央處理器。

微處理器能夠完成整個計算機系統的工作，所以在1975年，阿波羅號的宇航員在完成阿波羅號的最后一次任務時，他的口袋里會有一臺計算器，HP-65，它的原始處理能力比控制飛船的計算機還要強。摩爾定律(由硅晶體管的復合微型化導致的處理能力的指數級增長)推動了這一變化的根本步伐，這將在未來30年里支配微處理器計算能力的爆炸性增長。

圣克拉拉山谷是這一切的中心。1971年1月11日，這個永遠定義了美國這片土地的名字正式進入了詞典，記者唐·霍夫勒(Don Hoefler)在當地行業報紙《電子新聞》(Electronic News)上發表了一篇題為《美國硅谷》(Silicon Valley, USA)的文章。

《圣何塞水星報》(the San Jose Mercury News)的商業和科技記者皮特·凱里(Pete Carey)這樣描述這個名字:“一開始，它是一個自我意識很強的詞，需要很多狂妄自大的人來重復，才能讓人信服?！钡?，該地區在面積和重要性上的顯著增長，使得這個詞幾乎在所有地方都能辨認出來。在北加州以外，聽說過帕洛阿爾托、山景城、森尼韋爾、庫比蒂諾和圣何塞的人相對較少，但全世界都知道硅谷在哪里?！?/p>

計算機從嚴格意義上的軍事技術向工業和商業技術的轉變始于20世紀70年代，當時集成電路的成本——再擴展一下，就是新的微處理器——使這些技術的非軍事應用變得可以承受。20世紀70年代，隨著美國國家航空航天局(NASA)和軍隊支出的速度開始放緩，組成硅谷的公司現在都是成熟的老牌公司。

隨著時間的推移，他們能夠為這項新技術找到工業和商業應用，以取代使這項技術達到成熟的軍事合同。20世紀70年代，像比爾·蓋茨和史蒂夫·喬布斯這樣的新一代行業領袖開始嶄露頭角，他們將有兩代商業和技術領袖來指導他們。

過去十年間微電子產品成本的大幅降低也使這一代人能夠在不需要上一代人所需要的那種資本投資的情況下，生產電子消費品——比如蘋果二代電腦。更重要的是，這意味著硅谷的公司和非常富有的硅谷居民自己就能夠成為這些新企業的主要投資者。

8位微處理器。微處理器是為現代計算機系統提供動力的發明
到20世紀70年代末，硅谷不再是美國宇航局和美國軍方的公司所在地。20世紀60年代，在美國政府的資助下，他們得以改進和完善技術，在接下來的幾十年里成功地商業化到工業、商業和消費產品中，造就了我們今天生活的世界。而且，考慮到該地區的繁榮和硅谷技術為國家帶來的收益，人們想要在自己的城市、州甚至國家重建這個地方也就不足為奇了?，F在似乎每個人都想擁有自己的硅谷。

忘掉一個新的硅谷吧;我們仍在爭論第一個是否是個好主意

想要重建硅谷是很誘人的，但這忽略了硅谷是什么:它是人類歷史上一個獨特時期的獨特產品，如果有人性的話，沒有人能夠也不應該想要重復它。要重建硅谷，你需要經歷另一場像二戰后那樣的全球劇變。雖然氣候變化可能會帶來這樣的機遇，但這應該會讓你了解所需的巨大壓力和所涉及的困難。

考慮到這些壓力，創建另一個硅谷并不難;最終，它將是極度恐懼和焦慮的產物，一個被摧毀的世界，從你們國家的財富中建立起來，投入到一個單一的產業中，以犧牲幾乎所有其他東西為代價。這是假設你所在的國家有足夠的資源進行投資。全球災難是不可預測的，當涉及到未來時，我們都生活在無知的面紗后面。

此外，與最初的公司一樣，那些身處這個新硅谷的人很可能會忘記，當初是什么讓他們成為世界頂級科技公司的。財富的極度集中將不可避免地造成各種社會緊張局勢。像基本規則這樣的問題看起來好像很久以前就解決了，但實際上可能會成為主要的爭議。

一家硅谷公司可能愿意投資一家初創公司，或者為一個編程訓練營提供資金，但它可能會越來越抗拒繳納公共教育所需的稅款。一些最初的硅谷最直言不諱的居民仍然相信，政府一直是他們成功的障礙，而不是推動他們成功的原動力，他們基于這種信念行事，損害了社會結構。

最后，你可能會得到一種反常形式的“資源詛咒”;如此大量財富的迅速集中并沒有像預期的那樣使你的社會富裕起來，反而導致了財富和收入不平等的加劇、社會動蕩、腐敗和民主倒退，這在發展中國家很常見。

那些從第二次世界大戰中復蘇，但卻失去了自己的硅谷的國家，最終得以投資于全民醫療保健計劃、教育和更慷慨的社會福利。這些國家在全球幸福指數上的排名一直高于美國，因此，從各方面考慮，擁有一個硅谷似乎并沒有給我們的生活質量帶來多少提高。恰恰相反，因為幾乎每一周都有新的研究出來，表明這些新技術可能越來越不符合我們人類的基本需求，所以即使是那些與硅谷緊密相連的人也開始害怕他們所創造的東西。

雖然創建一個新的硅谷聽起來像是中了彩票，但這是一種取舍，而且一直如此，我們現在才剛剛開始意識到后果。最終，這些可能會平衡或向有益的方向傾斜，但我們還沒有達到那種程度，所以我們不知道硅谷最終會被視為福祉還是災禍。在我們嘗試在其他地方復制它之前，我們應該弄清楚這一點。

但伴隨新型冠狀病毒疫情在海外的持續蔓延，多國采取“封城”手段，頭部企業如日本村田、三星機電等多個工廠面臨停工或物流限制，短期供給受限。根據富昌電子網 2020 年第一季度數據 統計，短期受到行業去庫存接近尾聲及疫情影響供給不足的影響，產品出現貨期延長、產品漲價的現象。

恰逢此時，以風華高科、三環集團等為代表的國內頭部企業紛紛加大產能擴建，有望加速國產化進程。

MLCC 市場需求
作為最主要的電容器，MLCC 全球市場規模已超百億美元

電容器是電子線路中必不可少的基礎電子元件，幾乎所有的電子設備中都 需要規?；呐渲?。電容器通過靜電的形式儲存和釋放電能，在兩極導電物質 間以介質隔離，并將電能儲存其間，主要作用為電荷儲存、交流濾波或旁路、 切斷或阻止直流、提供調諧及振蕩等。根據介質不同，電容器產品可分為陶瓷 電容器、鋁電解電容器、鉭電解電容器和薄膜電容器等，其中，陶瓷電容器市 場份額占比最高，達到 40%左右。陶瓷電容器可分為單層陶瓷電容器 (SLCC)和多層瓷介電容器(MLCC)，其中 MLCC 的市場規模占整個陶瓷電 容器的 90%以上。

根據中國電子元件行業協會信息中心數據，2015 年全球 MLCC 市場規模約 為 88.5 億美元;2016 年市場規模下降約 1.5%至約 87.2 億美元;2017 年重現 增長，市場規模增加 25.4%至 109.4 億美元左右。近年來，隨著電子制造業發 展迅速、互聯網持續深化發展及相關的各種智能硬件不斷普及，各類整機產量 迅猛增長，MLCC 等電子元器件的市場前景廣闊。

在過去的幾年，隨著中國日益成為全球主要的電子信息產品制造基地，國 內電子元器件市場需求總量呈現快速增長態勢，其中 MLCC 的產銷及進出口都 迅速擴大。近兩年全球經濟景氣度下滑，中國經濟發展速度放緩，MLCC 產業 亦受到影響，但由于智能互聯網產品及新能源等行業的高速發展，中國 MLCC 產業依舊保持著較高速度的增長。根據中國電子元件行業協會信息中心的數 據，2017 年中國 MLCC 產量為 24,740 億只(同比增長 16.5%)，銷量為 24,840 億只(同比增長 16.8%)，出口量為 13,830 億只(同比增長 3.0%)。

受益 5G 商用落地及國產替代，MLCC 剛性需求不斷提高

作為世界上用量最大、發展最快的基礎元件之一，MLCC 是 5G 相關的各 類電子設備中不可或缺的零組件，被廣泛應用于智能手機、音視頻設備、智能 家電、PC 等消費電子領域以及汽車電子等工業領域。其中高端 MLCC 產品在 5G 智能終端產品中需求巨大。5G 的到來將引領世界進入一個全新的通信技術 時代，智能終端產品無論是提升性能還是增加功能，都需要增加 MLCC 的使用 量。由于 PCB 線路板空間有限，MLCC 數量的增加也提高了對 MLCC 各項性 能的要求，推動 MLCC 向高可靠性、高比容、小型化、高頻化等方向發展，助 力 5G 的建設。

從全球出貨數量看，MLCC 約 80%需求來自通信和消費電子領域，這主要 是因為通信和消費電子領域的創新促使產品更新換代速度加快，對 MLCC 的需 求始終保持較高的水平。其中，智能手機及通信設備的需求占比達到 42%，電 腦及外設的需求占比達到 19.6%，家庭影音需求占比達到 17%。另外，隨著汽 車近年來向智能化、電動化發展，汽車領域逐漸成為 MLCC 的一個重要需求來 源，占比達到 10.6%。

2020 年隨著 5G 商用的落地，低延遲、高流量、廣連接的通信方式將不斷 重塑通信、娛樂、安全等行業的發展，催生 5G 通信、人工智能、物聯網、汽車 電子等需求的增長。同時，國際貿易摩擦的加劇以及貿易保護主義的抬頭，讓相關行業和企業意識到自主掌握核心技術的重要性，國產替代進程逐步加快。從 MLCC 行業的長期需求來看，作為整個電子信息產業的基礎支撐，電子元器 件產品有著小型化、高集成化、大容量化的發展趨勢。疊加近年來物聯網、5G 通信、光伏發電、汽車電子及其他消費電子產業的迅猛發展，對于 MLCC 的剛 性需求長期存在并將不斷提高，未來發展空間廣闊。

MLCC 競爭格局
日系廠商占有較明顯的領先優勢，全球龍頭日本村田市場份額超 25%

從國際市場看，日系廠商占有較明顯的領先優勢。在全球前十大 MLCC 廠 商中，日系廠商全球市場銷量占有率達到 44%，主要原因在于日系廠商在尖端 高容量產品、材料粉末技術、產能規模上領先其他國家和地區廠商。按 MLCC 的銷量排名，第一位是日本村田，其產品規格和電容量范圍相當齊全，2017 年 全球市場占有率為 25.8%;韓國廠商三星電機占第二位，2017 年市場占有率達 到 21.0%。其余幾家位列前十的日本廠家包括:太陽誘電 2017 年全球市場占有 率約為 8.7%，占第五位;TDK 的市場占有率約為 5.0%，占第六位;京瓷的市 場占有率約為 4.7%，占第七位。

另外，中國臺灣國巨占全球第三位，其市場占有率約為 12.2%。中國也有 幾家企業位列世界前十:華新科技排名全球第四位，市場占有率為 9.8%;深圳 宇陽的市場占有率為 4.1%，排名全球第八位;廣東風華高科 2017 年的市場占 有率為 2.7%，排名全球第九;達方市場占有率為 1.8%，全球排名第十。

目前國內 MLCC 產品主要以生產中低端產品為主，5G 智能終端用 MLCC 產品由于存在極高的技術壁壘，目前市場主要被日本、韓國企業主導，國內技 術落后，尤其在高可靠性、超小型、高比容 MLCC 產品方面與國外差距較大。

國內的陶瓷電容器民用市場競爭較為充分，該領域一般依靠規模優勢取 勝，體現為“數量大、單價低”的特點。從目前的競爭格局來看，大部分國際 知名陶瓷電容器生產企業在國內均設有生產基地，憑借其技術、規模優勢，占據民用陶瓷電容器市場較大的份額(xx%)，部分高端產品處于相對壟斷地位。與國外知名廠商相比，國內的陶瓷電容器生產廠家多為中小型企業。

疫情對 MLCC 行業影響
疫情導致短期供給緊張

中國 MLCC 產能陸續恢復

中國目前已經成為全球最大的消費電子產品生產國，中國旺盛的市場需求 和相對較低的生產成本吸引了全球幾乎所有的大型 MLCC 廠商，大部分國際廠 商通過在中國發展代理經銷商及在中國設立生產基地的方式開展業務。伴隨著 國內疫情逐步得到控制，多個地方實現病例“清零”，本次疫情對國內市場的影響 主要因為 2 月份全國范圍延遲開工和物流運輸不暢，截止目前該影響已基本解 除。

頭部企業海外多個工廠供給受限

村田在日本(野洲市，八日市，福井縣，島根縣，富山縣，石川縣，宮城 縣，岡山縣，長野縣，宮城縣，岐阜縣，巖手縣，三重縣，栃木縣工廠);中國 (無錫，佛山，東莞，深圳，臺灣工廠);東南亞和南亞(新加坡，馬來西亞， 泰國，菲律賓)，美洲(美國圣地亞哥)，歐洲(芬蘭)等地均擁有產能。三星 電機擁有菲律賓工廠。但伴隨新型冠狀病毒在海外的持續蔓延，多國采取“封 城”手段，頭部企業工廠面臨停工或物流限制，短期供給受限。

3 月 15 日，菲律賓馬尼拉自開始封城一個月;

3 月 16 日馬來西亞首相丹斯里慕尤丁宣布，實施行動管制令(Perintah Kawalan Pergerakan)，3 月 18 日至 3 月 31 日全國封城 14 天，規定 除了提供必須基本服務的機構，其他政府及私人機構都關閉，包括境內 企業、工廠全面停工;

4 月 3 日新加坡總理李顯龍宣布，新加坡政府決定暫時采取更嚴格的措 施，防止病毒擴散。所有提供非必要服務的工作場所從 4 月 7 日起關閉， 學校則從 4 月 8 日開始全部實行在家學習，措施將為期一個月。

4 月 6 日村田發布公告，福井村田制作所株式會社武生工廠的一名員工 對 COVID-19 呈陽性反應?？紤]到現場所有員工的健康和安全，公司將 于 4 月 5 日至 7 日暫停運營，要求所有員工留在家里。

MLCC 出現貨期延長，產品漲價現象

MLCC 市場在經歷了 2018 年的高速增長后高位回落，由于行業去庫存以及國際貿易摩擦加劇等綜合因素影響，全球電子元器件行業及產品價格理性回 歸。隨著行業去庫存接近尾聲，智能化水平的提升、5G 加速以及車載方面需求 增加促使 2019 年末市場需求企穩回升。根據富昌電子網 2020 年第一季度數據 統計，短期受到疫情影響供給不足，產品當前出現貨期延長、產品漲價的現象。

國產廠商擴建產能 加速國產化進程

近兩年我國半導體產業保持高速增長，電子元器件產業受 5G 通訊領域、新 能源汽車等應用增長以及國產化需求提升，市場需求旺盛。近期 MLCC 供不應 求，企業積極布局擴產。

風華高科擬投資 75 億元，新增月產 450 億只高端 MLCC

風華高科是國內片式無源元件行業規模最大、元件產品系列生產配套最齊 全、國際競爭力較強的電子元件企業，擁有完整的從材料、工藝到產品大規模 研發制造的產品鏈，具備為客戶提供整體配套及一站式采購服務的能力。公司 主營產品為電子元器件系列產品，包括 MLCC、片式電阻器、電感器、陶瓷濾 波器、半導體器件、厚膜集成電路、壓敏電阻、熱敏電阻、鋁電解電容器、圓 片電容器、集成電路封裝、軟性印刷線路板等，產品廣泛應用于包括消費電 子、通訊、計算機及智能終端、汽車電子、電力及工業控制、軍工及醫療等領 域。另外，公司產品還包括以電子漿料、瓷粉等電子功能材料系列產品。

2020 年 3 月 12 日風華高科公告稱擬投資 75 億元用于建設祥和工業園高端 電容基地項目(其中建設投資 73 億元，鋪底流動資金 2 億元)，有望新增月產 450 億只高端 MLCC。項目將分三期建設實施，第一期投入 21 億元，第二期投 入 33 億元，第三期投入 19 億元，流動資金按生產需要逐年投入。項目達產 后，預計年新增營業收入約 49 億元，財務內部收益率(所得稅前)約為 21.10%，投資回收期(所得稅前，含建設期)約為 6 年。

三環集團擬投資 19 億元，加大 5G 通信用高品質 MLCC

三環集團在電子材料領域具有近 50 年的技術積累，專注于各種先進陶瓷及 配套技術的研發和相關產品的生產，掌握了新型材料、電子漿料、功能玻璃、 納米粉體等關鍵基礎材料的制備技術，小型化及高精密產品的干壓、注射、流 延、疊印成型、氣氛保護高溫共燒、陶瓷金屬化技術，多種形式精密研磨技術 和專用設備、精密模具設計制作等核心技術，具備從原材料到成品的全制程生 產能力，形成了獨具特色的工藝技術流程，主要產品技術達到國際先進水平。公司主要從事電子陶瓷類電子元件及其基礎材料的研發、生產和銷售，主要包 括通信部件、半導體部件、電子元件及材料、壓縮機部件、新材料等的生產和 研發，公司產品主要應用于電子、通信、消費類電子產品、工業用電子設備和 新能源等領域。

2020 年 3 月 4 日公司公告稱擬非公開發行募集資金總額不超過 21.75 億 元，用于 5G 通信用高品質多層片式陶瓷電容器擴產技術改造項目(擬投入 18.95 億元)和半導體芯片封裝用陶瓷劈刀產業化項目(擬投入 2.8 億元)。其 中 5G 通信用高品質多層片式陶瓷電容器擴產技術改造項目實施完成后，預計可 實現新增年銷售收入 156,000 萬元，項目投資財務內部收益率(稅后)為 22.6%，靜態投資回收期(稅后)為 6.2 年。

鴻遠電子擬投資 5 億元，加大高可靠和通用 MLCC 產能

鴻遠電子主要產品包括片式多層瓷介電容器、有引線多層瓷介電容器、金 屬支架多層瓷介電容器以及直流濾波器等，主要應用于航天、航空、船舶、兵 器、電子信息、軌道交通、新能源等行業。

公司于 2019 年 5 月登陸 A 股，募集資金總額 8.37 億元，其中 4.86 億元 用于電子元器件生產基地項目。通過項目的實施，公司將擴大多層瓷介電容器 的生產規模，高可靠多層瓷介電容器產品將新增產能 7,500 萬只/年，通用多層 瓷介電容器產品新增產能 192,500 萬只/年。

第一季度業績要點：

合并營收為3105.97億元(約合103.16億美元)，較上年同期的2187.04億元增長42.0%，較上年第四季度的3172.37億元下降2.1%；按美元計算，營收為103.1億美元，同比增長45.2%，環比下降0.8%；

毛利潤為1607.77億元(約合53.40億美元)，較上年同期的903.58億元增長77.9%，較上年第四季度的1592.02億元增長1.0%；毛利率為51.8%；

營業利潤為1285.22億元(約合42.69億美元)，較上年同期的642.66億元增長100%，較上年第四季度的1242.44億元增長3.4%；營業利潤率為41.4%；

稅前利潤為1321.47億元(約合43.89億美元)，較上年同期的681.82億元增長93.8%，較上年第四季度的1287.82億元增長2.6%；

凈利潤為1169.87億元(約合38.86億美元)，較上年同期的613.94億元增長90.6%，較上年第四季度的1160.35億元增長0.8%；凈利率為37.7%；

每股攤薄收益為4.51元(約合0.15美元)，較上年同期的2.37元增長90.6%，較上年第四季度的4.47元增長0.8%。

7nm收入占第一季度總晶圓營收的35%

目前，臺積電的主要收入來源為智能手機，占總收入的49%。其中該板塊收入在2019年第四季度占總營收的53%，并在之前的財報中對Q1業績做出樂觀預測，但鑒于2月份全球智能手機出貨量大幅下降，市場預計智能手機供應商不可避免將減少訂單。

臺積電的其他收入來源分別為高效能運算（HPC, High Performance Computing），占總收入的30%；物聯網（IOT, Internet of Things）收入占總收入的9%；汽車電子（Automotive）占4%；消費電子（Digital Consumer Electronics）占5%。
來源：臺積電財報、36氪

根據臺積電財報顯示，分工藝制程來看，7nm晶圓收入占據了2020年第一季度總晶圓營收的35%，與2019年第四季度持平；10nm晶圓占據了總晶圓營收的0.5%；16nm晶圓占據了總晶圓營收的19%；以上三種先進工藝晶圓占據了總晶圓營收的54.5%，相比2019年第四季度下降1.5%。

根據財報顯示，北美地區的銷售仍然為臺積電的主要來源，在2020年第一季度中占總收入的56%，較2019年第四季度的59%下降3%；中國地區收入占總收入的22%；亞太地區占11%。
來源：臺積電財報、36氪（*EMEA：歐洲、中東和非洲）

報告期內，臺積電的研究及開發支出為249.7億元，占支出的8%，同比增長22.3%；銷售及一般經營費用為元73.5億元，占總支出的2.4%，同比增長31.3%。

財報中提到，臺積電董事會批準于2020年7月16日派發2019年第四季度的2.5元現金股息，并將于6月9日召開2020年度股東大會。

臺積電預計第二季度營收介于101億至104億美元之間

臺積電預計，第二季度合并營收介于101億美元到104億美元之間；若以新臺幣30.0元兌1美元匯率假設，則毛利率預計介于50%到52%之間；營業利益率預計介于39%到41%之間。

臺積電表示，邁入2020年第二季，預計行動裝置產品需求較弱的現象將因5G的持續布建及高效能運算相關產品的推出而相互抵消，因此臺積電公司的業績表現將保持平穩。

2018 年雙 11 的支付峰值為 48 萬筆/秒，2019 年雙 11 支付峰值為 54.4 萬筆/秒，創下新紀錄，是 2009 年第一次雙 11 的 1360 倍。

在如此之大的支付 TPS 背后除了削峰等錦上添花的應用級優化，最解渴最實質的招數當數基于分庫分表的單元化了，螞蟻技術稱之為 LDC（邏輯數據中心）。

本文不打算討論具體到代碼級的分析，而是嘗試用最簡單的描述來說明其中最大快人心的原理。

我想關心分布式系統設計的人都曾被下面這些問題所困擾過：
支付寶海量支付背后最解渴的設計是啥？換句話說，實現支付寶高 TPS 的最關鍵的設計是啥？
LDC 是啥？LDC 怎么實現異地多活和異地災備的？
CAP 魔咒到底是啥？P 到底怎么理解？
什么是腦裂？跟 CAP 又是啥關系？
什么是 PAXOS，它解決了啥問題？
PAXOS 和 CAP 啥關系？PAXOS 可以逃脫 CAP 魔咒么？
Oceanbase 能逃脫 CAP 魔咒么？

如果你對這些感興趣，不妨看一場赤裸裸的論述，拒絕使用晦澀難懂的詞匯，直面最本質的邏輯。
LDC 和單元化

LDC（logic data center）是相對于傳統的（Internet Data Center-IDC）提出的，邏輯數據中心所表達的中心思想是無論物理結構如何的分布，整個數據中心在邏輯上是協同和統一的。

這句話暗含的是強大的體系設計，分布式系統的挑戰就在于整體協同工作（可用性，分區容忍性）和統一（一致性）。

單元化是大型互聯網系統的必然選擇趨勢，舉個最最通俗的例子來說明單元化。

我們總是說 TPS 很難提升，確實任何一家互聯網公司（比如淘寶、攜程、新浪）它的交易 TPS 頂多以十萬計量（平均水平），很難往上串了。

因為數據庫存儲層瓶頸的存在再多水平擴展的服務器都無法繞開，而從整個互聯網的視角看，全世界電商的交易 TPS 可以輕松上億。

這個例子帶給我們一些思考：為啥幾家互聯網公司的 TPS 之和可以那么大，服務的用戶數規模也極為嚇人，而單個互聯網公司的 TPS 卻很難提升？

究其本質，每家互聯網公司都是一個獨立的大型單元，他們各自服務自己的用戶互不干擾

這就是單元化的基本特性，任何一家互聯網公司，其想要成倍的擴大自己系統的服務能力，都必然會走向單元化之路。

它的本質是分治，我們把廣大的用戶分為若干部分，同時把系統復制多份，每一份都獨立部署，每一份系統都服務特定的一群用戶。

以淘寶舉例，這樣之后，就會有很多個淘寶系統分別為不同的用戶服務，每個淘寶系統都做到十萬 TPS 的話，N 個這樣的系統就可以輕松做到 N*十萬的 TPS 了。

LDC 實現的關鍵就在于單元化系統架構設計，所以在螞蟻內部，LDC 和單元化是不分家的，這也是很多同學比較困擾的地方，看似沒啥關系，實則是單元化體系設計成就了 LDC。

小結：分庫分表解決的最大痛點是數據庫單點瓶頸，這個瓶頸的產生是由現代二進制數據存儲體系決定的（即 I/O 速度）。

單元化只是分庫分表后系統部署的一種方式，這種部署模式在災備方面也發揮了極大的優勢。

系統架構演化史
幾乎任何規模的互聯網公司，都有自己的系統架構迭代和更新，大致的演化路徑都大同小異。

最早一般為了業務快速上線，所有功能都會放到一個應用里，系統架構如下圖所示：

這樣的架構顯然是有問題的，單機有著明顯的單點效應，單機的容量和性能都是很局限的，而使用中小型機會帶來大量的浪費。

隨著業務發展，這個矛盾逐漸轉變為主要矛盾，因此工程師們采用了以下架構：

這是整個公司第一次觸碰到分布式，也就是對某個應用進行了水平擴容，它將多個微機的計算能力團結了起來，可以完勝同等價格的中小型機器。

慢慢的，大家發現，應用服務器 CPU 都很正常了，但是還是有很多慢請求，究其原因，是因為單點數據庫帶來了性能瓶頸。

于是程序員們決定使用主從結構的數據庫集群，如下圖所示：

其中大部分讀操作可以直接訪問從庫，從而減輕主庫的壓力。然而這種方式還是無法解決寫瓶頸，寫依舊需要主庫來處理，當業務量量級再次增高時，寫已經變成刻不容緩的待處理瓶

這時候，分庫分表方案出現了：

分庫分表不僅可以對相同的庫進行拆分，還可以對相同的表進行拆分，對表進行拆分的方式叫做水平拆分。

不同功能的表放到不同的庫里，一般對應的是垂直拆分（按照業務功能進行拆分），此時一般還對應了微服務化。

這種方法做到極致基本能支撐 TPS 在萬級甚至更高的訪問量了。然而隨著相同應用擴展的越多，每個數據庫的鏈接數也巨量增長，這讓數據庫本身的資源成為了瓶頸。

這個問題產生的本質是全量數據無差別的分享了所有的應用資源，比如 A 用戶的請求在負載均衡的分配下可能分配到任意一個應用服務器上，因而所有應用全部都要鏈接 A 用戶所在的分庫，數據庫連接數就變成笛卡爾乘積了。

在本質點說，這種模式的資源隔離性還不夠徹底。要解決這個問題，就需要把識別用戶分庫的邏輯往上層移動，從數據庫層移動到路由網關層。

這樣一來，從應用服務器 a 進來的來自 A 客戶的所有請求必然落庫到 DB-A，因此 a 也不用鏈接其他的數據庫實例了，這樣一個單元化的雛形就誕生了。

思考一下，應用間其實也存在交互（比如 A 轉賬給 B），也就意味著，應用不需要鏈接其他的數據庫了，但是還需要鏈接其他應用。

如果是常見的 RPC 框架如 Dubbo 等，使用的是 TCP/IP 協議，那么等同于把之前與數據庫建立的鏈接，換成與其他應用之間的鏈接了。

為啥這樣就消除瓶頸了呢？首先由于合理的設計，應用間的數據交互并不巨量，其次應用間的交互可以共享 TCP 鏈接，比如 A->B 之間的 Socket 鏈接可以被 A 中的多個線程復用。

而一般的數據庫如 MySQL 則不行，所以 MySQL 才需要數據庫鏈接池。

如上圖所示，但我們把整套系統打包為單元化時，每一類的數據從進單元開始就注定在這個單元被消化，由于這種徹底的隔離性，整個單元可以輕松的部署到任意機房而依然能保證邏輯上的統一。

下圖為一個三地五機房的部署方式：

螞蟻單元化架構實踐

螞蟻支付寶應該是國內最大的支付工具，其在雙 11 等活動日當日的支付 TPS 可達幾十萬級，未來這個數字可能會更大，這決定了螞蟻單元化架構從容量要求上看必然從單機房走向多機房。

另一方面，異地災備也決定了這些 IDC 機房必須是異地部署的。整體上支付寶也采用了三地五中心（IDC 機房）來保障系統的可用性。

跟上文中描述的有所不同的是，支付寶將單元分成了三類（也稱 CRG 架構）：

RZone（Region Zone）：直譯可能有點反而不好理解。實際上就是所有可以分庫分表的業務系統整體部署的最小單元。每個 RZone 連上數據庫就可以撐起一片天空，把業務跑的溜溜的。
GZone（Global Zone）：全局單元，意味著全局只有一份。部署了不可拆分的數據和服務，比如系統配置等。
實際情況下，GZone 異地也會部署，不過僅是用于災備，同一時刻，只有一地 GZone 進行全局服務。GZone 一般被 RZone 依賴，提供的大部分是讀取服務。
CZone（City Zone）：顧名思義，這是以城市為單位部署的單元。同樣部署了不可拆分的數據和服務，比如用戶賬號服務，客戶信息服務等。理論上 CZone 會被 RZone 以比訪問 GZone 高很多的頻率進行訪問。
CZone 是基于特定的 GZone 場景進行優化的一種單元，它把 GZone 中有些有著”寫讀時間差現象”的數據和服務進行了的單獨部署，這樣 RZone 只需要訪問本地的 CZone 即可，而不是訪問異地的 GZone。

“寫讀時間差現象”是螞蟻架構師們根據實踐統計總結的，他們發現大部分情況下，一個數據被寫入后，都會過足夠長的時間后才會被訪問。

生活中這種例子很常見，我們辦完銀行卡后可能很久才會存第一筆錢；我們創建微博賬號后，可能想半天才會發微博；我們下載創建淘寶賬號后，可能得瀏覽好幾分鐘才會下單買東西。

當然了這些例子中的時間差遠遠超過了系統同步時間。一般來說異地的延時在 100ms 以內，所以只要滿足某地 CZone 寫入數據后 100ms 以后才用這個數據，這樣的數據和服務就適合放到 CZone 中。

相信大家看到這都會問：為啥分這三種單元？其實其背后對應的是不同性質的數據，而服務不過是對數據的操作集。

下面我們來根據數據性質的不同來解釋支付寶的 CRG 架構。當下幾乎所有互聯網公司的分庫分表規則都是根據用戶 ID 來制定的。

而圍繞用戶來看整個系統的數據可以分為以下兩類：

用戶流水型數據：典型的有用戶的訂單、用戶發的評論、用戶的行為記錄等。

這些數據都是用戶行為產生的流水型數據，具備天然的用戶隔離性，比如 A 用戶的 App 上絕對看不到 B 用戶的訂單列表。所以此類數據非常適合分庫分表后獨立部署服務。

用戶間共享型數據：這種類型的數據又分兩類。一類共享型數據是像賬號、個人博客等可能會被所有用戶請求訪問的用戶數據。

比如 A 向 B 轉賬，A 給 B 發消息，這時候需要確認 B 賬號是否存在；又比如 A 想看 B 的個人博客之類的。

另外一類是用戶無關型數據，像商品、系統配置（匯率、優惠政策）、財務統計等這些非用戶緯度的數據，很難說跟具體的某一類用戶掛鉤，可能涉及到所有用戶。

比如商品，假設按商品所在地來存放商品數據（這需要雙維度分庫分表），那么上海的用戶仍然需要訪問杭州的商品。

這就又構成跨地跨 Zone 訪問了，還是達不到單元化的理想狀態，而且雙維度分庫分表會給整個 LDC 運維帶來復雜度提升。

注：網上和支付寶內部有另外一些分法，比如流水型和狀態性，有時候還會分為三類：流水型、狀態型和配置型。

個人覺得這些分法雖然嘗試去更高層次的抽象數據分類，但實際上邊界很模糊，適得其反。

直觀的類比，我們可以很輕易的將上述兩類數據對應的服務劃分為 RZone 和 GZone，RZone 包含的就是分庫分表后負責固定客戶群體的服務，GZone 則包含了用戶間共享的公共數據對應的服務。

到這里為止，一切都很完美，這也是主流的單元化話題了。對比支付寶的 CRG 架構，我們一眼就發現少了 C（City Zone），CZone 確實是螞蟻在單元化實踐領域的一個創新點。

再來分析下 GZone，GZone 之所以只能單地部署，是因為其數據要求被所有用戶共享，無法分庫分表，而多地部署會帶來由異地延時引起的不一致。

比如實時風控系統，如果多地部署，某個 RZone 直接讀取本地的話，很容易讀取到舊的風控狀態，這是很危險的。

這時螞蟻架構師們問了自己一個問題——難道所有數據受不了延時么？這個問題像是打開了新世界的大門，通過對 RZone 已有業務的分析，架構師們發現 80% 甚至更高的場景下，數據更新后都不要求立馬被讀取到。

也就是上文提到的”寫讀時間差現象”，那么這就好辦了，對于這類數據，我們允許每個地區的 RZone 服務直接訪問本地，為了給這些 RZone 提供這些數據的本地訪問能力，螞蟻架構師設計出了 CZone。

在 CZone 的場景下，寫請求一般從 GZone 寫入公共數據所在庫，然后同步到整個 OB 集群，然后由 CZone 提供讀取服務。比如支付寶的會員服務就是如此。

即便架構師們設計了完美的 CRG，但即便在螞蟻的實際應用中，各個系統仍然存在不合理的 CRG 分類，尤其是 CG 不分的現象很常見。
支付寶單元化的異地多活和災備

流量挑撥技術探秘簡介

單元化后，異地多活只是多地部署而已。比如上海的兩個單元為 ID 范圍為 [00~19]，[40~59] 的用戶服務。

而杭州的兩個單元為 ID 為 [20~39]和[60,79]的用戶服務，這樣上海和杭州就是異地雙活的。

支付寶對單元化的基本要求是每個單元都具備服務所有用戶的能力，即——具體的那個單元服務哪些用戶是可以動態配置的。所以異地雙活的這些單元還充當了彼此的備份。

發現工作中冷備熱備已經被用的很亂了。最早冷備是指數據庫在備份數據時需要關閉后進行備份（也叫離線備份），防止數據備份過程中又修改了，不需要關閉即在運行過程中進行數據備份的方式叫做熱備（也叫在線備份）。

也不知道從哪一天開始，冷備在主備系統里代表了這臺備用機器是關閉狀態的，只有主服務器掛了之后，備服務器才會被啟動。

而相同的熱備變成了備服務器也是啟動的，只是沒有流量而已，一旦主服務器掛了之后，流量自動打到備服務器上。本文不打算用第二種理解，因為感覺有點野。

為了做到每個單元訪問哪些用戶變成可配置，支付寶要求單元化管理系統具備流量到單元的可配置以及單元到 DB 的可配置能力。

如下圖所示：

其中 Spanner 是螞蟻基于 Nginx 自研的反向代理網關，也很好理解，有些請求我們希望在反向代理層就被轉發至其他 IDC 的 Spanner 而無需進入后端服務，如圖箭頭 2 所示。

那么對于應該在本 IDC 處理的請求，就直接映射到對應的 RZ 即可，如圖箭頭 1。

進入后端服務后，理論上如果請求只是讀取用戶流水型數據，那么一般不會再進行路由了。

然而，對于有些場景來說，A 用戶的一個請求可能關聯了對 B 用戶數據的訪問，比如 A 轉賬給 B，A 扣完錢后要調用賬務系統去增加 B 的余額。

這時候就涉及到再次的路由，同樣有兩個結果：跳轉到其他 IDC（如圖箭頭 3）或是跳轉到本 IDC 的其他 RZone（如圖箭頭 4）。

RZone 到 DB 數據分區的訪問這是事先配置好的，上圖中 RZ 和 DB 數據分區的關系為：

RZ0* –> a
RZ1* –> b
RZ2* –> c
RZ3* –> d

下面我們舉個例子來說明整個流量挑撥的過程，假設 C 用戶所屬的數據分區是 c，而 C 用戶在杭州訪問了 cashier.alipay.com（隨便編的）。

①目前支付寶默認會按照地域來路由流量，具體的實現承載者是自研的 GLSB（Global Server Load Balancing）：

https://developer.alipay.com/article/1889

它會根據請求者的 IP，自動將 cashier.alipay.com 解析為杭州 IDC 的 IP 地址（或者跳轉到 IDC 所在的域名）。

大家自己搞過網站的化應該知道大部分 DNS 服務商的地址都是靠人去配置的，GLSB 屬于動態配置域名的系統，網上也有比較火的類似產品，比如花生殼之類（建過私站的同學應該很熟悉）的。

②好了，到此為止，用戶的請求來到了 IDC-1 的 Spanner 集群服務器上，Spanner 從內存中讀取到了路由配置，知道了這個請求的主體用戶 C 所屬的 RZ3* 不再本 IDC，于是直接轉到了 IDC-2 進行處理。

③進入 IDC-2 之后，根據流量配比規則，該請求被分配到了 RZ3B 進行處理。

④RZ3B 得到請求后對數據分區 c 進行訪問。

⑤處理完畢后原路返回。

大家應該發現問題所在了，如果再來一個這樣的請求，豈不是每次都要跨地域進行調用和返回體傳遞？

確實是存在這樣的問題的，對于這種問題，支付寶架構師們決定繼續把決策邏輯往用戶終端推移。

比如，每個 IDC 機房都會有自己的域名（真實情況可能不是這樣命名的）:

IDC-1 對應 cashieridc-1.alipay.com
IDC-2 對應 cashieridc-2.alipay.com

那么請求從 IDC-1 涮過一遍返回時會將前端請求跳轉到 cashieridc-2.alipay.com 去（如果是 App，只需要替換 rest 調用的接口域名），后面所有用戶的行為都會在這個域名上發生，就避免了走一遍 IDC-1 帶來的延時。

支付寶災備機制

流量挑撥是災備切換的基礎和前提條件，發生災難后的通用方法就是把陷入災難的單元的流量重新打到正常的單元上去，這個流量切換的過程俗稱切流。

支付寶 LDC 架構下的災備有三個層次：

同機房單元間災備
同城機房間災備
異地機房間災備

同機房單元間災備：災難發生可能性相對最高（但其實也很?。?。對 LDC 來說，最小的災難就是某個單元由于一些原因（局部插座斷開、線路老化、人為操作失誤）宕機了。

從上節里的圖中可以看到每組 RZ 都有 A，B 兩個單元，這就是用來做同機房災備的，并且 AB 之間也是雙活雙備的。

正常情況下 AB 兩個單元共同分擔所有的請求，一旦 A 單元掛了，B 單元將自動承擔 A 單元的流量份額。這個災備方案是默認的。

同城機房間災備：災難發生可能性相對更小。這種災難發生的原因一般是機房電線網線被挖斷，或者機房維護人員操作失誤導致的。

在這種情況下，就需要人工的制定流量挑撥（切流）方案了。下面我們舉例說明這個過程，如下圖所示為上海的兩個 IDC 機房。

整個切流配置過程分兩步，首先需要將陷入災難的機房中 RZone 對應的數據分區的訪問權配置進行修改。

假設我們的方案是由 IDC-2 機房的 RZ2 和 RZ3 分別接管 IDC-1 中的 RZ0 和 RZ1。

那么首先要做的是把數據分區 a，b 對應的訪問權從 RZ0 和 RZ1 收回，分配給 RZ2 和 RZ3。

即將（如上圖所示為初始映射）：

RZ0* –> a
RZ1* –> b
RZ2* –> c
RZ3* –> d

變為：

RZ0* –> /
RZ1* –> /
RZ2* –> a
RZ2* –> c
RZ3* –> b
RZ3* –> d

然后再修改用戶 ID 和 RZ 之間的映射配置。假設之前為：

[00-24] –> RZ0A(50%),RZOB(50%)
[25-49] –> RZ1A(50%),RZ1B(50%)
[50-74] –> RZ2A(50%),RZ2B(50%)
[75-99] –> RZ3A(50%),RZ3B(50%)

那么按照災備方案的要求，這個映射配置將變為：

[00-24] –> RZ2A(50%),RZ2B(50%)
[25-49] –> RZ3A(50%),RZ3B(50%)
[50-74] –> RZ2A(50%),RZ2B(50%)
[75-99] –> RZ3A(50%),RZ3B(50%)

這樣之后，所有流量將會被打到 IDC-2 中，期間部分已經向 IDC-1 發起請求的用戶會收到失敗并重試的提示。

實際情況中，整個過程并不是災難發生后再去做的，整個切換的流程會以預案配置的形式事先準備好，推送給每個流量挑撥客戶端（集成到了所有的服務和 Spanner 中）。

這里可以思考下，為何先切數據庫映射，再切流量呢？這是因為如果先切流量，意味著大量注定失敗的請求會被打到新的正常單元上去，從而影響系統的穩定性（數據庫還沒準備好）。

異地機房間災備：這個基本上跟同城機房間災備一致（這也是單元化的優點），不再贅述。
螞蟻單元化架構的 CAP 分析

回顧 CAP
①CAP 的定義

CAP 原則是指任意一個分布式系統，同時最多只能滿足其中的兩項，而無法同時滿足三項。

所謂的分布式系統，說白了就是一件事一個人做的，現在分給好幾個人一起干。

我們先簡單回顧下 CAP 各個維度的含義：

Consistency（一致性），這個理解起來很簡單，就是每時每刻每個節點上的同一份數據都是一致的。

這就要求任何更新都是原子的，即要么全部成功，要么全部失敗。想象一下使用分布式事務來保證所有系統的原子性是多么低效的一個操作。

Availability（可用性），這個可用性看起來很容易理解，但真正說清楚的不多。我更愿意把可用性解釋為：任意時刻系統都可以提供讀寫服務。

舉個例子，當我們用事務將所有節點鎖住來進行某種寫操作時，如果某個節點發生不可用的情況，會讓整個系統不可用。

對于分片式的 NoSQL 中間件集群（Redis，Memcached）來說，一旦一個分片歇菜了，整個系統的數據也就不完整了，讀取宕機分片的數據就會沒響應，也就是不可用了。

需要說明一點，哪些選擇 CP 的分布式系統，并不是代表可用性就完全沒有了，只是可用性沒有保障了。

為了增加可用性保障，這類中間件往往都提供了”分片集群+復制集”的方案。

Partition tolerance（分區容忍性），這個可能也是很多文章都沒說清楚的。P 并不是像 CA 一樣是一個獨立的性質，它依托于 CA 來進行討論。

參考文獻中的解釋：”除非整個網絡癱瘓，否則任何時刻系統都能正常工作”，言下之意是小范圍的網絡癱瘓，節點宕機，都不會影響整個系統的 CA。

我感覺這個解釋聽著還是有點懵逼，所以個人更愿意解釋為當節點之間網絡不通時（出現網絡分區），可用性和一致性仍然能得到保障。

從個人角度理解，分區容忍性又分為“可用性分區容忍性”和“一致性分區容忍性”。

出現分區時會不會影響可用性的關鍵在于需不需要所有節點互相溝通協作來完成一次事務，不需要的話是鐵定不影響可用性的。

慶幸的是應該不太會有分布式系統會被設計成完成一次事務需要所有節點聯動，一定要舉個例子的話，全同步復制技術下的 MySQL 是一個典型案例。

出現分區時會不會影響一致性的關鍵則在于出現腦裂時有沒有保證一致性的方案，這對主從同步型數據庫（MySQL、SQL Server）是致命的。

一旦網絡出現分區，產生腦裂，系統會出現一份數據兩個值的狀態，誰都不覺得自己是錯的。

需要說明的是，正常來說同一局域網內，網絡分區的概率非常低，這也是為啥我們最熟悉的數據庫（MySQL、SQL Server 等）也是不考慮 P 的原因。

下圖為 CAP 之間的經典關系圖：

還有個需要說明的地方，其實分布式系統很難滿足 CAP 的前提條件是這個系統一定是有讀有寫的，如果只考慮讀，那么 CAP 很容易都滿足。

比如一個計算器服務，接受表達式請求，返回計算結果，搞成水平擴展的分布式，顯然這樣的系統沒有一致性問題，網絡分區也不怕，可用性也是很穩的，所以可以滿足 CAP。

②CAP 分析方法

先說下 CA 和 P 的關系，如果不考慮 P 的話，系統是可以輕松實現 CA 的。

而 P 并不是一個單獨的性質，它代表的是目標分布式系統有沒有對網絡分區的情況做容錯處理。

如果做了處理，就一定是帶有 P 的，接下來再考慮分區情況下到底選擇了 A 還是 C。所以分析 CAP，建議先確定有沒有對分區情況做容錯處理。

以下是個人總結的分析一個分布式系統 CAP 滿足情況的一般方法：

if( 不存在分區的可能性 || 分區后不影響可用性或一致性 || 有影響但考慮了分區情況-P){
if(可用性分區容忍性-A under P)）
return “AP”;
else if(一致性分區容忍性-C under P）
return “CP”;
}
else{ //分區有影響但沒考慮分區情況下的容錯
if(具備可用性-A && 具備一致性-C）{
return AC;
}
}

這里說明下，如果考慮了分區容忍性，就不需要考慮不分區情況下的可用性和一致性了（大多是滿足的）。

水平擴展應用+單數據庫實例的 CAP 分析

讓我們再來回顧下分布式應用系統的來由，早年每個應用都是單體的，跑在一個服務器上，服務器一掛，服務就不可用了。

另外一方面，單體應用由于業務功能復雜，對機器的要求也逐漸變高，普通的微機無法滿足這種性能和容量的要求。

所以要拆！還在 IBM 大賣小型商用機的年代，阿里巴巴就提出要以分布式微機替代小型機。

所以我們發現，分布式系統解決的最大的痛點，就是單體單機系統的可用性問題。

要想高可用，必須分布式。一家互聯網公司的發展之路上，第一次與分布式相遇應該都是在單體應用的水平擴展上。

也就是同一個應用啟動了多個實例，連接著相同的數據庫（為了簡化問題，先不考慮數據庫是否單點），如下圖所示：

這樣的系統天然具有的就是 AP（可用性和分區容忍性）：

一方面解決了單點導致的低可用性問題。
另一方面無論這些水平擴展的機器間網絡是否出現分區，這些服務器都可以各自提供服務，因為他們之間不需要進行溝通。

然而，這樣的系統是沒有一致性可言的，想象一下每個實例都可以往數據庫 insert 和 update（注意這里還沒討論到事務），那還不亂了套。

于是我們轉向了讓 DB 去做這個事，這時候”數據庫事務”就被用上了。用大部分公司會選擇的 MySQL 來舉例，用了事務之后會發現數據庫又變成了單點和瓶頸。

單點就像單機一樣(本例子中不考慮從庫模式)，理論上就不叫分布式了，如果一定要分析其 CAP 的話，根據上面的步驟分析過程應該是這樣的：

分區容忍性：先看有沒有考慮分區容忍性，或者分區后是否會有影響。單臺 MySQL 無法構成分區，要么整個系統掛了，要么就活著。
可用性分區容忍性：分區情況下，假設恰好是該節點掛了，系統也就不可用了，所以可用性分區容忍性不滿足。
一致性分區容忍性：分區情況下，只要可用，單點單機的最大好處就是一致性可以得到保障。

因此這樣的一個系統，個人認為只是滿足了 CP。A 有但不出色，從這點可以看出，CAP 并不是非黑即白的。

包括常說的 BASE （最終一致性）方案，其實只是 C 不出色，但最終也是達到一致性的，BASE 在一致性上選擇了退讓。

關于分布式應用+單點數據庫的模式算不算純正的分布式系統，這個可能每個人看法有點差異，上述只是我個人的一種理解，是不是分布式系統不重要，重要的是分析過程。

其實我們討論分布式，就是希望系統的可用性是多個系統多活的，一個掛了另外的也能頂上，顯然單機單點的系統不具備這樣的高可用特性。

所以在我看來，廣義的說 CAP 也適用于單點單機系統，單機系統是 CP 的。

說到這里，大家似乎也發現了，水平擴展的服務應用+數據庫這樣的系統的 CAP 魔咒主要發生在數據庫層。

因為大部分這樣的服務應用都只是承擔了計算的任務（像計算器那樣），本身不需要互相協作，所有寫請求帶來的數據的一致性問題下沉到了數據庫層去解決。

想象一下，如果沒有數據庫層，而是應用自己來保障數據一致性，那么這樣的應用之間就涉及到狀態的同步和交互了，ZooKeeper 就是這么一個典型的例子。

水平擴展應用+主從數據庫集群的CAP分析

上一節我們討論了多應用實例+單數據庫實例的模式，這種模式是分布式系統也好，不是分布式系統也罷，整體是偏 CP 的。

現實中，技術人員們也會很快發現這種架構的不合理性——可用性太低了。

于是如下圖所示的模式成為了當下大部分中小公司所使用的架構：

從上圖我可以看到三個數據庫實例中只有一個是主庫，其他是從庫。

一定程度上，這種架構極大的緩解了”讀可用性”問題，而這樣的架構一般會做讀寫分離來達到更高的”讀可用性”，幸運的是大部分互聯網場景中讀都占了 80% 以上，所以這樣的架構能得到較長時間的廣泛應用。

寫可用性可以通過 Keepalived 這種 HA（高可用）框架來保證主庫是活著的，但仔細一想就可以明白，這種方式并沒有帶來性能上的可用性提升。還好，至少系統不會因為某個實例掛了就都不可用了。

可用性勉強達標了，這時候的 CAP 分析如下：
分區容忍性：依舊先看分區容忍性，主從結構的數據庫存在節點之間的通信，他們之間需要通過心跳來保證只有一個 Master。
然而一旦發生分區，每個分區會自己選取一個新的 Master，這樣就出現了腦裂，常見的主從數據庫（MySQL，Oracle 等）并沒有自帶解決腦裂的方案。所以分區容忍性是沒考慮的。
一致性：不考慮分區，由于任意時刻只有一個主庫，所以一致性是滿足的。
可用性：不考慮分區，HA 機制的存在可以保證可用性，所以可用性顯然也是滿足的。

所以這樣的一個系統，我們認為它是 AC 的。我們再深入研究下，如果發生腦裂產生數據不一致后有一種方式可以仲裁一致性問題，是不是就可以滿足 P 了呢。

還真有嘗試通過預先設置規則來解決這種多主庫帶來的一致性問題的系統，比如 CouchDB，它通過版本管理來支持多庫寫入，在其仲裁階段會通過 DBA 配置的仲裁規則（也就是合并規則，比如誰的時間戳最晚誰的生效）進行自動仲裁（自動合并），從而保障最終一致性（BASE），自動規則無法合并的情況則只能依賴人工決策了。

螞蟻單元化 LDC 架構 CAP 分析

①戰勝分區容忍性

在討論螞蟻 LDC 架構的 CAP 之前，我們再來想想分區容忍性有啥值得一提的，為啥很多大名鼎鼎的 BASE（最終一致性）體系系統都選擇損失實時一致性，而不是丟棄分區容忍性呢？

分區的產生一般有兩種情況：

某臺機器宕機了，過一會兒又重啟了，看起來就像失聯了一段時間，像是網絡不可達一樣。

異地部署情況下，異地多活意味著每一地都可能會產生數據寫入，而異地之間偶爾的網絡延時尖刺（網絡延時曲線圖陡增）、網絡故障都會導致小范圍的網絡分區產生。

前文也提到過，如果一個分布式系統是部署在一個局域網內的（一個物理機房內），那么個人認為分區的概率極低，即便有復雜的拓撲，也很少會有在同一個機房里出現網絡分區的情況。

而異地這個概率會大大增高，所以螞蟻的三地五中心必須需要思考這樣的問題，分區容忍不能丟！

同樣的情況還會發生在不同 ISP 的機房之間（想象一下你和朋友組隊玩 DOTA，他在電信，你在聯通）。

為了應對某一時刻某個機房突發的網絡延時尖刺活著間歇性失聯，一個好的分布式系統一定能處理好這種情況下的一致性問題。

那么螞蟻是怎么解決這個問題的呢？我們在上文討論過，其實 LDC 機房的各個單元都由兩部分組成：負責業務邏輯計算的應用服務器和負責數據持久化的數據庫。

大部分應用服務器就像一個個計算器，自身是不對寫一致性負責的，這個任務被下沉到了數據庫。所以螞蟻解決分布式一致性問題的關鍵就在于數據庫！

想必螞蟻的讀者大概猜到下面的討論重點了——OceanBase（下文簡稱OB），中國第一款自主研發的分布式數據庫，一時間也確實獲得了很多光環。

在討論 OB 前，我們先來想想 Why not MySQL？

首先，就像 CAP 三角圖中指出的，MySQL 是一款滿足 AC 但不滿足 P 的分布式系統。

試想一下，一個 MySQL 主從結構的數據庫集群，當出現分區時，問題分區內的 Slave 會認為主已經掛了，所以自己成為本分區的 Master（腦裂）。

等分區問題恢復后，會產生 2 個主庫的數據，而無法確定誰是正確的，也就是分區導致了一致性被破壞。這樣的結果是嚴重的，這也是螞蟻寧愿自研 OceanBase 的原動力之一。

那么如何才能讓分布式系統具備分區容忍性呢？按照老慣例，我們從”可用性分區容忍”和”一致性分區容忍”兩個方面來討論：

可用性分區容忍性保障機制：可用性分區容忍的關鍵在于別讓一個事務一來所有節點來完成，這個很簡單，別要求所有節點共同同時參與某個事務即可。

一致性分區容忍性保障機制：老實說，都產生分區了，哪還可能獲得實時一致性。

但要保證最終一致性也不簡單，一旦產生分區，如何保證同一時刻只會產生一份提議呢？

換句話說，如何保障仍然只有一個腦呢？下面我們來看下 PAXOS 算法是如何解決腦裂問題的。

這里可以發散下，所謂的“腦”其實就是具備寫能力的系統，“非腦”就是只具備讀能力的系統，對應了 MySQL 集群中的從庫。

下面是一段摘自維基百科的 PAXOS 定義：
Paxos is a family of protocols for solving consensus in a network of unreliable processors (that is, processors that may fail).

大致意思就是說，PAXOS 是在一群不是特別可靠的節點組成的集群中的一種共識機制。

Paxos 要求任何一個提議，至少有 (N/2)+1 的系統節點認可，才被認為是可信的，這背后的一個基礎理論是少數服從多數。

想象一下，如果多數節點認可后，整個系統宕機了，重啟后，仍然可以通過一次投票知道哪個值是合法的（多數節點保留的那個值）。

這樣的設定也巧妙的解決了分區情況下的共識問題，因為一旦產生分區，勢必最多只有一個分區內的節點數量會大于等于 (N/2)+1。

通過這樣的設計就可以巧妙的避開腦裂，當然 MySQL 集群的腦裂問題也是可以通過其他方法來解決的，比如同時 Ping 一個公共的 IP，成功者繼續為腦，顯然這就又制造了另外一個單點。

如果你了解過比特幣或者區塊鏈，你就知道區塊鏈的基礎理論也是 PAXOS。區塊鏈借助 PAXOS 對最終一致性的貢獻來抵御惡意篡改。

而本文涉及的分布式應用系統則是通過 PAXOS 來解決分區容忍性。再說本質一點，一個是抵御部分節點變壞，一個是防范部分節點失聯。

大家一定聽說過這樣的描述：PAXOS 是唯一能解決分布式一致性問題的解法。

這句話越是理解越發覺得詭異，這會讓人以為 PAXOS 逃離于 CAP 約束了，所以個人更愿意理解為：PAXOS 是唯一一種保障分布式系統最終一致性的共識算法（所謂共識算法，就是大家都按照這個算法來操作，大家最后的結果一定相同）。

PAXOS 并沒有逃離 CAP 魔咒，畢竟達成共識是 (N/2)+1 的節點之間的事，剩下的 (N/2)-1 的節點上的數據還是舊的，這時候仍然是不一致的。

所以 PAXOS 對一致性的貢獻在于經過一次事務后，這個集群里已經有部分節點保有了本次事務正確的結果（共識的結果），這個結果隨后會被異步的同步到其他節點上，從而保證最終一致性。

以下摘自維基百科：
Paxos is a family of protocols for solving consensus in a network of unreliable processors (that is, processors that may fail).Quorums express the safety (or consistency) properties of Paxos by ensuring at least some surviving processor retains knowledge of the results.

另外 PAXOS 不要求對所有節點做實時同步，實質上是考慮到了分區情況下的可用性，通過減少完成一次事務需要的參與者個數，來保障系統的可用性。

②OceanBase 的 CAP 分析

上文提到過，單元化架構中的成千山萬的應用就像是計算器，本身無 CAP 限制，其 CAP 限制下沉到了其數據庫層，也就是螞蟻自研的分布式數據庫 OceanBase（本節簡稱 OB）。

在 OB 體系中，每個數據庫實例都具備讀寫能力，具體是讀是寫可以動態配置（參考第二部分）。

實際情況下大部分時候，對于某一類數據（固定用戶號段的數據）任意時刻只有一個單元會負責寫入某個節點，其他節點要么是實時庫間同步，要么是異步數據同步。

OB 也采用了 PAXOS 共識協議。實時庫間同步的節點（包含自己）個數至少需要 (N/2)+1 個，這樣就可以解決分區容忍性問題。

下面我們舉個馬老師改英文名的例子來說明 OB 設計的精妙之處：
假設數據庫按照用戶 ID 分庫分表，馬老師的用戶 ID 對應的數據段在 [0-9]，開始由單元 A 負責數據寫入。

假如馬老師（用戶 ID 假設為 000）正在用支付寶 App 修改自己的英文名，馬老師一開始打錯了，打成了 Jason Ma，A 單元收到了這個請求。

這時候發生了分區（比如 A 網絡斷開了），我們將單元 A 對數據段 [0,9] 的寫入權限轉交給單元 B（更改映射），馬老師這次寫對了，為 Jack Ma。

而在網絡斷開前請求已經進入了 A，寫權限轉交給單元 B 生效后，A 和 B 同時對 [0,9] 數據段進行寫入馬老師的英文名。

假如這時候都允許寫入的話就會出現不一致，A 單元說我看到馬老師設置了 Jason Ma，B 單元說我看到馬老師設置了 Jack Ma。

然而這種情況不會發生的，A 提議說我建議把馬老師的英文名設置為 Jason Ma 時，發現沒人回應它。

因為出現了分區，其他節點對它來說都是不可達的，所以這個提議被自動丟棄，A 心里也明白是自己分區了，會有主分區替自己完成寫入任務的。

同樣的，B 提出了將馬老師的英文名改成 Jack Ma 后，大部分節點都響應了，所以 B 成功將 Jack Ma 寫入了馬老師的賬號記錄。

假如在寫權限轉交給單元 B 后 A 突然恢復了，也沒關系，兩筆寫請求同時要求獲得 (N/2)+1 個節點的事務鎖，通過 no-wait 設計，在 B 獲得了鎖之后，其他爭搶該鎖的事務都會因為失敗而回滾。

下面我們分析下 OB 的 CAP：
分區容忍性：OB 節點之間是有互相通信的（需要相互同步數據），所以存在分區問題，OB 通過僅同步到部分節點來保證可用性。這一點就說明 OB 做了分區容錯。
可用性分區容忍性：OB 事務只需要同步到 （N/2)+1 個節點，允許其余的一小半節點分區（宕機、斷網等），只要 (N/2)+1 個節點活著就是可用的。
極端情況下，比如 5 個節點分成 3 份（2:2:1），那就確實不可用了，只是這種情況概率比較低。
一致性分區容忍性：分區情況下意味著部分節點失聯了，一致性顯然是不滿足的。但通過共識算法可以保證當下只有一個值是合法的，并且最終會通過節點間的同步達到最終一致性。

所以 OB 仍然沒有逃脫 CAP 魔咒，產生分區的時候它變成 AP+最終一致性（C）。整體來說，它是 AP 的，即高可用和分區容忍。
結語

個人感覺本文涉及到的知識面確實不少，每個點單獨展開都可以討論半天?；氐轿覀兙o扣的主旨來看，雙十一海量支付背后技術上大快人心的設計到底是啥？

我想無非是以下幾點：
基于用戶分庫分表的 RZone 設計。每個用戶群獨占一個單元給整個系統的容量帶來了爆發式增長。
RZone 在網絡分區或災備切換時 OB 的防腦裂設計（PAXOS）。我們知道 RZone 是單腦的（讀寫都在一個單元對應的庫），而網絡分區或者災備時熱切換過程中可能會產生多個腦，OB 解決了腦裂情況下的共識問題（PAXOS 算法）。
基于 CZone 的本地讀設計。這一點保證了很大一部分有著“寫讀時間差”現象的公共數據能被高速本地訪問。
剩下的那一丟丟不能本地訪問只能實時訪問 GZone 的公共配置數據，也興不起什么風，作不了什么浪。
比如用戶創建這種 TPS，不會高到哪里去。再比如對于實時庫存數據，可以通過“頁面展示查詢走應用層緩存”+“實際下單時再校驗”的方式減少其 GZone 調用量。

而這就是螞蟻 LDC 的 CRG 架構，相信 54.4 萬筆/秒還遠沒到 LDC 的上限，這個數字可以做到更高。

當然雙 11 海量支付的成功不單單是這么一套設計所決定的，還有預熱削峰等運營+技術的手段，以及成百上千的兄弟姐妹共同奮戰，特此在這向各位雙 11 留守同學致敬。

感謝大家的閱讀，文中可能存在不足或遺漏之處，歡迎批評指正。
編輯 ∑Gemini
來源：CSDN

人工智能是指對人的意識和思維過程的感知與模擬，不同于傳統計算機技術，是機器根據既定的程序執行計算或控制任務。1950年，現代計算機之父艾倫·圖靈（Alan Turing）在文章《Computing Machinery andIntelligence》中提出疑問“機器能思考嗎？”，他認為，如果一臺機器進行多次測試后，有超過30%的測試者不能確定出被測試者是人還是機器，那么這臺機器就具有了“智能”的特征，這也是著名的圖靈測試的主要內容。1956年，達特茅斯會議上計算機科學家約翰·麥卡錫首次提出“人工智能（ArtificialIntelligence）”一詞，并將其定義為“制造智能機器的科學與工程”,標志著人工智能領域的正式創立。目前，人工智能定義尚未形成統一。Rich & Knight(1991)認為，人工智能是研究如何讓計算機完成現階段人類才能做得更好的事情；麻省理工大學教授Winston(1990)認為，人工智能是研究那些使感知、推理和行動成為可能的計算；中國信通院在《人工智能發展白皮書（2018）》中提出，人工智能可以理解為用機器不斷感知、模擬人類的思維過程，使機器達到甚至超越人類的智能。不同于傳統的計算機技術是由人類編寫，包含既定程序執行指令要求，人工智能可以通過讀取海量數據，從中發現規律和聯系，實現自我學習，擁有歸納推理和決策能力。
當前我們尚處于弱人工智能時代，但智能化趨勢明顯。按照目前流行的定義，弱人工智能也稱應用型人工智能，指的是專注于且只能解決特定領域問題的人工智能，無自主意識；強人工智能又稱通用人工智能，指的是可以勝任人類所有工作的人工智能，有自主意識。牛津大學物理學家大衛·多伊奇教授曾評論，至今沒有任何跡象顯示可能出現強人工智能，當前我們仍處于弱人工智能時代。從底層技術來看，人工智能仍依賴于現代計算機架構的軟、硬件，以統計算法對人類行為和活動進行分割，而后完成模擬、預測和決策，其出現一方面得益于芯片運算和處理能力的提升，如GPU、FPGA、ASIC等，另一方面得益于機器學習算法不斷成熟與更新。人類在18世紀進入蒸汽時代，19世紀進入電氣時代，20世紀進入信息與互聯網時代，隨著未來人工智能技術逐漸成熟，21世紀將步入智能時代。信息與通信技術（ICT）產業是智能時代的基石，對整體經濟社會發展具有明顯的輻射作用，也是當前及未來各國科技競賽的制高點。能否抓住智能時代變革的機遇，是中國建設現代化強國的關鍵。
1.2 人工智能的關鍵技術

人工智能的關鍵技術是機器學習，深度學習是機器學習的重要分支，極大地提升了應用的準確性，是時下最熱門的技術領域。通俗來說，機器學習是使用算法來解析數據、從中學習，然后對真實世界中的事件做出決策和預測。從模型結構上來分，機器學習算法可以分為線性回歸、邏輯回歸、決策樹、貝葉斯模型和人工神經網絡等。2006年加拿大Hinton教授提出深度學習概念，不同于淺層學習算法，深度學習使用多層非線性處理單元變換數據輸入，極大地發展了人工神經網絡算法。在21世紀充足數據基礎和芯片算力提升的支持下，深度學習算法大大推動了人工智能在各行各業應用中的準確性，如語音識別、圖像識別、自然語言生成等，呈現出爆發式發展態勢。
與以往的技術進步稍有不同，人工智能對于勞動要素的替代不僅在于體力，還在于腦力甚至創造力等高技能工作。以往技術進步最明顯的共同點就是機器代替了人力，如第一次工業革命的蒸汽機、第二次工業革命的電機和內燃機、第三次工業革命的互聯網，均在不同程度上將勞動者從繁重、枯燥、重復、低效的勞動中解放出來。人工智能的不同之處在于，隨著硬件層、數據層以及算法層等各方面技術儲備趨于成熟，機器或逐漸可以完成復雜的邏輯思考和決斷。2016年，機器人AlphaGo1.0以4:1戰勝韓國圍棋第一人李世石；2017年,AlphaGo2:0擊敗當時世界排名第一的中國棋手柯潔。2017年7月美國50個州開始使用世界上第一個“機器人律師(DoNotPay)”，2018年1月日本癌癥研究會開始用AI檢測胃癌，檢出率超過92%，用時僅0.02秒。
1.3 人工智能產業版圖

人工智能企業可分為基礎層、技術層和應用層，目前中國以應用層發展為主，相關企業數量占比近八成。其中，基礎層以AI芯片、計算機語言、算法架構等研發為主；技術層以計算機視覺、智能語音、自然語言理解等應用算法的研發為主，應用層解決實際問題，是人工智能技術針對行業提供產品、服務和解決方案，其核心是商業化。根據《中國新一代人工智能科技產業發展報告(2019)》，截至2019年2月，應用層人工智能企業占比最高，為75.2%；技術層居第二位，占比為22.0%；基礎層企業占比最少僅為2.8%，而美國三類企業分別為39.1%、57.7%、3.2%。根據艾瑞咨詢在《中國人工智能產業研究報告》中的測算，AI在安防和金融領域市場份額最大，在工業、醫療、教育等領域最具爆發力。
中國人工智能以應用層為主
人工智能應用廣闊

No.2
人工智能時代，需要多少勞動力？
有觀點認為，既然人工智能可以取代許多人的崗位，對勞動力的需求也會相應減少；但實際有失偏頗。美國麻省理工大學經濟學教授Acemoglu等（2017）經實證研究發現1993-2007年美國19個產業中機器人的使用與就業率之間呈負相關關系，每千名工人中每多1臺機器人，就業人口比例降低0.18%-0.34%。中國人口與發展研究中心副研究員黃匡時（2018）撰文預測在“機器換人”時代，中國將有5-6億的勞動力被機器人替代。類似地，還有不少觀點認為，人工智能取代社會普通勞動力是大趨勢，生出來的人都是負擔而不是勞動力。我們認為，人工智能對就業的影響不僅是替代效應，單從“機器換人”的角度思考是片面的。
2.1 人工智能影響就業的機制

人工智能影響就業的機制包括替代效應、補償效應和創造效應；替代效應導致就業崗位直接消失，補償效應通過自身產業規模擴大吸引就業，創造效應通過創造新工種、新產業模式提供就業。工業革命以來，每一次技術進步與革命，都會引發就業方面的替代效應。珍妮紡織機、瓦特蒸汽機代替了手工業者和壯勞力；汽車、輪船等機器的出現，使馬夫、船夫、書信先生等職業消失……人工智能技術發展，使一些腦力勞動者所從事的工作，如汽車駕駛、檢測病癥、數據分析等也逐漸被取代。然而，在過去一個世紀里，技術以空前的速度不斷進步，但勞動占國民經濟的份額卻長期保持穩定（張鵬飛，2018）。根本原因在于，技術進步也可以間接創造出新的就業崗位，抵減替代效應對就業的負面影響，即抑制效應（Countervailing Effect）（Acemoglu &Restrepo, 2018；Autor & Salomons, 2018）。抑制效應又可進一步分為補償效應（Compensation Effect）和創造效應（Creation Effect）（Acemoglu & Restrepo，2018；Bessen，2018）。補償效應主要是人工智能替代性帶來的效率提升將引致相關產業規模的擴大，通過規模擴大彌補單位產出就業崗位的減少。創造效應主要指人工智能一方面通過新產業和新服務直接創造新工種，另一方面釋放出的勞動力可以轉崗轉行從事其他工作，間接創造就業崗位。
2.2 替代效應：機器換人力

一些研究認為，未來10至20年人工智能將會使目前30%-50%的工作面臨高替代風險，全球數以億計的就業崗位或將被完全替代，中國每年被替代的員工約300萬人。人工智能既能替代體力勞動又能替代腦力勞動，這一“通用性”的特點是前幾次科技革命無法做到的。2013年，劍橋大學學者Frey和Osborne在“未來的雇傭關系：就業將如何受電子化影響”研究項目中，采用高斯過程分類器（Gaussian Process Classifier）對美國702個具體崗位進行了電子化替代概率預測，結果顯示47%的工作在未來10年至20年內面臨較高風險被人工智能取代，主要包括生產活動、行政辦公支持類工作、銷售服務等相關崗位。2017年，普華永道對29個國家超過20萬名員工的工作任務和技能進行調查，結果顯示，預計到2030年，英國30%的工作有自動化風險，低于美國（38%）和德國（35%），高于日本（21%），從行業看，運輸和倉儲、制造業和批發零售等部門首當其沖，分別為56%、46%和44%；麥肯錫全球研究院(MGI)在報告《流失就業，新增就業：自動化時代的勞動力轉型》中預計2016-2030年間，中國被替代的全職員工的規模約在4000-4500萬，即平均每年約300萬人；到2030年，自動化將使中國五分之一的制造業工作崗位不復存在，全球將有多達8億人的就業崗位被人工智能替代。
2.3 補償效應：擴大規模，補償就業

人工智能通過降低成本，促進公司擴大生產規模，彌補單位產出就業產出的減少，例如京東智能物流機器人減少了86%的分揀人工，但2016-2018年物流員工數量從6.6萬人增至9.5萬人。人工智能通過規模擴大彌補單位產出就業崗位的減少，具體又可分為三種情形（蔡躍洲，陳楠，2019）：一是生產線上不易被替代的職位隨著生產率的大幅提升有所增加；二是人工智能更節約成本，是企業有條件擴大生產，增加生產線，帶來就業崗位的增加；三是效率提升導致公司產品價格更低，產品價格的降低會增加消費需求，帶動企業擴大生產規模，增加對勞動力的需求。例如，隨著京東物流智能機器人的運用，其整體分揀效率比傳統作業方式提升5倍，減少了86%的分揀人工。同時，2016-2018年京東集團員工數量從11.6萬人快速增長至17.9萬人，其中物流從業人員從6.6萬人增至9.5萬人?？梢娙斯ぶ悄艿刃录夹g的使用大大提升了平臺運營效率和訂單量，總就業崗位不降反升。
2.4 創造效應：創造新工種、轉崗轉行

人工智能直接創造相關行業的技術崗位,如人工智能工程技術人員、人工智能訓練師、智能制造工程技術人員等，到2025年，新一代信息技術產業領域人才缺口都將超過900萬人。隨著中國人工智能、物聯網、大數據和云計算的廣泛運用，2019年4月1日，人力資源社會保障部、市場監管總局、統計局正式向社會發布了13個新職業信息，其中包括人工智能工程技術人員、物聯網工程技術人員、大數據工程技術人員和云計算工程技術人員。2020年1月2日，中國就業培訓技術指導中心再次發布包括智能制造工程技術人員、人工智能訓練師、無人機裝調師等新職業。2017年，教育部、人力資源和社會保障部、工業和信息化部等部門對外公布的《制造業人才發展規劃指南》表示，人工智能產業發展直接帶來了對專業數字技術人才需求量的增長，到2025年，新一代信息技術產業領域人才缺口將超過900萬人。根據阿里研究院2018年發布的《人工智能在電子商務行業的應用和對就業影響研究報告》，人工智能應用于新零售產業，就需要大量具有自主設計和讀取數據能力的復合型買手、專業零售服務人才，具有技術背景和零售經驗結合的復合型人才，智能客服背后的機器人“飼養員”、生產線上的“數據標簽工”等等。
獵聘大數據顯示，過去五年全國人工智能和大數據人才需求呈快速增長態勢，年復合增長率超70%，但相關領域的人才供給遠不能滿足市場需求。騰訊研究院《全球人工智能人才白皮書》顯示，全球AI領域人才約30萬，而市場需求在百萬量級。獵聘大數據研究院以2015年Q1為基準點，用此后每個季度發布職位數與2015發布的職位數相除，結果顯示，截至2019年Q2，人工智能與大數據領域發布崗位數增長了11.75倍，年復合增長率超過70％，明顯高于互聯網行業，可見人工智能領域的人才稀缺性更強。從供給端看，目前中國真正開設人工智能專業的院校不足2%，行業內部自發的人才培養還沒有成體系，機器學習、深度學習、圖像處理、數據倉庫、機器視覺、自然語言處理等領域的人才供給相對不足，院校端和產業端高質量人才供給水平遠遠不能滿足市場對人才的需求。
AI及大數據人才需求增長迅猛
AI人才供需在核心職能上有所錯位
對于人工智能釋放出的勞動力，絕大多數可從事其他工作，如相關設備操作維護或前往物流、餐飲、銷售等服務行業，間接創造就業崗位。在制造業中，企業釋放出的勞動力并不總是冗余的，絕大多數情況下，這些人可以在學習培訓后填補其他崗位的空缺。例如，2017年廣東省人社局對200多家開展“機器換人”的企業調查顯示，用工減少的企業約占44%,減少的員工中近50%仍留在企業內部，他們或被調配到人員緊缺的崗位或產線，或在技能培訓后轉崗至技能要求高的崗位，如設備維修、監測及預測性維護等。此外，未來的工作并不單單是高技能，部分中低技能的工作同樣不可或缺。根據人社部發布的《2019年第四季度全國招聘求職100個短缺職業排行》，營銷員、收銀員、餐廳服務員、保安員、保潔員、商品營業員位居緊缺職業前十，隨著被釋放出的勞動力逐漸轉至這些勞動密集型服務行業，就業崗位被間接創造出來。
2.5 小結：未來20年人工智能或凈增約9000萬崗位

根據咨詢機構預測，未來20年人工智能將為中國創造9300萬個凈增就業崗位，其中服務業將凈增近一億就業崗位。2018年，普華永道發布《人工智能和相關技術對中國就業的凈影響》預測，未來20年人工智能將為中國創造12%的凈增崗位，相當于增加9300萬個就業崗位。其中服務業分別有21%、50%的就業崗位被替代和創造，總體凈增加9700萬個就業崗位；建筑業分別有25%、38%的崗位被替代和創造，總體凈增加1400萬個就業崗位；農業的崗位流失最為嚴重。從細分行業上看，因老齡化而需求大增的健康醫療領域將會迎來擴張，電子商務和專業性、技術性的服務等板塊也會受益于生產率提高，創造新崗位。
未來20年人工智能將為中國創造9300萬個凈增就業崗位
隨著人工智能為專業人員分擔枯燥重復的工作，未來職業將更注重勞動力的軟技能，如領導力、人際交往能力、邏輯思維、主動學習和創造力等，這些是機器所不能替代的。人工智能現在還遠遠不能取代大多數服務工作。正如李開復在《人工智能》一書中所說，人工智能只是人類的工具，屬于相對容易控制和管理的計算機程序，就目前的發展而言，人工智能還不能具備常識、創造、審美、情感、自我意識、抽象能力和跨領域推理能力。隨著人工智能為專業人員分擔枯燥重復的工作，越來越多的工作崗位將與創造性勞動和情感性勞動有關。世界經濟論壇發布的《未來就業報告》指出，前十大新興職業包含多個以人為中心的職業，如營銷專家和經理、人力資源專家和顧問、用戶體驗設計師等。這些職業要求從業者了解人類行為和偏好，所涉及的技能基本上無法實現自動化。2018年LinkedIn上對全球約4000名專業人員調查顯示，盡管人工智能技術發展帶動了技術技能的需求，但領導力、人際交往能力、邏輯思維、主動學習和創造力等軟技能的價值也將大大提高，甚至在某程度上超過了對專業技能的要求。在世界經濟論壇所描繪的未來就業圖景中，銷售和營銷專業人員、社交媒體專員、創新經理和客戶服務人員將迎來需求的增長。
未來職業將更注重勞動力的軟技能

No.3
人工智能時代，人口規模重要嗎？
有觀點認為，人工智能時代，人口規模不再重要。我們認為人口尤其是勞動年齡人口一方面是培育人才的基礎，另一方面人口規模大意味著大市場。西方發達國家即便人口不再增長，經濟仍在持續發展，一些人以此論證經濟發展的真正動力是“創新”而非“人口增長”。還有不少觀點指出，人工智能時代，人口在質不在量，不應停留在人多力量大的思維模式上。此外，黃匡時（2018）認為人工智能將徹底顛覆傳統人口問題，工業化推動了勞動生產率的提高，“低生育率陷阱”不值得擔憂。我們認為，人工智能時代，人口規模依然重要。從供給端看，人口是人才與創新的基礎，從需求端看，人口規模效應能夠更容易形成大市場，意味著購買力和競爭力。

3.1 人口是人才與創新的基礎

人口是人才的基礎，人口眾多意味著人才儲備庫巨大，進而保證科技研發與創新力；中美兩國在人工智能領域的抗衡與兩國大量人才資源積累不無關聯。據OECD統計，2017年中國擁有研發和技術人員約180萬人，排名世界第一，美國約130萬人，排名第二；2001-2018年中國高校畢業生數從104萬增至753萬，1982-2015年中國大專以上學歷人口規模從604萬人升至1.71億。人工智能時代的競爭，本質上就是人才和技術的競爭，人口眾多意味著人才潛力巨大，意味著有更多技術創新的可能。目前，在人工智能領域最有競爭力的是中美兩國，這與兩國可以抗衡的人才資源不無關聯。據中國信通院《2018中國人工智能發展報告》，2017年末美國的人工智能人才投入量為2.9萬人、居世界首位，占全球總量的13.9%；中國投入量位居第二，為1.8萬人，占比8.9%。
目前中國人工智能人才的平均年齡不足35歲，人口老齡化速度和水平將對相關領域的人才供給造成不利影響。獵聘大數據顯示，從2019年1-7月，全國人工智能與大數據人才的年齡分布以25-30歲之間最多，占比為40.63%；其次是30-35歲，占比為29.65%，中青年人口是這一新興行業的中流砥柱。然而，由于經濟社會快速發展和計劃生育政策嚴格執行，中國生育率下降速度和老齡化速度前所未有，按照總和生育率1.4左右的發展趨勢，我們預測中國人口將在2022年前后見頂,2050年中國人口將較2022年減少9%，老齡人口占比超30%。屆時，中青年人口數量下滑將對人工智能等新興領域人才供給形成一定制約，中國科技的國際競爭力也可能受到限制。
中國人口老齡化速度及規模前所未有
我們對中國人口的預測
3.2 人口規模效應能夠形成大市場

人口越多，微小的需求也能形成市場；14億人口規模的巨大市場使得中國人工智能技術優勢更容易發揮并被分享。梁建章、黃文政（2018）認為，在人工智能時代，人口對科技和經濟發展的意義絕不只是勞動力，龐大的人口規模，更能保證需求的多樣性和供給的規模效應。目前，中國的企業之所以對人工智能的應用層表現出強烈的發展意愿，也是因為任何有關教育、醫療、金融服務、零售等應用場景的需求都有可能形成大市場，進而為創新成果的規?；a和商業化奠定基礎。換言之，在14億人的中國，一項技術只要有1％的人感興趣，就會出現一個千萬人口的市場。例如，雖然目前中國智能音箱的市場滲透率不足3%，但根據奧維云網（AVC）全渠道推總數據，2019年上半年中國智能音箱市場銷量為1556萬臺、銷售額30.1億元，占全球銷量約三分之一，阿里、小米、百度等互聯網企業勢頭迅猛。截至2019年6月，中國網民規模達8.54億，網絡購物用戶規模達6.39億，這讓中國人工智能企業擁有巨大的市場。普華永道預測，到2030年中國、美國、歐洲的人工智能產業規模將分別為7萬億、3.7萬億、2.5萬億美元，中國的產業規模比后兩者之和都大。在全球智能化大趨勢下，人口眾多使技術優勢更容易發揮并被人們分享。
而且，機器并不能取代人的消費功能；人口減少、需求萎縮將拖累經濟發展。供給和需求同時對經濟發展起作用，人不僅通過生產促進經濟發展，也通過消費拉動經濟。沒有供給就沒有產品和服務，但沒有需求也就沒有生產的必要。人工智能或許可以替代人的部分生產功能、提高勞動力的單位產出，但不能取代人的消費功能，不能根本改變人口結構，不能減緩老齡化的速度。人口減少、需求萎縮將拖累經濟發展，低生育率下20-50歲的消費主力人群數量下降，負面影響日益嚴峻。在總需求回落的背景下，縱使有先進的生產技術和服務水平，也很難創造經濟增長。

No.4
政策建議
一是盡快全面放開并鼓勵生育，構建生育支持體系。由于生育率持續低迷，出生人口持續下滑，少子化老齡化問題日趨嚴峻，并且隨著中國人口總量在“十四五”時期見頂，未來中國將陷入人口萎縮。雖然前25年左右人口萎縮速度較慢，但一旦1962-1975年嬰兒潮人口進入生命終點，人口萎縮速度將明顯加快。為此，必須盡快全面放開并鼓勵生育，加快構建生育支持體系，讓生育權回歸家庭自主。一是實行差異化的個稅抵扣及經濟補貼政策，覆蓋從懷孕保健到18歲或學歷教育結束。二是加大托育服務供給，大力提升0-3歲入托率從目前的4%提升至40%，并對隔代照料實行經濟鼓勵。三是進一步完善女性就業權益保障，并對企業實行生育稅收優惠，加快構建生育成本在國家、企業、家庭之間合理有效的分擔機制。四是加強保障非婚生育的平等權利。五是加大教育醫療投入，保持房價長期穩定，降低撫養直接成本。

二是完善高校人才培養體系，加強核心技術領域的人才培養與引進。目前人工智能高端專業人才儲備方面存在明顯短板。根據《2018人工智能發展報告》，中國人工智能杰出人才數量僅為世界第六，核心技術層的人才更是稀缺。2017年7月國務院發布的《新一代人工智能發展規劃》中明確指出要把高端人才隊伍建設作為人工智能發展的重中之重；2018年4月2日，教育部印發了《高等學校人工智能創新行動計劃》，行動計劃中要求各大高校加快建設人工智能科技創新基地。因此，我們建議一是完善高校相關領域的人才培養體系，如加強人工智能與相關學科的交叉融合；二是優化高校人工智能領域科技創新體系，例如聚焦人工智能重大科學前沿問題，推動新一代人工智能核心關鍵技術創新等；三是推動高校人工智能領域科技成果轉化與示范應用，例如支持高校在智能教育、智能制造、智能醫療、智能城市、智能安防等領域開展技術轉移和成果轉化等。
三是警惕大規模結構性失業，實施好職業技能培訓，促進勞動力技能轉換以適應產業轉型升級需求。結構性失業通常在產業結構變化劇烈而勞動者技能與之不相適應時升高。人工智能時代，容易被取代的工作主要是在結構性和確定性環境下的體力勞動以及數據收集和處理工作，如采礦、紡織、財務、審計、統計、行政、后勤等。2019年3月，國務院辦公廳印發《職業技能提升行動方案（2019-2021年）》，進一步強調“把職業技能培訓作為保持就業穩定、緩解結構性就業矛盾的關鍵舉措”，要求三年共開展各類補貼性職業技能培訓5000萬人次以上，其中2019年培訓1500萬人次以上。我們建議，加快研究人工智能帶來的就業結構、就業方式轉變以及新型職業和工作崗位的技能需求，建立適應智能經濟和智能社會需要的終身學習和就業培訓體系。

編輯 ∑Gemini
來源：世界經理人

人工智能作為計算機科學的一個分支，旨在探尋智能的實質，在此基礎上生產出與人類智能相似的方式做出反應的智能機器，該領域的研究包括語言識別、圖像識別、自然語言處理等。近年來我國在人工智能領域制定出了一系列發展政策，今年3月9日，科技部對外公布，將支持重慶、濟南、成都以及西安建設國家新一代人工智能創新發展試驗區。

在此次疫情當中，人工智能在病毒分析、藥物研發、智能測溫以及輔助診斷等方面起到了十分重要的作用，作為目前新基建的重要領域之一，人工智能有望在中國制造新一輪的風口。

AI新基建與傳統產業
目前人工智能作為一種感知效果集中于前端的技術，當前多以發展AI應用產品及服務為主。隨著物聯網的高速發展，AI的應用領域從互聯網、新零售逐漸過渡到制造、醫療、農業等公共服務領域，人工智能正逐漸成為助力經濟發展非常重要的應用基礎設施。

AI新基建的推進
目前國際上初步形成人工智能產業化基礎，近年來相關企業數量也大幅增加。當前人工智能被納入新基建，有助于推動其各項技術在更多場景應用中擴展和深入，產業鏈上的公司也有望獲得更大紅利。但是我國在人工智能領域還有一些薄弱環節急需加強包括在人工智能重大基礎理論研究上原創能力相對不足，高端芯片、基礎材料、元器件、軟件等還有較高對外依賴性，以及國內高端人工智能頂級人才遠不能滿足需求等。

AI新基建正逐漸應用于各個場景，其相關產品性能以及落地場景也頗受關注，各地政府也在緊鑼密鼓的推出相應的落地規劃和政策，管理層和龍頭企業也將進一步把人工智能作為經濟及企業轉型的重要抓手。

對于傳統產業來說，如何相融并產生新的增長點。在新基建有序推進的同時，AI新基建如何破局推進規模落地效應，同時其相關的薄弱環節該如何解決。本周四晚8點，電子發燒友邀請多位科技企業高管，與大家一起探尋，AI“新基建”的新機遇！

近日，海外媒體報道，三星3nm工藝量產時間可能已經延期至2022年。三星原計劃2021年初量產3nm， 但受新冠肺炎疫情影響，三星預期時間可能已經延期至2022年，業內消息人士指出，這并非工藝制造上的延遲，而是因為EUV光刻機等關鍵設備在物流上的延遲所致。此外，全球代工龍頭企業臺積電也因為疫情原因，半導體裝備及安裝人員都無法按期完成，原計劃在6月份風險試產的3nm FinFET工藝，試產時間將延期到10月份。

臺積電、三星等晶圓代工巨頭，晶圓代工制程迭代放緩，制程進步時間明顯拉長，給中芯國際追趕提供了有利時機。還有，美國對中國持續發動科技戰，路透社3月底報道，美國特朗普政府高級官員同意對華為采取新措施，以限制華為芯片的全球供應鏈，其中可能包括一些關鍵的產業鏈廠商。據悉，此次禁令主要是通過限制使用美國技術、零件的外國供應商來實現，臺積電很有可能位列其中。

拓墣研究所最新發布2020年第一季度全球晶圓代工前十廠商的排名、營收和同比增長情況，顯示排名第四的中芯國際營收同比增長了26.8%。受惠于中國內需市場在CIS、PMIC、指紋識別與嵌入式存儲器應用等產品的需求，產能利用率接近滿載，營收喜人。

業內人士認為，隨著美國對中國集成電路技術及專利加深封鎖，中國必須要加速國產替代。華為芯片設計能力出眾，中芯國際主業是芯片制造，兩家企業上下游合作有實力打造強大的產業鏈條。

中芯國際14nm工藝制程最新進展

在當前的全球半導體市場中，28nm已經產能過剩，7nm制程只用于智能手機和部分PC等小范圍的尖端設備中，居于兩者之間的14nm制程才是真正的中堅力量，承載著市場上絕大多數中高端芯片的制造。特別是在工業、汽車、物聯網等行業，擁有龐大的市場空間。

臺積電在2018年率先實現7nm量產，讓臺積電的市場份額持續上漲，市場支配地位日益穩固。但在事實上，臺積電的14/16nm制程依然是其營收的主要來源，目前約占總營收的25%，Intel早在2014年就實現了14nm的量產，比三星和臺積電都還要在早上一年，如今14nm的Intel處理器依然在桌面處理器市場中備受追捧。

中芯國際聯合首席執行長梁孟松此前表示，中芯國際的14nm制程在2020年產能持續升高，預計3月份產能4000片，7月為9000片，12月達到1.5萬片，中芯國際14nm產能提升將加速華為、嘉楠等中國公司芯片的國產化進程。

以麒麟710A處理器為例，采用中芯國際的14納米FinFET工藝生產，上一代華為的麒麟710處理器是由臺積電生產。麒麟710處理器與麒麟710A處理器不同的地方，一是麒麟710主頻為2.2GHz，710A為降級版，主頻為2.0GHz，710是臺積電12納米工藝生產，710A則是中芯國際在2019年第4季度開始量產的14納米工藝生產。

在2月財報會議上，梁孟松表示中芯國際公司正在研究開發N+1、N+2工藝，與中芯國際現有的14nm工藝相比，N+1性能提高了20％，功耗降低了57％，邏輯面積可以減少63％，整個SOC（片上系統）面積可以減少了55％。中芯國際表示，就功率和穩定性而言，N + 1可以與市場上的7nm工藝媲美。

“我們對N + 1的目標是低成本應用，相對于7納米，它可以將成本降低約10％。因此，這是一個非常特殊的應用程序?！敝行緡H對媒體表示。

中芯國際在上海、北京、天津、深圳均擁有晶圓工廠，目前該公司可以提供最高的芯片工藝是14nm。

中芯國際14nm工藝量產三大意義

正威國際集團半導體事業群總裁、艾新教育創始人謝志峰博士對電子發燒友記者表示，中芯國際14nm工藝已經量產，國產替代意義重大。

筆者認為，首先，從國家戰略切入，2019年第四季度中芯國際14nm量產成功，標志以其為代表的中國半導體公司開啟屬于中國科技創新的大時代。

第二、在全球半導體代工市場中，14nm制程主要用于中高端AP/SoC、GPU、HPC、高性能ASIC、FPGA等制造環節，這些場景正符合人工智能及物聯網的核心應用需求，承載中國產業革命的科技基石。中芯國際的14nm崛起，正打開這一龐大的市場需求。

第三、中芯國際14nm量產對產業鏈上下游帶來三大利好。首先，充分激發上游設備及材料端迎來國產替代加速，其次，下游終端應用客戶比如華為，擁有芯片制造商的支持，有力于打破缺芯瓶頸，還有，中游封裝端將獲得來自上下游雙方的需求升級。

謝志峰博士也特別提醒，比較臺積電、三星等全球領先的晶圓代工企業，中國落后世界先進水平2代（約5年）。中芯國際的技術更迭了多代，依舊與國際先進水平相差很多。同時，在規模上，中芯國際比臺積電規模差10倍。從另外一方面，依賴中國市場對半導體芯片的龐大需求，中芯國際技術突破后，市場增長空間巨大。

中芯國際邁向新征程需要跨越兩重障礙

北京大學上海微電子研究院顏重光教授對電子發燒友記者表示，中芯國際晶圓代工制程與臺積電有2代差距。臺積電已有超細微制程與前道精細封裝技術！手機及5G需要的芯片已使用2.5D及3D的高密系統集成、高速、高頻、三維、超細節距互聯等新一代集成電路制造技術。

拓墣研究所的調研顯示，2019年，全球Top10代工廠商統計圖中，臺積電大比例領先，市場份額占比超過了50%。而第二名的三星也增長到了19%左右，第三的格芯只有9%左右，第四的聯電大約7%左右，中芯國際只有5%左右。我們可以明顯看到，全球晶圓代工市場正呈現出強者恒強的局面。

臺積電中國區業務發展副總經理陳平博士對媒體表示， 關于先進工藝方向，有三個關鍵因素：第一、傳統的工藝萎縮，臺積電今年要推出5nm，在今后要推出3nm、2nm，我們會沿著摩爾定律的方向繼續前行。第二、3D異構集成，用不同的工藝技術做成的芯片，通過先進的封裝技術整合在一起。第三、軟硬件的共同優化，包括設計與工藝的共同優化，三軸一起發展，未來芯片工藝發展大有前景。以此為坐標軸，中芯國際追趕臺積電，需要在后兩個部分要全力提升，還有一點無法繞過的是，中芯國際距離臺積電的產品性能尚有一些差距，在IP授權方面也存在很大的專利壁壘。

清華大學微納電子學系主任、微電子研究所所長魏少軍指出，中國芯片企業正在奮力追趕，中芯國際在2019年的研發支出約占銷售收入的22%，但總額僅為6.87億美元，與臺積電還有很大差距。臺積電通過高額的研發投入來獲得先進技術和先進產品，再通過產品的競爭力獲得更大的市場，臺積電上調2019年資本支出，從年初的100億上調到140-150億美元，砸下巨資建設高端制程和充足產能，來抓住5G時代的市場機遇。

臺積電在客戶規模和種類上也遠遠超過中芯國際。臺積電7納米制程的客戶遍布全球, 主要客戶有蘋果、華為海思、聯發科、高通、英偉達、超微、賽靈思、比特大陸等知名企業。2019年營收，三成來自7納米制程。臺積電毛利率常年維持在50%，而中芯國際的毛利率則是20% 左右，這其中先進制程對毛利率的貢獻最大。獲利不高，也會影響公司在未來研發上的投入，增加了向高端芯片發展的難度。

中芯國際希望完全跳過10nm節點，直接過渡到7nm節點。據稱，海思在臺積電的客戶名單上是利用EUV節點的。如果未來，中芯國際可以實現7nm工藝的試產，將會帶來更廣泛的增長空間。中芯國際認為，2020年，物聯網、5G、智能消費品、人工智能及汽車電子將驅動晶圓代工的增長，樂見積極的成長動能和強勁的訂單需求。

選擇一款適合的家庭背景音樂系統從以下四個方面入手。

一、音質

作為一款家庭音響設備，音質的好壞不言而喻，它是音響設備的靈魂所在。在工作或是休閑看書時，家里有一套音質不錯的背景音樂系統，放一些輕松舒緩的輕音樂，那才是一種享受。

功率是決定音質的一大關鍵，大家在選擇背景音樂系統時候不妨對比一下功率參數，作為背景音樂，一般一路通道功率能達到40W以上的就屬于不錯了，當然，有的品牌標的可能是標準參數，實測數據可能會有所折扣，這就需要大家實測體驗一下效果了。

二、音源

一款好的家庭背景音樂系統在音源的選擇上要做到豐富多彩才算合格，除了本地音源以及外接的音頻輸入以外，在線音源才是一款智能化產品的精髓，很多品牌都有在線音樂功能，連接網絡之后通過第三方音樂播放器就可以實現在線點播，暢享大量的在線音樂，提供更好的音樂服務體驗。IBA的單體機實現了手機音樂推送的功能，手機上喜歡的歌曲可以通過wifi推送到家庭背景音樂播放器上。

三、操控

家庭背景音樂系統作為智能家居的一大分支，它的操作方式必須是多元化的，除了在面板上面觸控以外，手機APP直接操作已經成為主流，既方便又靈活，躺在沙發上就能控制，不過大部分品牌的產品APP僅僅只能做到調節音量、上下曲以及本地音樂的選擇上，而一些在線的音樂資源就無法控制，必須要在面板上操作，這是APP開發程度不到位所致，大家在選擇的時候需要仔細對比一下，系統能否實現APP的全能操控。

四、品質

作為一款嵌入式的智能家庭音響系統，它不像柜式音響或是電腦音響那樣，出現問題可以隨時更換，一旦產品出現質量問題就會很麻煩，因此經久耐用的品質就顯得尤為重要，不過一款產品的品質如何消費者在選購之前一般都無從得知的，畢竟不能把產品拆開來研究，大家可以從品牌、保修時間以及服務網點上面來進行對比。

家居智能化時代，讓音樂融入家居生活已經成為現代都市人的剛性需求，家庭背景音樂系統作為智能家居的一部分，不僅能夠完美的融入家居生活中，還能讓一家人都可以享受各自喜愛的音樂風格，其智能化和個性化的特點已經開始逐漸取代傳統家庭音響設備，成為向往高品質生活的音樂愛好人士的首要選擇。

一：武藝高強（功能強）

無論把智能家居定為系統，還是平臺，抑或是單品，說到底還都是為我們所用的工具，既然是工具，自然需要擁有“高強的武藝”、強大的功能，能夠最大程度上滿足我們對智能生活的需求。關鍵問題是，對于現在的智能家居而言，具備哪些條件算是“武藝高強”呢？

“武藝高強”的智能家居應該具備兩點：

1、是具備多種控制方式

2、擁有自我提高的能力

在控制方式方面，智能家居需要擁有幾種控制方式，原因是一種看似很方便的控制方式在不同的環境下完全可能變成“雞肋”，而另一種看似“雞肋”的控制方式當條件發生改變時反而有可能變得非常便捷。擁有多種方式選擇，將會幫助我們應付各種不便。??? 所謂的自我提高的能力，實際上說的是智能家居的功能并不是一成不變的，而是能夠根據實際情況加以提高，并變得更為“聰明”。當然，這一點需要較強的云計算能力，通過云計算的分析和處理將更為龐大的數據轉化為有價值信息反過來應用于智能家居，從而完善智能家居功能。

二：顏值爆表（外觀美）

人不可貌相，海不可斗量，但智能家居可以看臉，甚至必須要看臉，最好“顏值爆表”。很多人應該明白為何蘋果智能手機那么受到歡迎，明白為何小米4不怕背上罵名也要學習蘋果智能手機，重要原因之一就是蘋果智能手機的工藝設計實在出色，時尚有型到爆。在智能家居領域，得到蘋果真傳的nest恒溫器同樣在國外廣受歡迎，功能強是一方面，而工藝品氣質也必不可少。

之所以“顏值”非常重要，還有一個重要原因，那就是智能家居不可能一直保持全新功能的出現。當智能家居的功能趨同時，外觀將成為智能家居取勝的重要法寶，誰好看誰就能得到更多的關注，否則功能上不比別的產品差也不會受到大眾消費者的青睞。如今，智能手機已進入看臉時代，下一個就是智能家居，“顏值爆表”的才是好的。

三：身份普通（價格低）

智能家居是高科技產品，但也是家居產品，這就要求它必須強調家庭屬性，必須要“接地氣”，而要“接地氣”價格就不能太高。有些人可能會不明白，好的智能家居要功能強大、外觀時尚，那么它的價格還一定要低下來？當然，我們必須明白智能家居并不是針對少數人的產品，如果價格較高，則意味意將大部分家庭拒之門外，即便再怎么好也很難走入大眾家庭，實用價值也會變相降低。

在幾個月前，國內知名企業南京物聯推出了一項面向終端用戶的智能家居免費送的活動，活動期間用戶可通過與南京物聯簽訂免費使用合約，獲得免費智能照?明套餐。事實上，這種活動的目的就是以低價或免費形式提升智能家居品牌影響力，在價格上獲得民心，因為他們知道智能家居根本不是為少數人而生。近日，在智能家居領域鬧騰地風聲水起的谷歌也打算未來推出類似的智能家居免費送活動。

四：關系良好（能擴展）

除了內在功能、外在工藝以及產品價格外，好的智能家居還必須要有“良好的關系”，能夠保證后續的應用擴展。如果完全“特例獨行”、“單打獨斗”，本身就說明它的功能不太完整，跟智能家居并不相等。例如，nest恒溫器雖然功能很強，也很漂亮，但它只能用于溫度控制，對于整個智能家居系統只是很小的一部分。

然而，正是由于智能家居涉及的產品很多，也導致很多家庭很難一次性搞定，這一點必然要求智能家居產品能后續自由擴展，逐步完善。如若不然，多種智能家居產品很難互聯互通互控，不能統一協作，不但不會給用戶帶來便利，反而有可能造成一定的麻煩，這是與智能家居為用戶家居營造舒適、高效環境背道而馳的。

? ? ? ??大家都知道我們的GT是可以添加內部傳感器的，可以對數值進行判斷然后輸出正確或者錯誤結果，但復合多級判斷很多人還不會用，本次就結合一個線下網吧的案例詳細給大家講解一下，

? ? ? ? 環境：網吧前門安裝有一個風機后門安裝有一個風機，每個風機有高和低兩檔。前門和后門各安裝有一個吸頂空氣質量探測器。

要求：前門的檢測到二氧化碳超過500，開前門低速，后門的檢測到二氧化碳超500開后門低速，如果前后門都檢測出超500，則兩個風機都開高速。

首先列一張思維導圖如下

? ? ? ? ?一共2個傳感器，每個傳感器都可能有2次判斷，所以我們一共要設置4條邏輯。明確了整個思路，GT就好配置。網吧那邊是用X160驅動繼電器控制的風機，首先要在主機按鍵里面配置好風機的控制指令，這里就只講GT的配置

一：點開GT如圖

二：點室內

三：將前面的空氣質量傳感器添加到GT里面，地址以實際地址為準（5字節無空格），這里共增加2個空氣質量探測器傳感器，一個前門一個后門。

四：增加好的空氣質量傳感器界面如圖，我這里只做演示沒有實際接設備，大家實際接了之后是會看到傳感器的當前各類信息數值的

五：長按“二氧化碳”后進入如下判斷界面，需要注意的是，我們要先設置好“后門邏輯二”，因為邏輯二為判斷結束最終輸出結果，頁面左下角是可以翻頁的，大家最多可以設置20頁。另外注意的是這里不能設置主動定時查詢或者循環查詢，它只能由前門先判斷若大于500才能觸發，下圖是對后門的空氣質量探測器的設置

這里判斷條件為是否大于500，若正確選擇主機已配置好的“前后風機高速”

若錯誤選擇主機已配置好的“只開前門低速”。這樣“后門邏輯二”就配置完成。

六：然后設置“前門邏輯一”，這里要選擇前門空氣質量探測器配置，先選擇好時間

這里就是前門空氣質量探測器第一次數值判斷了，若小于500則選擇主機已配置好的“關閉前門風機”，若大于500則去判斷后門的空氣質量，所以這里要選擇剛剛配置好的GT邏輯“后門邏輯二”

到這里，循環查詢A就設置完成了。模仿以上順序再設置”循環查詢B”，那么整套配置就結束。