网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

　　答：2022年9月,公司宣布在业界率先推出DDR5第一子代时钟驱动器(简称CKD芯片)工程样片,并已送样给业界主流内存厂商,该产品将用于新一代台式机和笔记本电脑内存。在DDR5初期,桌面端台式机和笔记本电脑的UDIMM、SODIMM模组需要搭配一颗PMIC和一颗SPD,暂不需要CKD芯片。当DDR5数据速率达到6400MT/s及以上时,CKD芯片将成为台式机及笔记本电脑UDIMM、SODIMM模组的标配,对内存模组上的时钟信号进行缓冲再驱动,以满足高速时钟信号的完整性和可靠性要求。

　　问：公司如何看待CKD在PC端的市场空间?

　　答：当DDR5数据速率达到6400MT/s及以上时,CKD芯片将成为台式机及笔记本电脑UDIMM、SODIMM模组的标配。CKD芯片对于行业来说将是一个全新的增量,届时CKD每年的行业需求量将与当年所需要的UDIMM和SODIMM数量呈正相关。

　　问：公司在MXC芯片上有哪些优势,可以让公司做到全球首发,这款芯片未来的市场前景和竞争格局情况怎样?

　　答：公司推出全球首款CXL内存扩展控制器芯片(MXC),在公司推出MXC芯片后,全球两大内存龙头三星电子和SK海力士推出首款512GCXLDRAM内存模组以及DDR5DRAMCXL存储器,均采用公司的MXC芯片作为内存扩展控制器。从长期来看,CXL技术具有巨大的潜力,未来随着技术的发展,很多系统的内存扩展和内存池化的应用都将基于CXL协议。美光科技在今年5月与投资者交流时曾预测CXL相关产品的市场规模,到2025年预计将达到20亿美金,到2030年可能超过200亿美金。MXC是CXL内存扩展和内存池化的核心芯片,将在上述市场规模中占据重要价值。公司相关技术处于国际领先地位,有望在未来的市场竞争中抢得先机。公司之所以可以做到MXC芯片全球首发,主要有两个原因:首先是因为我们布局很早,我们是最早参与CXL相关芯片研发的公司之一;第二是因为这个产品需要用到DDR和PCIe相关技术,澜起是全球为数不多能覆盖这两种技术的公司。公司的MXC产品全球首发后,许多全球顶级的云计算厂商、内存模组厂商等行业龙头都主动联系公司来获取样品,进行导入测试,这说明市场对其应用有强劲的潜在需求。公司后续会结合合作伙伴的反馈来持续优化我们的产品。目前市场上一些海外的芯片公司也都积极在布局CXL赛道,侧面说明产业界高度认同CXL是未来一个非常重要的技术方向。

　　问：您好,想请教一下,公司服务器下游的客户有哪些?为什么从去年四季度开始快速放量,公司下半年及明年的增速预期?以及服务器的毛利率情况?

　　答：津逮服务器平台产品线包括津逮CPU及混合安全内存模组。津逮CPU是公司在数据处理类芯片进行战略布局的重要产品之一。CPU是服务器的大脑,行业技术门槛和商业门槛都很高,产品验证周期长,客户及终端用户在决定大批量采购之前通常需要经过大量的验证、测试及一段时间的试用。经过两年多坚持不懈的市场推广及客户培育,2021年津逮服务器平台产品线已实现营业收入8.45亿元,取得了突破性进展。2022年上半年,公司再接再厉,加大市场推广力度,拓展下游客户渠道,努力提升市场份额。2022年上半年津逮服务器平台产品线实现销售收入6.90亿元,同比增长17.3倍,毛利率为11.56%。目前,公司津逮CPU的直接客户主要是服务器的OEM或ODM厂商,搭载津逮CPU的服务器机型已广泛应用于金融、交通、政务、能源,数据中心等下游行业,已积累了一系列典型案例,起到了很好的品牌示范效应。

　　问：公司的津逮CPU产品市场定位以及技术优势分别是什么?

　　答：津逮CPU是公司面向中国市场设计的本土服务器平台解决方案,该方案具有独创性、先进性,且相关产品可持续更新迭代。

　　问：公司AI芯片与现有产品在哪些方面有协同性?目前的研发进展情况如何,未来主要应用在哪些领域?

　　答：AI芯片是一款面向云计算和人工智能的产品,采用了近内存计算架构,主要用于解决AI计算在大数据吞吐下推理应用场景中存在的CPU带宽、性能瓶颈及GPU内存容量瓶颈问题,为客户提供低延时、高效率的AI计算解决方案。AI芯片与公司现有产品的基础技术有很强的互通性。具体来说公司的AI芯片主要由AI计算子系统、CXL控制器、DDR内存控制器等模块组成,集成了AI高性能计算、异构计算、CXL高速接口技术、DDR内存控制技术等相关技术,其中CXL高速接口技术、DDR内存控制技术都是公司所擅长的领域。2022年上半年,公司持续推进AI芯片的软硬件协同及性能优化,同时积极推进第一代AI芯片工程样片流片前的准备工作,预计2022年底之前完成第一代AI芯片工程样片的流片。公司在研的AI芯片未来的典型应用场景如下:(1)互联网领域大数据吞吐下的推荐系统。目前业界常规方案是将推荐系统中“Embedding(向量化)”、“EmbeddingSearch(向量搜索)”两个主要步骤分别交由不同平台计算平台处理,由高算力的GPU、FPGA或ASIC芯片负责“Embedding”部分,由CPU+大数据系统部署“EmbeddingSearch”部分,这种步骤分割,产生大量的数据交换,并且由于硬件的限制,存在搜索效率的瓶颈。公司AI芯片的目标是整合上述两个步骤,同时平衡算力和内存容量,使计算资源和内存得以高效利用,解决系统的效率瓶颈问题。(2)医疗领域生物医学/医疗大图片流处理。目前业界常规方案是在CPU中对大图片进行切割,切割获取的子图通过PCIe接口被传送到GPU进行AI处理;通过多次交互,最终实现一张大图的处理,该方案下同样受到二者之间的接口带宽及其内存的限制。公司的AI芯片可大幅提升内存容量,减少甚至无需图片切割,同时CXL接口可以充分利用cache性能,并直接访问近内存计算模组的DDR内存,从而提升接口的效率。(3)人工智能物联网领域的大数据应用场景。总体来说,公司AI芯片解决方案的目标是在类似上述应用场景下,相较于传统方案,可以为客户提供更有效率、更具性价比的解决方案。

　　问：公司AI产品与市场上其他产品相比,都有哪些竞争优势?