为了继续保住苹果供应商的地位 台积电投入22亿美元研发费用

简介:

中国台湾芯片供应商台积电(TSMC)已经获得了苹果下一代iPhone7产品中A系列芯片的代工合同。不过,由于目前有许多竞争对手依旧在觊觎苹果芯片供应商的位置,因此台积电似乎也丝毫没有松懈自己的神经,其中最明显的一个例子就是该公司今年在研发方面的支出已经达到了创纪录的22亿美元。

根据台积电总裁兼联合CEO Mark Liu透露的消息称,公司今年在研发方面的支出已经达到了创纪录的22亿美元,同比去年10.67亿美元的研发支出迎来了大幅上涨。

Mark Liu表示,台积电拥有领先的芯片制造技术,他们是业内首家获得7纳米工艺制程认证的企业,而该公司10纳米级别芯片也会在不久后进入量产阶段。更为重要的是,台积电一直在积极研发新的工艺制程技术,其中包括旨在应用于物联网领域的55纳米和40纳米超低能耗制程工艺(Ultra-LowPower Platform)。而且,考虑到苹果公司目前对于汽车领域的巨大兴趣,以及未来可能出现的苹果汽车产品,台积电现在似乎也对汽车电子方面产生了浓厚的兴趣。

事实上,这并非我们第一次听说台积电在研发方面砸下重金。今年早些时候,台积电投资8081万美元从台湾M+W HighTech Projects和United IntegratedServices处购买了全新的生产设备。除此之外,台积电还为2016年预留了90-100亿美元的预算用于发展旗下新的10纳米制程工艺,以及与芯片生产相关的更先进未来封装技术。

不久前有消息称,台积电已经击败了自己最大的竞争对手三星电子,并将采用16纳米制程以及整合扇出型封装(InFO,InFO技术能将嵌入式晶片互相堆叠,并直接安装在电路板上,减少厚度和重量)技术为苹果生产下一代iPhone所搭载的A10处理器。据悉,这一代处理器相较A9拥有更好的性能、更低的成本以及更长的电池续航时间。而且,虽然此前有媒体称A10芯片将可能采用10纳米制程,但是台积电的10纳米制程要到2017年才能够投入量产使用。

众所周知,台积电和三星去年曾为拿下苹果A9芯片订单而争得你死我活,但最终苹果还是决定将这一芯片订单按照一定比例同时分配给这两家厂商。不过如今的台积电似乎已经吸取了教训,并希望通过在研发方面加大投入的方式确保自己的唯一苹果芯片供应商地位。中国台湾芯片供应商台积电(TSMC)已经获得了苹果下一代iPhone7产品中A系列芯片的代工合同。不过,由于目前有许多竞争对手依旧在觊觎苹果芯片供应商的位置,因此台积电似乎也丝毫没有松懈自己的神经,其中最明显的一个例子就是该公司今年在研发方面的支出已经达到了创纪录的22亿美元。

根据台积电总裁兼联合CEO Mark Liu透露的消息称,公司今年在研发方面的支出已经达到了创纪录的22亿美元,同比去年10.67亿美元的研发支出迎来了大幅上涨。

Mark Liu表示,台积电拥有领先的芯片制造技术,他们是业内首家获得7纳米工艺制程认证的企业,而该公司10纳米级别芯片也会在不久后进入量产阶段。更为重要的是,台积电一直在积极研发新的工艺制程技术,其中包括旨在应用于物联网领域的55纳米和40纳米超低能耗制程工艺(Ultra-LowPower Platform)。而且,考虑到苹果公司目前对于汽车领域的巨大兴趣,以及未来可能出现的苹果汽车产品,台积电现在似乎也对汽车电子方面产生了浓厚的兴趣。

事实上,这并非我们第一次听说台积电在研发方面砸下重金。今年早些时候,台积电投资8081万美元从台湾M+W HighTech Projects和United IntegratedServices处购买了全新的生产设备。除此之外,台积电还为2016年预留了90-100亿美元的预算用于发展旗下新的10纳米制程工艺,以及与芯片生产相关的更先进未来封装技术。

不久前有消息称,台积电已经击败了自己最大的竞争对手三星电子,并将采用16纳米制程以及整合扇出型封装(InFO,InFO技术能将嵌入式晶片互相堆叠,并直接安装在电路板上,减少厚度和重量)技术为苹果生产下一代iPhone所搭载的A10处理器。据悉,这一代处理器相较A9拥有更好的性能、更低的成本以及更长的电池续航时间。而且,虽然此前有媒体称A10芯片将可能采用10纳米制程,但是台积电的10纳米制程要到2017年才能够投入量产使用。

众所周知,台积电和三星去年曾为拿下苹果A9芯片订单而争得你死我活,但最终苹果还是决定将这一芯片订单按照一定比例同时分配给这两家厂商。不过如今的台积电似乎已经吸取了教训,并希望通过在研发方面加大投入的方式确保自己的唯一苹果芯片供应商地位。
本文转自d1net(转载)

相关文章
|
存储 人工智能 自然语言处理
《数据孤岛:AI模型训练之殇,精度与泛化的双重困境》
在人工智能快速发展的今天,数据是模型的“燃料”。然而,数据孤岛现象——即数据因系统、管理和流程原因被孤立存储,缺乏有效整合——正严重阻碍AI的发展。据调研,40%的企业存在50多个数据孤岛,这一问题导致AI模型训练精度和泛化能力下降,影响从医疗诊断到自动驾驶等多领域的应用效果。解决数据孤岛需要企业、科研人员及政府共同努力,通过统一数据标准、创新技术和完善政策,促进数据共享与融合,推动AI技术释放更大价值。
719 19
|
9月前
|
机器学习/深度学习 小程序 数据挖掘
Multi-Agent 的灵活编排之路
本文探讨了Copilot 3.0架构中规划模块结合DeepSeek R1强化学习(GRPO)的实践,重点分析多智能体架构下大模型如何灵活调度多个智能体解决实际问题。文章从背景、问题分析、Planning角色、难点、效果对比到解决方案进行了深入讲解,并通过实验现象展示了有无思考过程对模型性能的影响。结果显示,GRPO训练后推理长度显著降低,准确率提升7.4个百分点,同时解决了复杂问题与简单问题处理间的平衡问题。
1007 11
Multi-Agent 的灵活编排之路
|
机器学习/深度学习 人工智能 自然语言处理
NeurIPS 2024:真实世界复杂任务,全新基准GTA助力大模型工具调用能力评测
在NeurIPS 2024会议上,GTA(General Tool Agents Benchmark)基准测试被提出,旨在评估大型语言模型(LLM)在真实世界复杂任务中的工具调用能力。GTA采用真实用户查询、真实部署工具和多模态输入,全面评估LLM的推理和执行能力。结果显示,现有LLM在真实世界任务中仍面临巨大挑战,为未来研究提供了重要方向。
422 13
|
机器学习/深度学习 人工智能 自然语言处理
Logic-RL: 小模型也能强推理,通过基于规则的强化学习提升大语言模型结构化推理能力
这篇论文探讨了基于规则的强化学习(RL)如何提升大型语言模型(LLM)的高级推理能力。通过在程序生成的逻辑谜题上训练并强制执行结构化思考,即使是较小的模型也能开发出可转移的问题解决策略。研究引入了多层次奖励系统,包括格式、答案、推理一致性和反思奖励,以引导模型形成严谨的推理过程。实验结果表明,这种方法不仅提高了模型在逻辑任务上的性能,还在数学问题解决、代码调试等领域展现出显著的泛化能力。此外,该方法在较小模型上实现了与大模型相当甚至更优的推理表现,为资源受限环境下的高效推理提供了新途径。
1182 0
Logic-RL: 小模型也能强推理,通过基于规则的强化学习提升大语言模型结构化推理能力
|
人工智能 搜索推荐 定位技术
AddressCLIP:一张照片就能准确定位!中科院联合阿里云推出街道级图像地理定位模型
AddressCLIP 是由中科院和阿里云联合开发的端到端图像地理定位模型,通过图像-文本对齐和地理匹配技术,实现街道级精度的定位,适用于城市管理、社交媒体、旅游导航等场景。
2154 30
AddressCLIP:一张照片就能准确定位!中科院联合阿里云推出街道级图像地理定位模型
|
机器学习/深度学习 数据采集 搜索推荐
使用Python实现智能食品推荐系统的深度学习模型
使用Python实现智能食品推荐系统的深度学习模型
697 2
|
前端开发 开发工具 git
如何清理 docker 磁盘空间+修改 Gitea 服务器的 Webhook 设置+前端一些好学好用的代码规范-git hook+husky + commitlint
如何清理 docker 磁盘空间+修改 Gitea 服务器的 Webhook 设置+前端一些好学好用的代码规范-git hook+husky + commitlint
274 5
|
Python
Python 头哥实验题目(一、二、三)
Python 头哥实验题目(一、二、三)
2207 0
探究Python中的函数与模块
在本篇文章中,我们深入探讨了Python中的函数与模块。从函数的定义、参数处理,到模块的导入、自定义模块和包的使用,您已经掌握了如何通过这些工具来编写结构化、模块化的代码。 在实际开发中,合理地使用函数和模块可以大大提高代码的可读性和可维护性,为您编写更复杂的程序奠定了基础。
|
缓存 开发框架 移动开发
uni-app:下载使用uni&创建项目&和小程序链接&数据缓存&小程序打包 (一)
uni-app 是一个跨平台的开发框架,它允许开发者使用 Vue.js 来构建应用程序,并能够同时发布到多个平台,如微信小程序、支付宝小程序、H5、App(通过DCloud的打包服务)等。uni-app 的目标是通过统一的代码库,简化多平台开发过程,提高开发效率。 在这一部分中,我们将逐步介绍如何下载和使用uni-app、创建一个新的项目、如何将项目链接到小程序,以及实现数据缓存的基本方法。
497 0

热门文章

最新文章