快捷导航 
时间：2021-05-18 10:28:10来源：中金点睛
5月14日，国家科技体制改革和创新体系建设领导小组第十八次会议专题讨论了面向后摩尔时代的集成电路潜在颠覆性技术[1]，引发了投资者对半导体行业潜在颠覆性技术的关注。
摘要
我们认为目前全球尤其是我国半导体产业正处于关键发展节点：1)摩尔定律接近物理极限，通过制程升级提高芯片性能越来越难；2)先进封装、化合物半导体等众多新技术近年来相继出现并快速发展；3)芯片缺货等因素使得全球各国意识到半导体产业供应链安全的重要性，相继出台政策支持本国半导体产业发展。
新型技术有望驱动后摩尔时代芯片性能进一步提升，我们梳理了集成电路潜在颠覆性技术。1)计算原理方面，量子计算、光子计算、类脑计算等技术使用量子作用法则、光子作用法则、类人脑信息处理法则替代经典电子计算与或非门表征计算，理论上可在部分类型算法上实现计算效率的大幅提升。2)材料、器件方面，第二/三/四代半导体(GaAs、GaN、SiC、Ga2O3等)具有宽禁带、高导热率、高抗辐射等优势，在高速、高频、大功率等应用场景相较第一代半导体(Si)具有显著优势，随着5G、新能源技术的发展，化合物半导体的应用正逐步提升。碳基器件(石墨烯、碳纳米管等)具有高电子迁移速率优势，理论上能够以比硅基器件高近200倍的速率工作。柔性器件(碳纳米管、ZnO等)理论上可以较好适配柔性电子领域应用。新型存储器(相变存储器、铁电存储器、磁性存储器、阻变存储器等)相较DRAM、NAND Flash、NOR Flash等传统存储器具有高可靠性、高读写速度、低功耗等优势，正逐步向市场推广。3)计算架构方面，RISC-V具有完全开源、架构简单、模块化设计等优势，目前正在物联网等领域积极推广，未来有望成为和x86、ARM比肩的重要架构之一。异构计算(CPU+GPU、CPU+FPGA、CPU+ASIC等)能够充分发挥不同计算平台的优势以提升计算效率(例如让CPU从事管理和调度，而将计算交给运算能力更强的GPU)，随着AI技术的发展(尤其是CUDA等技术的出现)，异构架构目前已经得到了较为广泛的应用。存算一体(阻变存储器等)将目前计算机存储和运算两大基本功能单元合二为一，理论上能够和AI算法(神经网络)形成较好耦合。4)芯片集成方面，Chiplet(芯粒技术)、SiP(系统级封装)、3D堆叠等先进封装技术能是封装产业未来重要发展趋势。此外，我们认为在半导体设备、材料、工艺，软件层面的算法、应用也存在出现颠覆性技术的可能性。
风险
半导体潜在颠覆性技术进展不及预期。
正文
部分潜在颠覆性技术简介
量子计算
量子计算机是基于量子力学原理构建的计算机。量子态叠加原理使得量子计算机每个量子比特(qubit)能够同时表示二进制中的0和1，从而相较经典计算机算力发生爆发式增长，形成“量子优越性”。在解决实际问题的过程中，CPU采用“串行”计算，即将一个问题的若干部分按照顺序依次进行运算；GPU采用“并行”计算，即将一个问题拆成若干个小问题后，同时对每个小问题的一部分进行运算；QPU则利用量子叠加性快速遍历问题的各种可能性并找到正确答案。形象地说，CPU算力随比特数n的增长呈线性n增长，GPU算力随比特数n的增长呈平方次n×n增长，QPU算力随比特数n的增长呈幂指数2n增长。
图表：CPU、GPU、QPU概念及原理对比
资料来源：CSDN，中金公司研究部
为具体说明量子计算机的高效性，我们假设存在一个同时适用CPU、GPU、QPU解决的问题。理想状态下，如果基于CPU开发的经典算法时间复杂度为O(N2)，那么经过GPU并行计算优化后运行时间就会降为O(N)，而基于QPU开发的全新量子算法时间复杂度仅为O(1)。实际运行中，CPU向GPU传输数据等操作需要消耗一定时间，QPU为获得运行结果的概率分布所做的多次观测也需要消耗一定时间。问题规模较小时CPU实际运行时间有可能较小，但是随着问题规模的增大，最终运行时间将呈CPU>GPU>QPU排列。
图表：CPU、GPU、QPU计算效率对比——针对CPU算法时间复杂度为O(N2)的问题
资料来源：CSDN，中金公司研究部
注：本图仅作概念性说明“量子优越性”
