7日讯，供应链业内人士称，由于客户缩减订单，台积电7nm产能利用率将逐步下滑。由于市场需求放缓，台积电决定暂时放缓高雄工厂的扩产进度，预计2023年7nm产线的产能利用率将低于90%。 曾报道，高雄市楠梓产业园区已于8月7日动工。据介绍，台积电是楠梓产业园区唯一进驻厂商，园区动工也代表厂区进入建厂阶段，完备产业链关键拼图。 台积电此前计划将在高雄设立生产7纳米及28纳米制程的晶圆厂，将于2024年开始量产。 除高雄工厂外，台积电还在美国亚利桑那州和日本熊本建设两家晶圆厂。台积电表示，亚利桑那工厂将生产5纳米芯片，熊本工厂将使用特殊工艺技术生产芯片。 8月9日，台积电发布公告称，董事会核准92.3473亿美元资本预算，约新台币2769亿元，将用于建置先进、成熟及特殊制程产能。 据报道，因应未来数年需求成长，台积电今年资本支出将达400亿至440亿美元，将创史上新高纪录，包括2纳米、3纳米、5纳米和7纳米的先进制程将是台积电资本支出的重点;同时，台积电还将投资特殊制程和先进封装及光罩制作。 此外，台积电美国亚利桑那州5纳米厂建厂进展顺利，6月底举行上梁庆祝典礼，预计2024年量产，第1期月产能2万片。 6月8日，晶圆制造龙头台积电召开投资人会议，透露出行业发展的诸多信号，对A股芯片板块同样具有风向标意义。 颇受市场关注的是，有股东提问，全球晶圆需求强劲，部分芯片制造厂传出涨价消息，台积电未来在芯片价格是否会跟进涨价? 台积电总裁魏哲家表示，定价策略都有跟客户好好沟通，不随着其他竞争者动作而定策略。 实际上，在5月初就有市场传闻显示，台积电通知客户，将于明年1月起，全面调涨晶圆代工价格，涨幅约6%，部分台积电客户已证实了涨价通知。 作为晶圆代工领域的龙头，台积电涨价与否无疑具有风向标意义。 维持了近两年的芯片短缺何时能迎来拐点?结合台积电透露的信息以及市场其他主体的反馈，或许能看出一些蛛丝马迹。 扩产意愿强烈 台积电此前发布的第一季度财报显示，公司实现营收4910.8亿新台币，同比增长35.5%，超出此前预期的上限;净利润为2027.7亿新台币，同比增长45.1%。 展望未来，台积电预计仍将实现快速增长，该公司董事长刘德音称，随着数字化进程加速及台积电在半导体领域保持技术领先，公司正进入高结构性成长的阶段，预计2022年销售收入增长约30%，第二季合并营收约176亿至182亿美元，营业毛利率介于56%至58%，营业净利率为45%至47%。 从行业角度来看，今年一季度晶圆代工企业都取得了不俗的成绩。以中芯国际(688981.SH)为例，其在一季度实现营业收入118.54亿元，同比增长62.6%;归属于上市公司股东的净利润为28.43亿元，同比增长175.5%;产能利用率达到100.4%。 只是，与台积电相比，中芯国际的毛利率水平仍有不小的差距。一季度，中芯国际一季度的毛利率达41.17%，达到近年来单季高点。但这个数据与台积电相比仍然有10多个百分点的差距。受部分工厂年度维护延期以及上海工厂产能利用率的影响，中芯国际预计二季度毛利率下降至在37%到39%范围。 魏哲家进一步解释称，今年不计记忆体的全球半导体市场，营收有望增长9%，其中，台积电美元营收将增长达到或超过29%，先进和特殊制程需求强劲，是驱动业绩成长动能。魏哲家称，台积电也看到来自5G及高效能运算相关应用大趋势，对台积电高效能运算、智慧手机、车用电子及物联网相关应用的强烈需求，台积电正处于绝佳地位，掌握结构性成长。 从台积电的表态中可以看出，公司扩产意愿依然强烈。刘德音透露，明年资本支出将超过400亿美元，会以股东利益为主要考虑，但净现金流量将非常低。他强调，台积电已是相当大的公司，但营运还能大幅成长，就是因为技术领先，未来台积电还将不断成长，因此需增资本投资、吃掉现金。 台积电在2021年宣布启动三年千亿美元投资，展开全球扩产计划，而去年资本支出300亿美元，今年预估将达400至440亿美元，较去年大增33-46.5%;若明年资本支出超过400亿美元，意味着3年投资额最高将达到1140亿美元。 此外，市场近期传出台积电计划在欧洲建厂的消息，刘德音表示，台积电持续评估各地点可能的建厂方案，海外建厂以客户需求为主要考虑因素，目前已在美国及日本开始建厂，欧洲客户比较少，仍在继续评估中，没有具体方案。 晶圆制造龙头企业台积电在今年6月时就提出，将投资736亿美元在台南建设4座新的2纳米晶圆厂和4座3纳米晶圆厂，仅过去了一个多月，台积的扩产计划再次发布。8月9日，台积电发布公告称，董事会批准了高达92.3473亿美元的资本预算，将用于全面扩大建设先进、成熟及特殊工艺的产能。 据了解，此前扩产的8座工厂都只是台积电建造计划的一部分，台积电在中国台湾至少有20座工厂正在建设中或即将完工。而本次，台积电在董事会上还批准了将向台积电在美国亚利桑那州全资子公司提供担保，发行金额不超过40亿美元的高级无担保公司债券，为其产能扩张提供资金。 台积电作为当下最大的晶圆制造企业，各种大厂的订单拿到手软。前几日，AMD董事长兼CEO苏姿丰公开表示，AMD将扩大5nm产品线阵容，并由台积电独家承接，目前已经预订了大量台积电5nm工艺产能。据悉，AMD在台积电的5nm产能规模有望达到每月2万片晶圆的水平，而台积电的5nm产能最多也就是10万片/月的水平，这意味着，AMD订单占据了台积电5nm近20%的月产能。 此外，还有消息称，苹果公司已通知供应商，将扩大iPhone 14系列新机初期总备货量，最高可达9500万部，增加了约5%。苹果公司是台积电的最大客户，订单的需求量势必还将继续升高。 可以看出，台积电持续扩产是为了将更多的订单收入囊中，进一步扩大市场占有率。 集邦咨询发布的最新预测显示，2022年全球半导体代工市场规模将比2021年增长20%，达到1287亿美元。2022年，中国台湾的半导体代工全球份额(按销售额计算)将提高至66%，比2021年扩大2%。集邦预测，中国台湾代工企业的市场份额将以台积电为中心继续扩大，台积电的份额将比2021年增加3%，达到56%。中国台湾地区到2025年将拥有全球半导体代工58%的产能。

只有拥有大量的训练数据，才能达到无需人工干涉的完全自动驾驶水平。由于目前的自动驾驶系统对其环境缺乏更广泛的了解，安全性仍有一些灰色地带，尚未成熟的技术与人类驾驶者相比，在理解意外事件方面依然逊色不少。 文︱立厷 图︱网络 如何让自动驾驶汽车能像人类一样?在人工智能时代，自动驾驶汽车能不能像人一样自主学习并掌握驾驶技能?现在看，还远远不能。 目前，主流自动驾驶技术主要采用各种传感器加神经网络系统和机器学习的模式，需要极大数量的数据来训练车辆系统。就是这样，进展也就是L2+。一些有志之士也在另辟蹊径，进行一些“另类”研究，试图让自动驾驶汽车能模仿人类。 L5自动驾驶为什么遥不可及? 2018年，谷歌旗下Waymo称，利用神经网络技术自动驾驶汽车能够像人脑一样思考，母公司Alphabet和谷歌技术将神经网络系统和机器学习法等人工智能技术引入自动驾驶汽车，将大大降低自动驾驶的出错率。 2019年，特斯拉要求用户上传静止和移动物体的图像，还针对汽车行驶过程中发生的一些情景进行测试，以训练网络能够正确识别这些情景，帮助其车辆预测道路上的未来活动。在进行路径规划时，特斯拉也采取了同样方式，观测人类驾驶者在各种道路情况下所选择的路径，汇总特定情况下典型人类行动。 本来，特斯拉的马斯克曾说2020年底完成L5级别自动驾驶功能，后来又改口称，要到2021年底，现在2021过半，大家可能又要失望了。此前踌躇满志的很多自动驾驶公司前赴后继，不断烧钱向L5疯狂挺进，但大多已杳无音信。 时刻准备着 特斯拉的观点得到了绝大多数从事自动驾驶研究人士的认同：只有拥有大量的训练数据，才能达到无需人工干涉的完全自动驾驶水平。由于目前的自动驾驶系统对其环境缺乏更广泛的了解，安全性仍有一些灰色地带，尚未成熟的技术与人类驾驶者相比，在理解意外事件方面依然逊色不少。 美国加州汽车管理局(CDMV)指出，人类驾驶者在理解意外事件方面表现出色，他们通常可以采取必要的预防措施来避免事故的发生。然而，由于目前的自动驾驶系统对其所处环境缺乏更广泛的了解，很难采取类似的预防措施，问题的关键是能否开发出一种能够在遇到意外事件时降低风险的系统。 7月的2021世界人工智能大会上，华为智能驾驶产品线总裁、首席架构师苏箐语出惊人：“L5级别自动驾驶是一个牵引目标，永远不可能达到。”他说：“因为从定义来看，L5是要在任何时间、任何地点、任何天气都能够覆盖所有的情况和场景，世界上没有一个人类驾驶者能够做到这点。” 人类驾驶者不能做到的事情，自动驾驶技术能不能做到呢?没有答案。还是看看人们的努力吧。 模仿他人训练自己 自动驾驶汽车由机器学习算法驱动，需要大量的驾驶数据才能安全运行，数据为王，但它也是一个瓶颈。目前，自动驾驶汽车是跟着已有的驾驶数据来学习如何安全驾驶，学习需要很长时间;出于竞争目的，全球头部汽车公司和大型科技企业都将大量数据据为己有，不可能拿出来与他人分享。 那么，如果自动驾驶汽车能够像婴儿通过观察和模仿周围的人来学习走路那样学习驾驶，所需要的驾驶数据就少得多了。基于这一想法，波士顿大学的工程师Eshed Ohn-Bar正在开发出一种全新的方式，让自主汽车通过观察道路上的其他汽车来学习安全驾驶技术，预测其自己如何对环境做出反应，并利用这些信息来做出自己的驾驶决策。 Ohn Bar是波士顿大学工程学院电气和计算机工程助理教授，也是教职研究员。他最近在2021年计算机视觉与模式识别会议上介绍了他们的研究成果。他们提出的训练模式的想法出于加强该领域研究人员之间数据共享和合作的愿望。 他说：“每家公司都要经历同样的过程，包括开车、安装传感器、付钱让驾驶者开车、收集数据以及教汽车如何驾驶。”他认为，分享驾驶数据可以帮助公司更快地制造安全的自动驾驶汽车，让社会上的每个人都能从合作中受益。Ohn Bar说，人工智能驾驶系统需要如此多的数据才能正常工作，以至于没有一家公司能够独自解决这个问题。 “数十亿英里(在路上收集的数据)只是现实世界事件和多样性海洋中的一小部分，”Ohn Bar说，然而，丢失数据样本可能会导致不安全行为和潜在的崩溃。” 他提出的机器学习算法是通过估计附近其他汽车的视点和盲点来创建周围环境的鸟瞰图。这些地图有助于自动驾驶汽车像其他汽车或行人一样检测障碍物，并了解其他汽车如何转弯、通过路口和让路而不会撞到任何东西。 通过这种方法，自动驾驶汽车通过将周围车辆的动作转化为自己的参考框架来学习，并融入机器学习算法和神经网络。学习的对象车辆可能是没有任何传感器的人驾驶的车辆，或其他公司的自动驾驶车辆。由于对场景中所有周围车辆的观察是算法训练的核心，这种“观察和学习”模式鼓励数据共享，从而提高自动驾驶车辆的安全性。 Ohn Bar和同事测试了他们的“观察和学习”算法，让算法“驾驶”的自动驾驶汽车在两个虚拟城镇中行驶，一个是与其训练环境类似的直截了当的转弯和障碍，另一个是意外的转弯，如五路交叉口。在这两种情况下，研究人员发现他们的自动驾驶神经网络很少发生事故。只有一小时的驾驶数据来训练机器学习算法，自动驾驶车辆在92%的时间安全到达了目的地。 Ohn Bar说：“虽然以前最好的方法需要几个小时，但我们惊讶地发现，我们的方法只需要10分钟的驾驶数据就能学会安全驾驶。” 他说，这些结果是有希望的，但在处理复杂的城市环境方面仍然存在一些明显的挑战。”他说：“还很难对被监视车辆、传感器测量中的噪音和遮挡以及各种驾驶者的视角进行解释。” 展望未来，该团队表示，他们教授自动驾驶汽车自动驾驶的方法也可以用于其他方面。运送机器人甚至无人机都可以通过观察环境中的其他人工智能系统来学习充实自己。 狭路相逢的“会车”算法 在美国宾夕法尼亚州匹兹堡，车辆经常要在拥挤的街道上会车，同时在某一地点交错通过。在拥挤狭窄的街道上开车的人都很熟悉这种情况：两边都是停着的车，没有足够的空间让双向行驶的车辆相向通过。一辆车必须躲进停着的车的空隙中，或者减速并尽可能地靠边停车，让另一辆车挤过去。 会车司空见惯 卡内基梅隆大学的研究人员试图使自主车辆能够驾驭这种情况，让自动驾驶车辆的行为更像人类，在高冲突驾驶场景中稳健地协商双向车道使用权。人类驾驶者解决问题的方法并不是靠双方的密切联系。编程自主汽车(AV)遇到这种情况也不知道对方车辆会做什么，这是卡内基梅隆大学的ARGO AI中心自主车辆研究研究人员面对的一个独特挑战。 计算机科学机器人研究所的访问学者，现在是慕尼黑工业大学自主空中系统实验室一员的Christoph Killing说：“这是道路上不成文的规则，这正是我们正在处理的问题。这有点难。车辆必须学会在不知道另一辆车是要停还是要走的情况下协商这种情况。” Killing与研究科学家John Dolan博士和学生Adam Villaflor合作试图解决这个问题。在机器人技术和自动化国际会议上，该团队介绍了他们的研究成果：“学会在高冲突驾驶场景中稳健地协商双向车道使用”。 该团队认为，他们的研究是第一次进入这种特定的驾驶场景。它要求驾驶者在不知道对方在想什么的情况下，通过人与人之间的合作，安全地行驶过去。驾驶者必须平衡“斗气”与合作。一个过于激进的驾驶者，一个不顾其他车辆的驾驶者，可能会把自己和其他人置于危险之中。一个过于合作的驾驶者，一个总是在迎面而来的车辆面前靠边停车的驾驶者，可能永远也无法在上路行驶。自动驾驶车辆也是这样。问题是怎么能让自动驾驶车辆更像经验老到的人? Dolan说：“我一直觉得在匹兹堡开车时，这是一个有趣的方面，有时也是一个困难的方面。” 自动驾驶汽车被认为是解决交付和运输最后一英里挑战的潜在解决方案。但是，要让AV将比萨饼、包裹或人送到目的地，它们必须能够在狭小的空间和未知的驾驶者意图中导航。 该团队开发了一种方法来模拟不同类型驾驶者的合作性，即一名驾驶者靠边让另一名驾驶者通过的可能性，并使用这些模型来训练一种算法，该算法可以帮助自动驾驶车辆安全有效地在这种情况下实现导航。目前该算法仅用于仿真，未用于实际车辆，但结果令人满意。研究小组发现，他们的算法比目前的模型表现得更好。 驾驶充满了这样复杂的场景。在自主驾驶研究人员解决这些问题的过程中，他们正在寻找方法，以使为一种场景开发的算法和模型(如在高速公路上并线)适用于其他场景，如在十字路口变道或左转。 Dolan说：“广泛的测试揭示了最后百分之十的案例。我们不断发现这些极端情况，并不断想出处理这些情况的办法。” 老道的短距离安全跟车 Robbin van Hoek是埃因霍温科技大学机械工程系动力学与控制小组的研究员，他为自动化车辆设计了一个新平台，集成了合作型车辆和自动车辆的优点。该框架是实现自动驾驶汽车的重要一步，让自动驾驶汽车能够在较小的车间距离内安全驾驶，同时防止在高速公路上常见的人类驾驶车辆的“口琴效应”。 近年来，车辆自动化已成为一个重要课题。其目的是缓解驾驶者引发的交通事故，提高现有基础设施的道路通行能力，同时降低燃油消耗。自动化车辆可以区分为两大类。 第一类是合作型车辆，它使用车对车通信或车对基础设施(V2I)通信来交换运动数据，从而可以在很短的距离内跟随前面的车辆，同时防止口琴效应，而口琴效应通常会导致交通堵塞。然而，这种类型的车辆通常只能执行单个任务，因此其应用仅限于在公路上跟随前面的车辆。 第二类是自动驾驶车辆。这类车辆使用车载传感器，如雷达、激光雷达和计算机视觉系统，以识别道路、其他交通参与者和其他相关特征或障碍物。这些车辆上的控制算法利用轨迹预测的显式规划。通过规划各种轨迹，车辆可以根据当前情况选择最合适的轨迹类型。与合作型车辆相比，它能够处理更广泛的交通场景。 Robbin van Hoek的研究(NWO资助的i-CAVE项目的一部分)旨在将这两类自动化车辆集成到一个平台中。这种新型车辆得益于来自其他车辆的通信运动数据，可以在非常近的距离内跟踪车辆，同时防止交通堵塞，同时保持了自动驾驶车辆的多功能性。例如，不仅可以跟随前面的车辆，还可以自动决定超车，以防主车辆行驶速度过慢。 除了数学方法的开发，该框架在两辆雷诺Twizy中实现，能够实现自动驾驶。通过开发的合作轨迹规划方法，Van Hoek能够以0.3秒安全跟踪前面的车辆。这是个什么概念?0.3秒的速度距离相当于在80km/h的速度下车辆间距保持在7米。别小看这0.3秒，这已经是目前领先的数据了。 雷诺Twizy 这项研究是实现自动驾驶汽车的重要一步，自动驾驶汽车能够在较小的车间距离内安全驾驶，同时防止在高速公路上常见的人驾驶车辆的口琴效应有助于提高交通的流动能力和安全性。

据近日信息，中国国家航天局宣布探月工程第四期的任务国家已经批复并立项，也就意味着中国的第四期探月工程将陆续开展。探月工程四期包含嫦娥6号、嫦娥7号和嫦娥8号任务，预计将于未来的10内完成。 我国于2004年正式开展月球探测工程并命名为“嫦娥工程”。嫦娥工程分为“无人月球探测”“载人登月”和“建立月球基地”三个阶段。2007年“嫦娥1号”成功发射升空，在圆满完成各项使命后于2009年按预定计划受控撞月。2010年“嫦娥2号”顺利发射并超额完成各项既定任务。 嫦娥4号是嫦娥3号的备份，嫦娥5号主要科学目标包括对着陆区的现场调查和分析，以及月球样品返回地球以后的分析与研究。探月工程四期包括嫦娥6号、嫦娥7号和嫦娥8号任务，其中嫦娥6号是嫦娥5号的备份具备采样返回的功能，它将前往月球背面执行任务。 目前嫦娥6号已经生产制造完成，嫦娥6号的任务为在月球的背面采集特定重要样本并返回；嫦娥7号正在研制中，嫦娥7号会针对月球的南极进行探测并建立国际月球科研站的基本型，探月工程四期目前进展顺利。

随着越来越多的研究伙伴加入以及新技术和新产品的不断披露，欧盟于2022年底启动的NimbleAI这一前沿项目在喧嚣的GPT热潮中，开始展现出一条新的智能化和数字化转型之道。NimbleAI旨在推动神经形态视觉（neuromorphic vision）传感和处理技术的发展和研究。作为一种创新的视觉感知和处理技术，神经形态视觉参考了生物系统工作方式，通过检测动态场景中的变化来决定是否更细致地查看捕捉到的内容，而不是花费大量资源区连续分析整个场景，从而节省大量资源和大幅度缩短延迟。 尽管NimbleAI是一个启动不久的新项目，它已经在带动许多新的计算和控制技术的研究和开发。例如，全球领先的定制处理器IP和开发工具提供商Codasip也一直关注和参与该领域的进展；作为Codasip的创新孵化器，该公司旗下的Codasip Labs不断探索将未来新技术快速推进到应用，因而于近期加入NimbleAI项目，为其开发一个RISC-V可定制内核，赋能神经形态传感3D集成芯片。 欧盟的NimbleAI项目是一个为期3年、耗资1000万欧元的研究项目，汇集了来自欧盟和英国的商业组织和学术界的合作伙伴共同参与研发。该项目由欧盟资助，旨在设计一种神经形态视觉传感和处理的3D集成芯片。在动辄需要上万张高性能GPU卡和巨量存储的GPT人工智能时代，这一灵感来自于眼睛对光线的探测和大脑对视觉信息处理的新机器视觉和智能技术，以其对资源和算力的节省再加更低的延迟而广受关注，因而NimbleAI项目也吸引了众多的目光。 欧盟NimbleAI项目的部分成员（图片来源：NimbleAI） 显而易见，这是一个受生物学启发的前沿技术，目标是提高下一代基于事件的视觉传感的神经形态芯片的能源效率和性能。如果一切按计划进行，那么会创建一种完整的神经形态架构，赋能终端设备有效准确地运行和多样化的计算机视觉算法。目前这些应用设备通常在资源和面积上受到限制，典型的应用领域包括手持和电池供电的医疗成像设备、自动驾驶车辆智能显示器、可穿戴的眼球追踪眼镜等等。 将生物系统作为电子系统的“黄金基准”是近年来的一个技术趋势。受到生物学的启发，NimbleAI正在利用生物眼脑系统作为其系统架构。该项目正在实施一个始终在线的传感模式，高度专业化的事件驱动处理内核和神经网络，以使用最少的能量对选定的刺激进行视觉推理。通过基于事件来决定应该发送和分析什么信息，计算系统就可以选择捕捉和分析有意义的特征信息，而不需要捕捉和分析所有信息。这种基于事件的方法可以大幅度降低资源需求，节省大量能耗，并减少延迟。 作为定制处理器专家，Codasip在该项目中积极探索RISC-V ISA在内存加速器中的扩展，这些加速器由合作伙伴CEA提供。定制的RISC-V处理有助于提高神经形态芯片的性能并降低其功耗。为了实现这一目标，项目选用了Codasip Studio工具和CodAL架构描述语言，这些工具促使定制工作流程变得直接便捷。之后由Codasip开发的RISC-V内核会被映射到Menta SAS的嵌入式FPGA（eFPGA）模块上。 改变游戏规则的定制处理器技术 目前在NimbleAI项目中，Codasip团队正在开发基于RISC-V的下一代人工智能处理器。同时这也是Codasip Labs的系列项目中的一个完美案例。Codasip Labs专注于关键应用领域，包括安全、功能安全和人工智能/机器学习（AI/ML）等等。以发现和打造创新技术来扩展定制计算的无限可能性为宗旨。在NimbleAI项目之前，Codasip的可定制RISC-V处理器IP和Codasip Studio定制开发工具已经得到了实际应用的广泛验证并获得了多项业界大奖的褒嘉，搭载其IP的处理器的出货量已超过20亿颗。 NimbleAI项目正在证明一个新的趋势：通过定制的、领域专用的处理器设计，可以加快直接针对智能化应用的定制化/差异化处理器产品的上市时间，并能够以高性能和低功耗等特性来最终赢得市场青睐。在为期3年的NimbleAI项目结束时，与目前基于帧的CPU或GPU处理视频标准相比，我们期望看到重大的性能提升。该项目将实现新的功能和实际实现，以解锁更先进的人工智能和计算机视觉算法和应用。

据业内消息，近日美国超威半导体公司AMD称，针对明年推出的处理器系列产品，给予全新命名系统。此系统将作为AMD未来相当长时间的基础标准为其处理器命名与编订型号，范围涵盖主流轻薄笔记本电脑至游戏与内容创作机型的最新SoC芯片。 美国超威半导体公司即为AMD，创办于1969年，专门为计算机/通信以及消费电子行业设计和制造各种创新的微处理器包括但不限于CPU、GPU、主板芯片组、电视卡芯片等，并且提供闪存和低功率处理器解决方案。2006年收购ATI成为其的显卡部门。2020年收购 Xilinx。 这几年AMD业务发展速度飞快，搭载Ryzen处理器的笔记本电脑出货量在短短两年内增长了49%，并且为明年的处理器设计了全新类别，其中包括Mendocino和Dragon Range，前者是为500美元价位的多功能笔记本电脑的处理器，后者是为高阶游戏笔记本电脑打造的处理器。 AMD在推出Zen架构以来在PC处理器市场的份额不断增长，占据了英特尔非常大的市场。在Evercore ISI TMT会议上面英特尔表示针对强大的对手，可能会存在继续丢失市场份额的风险。而且英特尔的首席执行官Pat·Gelsinger也曾公开表示AMD会占据原本属于英特尔的市场份额，而目前英特尔的短板短期内难以救急。 到今年第二个季度AMD已经连续13个季度在服务器市场中连续增长并威胁到英特尔的市场份额，AMD现在在服务器市场的份额已经超过了20%，而且业内人士估计这个数字会进一步增长5%或更多，据英特尔的计算，要想重新开始增长可能需要等到两年后英特尔Sierra Forest处理器的诞生。

据昨日消息，日本电信运营商KDDI于当地时间2022年9月11日发布公告称，9月11日晚10:30起，日本本土东部大约16个都道县发生通信故障，虽然故障在当晚10:42修复，但是导致包括119等紧急电话在内的语音通话和短信服务一段时间无法使用。 日本电信运营商KDDI是指日本KDDI电信公司，是一家在日本市场经营时间较长的电信运营商。上世界五十年代其前身KDD公司成立，经过七十多年来不断的兼并与重组，尤其是先后与DDI、IDO两家公司合并，KDD不断成长壮大，2001年4月正式改名并组建成为KDDI。KDDI目前GS 提供的业务包括固定业务，也包括移动业务。 日本KDDI电信公司在事故发生后第一时间表示会及时调查故障发生的原因和受到波及的用户数，并会提供合适的解决方案。据悉此次发生故障并不是KDDI首次大规模故障，2022年7月，日本KDDI电信公司发生一次通信故障，累计对至少三千万用户产生影响。日本当地时间2022年8月24日晚间，隶属于日本KDDI电信公司旗下的AU、POVO、UQ mobile等通信服务陆续出现了语音通话故障，基本都是难以接通或无法接通的情形。 到目前为止，日本KDDI电信公司基础设施拥有约6200万移动订阅用户，其中AU、POVO、UQ mobile等通信服务品牌的个人合同用户约占3100万。日本KDDI电信公司作为日本第二大移动运营商，在今年7月2日的通信故障持续时长高达61小时25分钟，影响人数达已经超过三千万，已经超过了4年前的软银通信故障事件，成为日本史上最大规模的通信故障。

中国轮胎企业在2003年注册火爆 根据中国企业数据库企查猫，目前中国轮胎行业的主要企业共有2648家，其中以2003年为主要注册热潮，2003年注册企业数量为202家，而2021年则为0家。 轮胎企业注册资本在500万以上的企业超过56% 根据中国企业数据库企查猫，目前中国轮胎企业的注册资本主要分布在小于100万的区间，相关企业数量为1706家;其次为100万-200万的企业，相关企业数量为540家。从整体来看，中国轮胎企业注册资本在500万以下的企业超过72%，在1000万以下的企业超过81%。 注：已将以美元和港元的注册资本转换为人民币。 山东的轮胎企业的平均注册资本更高 根据中国企业数据库企查猫，目前中国轮胎企业的平均注册资本区域分布中，山东相关企业的平均注册资本最高为1162万元，除此外，江苏、辽宁、浙江、广东和河北的轮胎企业平均注册规模均在200万以上，规模相对较大。 轮胎企业融资主要在A轮和战略融资 根据中国企业数据库企查猫，目前存续和在业的企业共1422家，其中共有5家企业有融资信息，而其中以种子轮/天使轮为主。截至2022年中国轮胎企业中，有2家企业为种子轮/天使轮融资，A轮、B轮融资以及定向增发企业均为1家。 注：上述企业为存续和在业的企业。 轮胎企业中科技型中小企业和专精特新企业较多 根据中国企业数据库企查猫，目前存续和在业的企业共1422家，其中共有56家企业获得科技型中小企业的称号，41家企业为专精特新企业，12家企业为企业技术中心。 注：上述企业为存续和在业的企业;2)上述统计未剔除重复值，同一个企业可以同为科技型中小企业和专精特新企业。 轮胎企业中风险以裁判文书和经营异常为主 根据中国企业数据库企查猫，目前存续和在业的企业共1422家，其中635家企业有裁判文书，210家企业存在经营异常，226家企业有行政处罚。 注：上述企业为存续和在业的企业;2)上述统计未剔除重复值，同一个企业可以同时拥有裁判文书和行政处罚。 参考资料：前瞻产业研究院《中国轮胎行业市场需求预测与投资战略规划分析报告》

导读： 行业主要上市公司：延华智能(002178);银江技术(300020);金智科技(002090);赛为智能(300044);正元地信(688509);深城交(301091);招商公路(001965);千方科技(002373);林洋能源(601222);中国能建(601868);远光软件(002063);恒锋信息(300605);佳华科技(688051);泰豪科技(600590);许继电气(000400);雄帝科技(300546);新点软件(688232)等等。 本文核心数据： 投资额;市场规模;细分领域占比;毛利率。 行业发展历程：国家政策助推智慧城市建设落地 我国推进智慧城市建设以来，发展阶段可以分为概念导入期、试点探索期加速推动期和融合共生期。发展智慧城市的主要目的是为利用信息通信技术提升城市服务质量，全面发展期呈现大规模落地、技术融合、万物智联趋势。据国家信息中心数据，2021年我国已有8.4%的城市迈入成熟期，2023年将会有一批城市真正达到新型示范性智慧城市建设标准。 行业发展现状 1、智慧城市市场规模超万亿 随着我国技术的不断发展，城镇化水平不断提高，未来我国智慧城市市场规模将进一步扩大。物联网、云计算等技术性领域的快速发展，为我国智慧城市建设打下了坚实的基础。以云计算为例，关键技术已达到国际领先水准，能支持海量并发、混合云、多云管理等复杂应用场景需求。根据中国智慧城市工作委员会表示，2020年我国智慧城市市场规模达14.9万亿元，并预测到2022年，我国智慧城市市场规模将达到25万亿元。前瞻初步核算2021年我国智慧城市规模为18.7万亿，同比增长25.5%。 2、智慧城市建设相关投资增长迅速 近年来，中国政府陆续开展和推广智慧城市试点工作，智慧城市相关的政策红利不断释放，同时吸引了大量社会资本加速投入。受政策红利、社会需求、技术升级等利好因素影响，社会资本不断进入智慧城市行业。据IDC发布的《全球半年度智慧城市支出指南》数据显示，2018年中国智慧城市技术相关投资规模达200.53亿美元，同比增长率高达15.88%;2018-2023年的复合增长率约为14.18%，至2021年达到301.76亿美元。 注：2021年数据根据IDC往年公告数据核算，届时以官方数据为准。 3、智慧物流成为最大的细分领域 随着我国大力推进“新基建”建设，数字基础设施作为数字政府、智慧城市和数字经济发展的重要支撑，引领新一轮社会投资热潮。赛迪研究报告显示，未来三年，在物联网应用领域，智慧电力、智能工业、智能安防、智慧交通、智慧医疗等领域的物联程度将会持续提升。前瞻初步核算，2021年我国智慧城市建设细分领域中智能物流占比最高。 4、中国智慧城市成本投入分析 智慧城市建设就如同装修房子，基础建设为“硬装”，从传统的基建上升为信息化基础设施的建设，最后赋予物联网、大数据、人工智能等新型技术智能“软装”。我国智慧城市的建设中存在7种常见的商业模式：政府独立投资建设和运营、政府运营商共同投资、运营商建设和运营、政府投资委托运营商或第三方建设和运营、政府牵头的BOT模式、运营商/第三方独立投资建设运营、联合建设运营和公司化运营等，整体呈现投入大、周期长、回报慢等特点。而智慧城市成本投入主要可以分为前期建设成本和后期运维成本。 5、智慧城市建设毛利率处于较高水平 在对智慧城市建设行业利润率核算上，选取26家智慧城市领先企业的毛利率，涵盖综合智慧城市建设企业、智慧建筑、智慧交通、智慧能源、智慧电网、智慧政务。采用其平均值来反映智慧城市的一个获利能力。按照上述测算法，2015-2022年我国智慧城市建设行业利润率呈下降趋势，主要是宏观经济承压，智慧城市建设行业竞争加剧等因素影响。2020年我国智慧城市建设毛利率为31%。2021年中国智慧城市建设利润率下降到30%。2022年一季度疫情反弹，导致毛利率继续下探到28%。总体来说，智慧城市建设成本控制最有效的途径应该是在企业运营成本和营销成本上进行控制，加强日常管理、加强品牌塑造、选择合适的营销模式从长远来看均有利于建设成本的控制。 行业发展前景及趋势预测 1、智慧城市建设将呈现出从大城市向小城市蔓延趋势 目前，我国智慧城市建设明显呈现出从大中城市向中小各城市和区县蔓延的态势。省级层面，经济发达省份智慧城市产业基础好，数字化意识强，顶层设计理念领跑全国，浙江、上海、广东等地陆续出台数字化发展相关政策，数字化转型正成为国内先进地区的新共识;市级层面，各地市结合自身城市建设需求及本土智慧城市企业实力等要素，智慧城市建设将各显特色;县级层面，智慧县城建设将是未来重点。 截至2021年底，我国副省级及以上地区展开智慧城市顶层设计的为100%，89%的地市级城市已经开展了智慧城市顶层设计。而智慧城市顶层设计在国家级城市群中的普及程度有待提高，2021年进展仅为30%。 2、“十四五”期间新型智慧城市建设成为国家战略 新型智慧城市建设已成为国家战略，将开启“十四五”快速发展新征程。面向2025，让管理者以及企业、老百姓真正享受到智慧城市的‘智能化’应用，解决城市治理、企业发展、安居乐业的种种需求，这是智慧城市发展的最终目标。 3、未来智慧城市市场规模进一步提升 物联网、云计算等技术性领域的快速发展，为我国智慧城市建设打下了坚实的基础。我国政府非常重视智慧城市建设，近些年出台一系列相关政策大力推进智慧城市发展，智慧城市相关政策红利不断释放，同时吸引了大量社会资本加速投入。根据IDC《全球半年度智慧城市支出指南》，2019年中国智慧城市相关投资达到228.79亿美元，较2018年的200.53亿美元增长了14.09%。同时，智慧城市的规模也在不断扩大，预计2022年-2025年的年均复合增长率约为24.49%，2027年中国智慧城市的市场规模将达到75万亿元。 参考资料：前瞻产业研究院《中国智慧城市建设行业发展趋势与投资决策支持报告》

1、中国激光产业竞争梯队 激光产业链庞大，激光元器件大部分企业下游为光电设备和芯片采购方，而激光器和激光加工设备跟激光产业关联度最高。大部分企业竞争力较强，例如最早成立的大族激光和华工激光，已经是国内知名的激光加工设备厂商;锐科激光和杰普特等激光器企业也在国内享有极高的知名度。 3、中国激光产业行业集中度 从行业集中度来看，激光器的集中度更高，CR3高达73%，CR5高达86%，几乎是完全垄断市场。激光加工设备行业集中度相对较低，CR3为19%，CR5为21%，相对来说市场竞争较激烈。 5、中国激光产业竞争状态总结 从五力竞争模型角度分析，目前，我国激光产业属于高端装备及智能制造行业，由于技术壁垒较高，企业一般产品和工艺成熟需要较长的经验积累，目前替代品威胁较小;现有竞争者数量较多，但市场集中度从全行业看相对较高;上游供应商为光电原料、激光元器件等企业，议价能力较强，而下游消费市场主要是工业等领域，议价能力较弱;同时，因行业资金、技术、人才门槛较高，潜在进入者威胁较小。 参考资料：前瞻产业研究院《中国激光产业市场前瞻与投资战略规划分析报告》

4月25日晚间，台积电位于中国台湾竹南的先进封测六厂工地突发火情。 有现场目击者称，当时看到厂房二楼有黑烟冒出，空气中还弥漫着一股焦糊味。发现火情后，周边群众第一时间拨打了报警电话。 接到报警后，当地消防部门立即出动处置火情。 ▲图片来源：台湾经济日报 针对此次事故，台积电对外回应称，公司先进封测六厂工地25日晚间冒出浓烟，消防人员于第一时间到场处理，并于当晚9时10分左右排除状况，现场无人员受伤或受困。 台积电表示，消防人员及工地安全团队已针对事故启动调查，后续公司将协助承包商厘清事发原因，并确保工地安全。 当地消防部门指出，工厂二楼燃烧面积约300平方公尺，燃烧PP材质机台的CPVC塑胶管路，无危险物品，经拉水线灌救后，火势控制残火处理。 另据施工单位介绍，该楼层已经进入管线配置和机台安装的工程。 ▲图片来源：台湾经济日报 据悉，台积电位于竹南镇大埔特定区科专7路、科专2路间的封装测试六厂正在施工兴建中。该项目从去年动工至今已完成主体结构，目前正在进行内部设备装置。 由于台积电新厂为苗栗县竹南镇、头份市带来了非常可观的经济效益，甚至头份市及竹南镇的房地产都因台积电新厂进驻而大幅涨价，因此台积电新厂的相关消息都会引来社会嘱目。 而这座位于竹南的先进封测厂，将是台积电未来后段先进封测的重要基地，面积是其它封测厂区总面积的1倍以上规模。由于该项目可以为竹南当地带来可观的经济效益，因此这起事故对于完工时程和台积电本身的损失还要进一步评估。