• 项目
首页>>文章列表 >>行业研究
行业研究

金准产业研究 咖啡行业投资分析报告(下)

缺货的原因有很多种,最大的可能性就是不赚钱以及根本没有运营体系支持。

5.2每天卖多少杯才能回本?

自助咖啡机占地不到一平方米,租金600-1000元/月,一个人能维护20台机器,咖啡机3万一台,房租、人力和设备成本都很低,与开咖啡馆动辄几百万的投入相比,简直不足一个零头。

我们把所有的成本都算进去,主要有设备折旧+原料成本+房租人工成本+损耗。最终算出每个月要回本需要卖372杯,平均每天是12.4杯。

 

业内人士测算过,自助咖啡机比较高的停留停留转化率能达到3%,也就是说,每天要卖12.4杯,至少需要有413人在在咖啡机面前停留驻足。这还只是停留的人数,而路过的人转化到停留也非常低,假设按5%算,那么需要8200多人经过才行。

 

那么,什么地方有这么多人而且还没有其他竞争者呢?只有医院和学校这样的空间,众创空间虽然有消费场景,但是竞争者太多,速溶咖啡和便利店都是,而医院真不是一般人能进去的,所以只剩下学校。学校还必须是对咖啡有一定需求和消费能力的高等院校,比如北上广深超大型城市和一线城市的大学。

5.3自助咖啡机只是业态补充

提起自助咖啡机,业内常对比日本市场。

日本是一个自助咖啡机很发达的国家,截止2015年,日本自助咖啡机超过17万台,平均729人一台,而中国不足3000台。

 

但是仔细分析这个数据,就算是日本,满足消费者对咖啡需求的仍然是各种咖啡馆和7-11,自助咖啡机仍然是一个补充业态。

更何况,他们的机器不单单卖货,有的还提供服务功能,比如日本朝阳饮料公司2017年推出的自动贩卖机,制冷在1度,并提供50米内WIFI信号,17国语言服务。地震发生时,自动贩卖机上还提供避难信息,里面的商品无需投币即可取出。

在中国,同样是自助贩卖机,国内巨头友宝做了很多年才盈利,还是靠的广告。自助贩卖机可以有多种组合,卖的品类也多,尚且市场很小,难实现盈利,更何况是小众的咖啡市场呢?数据显示,2017现磨咖啡只占总咖啡市场的16%,剩下的84%是速溶,在现磨咖啡领域,还有星巴克、瑞幸、7-11等公司占据大量市场份额,留给自助咖啡机的市场份额非常小。

5.4并没有革新什么,也没有供应链优势

咖啡机有两种,一种是家用的台式,比较小;另一种是立式,也就是商场里看到那种,能自动落杯。

中国的立式咖啡机主要来自三个市场:

① 意大利那克塔咖啡机,3.5万一台,功能较少,没有制冷,他们的咖啡研磨技术一流,咖啡口感好;

② 日本富士咖啡机,工厂在大连,6万一台,功能齐全,有制冰功能,能做70-80个品类;

③ 中国主要有五六家做咖啡机的公司,代理国外咖啡机品牌,大多自助咖啡企业用的机器都来自广州吉诺。

金准产业研究团队认为,这些公司都做了十多年,甚至是几十年的咖啡机,咖啡研磨工艺很成熟,谈不上革新,最多是加了WIFI、微信支付宝扫码,连接App等软件功能。

所以,所谓的智能、创新,在自助咖啡机行业,其实并没有革新什么,至少硬件肯定是。关于机器的技术含量,绝对没有媒体宣扬的过多的核心硬件定制化设计和生产,在这方面,我们也是踩过坑才了解到的行业内幕。

另外,中国的自助咖啡机品牌在供应链上也没有什么优势,因为体量太小,根本达不到和前端咖啡豆、奶粉、巧克力粉供应商有议价能力的地步。据行业人士透露,有时自助咖啡机企业采购的奶粉甚至比京东上还卖得贵。

5.5主要靠卖机器赚钱

自助咖啡机品牌一般都开放加盟,它们赚三部分钱。

机器采购的钱:它们直接从广东采购咖啡机,贴上自己的品牌,赚倒卖机器差价。这是因为目前市面上再做自助咖啡机品牌的团队或公司都不大,没有充足的资金自己买机器。而且这些机器没有核心技术壁垒,不足以成为固定资产。另外,它们更没有资金去养一批负责自助咖啡机运维的工作人员,也没有能力自己四处拿点位。所以,它们都需要加盟商来购买机器,进行日常运维并且提供能盈利的点位。

甚至,咖啡之翼还出过合伙人制度,成为企业合伙人,卖一台提成8000,销售提成6%-8%,还有11%的流水分成,公司还送50个精准客户,简单粗暴改良微商模式卖机器。

 

 

供应链的钱:也就是咖啡豆、奶粉等物料的差价。但是自助咖啡机品牌体量太小,无法自己进生豆烘焙,更无法和上游供应商进行议价。所以在这部分,自助咖啡机品牌方自己进货成本就压不下来,也就没有太多的供应链优势。

系统使用费:一般自助咖啡机品牌自己会开发APP,按年收使用费。

那为什么自助咖啡机热度不减?金准产业研究团队分析,这和资本的助推新零售概念和互联网的用户思维有关系,现在看来,其实就是一个成熟的不能再成熟的自助咖啡机硬件产品+APP。另外,我们仔细分析,无论投放到哪儿,自助咖啡机对标的仍然是速溶咖啡,速溶咖啡释放出来的场景,目前集中在家庭、办公室,在这两个消费场景,像咖啡之翼这样的大机器并不是最佳解决方案。

从消费场景、解决用户需求、业态盈利模式、财务等多个角度测算和分析,自助咖啡机只是咖啡消费升级过程中一个非常小的补充业态。在中国则对点位资源的要求非常苛刻,基本就集中在北上广深超大型城市和部分一线城市的高校。投入小是优势,但带来的也是盈利能力小。如若非要加盟,有点位资源是前提,另外最好还是顺带手做,不把它当作积攒人生第一桶金的创业机会。最关键的,仍然要考察品牌的支持体系。因为本来赚的就少,如果总部在供应链上的优势太小,且不能为运营提供很好的支持,盈利将变得更难。

结语

金准产业研究团队分析,开咖啡馆前你必须知道的几件事儿:

1.现磨咖啡在中国咖啡零售行业占比小

咖啡是世界三大饮料之首,咖啡豆主要产地是拉丁美洲、中西亚和中东南亚,中国咖啡产地主要是云南,产量在全球占比非常小。全球范围内,速溶咖啡与现磨咖啡的市场占比为13%和87%,而在中国市场恰恰相反,速溶咖啡占84%左右。在中国,雀巢是速溶咖啡的绝对老大,占领80%左右的市场份额。而今天我们讨论的所有咖啡店都是在现磨咖啡这16%的咖啡市场中竞争,未来,随着消费者口味的升级以及现磨咖啡品牌的努力,现磨咖啡的市场占比会逐渐增长。

2.咖啡馆的第三空间概念很贵

咖啡行业的本质发生了三次迭代严谨,第一代就是满足生理需求,喝咖啡是为了提神和享受美味;第二代是情感需求,喝咖啡演变成为了休闲娱乐以及人与人之间的价值认同;而第三代也就是我们所说的第三空间,满足的是人的社交需求,所以现在的咖啡馆要求空间设计和体验,这也是造成开咖啡馆的启动资金要求很高的重要原因。

3.咖啡产业链还有哪些赚钱机会?

咖啡产业链已经非常成熟,上游种植利润率低但出货量大,参与这部分需要土地和良好的政府关系;中间烘焙商,有大中小型,技术含量也几乎都是标准化,毛利较高在50%—60%,但在中国开咖啡烘焙厂,必须具备食品生产许可证,启动资金至少是百万级,所以目前多数人是采取租用别人工厂自建生产线,但以精品咖啡概念带动的烘焙产业发展在中国已经达到一个阶段性的饱和阶段;最后零售环节的毛利在70%左右,但就像我们前文分析的,单纯卖咖啡由于高昂的房租、人工和装修,很难赚到钱,所以建议大家开咖啡馆可以有情怀,但同时还得会算账。

4.咖啡馆要赚钱的核心还是提高客单价

提高客单价最直接的方法就是加入早餐午餐甚至晚餐。与咖啡搭配的有牛排、轻食、甜品。就像我们前面分析的,甚至有人会加上酒水或者是宠物。而增加翻台率上可做的文章有,比如降价,比如做更好的营销传播称为网红品牌,比如缩小店面等,但这些或者不持久或者会影响用户体验。另外最重要的是,在中国,喝咖啡的仍然是少数。当然,也可以像我们前文举的例子一样,通过差异化定位不同人群降低选址要求从而降低房租成本。

5.咖啡馆加盟靠谱吗?

是否赚钱、是否靠谱很难一概而论,但是有一点可以肯定,就是咖啡馆做加盟扩张是一件非常困难而且极具挑战的事情。首先因为启动资金非常贵,动辄几百万;其次,咖啡馆本身单纯靠卖咖啡赚钱几乎不可能,所以如果要实现盈利必须得有轻食以及午餐和晚餐部分,而餐饮行业又是一个对供应链和口味要求很高的行业,迭代更新在所难免。

如果是个网红咖啡馆,金准产业研究团队建议要慎重慎重再慎重,一是咖啡馆难赚钱,二是网红不可复制。创业是少数人成功多数人失败的事情,是有很高风险的,但是为了梦想去拼无可厚非,只是提前要做好充分的调研和心理建设,包括你的家人。

 

金准产业研究 咖啡行业投资分析报告(上)

前言

据说90%女生都梦想开一间咖啡馆,有阳光花房、书本猫咪、咖啡甜点——优雅的赚钱。创业这些年,碰到不少做咖啡生意的,几乎所有人都摇着脑袋跟我说会赔的很惨。但我们身边有那么多朋友想有这样一个空间去交流,又有那么多网红咖啡馆,怎么可能不赚钱?

于是,金准产业研究团队通过走访调研,就星巴克、瑞幸咖啡门店经营现状,以及一些资助咖啡机消费场景的分析,分析咖啡行业投资情况,对如何开店赚钱给出建议。

一、星巴克亏损

在中国,几乎所有咖啡馆都在和星巴克对标,不是要成为星巴克就是要颠覆星巴克。

但同时,所有人心里又非常清楚,星巴克只有一个,绝不会出现第二个,星巴克赚的那份钱,他们永远也赚不了。因为,星巴克的成本结构和其他咖啡馆的不同。接下来,我们将一一拆解。

星巴克有三种店,普通店、臻选店、旗舰店。我们在北京探访了星巴克(南锣鼓巷店)、星巴克臻选(北京坊)、星巴克(汇欣大厦店)、星巴克(北京新源南路店)四家店,曾经在上海也特地排队参观了星巴克烘焙工厂,这是全球最大的店。

以下是我们看到的几个点:

1、选址

星巴克绝大部分店都选在高档酒店、商场、写字楼等区域,基本上周围的人步行5分钟就能走到。总部会通过建模统计商圈人群画像、购买力、商圈竞争力、人流量、认知性、建筑物构造等数据来确定最终选址。

2、店内环境

店里采用暖色调,绝大部分店都在播放星巴克自己开发的音乐。在美国,星巴克会把这些音乐放到货架上出售。和其他媒体报道的一样,点餐排队是横向排队,排队的同时可以看到橱窗,还能看到咖啡制作过程,也能和店员聊两句。上座率大概50%-80%之间,有的在聊天,有的在玩手机,但没有看到用电脑办公的人。但在其他咖啡馆,会看到有些顾客长时间待在咖啡馆,甚至还有老师给学生讲作业。

3、店面设计——标准化+主题

不同的店,店内空间大小不同,从二三十平到几百平都有。所有店的吧台设计几乎一样,收银台、咖啡机、甜点,每家摆放的位置差不多,旁边还会有一个立式展柜,放着杯子、咖啡豆。咖啡单杯售价29-42元,餐食也差不多,17-47元。对于一些特色店,星巴克会单独设计,比如:南锣鼓巷有中国传统的椅子;都汇天地购物中心是红砖块的工厂风;北京坊的旗舰店里,有更多的北京文化和元素,故宫屋檐、四合院灯笼、故宫顶视纹样、老北京纯手工刺绣等等;在融入当地文化的同时保留星巴克的一些元素,比如绿色、棕色。

1.1不可复制的成本结构

和我们之前拆解的茶饮店差不多,咖啡馆也是卖水的生意,毛利率基本都在70%左右。但净利润,咖啡馆远不及茶饮店。首先是咖啡馆的人工成本更高,因为咖啡师的培训和薪水都高于茶饮行业;其次装修成本也远高于普通茶饮店,软装+硬装,部分咖啡馆能达到3000元/平米,设备折旧也相对较高;最重要的,房租成本也高出许多,因为相对茶饮来说,咖啡馆的面积比普通茶饮店都要大,通常100平米起。

那成本到底是多少呢?

一般情况下,在北京开咖啡馆,人工成本在25%-30%左右,房租成本25%左右,运营管理、折旧、损耗成本15%左右,普通咖啡馆能够收支平衡就不错了,如果算上老板的工资,大概率是亏损。

那么星巴克是怎么赚钱的呢?

答案有很多个,但最重要的就是房租议价能力。

星巴克作为一个极强势的品牌,在房租议价上能享受特权。

比如,瑞幸咖啡就曾在2018年就星巴克与物业签署排他性协议,发布公开信批评星巴克涉嫌违反《反垄断法》第14条和第17条的有关规定,并将在有关城市法院对星巴克提起诉讼。主要有两方面:第一是星巴克与很多物业签订的合同中存在排他性条款,即使有闲置店铺也不能租赁给其他“咖啡”商家;第二是星巴克对供应商频繁施压要求站队“二选一”。

据我们采访的业内人士透露,星巴克在中国降低房租有两种方式:一种是直接压低房租价格,特别是在一些新开的有较好潜力的购物中心店,物业在前期出于引进国际品牌,打造更优秀商圈,吸引人流三方面的考虑,会给星巴克这样的强势品牌更长的免租期以及更低的价格;另一种就是流水倒扣免租金+分成的模式,一般在8%左右。

举个例子,同样一间店铺,普通小品牌可能需要12-15元/天/平,还不一定租得到。而星巴克能做到3.5元/天/平,差距就有这么大。一般小品牌,能将房租成本控制在25%就已经很好。所以,仅房租一项,星巴克相对于小品牌,成本至少能降低15%左右。

那么在星巴克以强势品牌获得房租议价权,将房租成本降低大概15%左右的前提下,星巴克在中国的净利润有多少呢?

我们直接用星巴克的财报来回答。根据星巴克2018年财报显示,星巴克中国/亚太地区营收收入12.273亿美元,利润2.215亿美元,大概15.9%左右(除去股权投资收入)。

换一个角度说,再精细化的运营,再强的第三空间,再多的消费者,如果星巴克在中国不能便宜拿店铺,只有不到1%的利润空间(除去股权投资收入)。而对于一个做生意的人来说,1%的利润,就是亏损。

我们必须申明的是,通过各方面的数据搜集,都无法得到星巴克在房租这一项准确的成本占比,但是我们采访的几位超过10年咖啡行业从业经验的人,以及接触过的一些商场物业,得知好的品牌、好的商业关系及个人关系,都能帮助品牌获得更低的租金以及更好的商铺。比如,全球知名品牌无印良品也在房租上有很好的议价能力,总部的要求更加直接,房租成本必须控制在15%以下才能开店。

所以,占有中国咖啡连锁50%市场份额的星巴克,在中国商场有议价权很正常,具体数额是多少,恐怕也是星巴克的核心商业机密。

1.2只属于星巴克的时代红利

1971年,星巴克在美国西雅图成立,主要经营优质咖啡豆和器具,后来做到6家店。1987年,舒尔茨辞去年薪7.5万美元的工作,买下了星巴克。当时的美国市场一片空白,在这个机遇下,星巴克靠着优质咖啡豆做了起来。

1991年,星巴克又率先引入“第三空间”,将自己与别的咖啡馆区别开来,形成差异化定位。

在中国市场,星巴克早在1999年就进入了大陆,那时中国还没有形成咖啡市场,有的是像上岛咖啡这样的台系咖餐品牌,星巴克也享受了第一波红利,当时的店铺没有今天这么贵。英国咖啡品牌Costa只比星巴克晚三年进场,但是却沦为“万年老二”,如今店铺数量却相差甚远,Costa只剩下几百家门店。这与星巴克在定位、第三空间概念上的坚持有很大关系。

另外,我们从媒体公开的报道搜索发现,在2010年前后,星巴克在中国似乎也同样面临着租金压力。当时包括央视在内的各大媒体以“中国咖啡定价高于北美”为切入点,对星巴克“暴利”进行了围剿,争论到后期,星巴克的“回应”以当年“中国的高房租”来化解公关危机。

假设星巴克当年在中国真的遇到过这样的问题,至少这种解释没有被有力的反驳,那么在今天的房租人工成本和竞争环境下,就算星巴克的团队重新做,也很难再造一个“星巴克”。

1.3星巴克的困境——失重的“第三空间”

公开资料显示,2016年Q3以来,星巴克中国一直保持6%以上的高增长,部分季度甚至达到8%。但进入2018年后,增长陡转直下,2018Q1从上一季度的8%下滑到6%,Q2只有4%,Q3变成-2%,星巴克在中国增速以惊人的速度下滑。

但实际上,2018年下半年,星巴克中国经过一轮提价,大概在4%左右,但情况没有得到明显的好转,这只能说明,星巴克的订单量少了。

星巴克遭遇了瑞幸、连咖啡这样的搅局者,这些品牌用资本的钱来补贴用户,并且极其擅长运用社交媒体进行宣传和带货。同时,7-11、喜士多、罗森、全家、便利蜂等便利店都开始了更多的布点,提供自助咖啡机。

星巴克在中国很快调整策略进行自救,开始打造星巴克的第四空间——App+外卖。之前很长一段时间,星巴克都坚持咖啡必须在线下消费,执着于自己的第三空间。

2018年9月,星巴克与阿里巴巴合作开通外卖业务,2018年底,超过2000家门店可以送外卖。不仅如此,星巴克还与盒马鲜生合作打造外送厨房——星巴克“外送星厨”,模式与瑞幸的外卖店颇为相似。得益于外卖等因素提振,星巴克2019Q12018年10月1日—12月31日)在中国/亚太区的同店销售额同比增长3%。

星巴克的第三空间通过严谨的空间设计,让人想进来坐一会儿但又不想坐太久,提高翻台率。同时配合甜品、三明治和周边来提高客单价。另外,星巴克对空间的理解已经超过了咖啡所能覆盖的所有想象,比如星巴克上海烘焙工厂,不仅能看到咖啡烘焙过程和更多的面包甜点,还有服装和杯子这样的日用品以及鸡尾酒这样的高毛利高客单价产品,是一个全新的业态。

最重要的是,星巴克并没有你想象的那么美好,财报中的净利一大部分来自于自己几十年品牌经营获得的房租高议价权。与此同时,随着中国咖啡市场竞争的白热化,几乎进入了价格战的格局,星巴克不得不放弃坚守几十年的第三空间,开始开拓自己的第四空间——App+外卖。

二、瑞幸败局?

在中国,瑞幸已经成为规模仅次于星巴克的第二大连锁咖啡品牌。

在强势资本的助推下,瑞幸咖啡2018年前9个月亏损高达8.57亿元。通过大幅补贴以及社交电商的多元营销方式,在2018年底,瑞幸咖啡方面表示,已在北上广深等全国22大城市完成2073家门店布局。2019年1月14日,瑞幸咖啡在官方公号上宣布售出杯量达1亿。

我们在北京地区实地探访了悠享店和快取店,没有探访旗舰店,因为还在筹备中;也没有探访外卖店,因为它只做外送,不对外开放参观和接待,也不支持自提。

接下来,我们就这两家店的成本和现金流进行详细的分析和拆解,看看瑞幸的补贴或者说亏损大到什么程度。

2.1瑞幸的亏损有多大

1、悠享店——瑞幸咖啡(望京SOHO店)

位置:望京SOHOT2B一层2126

1)环境

面积约100平米,室内装修以蓝白色调为主,加上性冷淡风的水泥色,窗边有一排长桌,里面有6个小圆木桌,共20多个座位,提供充电和wifi,网比较慢。

2)服务

可以在瑞幸咖啡App或者微信小程序自助点餐结账,约2分钟就能做好,然后出示取餐码扫一下即可带走或在店享用。

3)产品

我们点了一杯香草拿铁,口感浓郁醇香,比在便利蜂买的自助咖啡口感稍好。

我们是在周六晚上7:30去探访的,当时在店员工3人,店内8个顾客,基本都在商务洽谈。在探访的一个半小时之内,有6个人进店,4人在店消费,2人自提带走。从美团搜索和客服处了解到,该店没有外卖,只有堂食和自取,但有的悠享店是支持外卖的,悠享店是否提供外卖,是根据每个店的情况来定的。

第一、房租成本,望京SOHO属于北京比较核心的商业区,租金每天大概在17元/平左右,100平方米左右的商铺月租金大概6W左右。

第二、人工成本,100平方米+20多个座位,按两班倒计算,需要6-8名左右员工。根据北京当地工资水平,每人6000元/月左右,咖啡店每月人力成本为4-5W左右。

第三、原材料成本,据相关资料了解,星巴克采用的咖啡生豆在25元/kg左右,瑞幸自称用的是优选上等阿拉比卡豆。所以我们假设瑞幸的咖啡品质和星巴克差不多,此前有新闻就曾报道过一杯星巴克的成本价不足5元,所以瑞幸咖啡的成本应该也在5元左右。

除了房租、人员和原材料成本,还有15%左右运营管理、折旧、损耗成本。

但在周六晚上一个半小时的探店期间,共有14人到店消费。据了解,平时工作日的人流量比现在多,每天大概能卖200杯左右,假设以单杯25元的价格(不计算折扣)来算,5000元/天的流水,每天亏损额在两三千左右。但是如果我们算上各种折扣优惠券,该店的日亏损额可能达到五千左右,月亏损在十五万左右。

2.2快取店——瑞幸咖啡(西海国际中心店)

位置:西海国际一层天天易家里面

面积10平米,只有一个制作咖啡的吧台,吧台中间有瑞幸的小鹿标志,共2名员工。在天天易家里面,和旁边的寿司、快餐档口共用12个座位,没有充电的地方,虽然面积不大,但是外卖生意不错。外卖包装精致,纸袋底部有底托,插吸管的位置用胶带十字封口,便于携带。

我们是周日早上10点半探访,在探访的一个半小时之内,共送咖啡外卖36份,鲜食7份,来店自提16份。

从送外卖的顺丰快递小哥处得知,这个店一天能送200单左右,外卖服务费7元/单,直接给到外卖员。按这样的数据以及在25元/杯(原价)的基础上测算,这家店是盈利的。但是比如,我们就点了一杯香草拿铁自提,本来27元后来用了1.8折券,只用了4.86元,所以优惠力度难以想象。它实际是否挣钱或者亏损多少,很难测算。

我们测算的这两家店,如果要实现收支平衡,望京悠享店每天至少要卖出300-400杯(每杯按原价计算)才能实现收支平衡;西海国际快取店每天至少要卖出200杯(每杯按原价计算)才有可能是赚钱的。但是,通常瑞幸的做法是首杯免费,还有1.8折、2折、5折券等,所以实际亏损额度很难有准确的数字。当然,瑞幸亏损是天下周知的秘密,而如果将卖咖啡作为一个生意来计算,瑞幸的亏损几乎是个无底洞。

2.2瑞幸的对手真的是星巴克吗?NO

瑞幸一直官宣自己要改变咖啡行业:

第一个“改变”:高性价比改变咖啡的消费观念。瑞幸想提供一杯品质好高性价比,大家都容易消费得起的咖啡。比如行业内30块的拿铁,瑞幸卖24,同行卖27的美式,瑞幸卖21。从价格锚定来看,这对标的就是星巴克。

但实际上,通过2折券、5折券,实际上瑞幸的价格在十几元左右,价格锚定的是7-11,全家,便利蜂的咖啡。

第二个“改变”:速溶咖啡在中国占84%的市场份额 ,一些自动咖啡机不用纯牛奶和优质咖啡豆制作的咖啡,质量跟速溶咖啡的质量也差不多。而速溶咖啡和现磨咖啡是天壤之别,瑞幸就是要改变绝大部分消费者喝速溶咖啡的现状。

但实际上,对速溶咖啡的升级,第一棒是在7-11手上,7-11的咖啡使用的豆子不差于瑞幸,甚至咖啡机品牌型号一模一样,另外牛奶可能还优于瑞幸,因为7-11有冷链配送。

所以从价格锚定和产品升级锚定上,都是7-11、全家、便利蜂这样的便利店,从来不是星巴克。

如果这还不够直接,我们再从另一个角度来印证。我们来分析一下瑞幸的主打客群。

关于这一点,之前有媒体的朋友详细分析过,瑞幸真正的客群是企业用户。因为这位媒体朋友做了一个实验,找两个同事分别注册了企业用户和个人用户,结果企业用户刚注册完不久,瑞幸客服就主动打电话过来向同事确认信息,并说企业用户的审核期为一周,到时候会有客服电话通知,请耐心等待。

另外,事实也是,不管是瑞幸咖啡的官网菜单栏还是APP首页,企业用户都被放在C位展示。很多咖啡馆都做toC的生意,而瑞幸要做的是toB的生意。

那么在瑞幸之前,谁占领了办公室?是以雀巢为代表的速溶咖啡或者以711为代表的既在卖咖啡饮料,也同时在做现磨咖啡的便利店。

所以,瑞幸对标7-11、全家、便利蜂,它们一起在和雀巢抢占市场。

那为什么对外官宣上,瑞幸一直死咬星巴克?再简单不过,因为估值。

根据公开资料显示,瑞幸在2018年的两次融资,A轮估值是10亿美元,B轮22亿美元。而餐饮零售类的估值,按“店面数”算是最简单直观的。

投资行业,有一种估值方法就是对标。我们先看看一家星巴克店值多少钱呢?

2017年星巴克收购案为例,美国星巴克母公司当时放弃台湾的经营权,换得收购统一集团旗下在江浙沪地区星巴克股权的数据如下:13亿收购1300家的50%股权,那么每家星巴克店的价值就是200万美元。

基于当时525家门店的数据,瑞幸咖啡A轮的10亿美元估值也是理所当然的。

除了估值的需要,瑞幸咖啡一直死咬星巴克还有一个原因,获得更多流量。因为星巴克一直占据中国咖啡市场规模第一,又是外来品牌,瑞幸咖啡一上来就宣称要赶超老大星巴克,这无疑吸引了很多人关注它,并且部分人会出于尝鲜的心理去消费,大家都等着看它最终能否超过星巴克,成为中国咖啡市场NO.1。

那么如果瑞幸对标7-11、全家、便利蜂,它们一起再和雀巢抢占市场,那瑞幸会赢吗?

我们的回答是,瑞幸不可能成为中国版的7-11。

2.3瑞幸不可能成为中国版的7-11

2019年伊始,瑞幸公开计划再开出2500家门店。到2019年年底,将总门店数量提升至4500家。官方预计随着门店的增多,外卖的比例会降低,自提更方便了,用户到店面自提也增加了额外消费的可能。

于是,有人分析说,“瑞幸咖啡会成为中国版的711”,因为瑞幸可以卖简餐鲜食啊。我们仔细分析一下,这条路是否可行。

如果卖咖啡+咖啡饮料+简餐鲜食,瑞幸满足的是什么样的消费场景?答案是,商业社区的早午餐。

那么现在谁是商业社区早午餐的解决方案呢?答案是便利店。

我们曾经详细测评过7-11,罗森,便利蜂等便利店,在便利店是一个低毛利更低净利的行业前提下,7-11之所以能够在长达几十年的经营过程中,保持神一般的利润结构,得益于它在鲜食领域的供应链打造,7-11在日本集合了1.8万个门店、175个工厂、140个配送中心,能够实现最多3次补货。

正是因为餐饮的毛利能达到60-70%,所以我们现在走进任何一家北京的连锁品牌便利店,都会闻到饭香和咖啡香。

如果,瑞幸是要和它们抢占商业区的早午餐市场,可不容易,这条路线正是7-11等新型便利店的核心壁垒。便利店行业的本质是一个极其复杂完整的物流供应链配送体系,瑞幸短时间内不可能有。

相反,7-11、全家这样的便利店卖咖啡更有优势。

2013年,日本的7-11在旗下1.5万家便利店推出现磨咖啡品牌——“Seven Café”,上线一年即卖出4亿5千万杯,甚至还带动日本咖啡市场在当年增长了4%。

全家湃客咖啡负责人陈玮跃2018年底透露,湃客咖啡的销量已经排在了集团2000多种产品的前三名,最新目标是在2019财年能够卖出1亿杯咖啡。

这个数字与烧钱猛如虎的瑞幸相比如何呢?

2019年1月14日,瑞幸咖啡在官方公号上宣布售出杯量达1亿。

可以说,在雀巢这只老虎嘴里夺食,便利店要厉害的多。

那么,等待瑞幸的是迷局吗?或许是败局。

要看我们以什么角度什么结局为终点,如果以上市退出为终点,瑞幸的结局要看资本的力量;而如果以消费者的选择和盈利能力来讲,瑞幸还需要很多钱来烧,或许已经看到了败局。

瑞幸只是从估值上对标星巴克,而从品质和价格上锚定的从来都是7-11这样的便利店,它们是和雀巢抢占速溶咖啡的市场。在单店无法盈利和卖咖啡巨亏的的情况下,瑞幸如果通过加入简餐和鲜食来满足商业社区的早午餐问题,又不是相对成熟的便利店业态的竞争对手。就算疯狂的开店,和存量的咖啡馆与便利店竞争,瑞幸就算出高租金也无法获得更好的点位资源。完全靠补贴刷出来的流水,没有利润的支撑,一旦出现问题,结局就是疯狂的关店,拥有同样属性的连咖啡目前的情况或许就是瑞幸的未来。

三、“咖啡陪你”的全面溃败

在咖啡行业,有一类品牌以连锁加盟方式扩张,代表的有韩国的咖啡陪你、漫咖啡、豪丽斯、动物园咖啡,以及台湾的上岛咖啡。

咖啡陪你因韩剧《来自星星的你》一炮走红,2012年进入中国市场,鼎盛时期开了700多家店。公司曾扬言,在中国布局5000家店。

但是,从2014年开始,咖啡陪你就频爆加盟商解约、多地关店等负面;2017年,因公司经营困难陷入资金危机,创始人姜勋在家自杀。在华合资企业咖啡陪你(上海)投资管理有限公司也在2018年破产。

事实上,这并不是个例,这是连锁加盟类咖啡品牌都存在的难题。几乎在同一时期,动物园咖啡被中资完全接管,豪丽斯中国代理商陷入内部管理丑闻,漫咖啡苏州市场全面停业,上岛咖啡从3000多家店做到只剩下100多家。

为什么会这样?

我们实地探访了1家咖啡陪你、2家上岛咖啡和1家漫咖啡,我们接下来进行详细的查解。

3.1实地探访:加盟的咖啡馆长什么样?

1、探访门店:咖啡陪你(对外经贸大学店)

1)环境

这家店120平方米左右,16桌。店内随处可见绿植,墙面做成树皮的样子,有点森林的感觉。但这家店明显很旧,沙发的皮已经掉了一大半。

2)客流量

周六下午6点去,有16人,向店员了解到,平常下午都会满坐。同一条街上,另一家更靠主干道的雕刻时光咖啡馆,人更多,基本坐满70%。

3)品类

咖啡、果汁、汽水、刨冰,30-35元左右。华夫饼、甜点,20多一份,但品类并不是很多。

4)服务质量:四个小细节中体现

①门口有一支灯不停地闪烁,应该是坏了,但没有人管;

②茶凉了,我去加点热水,我走到吧台,发现店员不在,我喊了一声,她才后厨走出来,拿着手机,告诉我在旁边银色水壶加热水;

③一张桌子上放着的塑料袋和喝完咖啡的纸杯,一直没人收拾;

④离开前,跟店员聊了几句,当我表明来意,问能不能引荐一下店长时,她没有做任何回答,直接走开了。

2、 探访门店:上岛咖啡(鸟巢店、奥森店)

上岛咖啡:不是咖啡馆,而是会所

1)环境

鸟巢附近一家上岛咖啡,100多平方米,开了近二十年,算是很有代表的店。跨进门第一眼,能看见一台黑色钢琴,厚重的沙发,每张桌子上摆着一盏台灯,开灯后像点亮了十多支蜡炷,店内整体给人感觉充满奢华气息。奥森旁边的一家店则更像休闲会所,进门右手边能看到一尊财神爷,旁边还有鱼缸,这分明是会所标配。走进里面,能看到这里全是包间,包间里放着一台麻将机。

2)品类

咖啡、茶、中餐、西餐、零食、水果都有,比大多数咖啡馆都贵。咖啡38-68元/杯,一壶茶最便宜的138元,可口可乐28元一瓶,牛排200多一份。店里的咖啡豆是由上岛提供的,但其他食品都是自行购买。有缺货时,店员直接到附近超市去购买。店员冲茶和冲咖啡也没有什么标准,全凭经验。

3)服务

如果说星巴克的店员和顾客是朋友关系,那上岛更像是顾客与服务员的关系,在这里点餐,不需要到吧台去站着,店员会主动到座位上来问你,期间有任何需要,只需要按桌上的呼叫器就行。

下午两点多,鸟巢旁这家店人开始多起来,店里缺人手,店长亲自冲咖啡、摆果盘。店长表示,一直招不上来人,现在的90后都不愿意干这个。

3、 探访门店:漫咖啡(平安金融中心店)

1)环境

这家店预估400平方米以上,两层。一进门就能感受到这里的装修很精致,落地窗、皮沙发、欧式水晶吊灯、毛绒玩具随处可见。很能满足女性对韩剧中美好场景的追求。

2)品类

咖啡+轻食,咖啡一杯19-40元不等,轻食28-52元不等。

3)服务

①离打烊还有1小时,二楼已经不开放,3名店员正忙着收拾吧台,准备下班。距离打烊还有半小时,店里已经不卖东西了,店员关掉菜单显示屏,甜点柜里的灯。

②我找一名店员聊了几句,得知这里有10家店员,平常在店4人。当我想要问更多时,这名店员被另一人叫了过去,回来后就不再和我聊。我想去拍一拍照片,店员上来制止,表示这里禁止拍照。

3.2“咖啡陪你”是怎么死的?

咖啡陪你在中国采用加盟+直营+合作经营的方式,其中直营店只占10%,合作经营店占70%,剩下的是加盟店。

早期,咖啡陪你主要采用合作经营,由总部出51%,加盟者出49%的资金。这种方式有两个好处,一是总部有控制权,便于管理;二是加盟者资金压力小,降低加盟门槛。以200平方米的店为例,加盟者只需要出160万的费用,之后什么都不用管,咖啡陪你负责门店设计、装修、设备和后续管理,加盟者完全是“甩手掌柜”。

但是,这种方式会吃掉公司大量现金流,在现金流绷紧的状态下,随便一个风吹草动都会要了企业的命。

咖啡陪你就属于这一类。

随着加盟店的增加,加盟者发现咖啡陪你门店的财务数据有严重问题,各项成本费用虚高,比如办工商执照写10万,批发价5万的咖啡机写12万。很多加盟者也没有看咖啡陪你公司另外51%股份的出资证明。

加盟者认为这是咖啡陪你的圈钱行为,于是一群人到总部堵门,要求退钱。负面消息一出,很少有人再敢加盟,没有加盟费作为现金流,这让咖啡陪你资金压力巨大。

加上咖啡陪你中国公司又与韩方股权结构混乱,导致资金不断减少。韩方投资占比低于中方,却要求利润五五分,并由韩方掌管公司,这让中方不满。

最后,咖啡陪你只剩下一种加盟方式,加盟者100%出资,总部抽4%流水。

但是,总部在选址、运营、售后、营销、督导上都没有支持,全靠加盟者自行运营。在员工方面,咖啡陪你也没有提供标准化的培训和要求,就像我们探访的那样,店员完全没有服务意识。甚至,咖啡陪你连供应链的钱都不想赚,咖啡豆等原材料都不统一提供,很多店从自有渠道采购,导致咖啡质量不一。

咖啡陪你又跑到另一个极端,变成“甩手总部”。 当经营越来越困难时,韩方见势不对,全部撤资。撤资后,咖啡陪你(中国)不到一年就出现资金链断裂,欠了一屁股债,供应商不再提供原材料,最终导致破产。

3.3咖啡馆靠加盟做大做强有多难?

咖啡陪你采用单店加盟的策略,而且非常激进,为了快速扩店,咖啡陪你几乎不筛选加盟者,只要有钱就行。这导致扩张虽然快了,但配套体系跟不上,质量差,最终对品牌的影响非常大。

其实,不止咖啡陪你在加盟体系上存在问题,其他韩系做得也不好。

动物园咖啡同样采用单店加盟策略,并且对加盟者的管控很不严格。2015年12月,北京大望路附近一家店关门,老板卷钱跑路;2014年10月,郑州一家店老板同样也是携款逃走。充值会员卡的消费者无处消费,动物园咖啡总部表示,这些加盟店已经与公司中止合作,充值的消费者无法在其他门店使用。

台湾的上岛咖啡,衰落原因也是零管理的加盟体系,只要有钱就能加盟,全靠自行运营,门店独立核算。加盟者相当于只买一个品牌,其他服务基本没有。上岛咖啡鸟巢店的店长告诉我们,他在这里工作两年,从来没有看见过总部的人来过。

漫咖啡在选择加盟者上,有一定的要求。在合作店中,漫咖啡占25%〜35%股权,并要求加盟者具有开5-10家店的实力,意在提高抗风险能力。而漫咖啡的加盟者基于属于土豪级别,能包下两层店面,完全不用担心付不起房租。对他们来说,开一家有逼格的咖啡馆是一件很酷的事情,颇有玩儿票的感觉,至于赚不赚钱,土豪没那么在意。但是愿意干的土豪毕竟是少数,漫咖啡老板曾豪言10年开3000家,但5年过去不过只有150家。

在中国市场上,就找不到靠加盟能做大的咖啡品牌。

稍微好一些的品牌,如Costa、太平洋咖啡,他们在选择加盟者上会非常谨慎。太平洋咖啡采用单一城市独家代理,要求城市代理在每个城市基础开店数达到10-15家。Costa采用区域代理加盟方式,在南方与悦达集团合作,北方与华联集团合作管理。而咖啡巨头星巴克则收购了加盟店,变成全自营。

3.4“大空间+轻食”模式本身不赚钱

除了加盟体系不完善外,其实韩系咖啡馆的模式也存在问题。

韩系咖啡都有一个特点:大空间+咖啡+餐食,并且餐食占比很大,比如漫咖啡有汉堡、三明治、面包、冰沙、西式套餐等30多款,相比之下,星巴克只有几款简单的三明治、蛋糕和肉卷。

这与韩系咖啡的定位有很大的关系。它们主打单人多次消费“第三空间”,适合下午和朋友一起聚聚。顾客一坐就是一下午,让咖啡馆翻台率很低,难盈利,所以靠餐食来增加消费,提高客单价。

但这种模式可能行不通。很多人在店里待一下午,晚饭前离开,期间只点一杯咖啡,很少点餐食。原因是这里的三明治、蛋糕卖得比较贵,单价在40块左右,而且口味比不过专门的糕点店。从探访的几家店来看,点餐的人并不多,都是点一杯咖啡或茶,让自己占个位置。

在高昂的房租和人工成本下,只会有一个结果:倒闭。

以加盟为主的韩系咖啡品牌主打下午茶以及和韩剧一样的浪漫感觉,店面超大、翻台率低、盈利难是三大特点。而品牌方又大多只提供贴牌加盟,供应链、运营、培训、督导等体系非常不完善,无法通过整体产业链来提高效率和实现盈利,加上一次性投入和房租成本非常高,盈利非常难。而以上岛咖啡为代表的“咖餐”虽然存在同样的问题,但是由于高客单价餐食,所以经营得好的单店可以盈利。但同样,由于总部也没什么支持,导致十几年如一日的从未更新过VI设计和产品,被淘汰也是时间问题。

四、99%的独立咖啡馆赔钱,那剩下1%是怎么赚钱的?

在我们开始这篇文章之前,我们问过一些人,她们为什么想开咖啡馆?理由莫过于下面几个。

1、人口红利导致中国咖啡市场巨大

我国的咖啡消费市场规模在700亿元人民币左右,约占全球市场的0.5%。我国咖啡消费年增长率在 15%左右,预计2020 年中国咖啡市场销售规模将达 3000 亿元人民币,2025 年有望突破一万亿元。

2、消费升级导致中国现磨咖啡将迎来爆发期

全球范围内现磨咖啡在咖啡总消费量中的占比超过87%,速溶咖啡占比小于13%。而在中国速溶咖啡占据着84%的市场份额,现磨咖啡的市场份额仅约16% 。但随着人们收入增加,用户越来越追求喝一杯好咖啡,现磨咖啡正符合我国消费升级的趋势,其市场份额也将逐步提升。

3、知名外资咖啡连锁品牌下沉慢

截止到2018年,我国已有约140902家线下咖啡厅,市场主要现磨咖啡连锁品牌门店总数为6994家,剩下133908家为尾部品牌咖啡店。像星巴克、Costa、这样的传统大品牌下沉的不彻底,但四五六线城市人群又有喝咖啡的消费需求,这给当地的小咖啡品牌留了部分的生存空间。

但实际上,在我们看来,上面三条都存在漏洞,比如我们公司20名员工,平均每天要喝一杯咖啡的人还不存在。这还是在北京中关村,在其他城市会比这更差。

关于为什么99%的独立咖啡馆不挣钱,我们已经无需赘述,我们前文在分析星巴克、瑞幸及其他咖啡馆的时候,已经拆解的非常详细。

现在我们要回答的是,那1%是怎么赚钱的。

金准产业研究团队认为,看一家咖啡馆是否赚钱,要从房租、人员、原料和折旧耗损成本四个方面分析。如果说,开咖啡馆就是冲咖啡并且提供必要的服务,那么在人员,原料和折旧耗损上都没有太大的运作空间,唯一能降的就是房租成本,比如星巴克。

如果自己有房子,不把房租计入成本,或者不把自己和亲戚的工资计作成本,靠压榨自己的资源和劳动力,依普通人做生意的计算方式,也是赚钱的。

今天,我们就介绍另一个案例——大小咖啡。不过,我们仍然申明,这间咖啡馆在商业模式、定位以及运营上都有些特殊,并不是所有人都能效仿,但仍然希望能够给广大心怀咖啡梦的创业者一点帮助。

4.1选址策略降低房租成本

该咖啡目前在北京一共有4家店,每家店都是盈利状态,最大的优势归功于房租,而房租之所以有优势在于它独特的选址策略。因为定位是精品社区咖啡馆,不同于星巴克、瑞幸这样大品牌基本都进驻热门商圈或者开在地铁的街边店,大小咖啡的店基本都是选址在社区里或者社区底商开店。而这样的位置是大品牌和一般咖啡馆都不会考虑的,因为人流量有限。所以房租成本控制在20%以内,是低于行业房租占25%左右的标准。

人工成本控制在25-30%,每个店标有2个人,每个人有3个月到半年的培训周期,会上五险一金。

咖啡豆都是从国外采购,成本控制在30%,跟行业平均水平持平。也有自己的烘焙工厂,平时店里和线上平台也卖熟豆和袋泡咖啡,这部分收入占总销售流水的10%,其中熟豆的毛利是50%。

4.2与酒吧合作,提高收入

目前4家店中有3家都有夜间模式,夜间模式通常交给跟自己品牌调性差不多的酒吧,以分成的形式合作,共用咖啡店的收银系统。同一空间白天咖啡馆晚上酒吧,看似两个不同的消费场景,但消费人群却是高度重合的,而且咖啡馆和酒吧的积分是可以通用的,这无形中会极大增强用户对这个社区空间的黏性和提升客流量。

拿北锣鼓巷店来说,店铺位于社区的底商,一共60平米,实际用地45平米,剩下的地方留给艺术家做画展或摄影展。店铺楼上有115户,平均入住率70-80%,附近有很多办公楼,平时消费的人也都是附近上班的白领。

据创始人介绍,之所以选择依托社区开咖啡馆,一是因为社区具有很强的稳定性,可以做很久,二是因为未来不只是做精品咖啡。而是想做一个以精品咖啡为载体的消费文化品牌,既可以和青旅、精品酒店相结合,又可以承接画展、艺术创作等活动,来提升品牌的影响力和客流量。

4.3拓展多种周边产品,提高客单价

咖啡生意是卖产品,而咖啡馆是卖体验。大小咖啡除了卖咖啡、烘焙好的咖啡豆以外,还设计了很多周边产品,比如店里卖的咖啡袋、咖啡皂。还开设了主理人养成记课程,教小白如何做咖啡、经营门店。

由于高房租、高折旧、高人工,所以市场面上99%的独立咖啡馆是不挣钱的。那如果要让自己的咖啡馆赚钱,要么定位上和高房租的咖啡馆做区分,让自己可以选择便宜的房子;要么可以多业态搭配,比如搭配酒吧或者其他夜间模式进行复合经营;另外还需要创造更多的消费场景,如餐食、周边、培训等。或者找到第三盈利模式,比如猫咖,卖的不是咖啡,卖的是猫。

五、生存在夹缝里的自助咖啡机

自助咖啡机作为一种新的消费场景,在咖啡行业里算是一个新兴的细分领域,优点是成本低、铺点快、咖啡品质不差的特点,近两年在行业里特别是资本领域也狠狠火了一把。

今天,金准产业研究团队通过实地测评,进行详细的分析。

5.1咖啡之翼,我们看到的是无人运维

咖啡之翼2000年在长沙成立,主营业务是咖啡馆,官方资料显示,2016年底,咖啡之翼在全国有200多家门店,大部分是加盟。当时,咖啡之翼的咖餐业务出现了亏损,公开数据显示,亏损达500多万元。于是公司转型,做了咖啡机“自由翼”。在咖啡之翼团队中,不乏名人身影,创始人尹峰活跃在综艺节目中,何炅是其联合创始人,徐小平、姚劲波、陈欧、李维嘉等是其战略投资人。

于是,我们在北京朝阳区大屯附近写字楼里找到一台“咖啡之翼”咖啡机,它在三层,一家培训机构前台处。这台咖啡机提供12个品类供选择,包括咖啡、奶茶、牛奶等,扫码就能自动出一杯咖啡,和在很多便利店里的体验相当。

自助咖啡机主要放在学校、写字楼、众创空间、医院等半封闭空间,我们探访的这家店每天都有家长送孩子来培训,孩子上课,家长会一直坐在外面等着接孩子下课,一般要等一小时左右,容易口渴。而且这里空间不大,咖啡机出现在人们视野的频率很高。

我们在那里站了半小时,没有人购买,旁边有一台饮水机,由培训机构提供的,喝的人倒是不少,半小时就是七八人接水。

向前台小姐姐打听了一下,平常也有人会买咖啡。不过这台机器的经营却跟不上,好几个咖啡品类都缺货了。前台小姐姐说,有两天都没来补货了。值得一提的是,这台咖啡机上出现了4次加盟电话。

金准产业研究 2019年中国制造业企业智能化路径研究报告

前言

在经历了2008年全球金融危机之后,实体经济的重要性被重新认知,以制造业为核心的实体经济才是保持国家竞争力和经济健康发展的基础——这已经是世界各国的共识。

智能制造是一种可以让企业在研发、生产、管理、服务等方面变得更加“聪明”的生产方法,制造业企业要从自身发展的核心痛点出发,在合理的整体规划和顶层设计基础上,沿着智能制造要素→智能制造能力→智能制造系统的发展方向,分阶段且持续性的获取智能制造要素,建立、完善、扩展企业在研发设计、生产制造、物流仓储、订单获取、产品服务等各个环节的智能制造能力,最终形成完整、高效、科学的智能制造系统。

为了振兴中国制造业,国务院于2015年出台《中国制造2025》作为制造强国战略的行动纲领,并明确以“智能制造”为主攻方向。智能制造是抢占未来经济和科技发展制高点的战略选择,更是传统制造业企业转型升级的必由之路。

目前中国智能制造仍面临关键装备与核心零部件受制于人、中小企业难以融入智能制造浪潮、大部分企业缺少智能制造的文化内核等重大挑战,制造业企业要顺应趋势,提前规划,明确目标,关注网络协同制造、5G等新模式、新技术带来的新机遇,以“立足当前,着眼长远”的原则,分阶段、持续性地实施智能化转型。

一、智能制造的“何为”与“为何”

1.1工业强国的制造业战略核心均指向“智能制造”

人类的每一次工业革命都会开创一个崭新的时代,随着互联网、物联网、大数据、云计算、人工智能等技术的不断发展,第四次工业革命也已悄然兴起。为了抓住新工业革命的历史机遇,美国、德国、日本等发达国家相继部署制造业发展战略,中国也在2015年推出了“中国制造2025”战略规划。尽管各国“再工业化”战略的规划路径和逻辑不尽相同,但其核心皆是“智能制造”,都将发展智能制造作为本国确立制造业竞争优势的关键举措,并提出了相应的发展路线。

1.2企业实现生产、管理、服务、产品智能化的全新生产方式

“智能制造”这一概念最早由美国学者P.K.Wright和D.A.Bourne在其著作《Manufacturing Intelligence》中出现,他们将智能制造定义为机器人应用制造软件系统技术、集成系统工程以及机器人视觉等技术,实行批量生产的系统性过程。工信部出台的《智能制造发展规划(2016-2020年)》中,将智能制造定义为基于新一代信息通信技术与先进制造技术深度融合,贯穿于设计、生产、管理、服务等制造活动的各个环节,具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

金准产业研究团队认为,智能制造是通过新一代信息技术、自动化技术、工业软件及现代管理思想在制造企业全领域、全流程的系统应用而产生的一种全新的生产方式。智能制造的应用能够使制造业企业实现生产智能化、管理智能化、服务智能化与产品智能化。

1.3智能制造的起源与演变

起源:数字化制造 成长:网络化制造 目标:智能化制造

智能制造代表着先进制造技术与信息化的融合,尽管概念提出至今仅30年的时间,但智能制造的起源可以追溯至上世纪中叶,其发展与演进可以大致分为三个阶段:从上世纪中叶到90年代中期的数字化制造,以计算、通讯和控制应用为主要特征;从上世纪九十年代中期发展至今的网络化制造,伴随着互联网的大规模普及应用,先进制造进入了以万物互联为主要特征的网络化阶段;当前,在大数据、云计算、机器视觉等技术突飞猛进的基础上,人工智能逐渐融入制造领域,先进制造开始步入以新一代人工智能技术为核心的智能化制造阶段。但受限于人工智能技术的发展水平与制造业应用尚未成熟,目前的“智能制造”还远未达到“自适应、自决策、自执行”的完全智能化阶段,智能化制造仍是未来的主要发展目标。

1.4中国“为何”需要智能制造

1.4.1智能制造是中国制造业转型升级、提质增效的必由之路

近年来,中国的经济发展已由高速增长阶段逐步转入高质量发展阶段,政府更加关注于优化经济结构、转换增长动力。制造业是供给侧结构性改革的主要领域,尽管制造业增加值在全国GDP总量中的比重呈下降态势,但以制造业为代表的实体经济才是中国经济高质量发展的核心支撑力量。2015-2016年,中国制造业增加值的同比增速仅为3.5%和5.9%,原料、土地、人力资源等生产要素成本的不断上涨使制造业本就不高的利润率很难提升。提高质量效益、转变生产方式是中国制造业必须要解决的问题,而发展智能制造正是中国制造由大到强的必由之路。

1.4.2用户“为何”需要智能制造

B端用户需要智能装备与材料、C端用户需要智能产品与服务

制造业的产品种类繁多,从高端制造装备、航天飞机到家用电器、食品饮料等,用户既有工业、建筑业、服务业等领域的企业,也包括最普通的消费者,我们可以把智能制造的需求方简单分为“B端用户”和“C端用户”两种类型。

智能制造能够为B端用户带来准确性、适用性、耐用性更加符合自身生产要求的冶金、钢铁、石化等原材料;能够为B端用户生产拥有感知环境、互联互通、远程可控等特性的智能装备,推动B端用户的智能化发展。对于C端用户来说,智能制造能够实现消费者对商品的个性化、定制化需求,并持续提供更加优质、更加智能的产品。

1.4.3制造业企业“为何”需要智能制造

降低生产成本、提高生产效率、重塑生产方式

对制造业企业而言,构建智能制造系统的核心价值主要体现在降低生产成本、提升生产效率和重塑生产方式。基于生产现场数据与生产工艺、运营管理等数据的综合考量,企业能够实现更精准的供应链管理和财务管理,减少物料浪费,减轻仓储压力,降低运营成本;通过对“人、机、料、法、环、测”各环节数据的全面采集和深度分析,企业能够发现导致生产瓶颈与产品缺陷的深层次原因,不断提高生产效率及产品质量;引入高度柔性的以数控机床、机器人为主的生产设备,企业可以实现多品种、小批量的新型生产方式,推动生产模式由大规模生产向个性化定制生产进化。

智能制造系统的构成要素

2.1智能制造系统的基本构成

智能制造系统=自动化设备+智能“神经系统”

智能制造是一种可以让企业在研发、生产、管理、服务等方面变得更加“聪明”的方法,我们可以把制造智能化理解为企业在引入数控机床、机器人等生产设备并实现生产自动化的基础上,再搭建一套精密的“神经系统”。智能“神经系统”以ERP(企业资源计划系统)、MES(生产过程执行系统)等管理软件组成中枢神经,以传感器、嵌入式芯片、RFID标签、条码等组件为神经元,以PLC(可编程逻辑控制器)为链接控制神经元的突触,以现场总线、工业以太网、NB-IoT等通信技术为神经纤维。企业能够借助完善的“神经系统”感知环境、获取信息、传递指令,以此实现科学决策、智能设计、合理排产,提升设备使用率,监控设备状态,指导设备运行,让自动化生产设备如臂使指。

2.1.1中枢神经——ERP+MES

打通ERP与MES的数据流是生产过程数字化的基础

ERP系统是企业最顶端的资源管理系统,强调对企业管理的事前控制能力,它的核心功能是管理企业现有资源并对其合理调配和准确利用,为企业提供决策支持;MES系统是面向车间层的管理信息系统,主要负责生产管理和调度执行,能够解决工厂生产过程的“黑匣子”问题,实现生产过程的可视化和可控化。ERP与MES两大系统在制造业企业信息系统中处于绝对核心的C位,但两大系统也都存在着比较明显的局限性。ERP系统处于企业最顶端,但它并不能起到定位生产瓶颈、改进产品质量等作用;MES系统主要侧重于生产执行,财务、销售等业务不在其监控范畴。

企业要搭建一套健康的智能“神经系统”,ERP与MES就如同“任督二脉”一般,必须要将两者打通,构成计划、控制、反馈、调整的完整系统,通过接口进行计划、命令的传递和实绩的接收,使生产计划、控制指令、实时信息在整个ERP系统、MES系统、过程控制系统、自动化体系中透明、及时、顺畅地交互传递并逐步实现生产全过程数字化。

2.1.2神经突触——PLC

机械装备和生产线的控制器,制造信息的采集器和转发器

PLC即可编程逻辑控制器,主要由CPU、存储器、输入/输出单元、外设I/O接口、通信接口及电源共同组成,根据实际控制对象的需要配备编程器、打印机等外部设备,具备逻辑控制、顺序控制、定时、计数等功能,能够完成对各类机械电子装置的控制任务。PLC系统具有可靠性高、易于编程、组态灵活、安装方便、运行速度快等特点,是控制层的核心装置。

在智能制造系统中,PLC不仅是机械装备和生产线的控制器,还是制造信息的采集器和转发器,类似于神经系统中的“突触”,一方面收集、读取设备状态数据并反馈给上位机(SCADA或DCS系统),另一方面接收并执行上位机发出的指令,直接控制现场层的生产设备。

2.1.3神经元——传感器与RFID标签

智能制造系统感知物理世界的最前端数据源

神经元是神经系统的基本组成单位,在智能制造“神经系统”中,担任此角色的就是与物料、在制品、生产设备、现场环境等物理界面直接相连的传感器、RFID标签、条码等组件。

传感器能感受到被测量的信息,并能将感受到的信息变换成为电信号或其他所需形式的信息输出,传感器使智能制造系统有了触觉、味觉、嗅觉等感官。RFID标签具有读取快捷、批量识别、实时通信、重复使用、标签可动态更改等优秀品质,与智能制造的需求极为契合。通过射频识别技术,企业可以将物料、刀具、在制品、成品等一切附有RFID标签的物理实体纳入监测范围,帮助企业实现减少短货现象、快速准确获得物流信息等目标。

2.1.4神经纤维——工业通信网络

工业通信网络种类繁杂,现阶段仍以有线通信网络为主

企业在日常经营过程中,研发、计划、生产、工艺、物流、仓储、检测等各个环节都会产生大量数据,要让海量数据在智能制造神经系统内顺畅流转,就要综合利用现场总线、工业以太网、工业光纤网络、TSN、NB-IoT等各类工业通信网络建立一套健全的神经纤维网络。工业通信网络总体上可以分为有线通信网络和无线通信网络。

有线通信网络主要包括现场总线、工业以太网、工业光纤网络、TSN(时间敏感网络)等,现阶段工业现场设备数据采集主要采用有线通信网络技术,以保证信息实时采集和上传,对生产过程实时监控的需求。

无线通信网络技术正逐步向工业数据采集领域渗透,是有线网络的重要补充,主要包括短距离通信技术(RFID、Zigbee、WIFI 等),用于车间或工厂内的传感数据读取、物品及资产管理、AGV 等无线设备的网络连接;专用工业无线通信技术(WIA-PA/FA、Wireless HART、ISA100.11a等);以及蜂窝无线通信技术(4G/5G、NB-IoT)等,用于工厂外智能产品、大型远距离移动设备、手持终端等的网络连接。

2.1.5强有力的躯干——智能制造装备

数控加工中心、装配机器人等制造装备是柔性生产的保障

企业打造智能制造系统的核心目的是实现智能生产,智能生产的落地基础即是智能制造装备。智能制造装备是指具有感知、分析、推理、决策、控制功能的制造装备,它是先进制造技术、信息技术和智能技术的集成和深度融合。目前智能制造装备的两大核心即是数控机床与工业机器人。

数控机床是一种装有程序控制系统的自动化机床,该控制系统能够逻辑地处理具有控制编码或其他符号指令规定的程序,并将其译码,通过信息载体输入数控装置。数控机床的数控系统经运算处理由数控装置发出各种控制信号,控制机床的动作,按图纸要求的形状和尺寸,自动地将零件加工出来,能够较好地解决复杂、精密、小批量、多品种的零件加工问题。

工业机器人是面向工业领域的多关节机械手或多自由度的机器装置,它可以接受人类指挥,也可以按照预先编排的程序运行。工业机器人在汽车制造、电子设备制造等领域广泛应用,有点焊/弧焊机器人、搬运/码垛机器人、装配机器人等多种类型,能够高效、精准、持续地完成焊接、涂装、组装、物流、包装、检测等工作。

2.2智能制造系统的整体架构

智能制造要素是构建智能制造系统的基本组成单位

三、中国制造业企业智能化路径分析

实现路径千差万别,总体思路可以总结:

智能化之路——智造要素→智造能力→智能制造系统

制造业是一个极其庞大的领域,涵盖了30个大类行业、191个中类行业、525个小类行业。由于涉及的行业、领域众多,不同行业及领域的企业在生产运营中的主要关注点各异,即便同行业的不同企业需要解决的问题也是千差万别,因此制造业企业智能化不存在“放之四海而皆准”的普适路径。金准产业研究团队认为,制造业企业实现智能化要从自身的核心痛点出发,在合理且有延续性的整体规划与顶层设计的基础上,沿着智能制造要素→智能制造能力→智能制造系统的发展方向,分阶段且持续性的获取智能制造要素,建立、完善、扩展企业在研发设计、生产制造、物流仓储、订单获取、产品服务等各个环节的“智造能力”,最终形成完整、高效、科学的智能制造系统。

本部分对制造业企业生产活动中各个环节的六种典型智能制造能力从预期收益、实施难度、成本下降、资金投入、时间跨度五个维度进行分析评价,并以此为基础提出智能化路径示例。

3.1数字化设计

缩短研发周期、降低研发成本、对接制造环节

数字化设计是智能制造系统的源头,是企业实现数字化、智能化道路上必须要突破的关键点。制造业中的设计包括产品设计、工艺设计、工艺优化、样品制造、检测检验等一系列过程。传统的研发设计流程是以模块分立形式,按照顺序完成开发,产品开发周期长且质量得不到保证。而数字化设计借助计算机辅助设计软件(CAX)、三维设计与建模工具等技术能够赋予企业将研发过程全面数字化、模型化,实现研发设计流程的高度集成、协同与融合,大幅缩短产品开发周期,降低开发风险和开发费用。金准产业研究团队分析,目前CAX类软件在国内制造业企业中已有一定程度应用基础,但从发展趋势及与智能制造系统的契合程度来看,第三代产品设计语言MBD(基于模型的设计)技术将成为数字化设计的主武器,MBD的应用将打通数字化设计与数字化制造,使三维模型成为制造的唯一数据源,让产品模型在整个生命周期得到充分利用。

3.2智能制造单元

提升设备使用率带动企业加快生产节奏,增加产出与效益

智能制造单元是针对离散加工现场,将一组能力相近的加工设备和辅助设备进行模块化、集成化、一体化的聚合,使其具备多品种少批量产品的生产输出能力。对于离散制造领域的中小型企业来说,打造智能制造单元是开启智能化道路行之有效的切入点,其最大的作用在于提升设备开动率,加快生产节奏,“简单粗暴”的通过增加产出来提升企业收益。

奇步自动化控制设备有限公司推出的“智造单元”是智能制造单元的成熟范式之一。“智造单元”是一种模块化的小型数字化工厂实践,整个单元由自动化模块、信息化模块和智能化模块三部分组成,以“最小的数字化工厂”实现企业在多品种小批量乃至单件自动化的生产智能化。

3.3生产全过程数字化

打通数据→整合优化→互联互通→降本增效

生产全过程数字化是将“人、机、料、法、环”五个层面的数据连接、融合并形成一个完整的闭环系统,通过对生产全过程数据的采集、传输、分析、决策,优化资源动态配置,提升产品质量管控。生产全过程数字化需要企业在人员配备、自动化设备、设备连接、环境感知等各方面具备良好的基础,即前文中提到的智能“神经系统”包含的要素必须齐全。在此基础上,生产全过程数字化的重点工作是打通各种数据流,包括从生产计划到生产执行(ERP与MES)的数据流、MES与控制设备和监视设备之间的数据流、现场设备与控制设备之间的数据流。有条件的企业可以自主研发或委托开发生产数字化集成平台,将不同生产环节的设备、软件和人员无缝地集成为一个协同工作的系统,实现互联、互通、互操作。

3.4智能物流仓储系统

让一切物理实体流动起来,节省空间、时间与人力资源

物流仓储是制造业中极为重要的一环,如果说通信网络是智能制造系统的神经纤维,那么物流仓储则可视为智能制造系统的血管。智能物流仓储系统的应用能够使原材料、辅助物料、在制品、制成品等物理对象在各个生产工序间顺畅流转,并通过提升仓库货位利用效率、提高仓储作业的灵活性与准确性、合理控制库存总量、降低物流仓储人员需求数量等方式大幅压缩物流仓储成本。

智能物流仓储系统尽管不直接参与产品的生产,但作为整个智能制造系统中的重要子系统,其组成架构也与之类似,分为设备层、操作层、企业层,设备层包括仓储设备、物流设备、识别设备;操作层由WMS、WCS、TMS等软件构成;企业层则对接ERP、CRM、SCM等管理软件的采购、计划、库存、发货等模块,融入总系统的闭环中。

3.5大规模定制平台

打造向大规模定制转型的入口,提升品牌价值与用户粘性

销售是所有企业的核心业务之一,智能制造系统中的销售智能化除了应用CRM等软件管理销售业务外,更为重要的是在订单获取层面发挥作用。在当前个性化需求日益旺盛的环境下,企业通过建立定制平台,能够将用户提前引入到产品的设计、生产过程中,通过差异化的定制参数、柔性化的生产,使个性化需求得到快速实现,以此提升品牌价值,增加用户粘性。与之相匹配的,企业应将定制平台与智能制造系统中的研发设计、计划排产、制造执行等模块实现协同与集成,实现从线上用户定制方案,到线下柔性化生产的全定制过程;在企业后台建立个性化产品数据库,应用大数据技术对用户的个性化需求特征进行挖掘和分析,并反馈到研发设计部门,优化产品及工艺,基于用户需求新趋势开展研发活动。

3.6产品远程运维服务

以智能化服务拓展商业模式,推动价值链向后延伸

智能制造视角下的产品服务是借助云服务、数据挖掘和智能分析等技术,捕捉、分析产品信息,更加主动、精准、高效的给用户提供服务,推动企业价值链向后延伸。远程运维服务即是典型的制造企业智能化服务模式,企业利用物联网、云计算、大数据等技术对生产并已投入使用的智能产品的设备状态、作业操作、环境情况等维度的数据进行采集、筛选、分析、储存和管理,基于上述数据的分析结果为用户提供产品的日常运行维护、预测性维护、故障预警、诊断与修复、运行优化、远程升级等服务。远程运维服务可以有效降低设备故障率,提升设备使用率与使用寿命,既能减轻制造商的负担,又能显著提升产品价值。远程运维对于企业产品的智能化程度要求较高,产品必须配备开放的数据接口,具备数据采集、通信模块;企业还需建立远程运维服务前端平台与后端数据中心,采集产品数据并基于大数据分析与计算,向用户提供增值服务。

3.7落地基石——整体规划与顶层设计

解决“我是谁,我在哪,我要干什么”三大问题

智能制造系统的整体规划与顶层设计是制造业企业正式踏上智能化道路的第一步,企业在这一环节要为“我是谁、我在哪、我要干什么”三大问题寻找答案:首先要明确“我是谁”,详细扫描企业自身的核心竞争力、运营情况、财务状况、人员配备、组织架构等基础条件;而后通过智能制造能力成熟度模型等工具进行智能程度自评与诊断,了解企业缺失的智能制造要素、已具备和尚未具备的智能制造能力,精准定位企业目前所处的智能化阶段,搞清楚“我在哪”;在回答了前两个问题的基础上,以企业发展的核心痛点为切入点,以获取关键“智造能力”为阶段性目标,以搭建完整、高效、科学的智能制造系统为发展方向,按照统一架构和统一标准规划设计智能制造系统总体实施方案及核心要素能力解决方案,确保企业在智能化之路上知道“我要干什么”。

3.8智能化路径示例

示例1:破解“多品种、小批量”困局——智造单元+智能物流仓储

Alpha公司是一家生产发动机连杆的汽车配件厂商,随着业务的发展和客户的增加,Alpha公司的产品线不断拓展,生产车间由3个增加至10个。生产规模扩大、产品种类增加给Alpha公司带来了设备利用率不足、交货期难以保证、物料及在制品积压严重等一系列问题,亟需智能化转型来应对生产经营中的重重挑战,保持竞争活力。

示例2:以产品差异化突出重围——数字化设计+大规模定制平台

Beta公司是一家机械键盘生产厂商,近年来游戏市场的持续火爆带动机械键盘市场的新进玩家数量激增,为应对激烈的市场竞争,拓展商业模式,提升品牌价值,Beta公司准备由批量化生产向大规模定制模式转型。

示例3:抓住产品后市场的广阔空间——PLM+智能远程运维服务

Gamma公司是一家主要从事高端农业机械研发制造的大型装备制造企业,Gamma公司在企业战略探索过程中,确立了以研发生产智能化产品、为客户提供智能远程运维服务作为企业的未来发展方向。

四、中国智能制造面临的挑战与发展趋势

4.1中国智能制造面临的挑战

4.1.1关键装备、核心零部件受制于人,短期内难以实现国产替代

智能制造系统中涉及大量的数控加工中心、工业机器人、嵌入式芯片等各种高端制造装备和核心零部件以及ERP、MES、CAD等各种工业软件,而上述装备、零部件以及工业软件的核心技术在国外,国内制造企业只能大量进口。目前,我国近90%的芯片、70%的工业机器人、80%的高档数控机床和80%以上的核心工业软件依赖进口。这造成国内制造业企业智能化改造成本居高不下,严重制约我国智能制造的整体进展。

以工业机器人为例,根据国际机器人联合会(IFR)的数据显示,中国已经连续六年成为工业机器人第一消费大国,2017年中国工业机器人销量达到了13.8万台,全球占比达到36%。而其中仅有3.5万台是由国内工业机器人制造商生产,国产率仅为25.1%,比2016年的31%还下降了近6个百分点。由此可见,中国制造业企业在提升自动化水平时优先选取的是选购国外品牌的工业机器人,国产机器人尽管发展较快,但短时间内难以满足智能制造的需求。

4.1.2小微企业难以融入智能化发展浪潮

在全国规模以上工业企业中,84.2%的企业属于小型企业,规模以下(年主营业务收入2000万元以下)尚有200余万家小微企业。广大小微企业是制造业的根基,其智能化水平很大程度上影响着中国智能制造工程的实施效果。然而从《中国制造2025》战略提出以来,由于自有资金不足、信息化基础薄弱、缺乏相关人才等多方面因素的影响,大部分中国制造业小微企业只能羡慕大企业申请智能制造试点示范项目、围观大企业开展轰轰烈烈的智能化改造,自己却难以融入智能制造的发展浪潮。相比于大中型企业,小微企业的智能化之路面临更大的试错成本和不可控风险,稍有不慎就会危及生存。

4.1.3大部分中国企业缺少智能制造的文化内核——“工匠精神”

工业文明是建立在企业文化基础上的,对于制造业企业而言,优秀的企业文化即是“工匠精神”在微观领域的集合或集中体现,它在形成以后会向所在产业及上下游延伸、渗透,在其他企业接受并实践此种文化的过程中逐渐形成工业文明。

中国走的是一条“压缩型”的工业化道路,与美、日、德等制造业强国上百年的工业化历史相比,中国的工业化进程只有几十年,快速发展的副作用是企业为了追求急速扩张占领市场而选择忽略细节因素,大量制造业企业没有建立科学合理的企业文化,即便有,也并未真正落实到生产经营中的各个环节。

管理大师彼得·德鲁克曾说过:“对于文化来说,战略是早餐,技术是午餐,产品是晚餐。文化会吃掉后面的其他东西。”智能制造需要工匠精神的“标准、精准、创新”等核心内涵,如果一个企业内部没有形成“工匠精神”内核,即便是搭建起形式上的智能制造系统,其系统也会因文明缺失难以发挥效用。

4.2中国智能制造未来的发展趋势

4.2.1流程领域有望率先实现智能化

智能制造系统是一个覆盖设计、物流、仓储、生产、检测等生产全过程的极其复杂的巨系统,企业要搭建一个完整的智能制造系统,最困难也是最核心的部分就是生产过程数字化。尤其是对于生产工艺复杂、原材料及原器件种类繁多的离散制造领域,产品往往由多个零部件经过一系列不连续的工序装配而成,其过程包含很多变化和不确定因素,在一定程度上增加了离散型制造生产组织的难度和配套复杂性,要做到生产全程数字化、可视化、透明化殊为不易。

与离散领域显著不同的是,流程领域的生产流程本质上是连续的,被加工处理的工质不论是产生物理变化还是化学变化,其过程不会中断,而且往往是处于密闭的管道或容器中,生产工艺相对简单,生产流程清晰连贯,生产全过程数字化难度相对较低。流程领域企业接下来要做的是在全面贯通整合各阶段数据的基础上,运用人工智能的深度学习、强化学习(主要是动态规划方法)进行实时数据分析和实时决策,并进一步将智能系统延伸至供应链、生产后服务等各个环节,最终实现全面智能化。

4.2.2供应链协同倒逼产业链上游企业“上马”智能制造

制造业企业智能化的动力本源是响应市场需求,这点在消费品制造领域尤为明显,乘用车、家电、3C、服装、医药、食品等直接面向消费者的制造业企业搭建智能制造系统的主要目的即是实现高度柔性生产,快速、准确地实现消费者对产品的个性化、定制化需求。如果我们把视角向上推,对于原材料工业和装备工业的企业而言,智能化浪潮前沿的消费品制造厂商即是他们的市场所在,要跟上客户多品种、小批量的生产节奏,就必然要大幅提升自身的产品创新能力、快速交货能力以及连续补货能力。快速变化的市场需求从消费端沿着产业链不断向上传导,下游企业生产方式的颠覆与创新迫使上游供应商融入智能化浪潮,智能制造倒逼机制就此形成。在这种倒逼机制的作用下,产业链上游企业要主动适应变化,实现柔性生产,基于供应商先期介入思维,通过网络协同制造确立竞争优势,否则将面临被市场淘汰的风险。

4.2.3 5G的应用将开启“万物互联、万物可控”的智能制造新时代

工业通信网络是智能制造系统中极为重要的基础设施,无线通信网络作为其重要组成部分,正逐步向工业数据采集领域渗透,但目前使用的WiFi、Zigbee和Wireless HART等无线通信网络尚无法满足智能制造对于数据采集的灵活、可移动、高带宽、低时延和高可靠等通信要求,仅能充当有线网络的补充角色。然而随着5G商用部署的临近,无线通信网络在工业领域的应用将迎来爆发式增长。与传统的工业无线通信网络相比,5G比4G实现单位面积移动数据流量增长1000倍、数据传输速率峰值可达10Gbps、端到端时延缩短5倍、联网设备的数量增加10到100倍。5G一旦实现工业领域应用,将成为支撑智能制造转型的关键使能技术,5G将分布广泛、零散的人、机器和设备全部连接起来,构建统一的互联网络,帮助制造企业摆脱以往无线网络技术较为混乱的应用状态,推动制造企业迈向“万物互联、万物可控”的智能制造成熟阶段。

金准产业研究 5G产业链:射频功率放大器行业专题研究

前言

“5G”毫无疑问是当前无线通信领域最热点的话题,Sub-6GHz的产品已经上市,毫米波频段也在推进,虽然这是一个长期过程,但市场早已疯狂。

作为5G基站侧的核心器件,射频放大器正在提出更高要求,也必须有新的技术路线;宽禁带半导体材料的发展,GaN器件成为替代传统LDMOS的最佳选择,也是我们关注的重点方向,投资潜力巨大。

一、5G智能移动终端,射频PA的大机遇

1.1射频功率放大器(PA-射频器件皇冠上的明珠

射频功率放大器(PA)作为射频前端发射通路的主要器件,主要是为了将调制振荡电路所产生的小功率的射频信号放大,获得足够大的射频输出功率,才能馈送到天线上辐射出去,通常用于实现发射通道的射频信号放大。

手机射频前端:一旦连上移动网络,任何一台智能手机都能轻松刷朋友圈、看高清视频、下载图片、在线购物,这完全是射频前端进化的功劳,手机每一个网络制式(2G/3G/4G/WiFi/GPS),都需要自己的射频前端模块,充当手机与外界通话的桥梁—手机功能越多,它的价值越大。

射频前端模块是移动终端通信系统的核心组件,对它的理解可以从两方面考虑:一是必要性,它是连接通信收发器(transceiver)和天线的必经之路;二是重要性,它的性能直接决定了移动终端可以支持的通信模式,以及接收信号强度、通话稳定性、发射功率等重要性能指标,直接影响终端用户体验。

射频前端芯片包括功率放大器(PA),天线开关(Switch)、滤波器(Filter)、双工器(Duplexer和Diplexer)和低噪声放大器(LNA)等,在多模/多频终端中发挥着核心作用。

手机和WiFi连接的射频前端市场预计将在2023年达到352亿美元,复合年增长率为14%。

射频前端产业中最大的市场为滤波器,将从2017年的80亿美元增长到2023年225亿美元,复合年增长率高达19%。该增长主要来自于BAW滤波器的渗透率显著增加,典型应用如5GNR定义的超高频段和WiFi分集天线共享。

功率放大器市场增长相对稳健,复合年增长率为7%,将从2017年的50亿美元增长到2023年的70亿美元。高端LTE功率放大器市场的增长,尤其是高频和超高频,将弥补2G/3G市场的萎缩。

砷化镓器件应用于消费电子射频功放,是3G/4G通讯应用的主力,物联网将是其未来应用的蓝海;氮化镓器件则以高性能特点目前广泛应用于基站、雷达、电子战等军工领域,利润率高且战略位置显著,由于更加适用于5G,氮化镓有望在5G市场迎来爆发。

1.2 5G推动手机射频PA量价齐升

射频前端与智能终端一同进化,4G时代,智能手机一般采取1发射2接收架构。由于5G新增了频段(n412.6GHz,n773.5GHz和n794.8GHz),因此5G手机的射频前端将有新的变化,同时考虑到5G手机将继续兼容4G、3G、2G标准,因此5G手机射频前端将异常复杂。

预测5G时代,智能手机将采用2发射4接收方案。

无论是在基站端还是设备终端,5G给供应商带来的挑战都首先体现在射频方面,因为这是设备“上”网的关键出入口,即将到来的5G手机将会面临多方面的挑战:

更多频段的支持:因为从大家熟悉的b41变成n41、n77和n78,这就需要对更多频段的支持;

不同的调制方向:因为5G专注于高速连接,所以在调制方面会有新的变化,对功耗方面也有更多的要求。比如在4G时代,大家比较关注ACPR。但到了5G时代,则更需要专注于EVM(一般小于1.5%);

信号路由的选择:选择4Ganchor+5G数据连接,还是直接走5G,这会带来不同的挑战。

开关速度的变化:这方面虽然没有太多的变化,但SRS也会带来新的挑战。

其他如n77/n78/n79等新频段的引入,也会对射频前端形态产生影响,推动前端模组改变,满足新频段和新调谐方式等的要求。

Qorvo指出,5G将给天线数量、射频前端模块价值量带来翻倍增长。5G手机为例,单部手机的射频半导体用量达到25美金,相比4G手机近乎翻倍增长。其中滤波器从40个增加至70个,频带从15个增加至30个,接收机发射机滤波器从30个增加至75个,射频开关从10个增加至30个,载波聚合从5个增加至200个。

5G手机功率放大器(PA)用量翻倍增长:PA是一部手机最关键的器件之一,它直接决定了手机无线通信的距离、信号质量,甚至待机时间,是整个射频系统中除基带外最重要的部分。手机里面PA的数量随着2G、3G、4G、5G逐渐增加。以PA模组为例,4G多模多频手机所需的PA芯片为5-7颗,预测5G手机内的PA芯片将达到16颗之多。

5G手机功率放大器(PA)单机价值量有望达到7.5美元:同时,PA的单价也有显著提高,2G手机用PA平均单价为0.3美金,3G手机用PA上升到1.25美金,而全模4G手机PA的消耗则高达3.25美金,预计5G手机PA价值量达到7.5美元以上。

载波聚合与Massivie MIMO对PA的要求大幅增加。“一般情况下,2G只需非常简单的发射模块,3G需要有3G的功率放大器,4G要求更多滤波器和双工器载波器,载波聚合则需要有与前端配合的多工器,上行载波器的功率放大器又必须重新设计来满足线性化的要求。

5G无线通信前端将用到几十甚至上百个通道,要求网络设备或者器件供应商能够提供全集成化的解决方案,这大大增加产品设计的复杂度,无论对器件解决方案还是设备解决方案提供商都提出了很大技术挑战。

1.3 GaAs射频器件仍将主导手机市场

5G时代,GaAs材料适用于移动终端。GaAs材料的电子迁移率是Si的6倍,具有直接带隙,故其器件相对Si器件具有高频、高速的性能,被公认为是很合适的通信用半导体材料。在手机无线通信应用中,目前射频功率放大器绝大部分采用GaAs材料。在GSM通信中,国内的锐迪科和汉天下等芯片设计企业曾凭借RFCMOS制程的高集成度和低成本的优势,打破了采用国际龙头厂商采用传统的GaAs制程完全主导射频功放的格局。但是到了4G时代,由于Si材料存在高频损耗、噪声大和低输出功率密度等缺点,RFCMOS已经不能满足要求,手机射频功放重新回到GaAs制程完全主导的时代。与射频功放器件依赖于GaAs材料不同,90%的射频开关已经从传统的GaAs工艺转向了SOI(Silicon on insulator)工艺,射频收发机大多数也已采用RFCMOS制程,从而满足不断提高的集成度需求。

5G时代,GaN材料适用于基站端。在宏基站应用中,GaN材料凭借高频、高输出功率的优势,正在逐渐取代Si LDMOS;在微基站中,未来一段时间内仍然以GaAsPA件为主,因其目前具备经市场验证的可靠性和高性价比的优势,但随着器件成本的降低和技术的提高,GaNPA有望在微基站应用在分得一杯羹;在移动终端中,因高成本和高供电电压,GaNPA短期内也无法撼动GaAsPA的统治地位。

全球GaAs射频器件被国际巨头垄断。全球GaAs射频器件市场以IDM模式为主,主要厂商有美国Skyworks、Qorvo、Broadcom,日本村田等。据Strategy Analytics统计,2016年全球GaAs射频器件市场规模为81.9亿美元,同比增长0.9%。2016年,Skyworks、Qorvo和Broadcom在全球射频器件市场的占有率分别为30.67%、27.97%和7.39%,三家合计占有全球66%的份额,Skyworks和Qorvo更是处于全球遥遥领先的位置。

2017年GaAs晶圆代工市场,台湾稳懋(WinSemi)独占全球72.7%的市场份额,是全球第一大GaAs晶圆代工厂。

1.4 5G设备射频前端模组化趋势明显,SIP大有可为

5G将重新定义射频(RF)前端在网络和调制解调器之间的交互。新的RF频段(如3GPP在R15中所定义的sub-6GHz和毫米波(mm-wave))给产业界带来了巨大挑战。

LTE的发展,尤其是载波聚合技术的应用,导致当今智能手机中的复杂架构。同时,RF电路板和可用天线空间减少带来的密集化趋势,使越来越多的手持设备OEM厂商采用功率放大器模块并应用新技术,如LTE和WiFi之间的天线共享。

在低频频段,所包含的600MHz频段将为低频段天线设计和天线调谐器带来新的挑战。随着新的超高频率(N77、N78、N79)无线电频段发布,5G将带来更高的复杂性。具有双连接的频段重新分配(早期频段包括N41、N71、N28和N66,未来还有更多),也将增加对前端的限制。毫米波频谱中的5GNR无法提供5G关键USP的多千兆位速度,因此需要在前端模组中具有更高密度,以实现新频段集成。

5G手机需要4X4MIMO应用,这将在手机中增加大量RF流。结合载波聚合要求,将导致更复杂的天线调谐器和多路复用器。

RF系统级封装(SiP)市场可分为一级和二级SiP封装:各种RF器件的一级封装,如芯片/晶圆级滤波器、开关和放大器(包括RDL、RSV和/或凸点步骤);在表面贴装(SMT)阶段进行的二级SiP封装,其中各种器件与无源器件一起组装在SiP基板上。2018年,射频前端模组SiP市场(包括一级和二级封装)总规模为33亿美元,预计2018~2023年期间的复合年均增长率(CAGR)将达到11.3%,市场规模到2023年将增长至53亿美元。

金准产业研究团队预测2023年,PAMiDSiP组装预计将占RFSiP市场总营收的39%。2018年,晶圆级封装大约占RFSiP组装市场总量的9%。移动领域各种射频前端模组的SiP市场,包括:PAMiD(带集成双工器的功率放大器模块)、PAM(功率放大器模块)、RxDM(接收分集模块)、ASM(开关复用器、天线开关模块)、天线耦合器(多路复用器)、LMM(低噪声放大器-多路复用器模块)、MMMBPA(多模、多频带功率放大器)和毫米波前端模组。

金准产业研究团队预测,到2023年,用于蜂窝和连接的射频前端SiP市场将分别占SiP市场总量的82%和18%。按蜂窝通信标准,支持5G(sub-6GHz和毫米波)的前端模组将占到2023年RFSiP市场总量的28%。高端智能手机将贡献射频前端模组SiP组装市场的43%,其次是低端智能手机(35%)和奢华智能手机(13%)。

高通发布5G手机射频前端模组化方案。

2019年2月,高通宣布推出面向5G多模移动终端的第二代射频前端(RFFE)解决方案。全新推出的产品是一套完整的,可与全新Qualcomm®骁龙™X555G调制解调器搭配使用的射频解决方案,为支持6GHz以下频段和毫米波频段的高性能5G移动终端提供从调制解调器到天线的完整系统。支持更纤薄、更高效的5G多模移动终端。高通同时还发布了全球首款宣布的5G100MHz包络追踪解决方案QET6100、集成式5G/4G功率放大器(PA)和分集模组系列,以及QAT35555G自适应天线调谐解决方案。高通QET6100将包络追踪技术扩展到5GNR上行所需的100MHz带宽和256-QAM调制,这在之前被认为是无法实现的。该解决方案与其他平均功率追踪技术相比,可将功效提升一倍,以更长的电池续航时间支持传输数据更快的终端,还可显著改善网络运营商非常关注的网络覆盖与网络容量。

Qualcomm的全新先进射频前端功率放大器和分集模组包括:

功率放大器模组,搭配QET6100支持100MHz5G包络追踪。QPM6585、QPM5677和QPM5679分别支持n41、n77/78和n79频段。

/高频段5G/4G功率放大器模组QPM5670,包括集成式低噪声放大器(LNA)、射频开关、滤波器和5G六工器。

低频段5G/4G功率放大器模组QPM5621,包括集成式低噪声放大器、切换开关和滤波器,支持低频段/低频段载波聚合和双连接。

分集模组系列QDM58xx,包括集成式5G/4G低噪声放大器、射频开关和滤波器,支持6GHz以下频段接收分集和多输入多输出(MIMO)。

为帮助OEM厂商应对日益增多的天线和频段给移动终端设计带来的挑战,Qualcomm还推出了QAT3555SignalBoost自适应天线调谐器,将自适应天线调谐技术扩展到6GHz以下的5G频段;与上一代产品相比,其封装高度降低了25%,插入损耗显著减少。

二、5G基站,PA数倍增长,GaN大有可为

2.1 5G基站,射频PA需求大幅增长

5G基站PA数量有望增长16倍。4G基站采用4T4R方案,按照三个扇区,对应的PA需求量为12个,5G基站,预计64T64R将成为主流方案,对应的PA需求量高达192个,PA数量将大幅增长。

5G基站射频PA有望量价齐升。目前基站用功率放大器主要为基于硅的横向扩散金属氧化物半导体LDMOS技术,不过LDMOS技术仅适用于低频段,在高频应用领域存在局限性。对于5G基站PA的一些要求可能包括3~6GHz和24GHz~40GHz的运行频率,RF功率在0.2W~30W之间,我们研判5G基站GaN射频PA将逐渐成为主导技术,而GaN价格高于LDMOS和GaAs。

GaN具有优异的高功率密度和高频特性。提高功率放大器RF功率的最简单的方式就是增加电压,这让氮化镓晶体管技术极具吸引力。如果我们对比不同半导体工艺技术,就会发现功率通常会如何随着高工作电压IC技术而提高。硅锗(SiGe)技术采用相对较低的工作电压(2V至3V),但其集成优势非常有吸引力。GaAs拥有微波频率和5V至7V的工作电压,多年来一直广泛应用于功率放大器。硅基LDMOS技术的工作电压为28V,已经在电信领域使用了许多年,但其主要在4GHz以下频率发挥作用,因此在宽带应用中的使用并不广泛。新兴GaN技术的工作电压为28V至50V,优势在于更高功率密度及更高截止频率(Cutoff Frequency,输出讯号功率超出或低于传导频率时输出讯号功率的频率),拥有低损耗、高热传导基板,开启了一系列全新的可能应用,尤其在5G多输入输出(Massive MIMO)应用中,可实现高整合性解决方案。

典型的GaN射频器件的加工工艺,主要包括如下环节:外延生长-器件隔离-欧姆接触(制作源极、漏极)-氮化物钝化-栅极制作-场板制作-衬底减薄-衬底通孔等环节。

外延生长:采用金属氧化物化学气相沉积(MOCVD)或分子束外延(MBE)方式在SiC或Si衬底上外延GaN材料。

器件隔离:采用离子注入或者制作台阶(去除掉沟道层)的方式来实现器件隔离。射频器件之间的隔离是制作射频电路的基本要求。

欧姆接触:形成欧姆接触是指制作源极和漏极的电极。对GaN材料而言,制造欧姆接触需要在很高的温度下完成。

氮化物钝化:在源极和漏极制作完成后,GaN半导体材料需要经过钝化过程来消除悬挂键等界面态。GaN的钝化过程通常采用SiN(氮化硅)来实现。

栅极制作:SiN钝化层上开口,然后沉积栅极金属。至此,基本的场效应晶体管的结构就成型了。

场板制作:栅极制作完成后,继续沉积额外的几层金属和氮化物,来制作场板、互连和电容,此外,也可以保护器件免受外部环境影响。

衬底减薄:衬底厚度减薄至100μm左右,然后对减薄后的衬底背部进行金属化。

衬底通孔:通孔是指在衬底上表面和下表面之间刻蚀出的短通道,用于降低器件和接地(底部金属化层)之间的电感。

GaN材料已成为基站PA的有力候选技术。GaN是极稳定的化合物,具有强的原子键、高的热导率、在Ⅲ-Ⅴ族化合物中电离度是最高的、化学稳定性好,使得GaN器件比Si和GaAs有更强抗辐照能力,同时GaN又是高熔点材料,热传导率高,GaN功率器件通常采用热传导率更优的SiC做衬底,因此GaN功率器件具有较高的结温,能在高温环境下工作。GaN高电子迁移率晶体管(HEMT)凭借其固有的高击穿电压、高功率密度、大带宽和高效率,已成为基站PA的有力候选技术。

GaN射频器件更能有效满足5G的高功率、高通信频段和高效率等要求。相较于基于Si的横向扩散金属氧化物半导体(SiLDMOS,Lateral Double-diffused Metal-oxide Semiconductor)和GaAs,在基站端GaN射频器件更能有效满足5G的高功率、高通信频段和高效率等要求。目前针对3G和LTE基站市场的功率放大器主要有SiLDMOS和GaAs两种,但LDMOS功率放大器的带宽会随着频率的增加而大幅减少,仅在不超过约3.5GHz的频率范围内有效,而GaAs功率放大器虽然能满足高频通信的需求,但其输出功率比GaN器件逊色很多。在5G高集成的Massive MIMO应用中,它可实现高集成化的解决方案,如模块化射频前端器件。在毫米波应用上,GaN的高功率密度特性在实现相同覆盖条件及用户追踪功能下,可有效减少收发通道数及整体方案的尺寸。实现性能成本的最优化组合。随着5G时代的到来,小基站及Massive MIMO的飞速发展,会对集成度要求越来越高,GaN自有的先天优势会加速功率器件集成化的进程。5G会带动GaN这一产业的飞速发展。然而,在移动终端领域GaN射频器件尚未开始规模应用,原因在于较高的生产成本和供电电压。GaN将在高功率,高频率射频市场发挥重要作用。

2.2 GaN射频PA有望成为5G基站主流技术

预测未来大部分6GHz以下宏网络单元应用都将采用GaN器件,小基站GaAs优势更明显。就电信市场而言,得益于5G网络应用的日益临近,将从2019年开始为GaN器件带来巨大的市场机遇。相比现有的硅LDMOS(横向双扩散金属氧化物半导体技术)和GaAs(砷化镓)解决方案,GaN器件能够提供下一代高频电信网络所需要的功率和效能。而且,GaN的宽带性能也是实现多频带载波聚合等重要新技术的关键因素之一。GaNHEMT(高电子迁移率场效晶体管)已经成为未来宏基站功率放大器的候选技术。由于LDMOS无法再支持更高的频率,GaAs也不再是高功率应用的最优方案,预计未来大部分6GHz以下宏网络单元应用都将采用GaN器件。5G网络采用的频段更高,穿透力与覆盖范围将比4G更差,因此小基站(small cell)将在5G网络建设中扮演很重要的角色。不过,由于小基站不需要如此高的功率,GaAs等现有技术仍有其优势。与此同时,由于更高的频率降低了每个基站的覆盖率,因此需要应用更多的晶体管,预计市场出货量增长速度将加快。

金准产业研究团队预计到2025年GaN将主导RF功率器件市场,抢占基于硅LDMOS技术的基站PA市场。根据yole的数据,2014年基站RF功率器件市场规模为11亿美元,其中GaN占比11%,而横向双扩散金属氧化物半导体技术(LDMOS)占比88%。2017年,GaN市场份额预估增长到了25%,并且预计将继续保持增长。预计到2025年GaN将主导RF功率器件市场,抢占基于硅LDMOS技术的基站PA市场。

对于既定功率水平,GaN具有体积小的优势。有了更小的器件,则可以减小器件电容,从而使得较高带宽系统的设计变得更加轻松。

氮化镓基MIMO天线功耗可降低40%。下图展示的是锗化硅和氮化镓的毫米波5G基站MIMO天线方案,左侧展示的是锗化硅基MIMO天线,它有1024个元件,裸片面积是4096平方毫米,辐射功率是65dbm,与之形成鲜明对比的,是右侧氮化镓基MIMO天线,尽管价格较高,但功耗降低了40%,裸片面积减少94%。

GaN适用于大规模MIMO

GaN芯片每年在功率密度和封装方面都会取得飞跃,能比较好的适用于大规模MIMO技术。当前的基站技术涉及具有多达8个天线的MIMO配置,以通过简单的波束形成算法来控制信号,但是大规模MIMO可能需要利用数百个天线来实现5G所需要的数据速率和频谱效率。大规模MIMO中使用的耗电量大的有源电子扫描阵列(AESA),需要单独的PA来驱动每个天线元件,这将带来显著的尺寸、重量、功率密度和成本(SWaP-C)挑战。这将始终涉及能够满足64个元件和超出MIMO阵列的功率、线性、热管理和尺寸要求,且在每个发射/接收(T/R)模块上偏差最小的射频PA。

MIMOPA年复合增长率将达到135%。预计2022年,4G/5G基础设施用RF半导体的市场规模将达到16亿美元,其中,MIMOPA年复合增长率将达到135%,射频前端模块的年复合增长率将达到119%。

金准产业研究团队预计未来5~10年,GaN将成为3W及以上RF功率应用的主流技术。根据Yole预测,2017年,全球GaN射频市场规模约为3.84亿美元,在3W以上(不含手机PA)的RF射频市场的渗透率超过20%。GaN在基站、雷达和航空应用中,正逐步取代LDMOS。随着数据通讯、更高运行频率和带宽的要求日益增长,GaN在基站和无线回程中的应用持续攀升。

在未来的网络设计中,针对载波聚合和大规模输入输出(MIMO)等新技术,GaN将凭借其高效率和高宽带性能,相比现有的LDMOS处于更有利的位置。未来5~10年内,预计GaN将逐步取代LDMOS,并逐渐成为3W及以上RF功率应用的主流技术。而GaAs将凭借其得到市场验证的可靠性和性价比,将确保其稳定的市场份额。LDMOS的市场份额则会逐步下降,预测期内将降至整体市场规模的15%左右。

2023年,GaNRF器件市场规模达到13亿美元,约占3W以上的RF功率市场的45%。截止2018年底,整个RFGaN市场规模接近4.85亿美元。未来大多数低于6GHz的宏网络单元实施将使用GaN器件,无线基础设施应用占比将进一步提高至近43%。

2.3 RFGaN市场的发展方向

GaN技术主要以IDM为主。经过数十年的发展,GaN技术在全球各大洲已经普及。市场领先的厂商主要包括Sumitomo Electric、Wolfspeed(Cree科锐旗下)、Qorvo,以及美国、欧洲和亚洲的许多其它厂商。化合物半导体市场和传统的硅基半导体产业不同。相比传统硅工艺,GaN技术的外延工艺要重要的多,会影响其作用区域的品质,对器件的可靠性产生巨大影响。这也是为什么目前市场领先的厂商都具备很强的外延工艺能力,并且为了维护技术秘密,都倾向于将这些工艺放在自己内部生产。

GaN-on-SiC更具有优势。尽管如此,Fabless设计厂商通过和代工合作伙伴的合作,发展速度也很快。凭借与代工厂紧密的合作关系以及销售渠道,NXP和Ampleon等领先厂商或将改变市场竞争格局。同时,目前市场上还存在两种技术的竞争:GaN-on-SiC(碳化硅上氮化镓)和GaN-onsilicon(硅上氮化镓)。它们采用了不同材料的衬底,但是具有相似的特性。理论上,GaN-on-SiC具有更好的性能,而且目前大多数厂商都采用了该技术方案。不过,M/A-COM等厂商则在极力推动GaN-on-Silicon技术的广泛应用。未来谁将主导还言之过早,目前来看,GaN-on-silicon仍是GaN-on-SiC解决方案的有力挑战者。

2.4全球GaN射频器件产业链竞争格局

境外GaN射频器件产业链重点公司及产品进展

GaN微波射频器件产品推出速度明显加快。目前微波射频领域虽然备受关注,但是由于技术水平较高,专利壁垒过大,因此这个领域的公司相比较电力电子领域和光电子领域并不算很多,但多数都具有较强的科研实力和市场运作能力。GaN微波射频器件的商业化供应发展迅速。据材料深一度对Mouser数据统计分析显示,截至2018年4月,共有4家厂商推出了150个品类的GaNHEMT,占整个射频晶体管供应品类的9.9%,较1月增长了0.6%。

Qorvo产品工作频率范围最大,Skyworks产品工作频率较小。Qorvo、CREE、MACOM73%的产品输出功率集中在10W~100W之间,最大功率达到1500W(工作频率在1.0-1.1GHz,由Qorvo生产),采用的技术主要是GaN/SiCGaN路线。此外,部分企业提供GaN射频模组产品,目前有4家企业对外提供GaN射频放大器的销售,其中Qorvo产品工作频率范围最大,最大工作频率可达到31GHz。Skyworks产品工作频率较小,主要集中在0.05-1.218GHz之间。

Qorvo射频放大器的产品类别最多。在我国工信部公布的2个5G工作频段(3.3-3.6GHz、4.8-5GHz,)内,Qorvo公司推出的射频放大器的产品类别最多,最高功率分别高达100W和80W(1月份Qorvo在4.8-5GHz的产品最高功率为60W),ADI在4.8-5GHz的产品最高功率提高到50W(之前产品的最高功率不到40W),其他产品的功率大部分在50W以下。

大陆GaN射频器件产业链重点公司及产品进展:欧美国家出于对我国技术发展速度的担忧及遏制我国新材料技术的发展想法,在第三代半导体材料方面,对我国进行几乎全面技术封锁和材料封锁。在此情况下,我国科研机构和企业单位立足自主创新,目前在GaN微波射频领域已取得显著成效,在军事国防领域和民用通信领域两个领域进行突破,打造了中电科13所、中电科55所、中兴通信、大唐移动等重点企业以及中国移动、中国联通等大客户。

苏州能讯推出了频率高达6GHz、工作电压48V、设计功率从10W-320W的射频功率晶体管。在移动通信方面,苏州能讯已经可以提供适合LTE、4G、5G等移动通信应用的高效率和高增益的射频功放管,工作频率涵盖1.8-3.8GHz,工作电压48V,设计功率从130W-390W,平均功率为16W-55W。

三、5G时代,窄带物联网设备射频前端迎来发展新机遇

伴随着5G大幕拉开,特别是对于智能手机来说,新的应用和新需求,刺激着射频前端市场涌现出很多新名词,比如,MIMO,HPUE,NSA,SA,PAMiD等等。射频前端需要更高整合度,从而支持更加复杂的频段和通信标准。

IOT设备射频前端要求更低功耗,更长待机时间和更低的成本。在手机市场追求更快更强的同时,有另外一个市场就是窄带物联网(Cat-M/NB-IoT),它在另外一个维度满足市场需求,比如更低功耗,更长待机时间和更低的成本。新的Cat-M和NB-IoT网络中,对于终端的要求在发生变化,应用于该设备的射频前端器件也有新的发展要求。新的射频前端需要在支持超宽带工作,并且保证低成本的情况下,满足更大范围的工作电压和工作温度,同时达到3GPP规定的射频性能标准。

NB-IoT主要应用场景:

智能安全;

智能基础设施:智能路灯,智能井盖,智能充电,智能停车;

智能表计;

智能监控。

在有些领域,出现了迅速的增长:

电动自行车监控和管理

智能烟雾传感器

智能表计(水表/气表/电表)

另外,目前有一些基于NB-IoT的新的应用,也引起市场极大的兴趣。

智能停车服务:集成了云服务大数据平台,现场交通和停车位信息搜集,通过手机的电子支付,能实现方便的无人值守停车。

智能穿戴市场:得益于低功耗,NB-IoT终端能够实现超长待机。通过运营商的广域网连接,定位数据和健康数据能自动上传到企业云的个人帐号中,摆脱了传统局域网或者需要连接手机同步数据的束缚。这一点非常适合给老人和小孩的无人看护或者出门定位服务。管理员通过划定电子安全区域,智能穿戴设备出了安全区后,报警信息会自动传到云端和管理员。

NB-IoTPA需要低成本和低功耗

基于蜂窝网的万物互联是一项有前景的新技术,从射频前端供应商的角度,我们看到了一些新的市场需求。新的垂直市场。在已有的蜂窝网需求的基础上,新的低成本和低功耗的解决方案,将会用到新的市场应用当中。

多种连接标准会同时共存。产品形态会表现为从简单的低功耗和单频段无线单元,一直到复杂的LTE和5GNewRadio的全球蜂窝网解决方案。多样的应用场景和需求。复杂多样的最终用户市场还有应用,会带来需求和产品的多样化,其中包括室内的应用和户外的一些极端温度和高可靠性要求的场景。

NB-IoT的PA要求低成本和高效。NB-IoT虽然有要求和LTE相同的上行功率(powerclass3),但是信号的峰均比较低。另外,NB-IoT采用半双工方式工作,避免使用FDD双工器,PA后端的插入损耗小。这些因素可以让NB-IoT的PA更加偏向于非线性的设计,同时采用更小的Die设计,从而达到节省成本和提高效率的目的。

对于NB-IoTPA来讲,超宽带、低电压、极端温度和低成本是重点要考虑的方向。

超宽带:以低频为例,NB-IoTPA需要工作在663MHz~915MHz,可用带宽是252MHz。

低电压:需要支持1.8V到4.3V工作电压,以便满足不同的电池环境需求。

高效率:具备不同的功率模式,从而优化不同功率和电压下面的效率。同时在headroom设计方面,考虑到Cat-M/NB的最高输出功率需求。

极端温度:满足-30/-40~+85degreeC工作温度范围。

小尺寸:典型的NB模块大小为26.5mmx22.5mmx2.3mm。这个大约相当于一张名片的七分之一。射频前端的尺寸会是很重要的考虑因素。

低成本:NB模块会逐步取代市场上的2G模块,销售价格日趋向2G模块靠拢。射频前端的价格竞争和成本考量无法避免。

5G渐行渐近,国际巨头纷纷布局射频产业

当前射频前端市场产业链已经非常成熟,欧美IDM大厂技术领先,规模优势明显。例如其中在SAW滤波器中,全球80%的市场份额被Murata、TDK、TAIYOYUDEN所瓜分,而在4G、5G中应用的BAW滤波器则被Avago(Broadcomm)和Qorvo占据95%的市场空间,PA全球93%的市场集中在Skyworks、Qorvo和Avago(Broadcomm)手中。

高通领先布局5G,竞争者纷纷跟进。随着5G手机和无线基础设施技术的成熟,相关应用将会出现。这需要一定的时间,许多厂商已经在为自己的“市场蛋糕”做好了准备。新的商业模式将会浮现:例如一些电信运营商正在部署pre-5G网络(自己的标准),作为光纤替代品应用于住宅宽带。高通(Qualcomm)在5G布局快人一步,已推出多款5G产品,其它厂商也都在探索之中。此外,英特尔(Intel)、三星(Samsung),以及领先的RFCMOS/SOI代工厂(GLOBALFOUNDRIES、TOWERJAZZ、台联电、台积电等)都在布局5G射频产业。

博通(Broadcom)、Skyworks在高频优势明显。6GHz以下频段方面,目前的射频前端领导者,如博通(Broadcom)、Qorvo、Skyworks、村田(Murata),已经开始适应这些变化。Broadcom通过将中高频融合在一起,为5G超高频段的到来做好了准备。凭借其FBAR体声波(BAW)滤波器技术,Broadcom还掌握了高频和超高频的主要关键模块。Skyworks定位于5G超高频市场,新推出了Sky5平台。这些先进的无线引擎包括高度集成的高性能发送/接收前端方案,以及分集接收(DRx)模块。此外,凭借其SkyOneLiTE平台,Skyworks已在高端市场获得了一些设计大奖;在低端市场方面,赢得中国OEM厂商(华为、OPPO、vivo、小米)的青睐。

Qorvo组合拳产品多元化。采用类似的方法,分别通过RFFusion和RFFlex平台提供涵盖高端和低端市场的广泛产品组合。Qorvo的另一个优势在于其内部测试和封装能力,可以缩短响应时间并持续改进。值得注意的是,Qorvo是第一家推出用于超高频段覆盖的射频前端模组厂商。Murata主要涉足低频段,但非常适合不断增长的多样化射频模组市场。高通(Qualcomm)是新进入者,带来了从调制解调器到天线的端到端解决方案。此外,对TDKEpcos滤波技术的战略投资已经初见成效。

毫米波有机会破坏竞争格局。5G将重新定义射频前端如何在网络和调制解调器之间“交互”。实际上,新的射频频段,6GHz以下频段(Sub-6GHz)和毫米波,对该行业产生了巨大挑战,并有机会破坏市场竞争格局。除了6GHz以下频段之外,毫米波频段将完全“破坏”射频前端产业,代表一种完全不同的技术思维,可以为高速传输数据创造新的途径。虽然Qualcomm是明确的毫米波技术新进入者,但还有英特尔(Intel)、三星(Samsung)、海思(HiSilicon)、联发科(Mediatek)等企业也在探索这一新商机!

结语

4G建设高峰期,国内市场平均每年功率放大器的市场空间约在42亿元。考虑到单站功率放大器价格的大幅提升,到了5G时代,单站价格的大幅上涨将推动功率放大器的总市场空间大幅提升,假设5G建设周期为2020-2025年,预计建设高峰期(2020-2023)宏基站功率放大器市场空间每年可达约108.2-188.9亿元,相较4G规模建设期,市场空间同比增长158%-350%。

传统基站功率放大器领域,主要由恩智浦(NXP)、飞思卡尔(Freescale)和英飞凌(Infineon)三家公司垄断,2015年NXP完成收购Freescale,为了规避反垄断调查,NXP便将自己的RFPower部门以18亿美元的价格出售给国内的北京建广资本,收购的恩智浦RFPower部门现改组为Ampleon公司,截止到2016年底,Ampleon在全球基站功率放大器领域的市场占有率达到了约38%,排名世界第二。

2018年6月,国内A股上市公司旋极信息发布公告,与合肥瑞成股东之一北京嘉广资产管理中心签订《合作意向书》,拟购买其持有的合肥瑞成股权,从而间接收购Ampleon股权。

金准产业研究团队认为,未来,随着毫米波等高频段技术的成熟,GaN作为主流技术将成为必然,化合物半导体相关产业链公司将深度受益。


金准产业研究 人工智能产业深度研究——半导体篇(上)

前言

目前人工智能芯片仍多是以GPU, 张量处理器, 或FPGA+CPU 为主, 但未来ASIC将在边缘运算及设备端遍地开花,及逐步渗透云端市场,预估全球AI云端半导体市场于2018-2025年CAGR应有 37%,边缘运算及设备端半导体市场于2018-2025年CAGR应有 249%, 远超过全球半导体市场在同时间CAGR的5%, 占整体份额从2018年的1% 到2025年的10%,超过10倍数增长可期。

一、人工智能平台到底是工具还是应用?

人工智能平台包括芯片,模组,软件在一般人看起来像是一种新型应用但在我们看来人工智能芯片在整合软硬件后将成为各种物联网应用的提升效能工具平台这就像我们常用的微软Office软件微软Office软件是我们在办公室应付各种应用的生财工具因此人工智能平台除了被广泛利用在云端大数据的深度学习训练和推断外我们认为人工智能平台也将出现在各式各样的应用端的边缘设备,从英伟达公布的数字来看,早在2016年,公司就累计了7大领域高等教育,发展工具,互联网,自驾车,金融,政府,生命科学19439客户使用其深度学习的服务工具配合软件和之前在云端大数据的深度学习训练和推断的数据成果库来达到帮助使用者或取代使用者来执行更佳的智能判断推理。

虽然目前人工智能芯片仍多是以昂贵的图形处理器GPU),张量处理器Tensor Processing Unit),或现场可编程门阵列芯片配合中央处理器FPGA+CPU为主来用在云端的深度学习训练和推理的数据中心但未来特定用途集成电路ASIC将在边缘运算及设备端所需推理及训练设备遍地开花,及逐步渗透部分云端市场,成为人工智能芯片未来的成长动能我们预估全球人工智能云端半导体市场于2018-2025年复合成长率应有37%,边缘运算及设备端半导体市场于2018-2025年复合成长率应有249%请参考图表),远超过全球半导体市场在同时间的复合成长率的5%整体约占全球半导体市场的份额从2018年的1%到2025年的10%。

二、人工智能会渗入各领域应用-无所不在

当大多数的产业研究机构把自驾车Autonomous drive vehicle),虚拟/扩增实境Virtual Reality/Augmented Reality),无人商店Unmanned store),安防智能监控Smart Surveillance System),智能医疗,智能城市,和智能亿物联网Internet of ThingsIoT分别当作半导体产业不同的驱动引擎国金半导体研究团队认为其实自驾/电动车5G虚拟/扩增实境无人商店安防智能监控智能医疗,智能城市其实都只是人工智能亿物联网的延伸。

2.1无人驾驶/电动/联网车对半导体的需求爆增10

虽然全球汽车半导体产业,目前由传统的整合元件制造商IDM掌控,但未来很难说,主要是因为先进辅助或自动驾驶系统兴起,人工智能,摄像,传感,雷达芯片公司的出现。像英伟达图形处理器Xavier,Pegasus320,谷歌张量处理器Tensor Processing Unit,英特尔/Alt era/Mobil eye的CPU/FPGA/AI解决方案,地平线L3/L4自动驾驶Matrix1.0平台,征程2.0芯片),高通,联发科,华为/海思的5G无线通信平台及毫米波雷达,索尼,豪威的传感器,博通及瑞昱的以太网络芯片。尤其是自动驾驶对雷达,摄像头,传感器及芯片的3倍增幅千倍的3D视频数据的上传及云端的存储学习推理因无人驾驶车设备及云端建制成本高昂US$150000/Way mo车),额外成本必须由广大消费者共同分摊费用较有利,乘坐共享公交服务业产品运送的后勤支援业无人驾驶应会领先乘用车市场,而Way mo/谷歌将带动出租车/公交车自动驾驶市场,领先英伟达的自驾乘用车市场请参阅国金电动,无人驾驶,车联网的三部曲驱动力的深度报告),依照美国加州DMVDepartment of Moter Vehicles最新公布的资料显示Way mo于去年测试的120万英里中,每1000英里发生解除自驾系统状况频率是0.09次,运低于前年的0.179次,及通用Cruise的0.19次,苹果的872次,及Uber的2860次自动泊车、车道偏离检测、无人驾驶的带宽需求,及车内电线费用和重量的不断增加。为了让增加数倍的电子控制单元ECU能彼此间快速地沟通数倍的以太网路节点和转换器芯片需求便随之而来。

2.2无人商店及安防智能监控

除了自动驾车联网外最近风起云涌的无人商店和智能监控不也是利用大量监控摄像头配合三维人脸辨识系统二维码/近场通讯来收集大数据资料再透过WiFi/xDSL/光纤传输将资料送到云端人工智能储存与处理来达到无需柜台人员的无人商店和能随时辨识的视频智能监控而政府机关可透过此系统来调查人口移动来重新设计城市智能公共交通系统协寻通缉犯恐怖分子失踪人口及在展场车站机场学校大型活动场地的安全监护系统整合业者除可做无人商店外也可靠着人口动向来预测消费热点商家必备),人口居住热点房地产业必备),如果再配合无人商店,线上购物系统,和政府的大数据系统业者便可更精准的投送广告发展个人信用评级。类似于自驾车联网无人店和监控联网系统需要大量并且高清晰度的三维辨识摄像头和芯片传输系统和芯片和庞大的云端,边缘运算,及设备端的储存及智能训练及推理的各式高速芯片及软件。

2.3智能医疗

智能医疗系统可利用三维脸部个人辨识来挂号减少排队时间让看诊更顺畅。医院可收集资料并整合个人在不同医疗院所的所有医疗纪录医生可利用人工智能数据平台辅助做更精准的医疗判断减少重复用药的浪费和对病人的副作用医院可利用此大数据资料做更深入的医学研究数家政府医院应先抛砖引玉带头做整合。

2.4智能亿物联网

(1) 空污,水污染化学感测物联网政府是否应利用强制安装并定期检验各式气体/液体的物联网化学感测器在每部汽、机车和工厂排污管道上再透过大量的低耗能无线通讯将资料上传到云端储存和处理并透过人工智能来监测空污水污来收取空污或水污税

(2) 身份识别证明联网大型互联网企业像谷歌Googl US),百度Baidu US),腾讯00700.HK),或海康威视002415.SZ为何不能发展三维脸部个人辨识智能系统来整合所有的线上线下购物启动驾驶银行转帐/汇款/提款进入手机/电脑/应用App和政府机关办事所需要的身份证明。您可否想过你现在要纪录多少密码多少使用者名称身上带着多少付款软体银行卡,信用卡钞票居民身分证交通卡,驾照护照居民健康卡电梯卡加油卡金融社保卡大卖场会员证和各式通行卡

(3) 同步翻译连网目前先进智能芯片/软体的语音辨识速度太慢和不够精准的理解与翻译应是语言同步翻译机仍未大卖的主因但透过更高速的智能芯片无线通讯芯片和更庞大的语音数据库来训练云和端的人工智能的推理反应相信未来国际多种语言的零障碍沟通将指日可待

(4) 人工智能教师和消费机器人当把强大的人工智能导入到人工智能教师和消费机器人联网物中透过不断的反覆学习这不但可提升学生的教育水平和兴趣未来都能解决老人及残障人士的健康照顾清洁饮食娱乐保全等需求减少后代的负担及外佣虐老事件也明显能提升老人和残障人士的寿命和生活品质。

三、三种主流人工智能演算法

最早的人工智能出现及运用在1950-1980年代,接着转换到1980-2010年机器学习,从2010年以后,随着各种演算法CNNsRNNsDNNs等图影像视觉学习,辨识,推理的普及,让深入人工智能深入学习的突飞猛进。深度学习是人工智能和机器学习的一个子集,它使用多层人工神经网络在诸如对象检测,语音识别,语言翻译等任务中提供最先进的准确性。深度学习与传统的机器学习技术的不同之处在于,它们可以自动学习图像,视频或文本等数据的表示,而无需引入手工编码规则或人类领域知识。它们高度灵活的架构可以直接从原始数据中学习,并在提供更多数据时提高其预测准确性。人工智能的深度学习最近取得的许多突破,例如谷歌Deep Mind的AlphaGo及更强大的Alpha Zero陆续在围棋,西洋棋类比赛夺冠,谷歌Waymo英伟达的Xavier/Pegasus320Intel/Mobil eye的Eye4/5自动驾驶汽车解决方案,亚马逊的Alexa谷歌的Google Assistant苹果Siri,微软的Cortana及三星的Bixby智能语音助手等等。借助加速的深度学习框架,研究人员和数据科学家可以显着加快深度学习培训,可以从数天或数周的学习缩短到数小时。当模型可以部署时,开发人员可以依靠人工智能芯片加速的推理平台来实现云,边缘运算设备或自动驾驶汽车,为大多数计算密集型深度神经网络提供高性能,低延迟的推理。

3.1卷积神经网络CNNsConvolutional Neural Networks

卷积神经网络CNN是建立在模拟人类的视觉系统,并透过图影像分类模型的突破,也将是,主要来自于发现可以用于逐步提取图影像内容的更高和更高级别的表示。CNN是将图像的原始像素数据作为输入,并‚学习‛如何提取这些特征,并最终推断它们构成的对象。首先,CNN接收输入特征图三维矩阵,其中前两个维度的大小对应于图像的长度和宽度以像素为单位,第三维的大小为3对应于彩色图像的3个通道红色,绿色和蓝色CNN包括一堆模块,每个模块执行三个操作。举例而言,卷积将3x3过滤贴图的9个条件0,1套用先乘后求和以获得单个值5x5输入特征贴图的9个像素特征上,而得出3x3全新的卷积输出特征贴图。在每次卷积操作之后,会采用最大池演算法Max poolingCNN对卷积特征贴图进行下采样以节省处理时间,同时仍保留最关键的特征信息,最大池化是要从特征贴图上滑动并提取指定大小的图块2x2,对于每个图块,最大值将输出到新的特征贴图,并丢弃所有其他值。在卷积神经网络的末端是一个或多个完全连接的层,完全连接的层将一层中的每个神经元连接到另一层中的每个神经元。它原则上与多层感知器神经网络multi-layer perceptron neural networkMLP类似,他们的工作是根据卷积提取的特征进行分类,CNN可以包含更多或更少数量的卷积模块,以及更多或更少的完全连接层,工程师经常试验要找出能够为他们的模型产生最佳结果的配置。总之,CNN专门于图影像处理如自动驾驶汽车,安防,人脸辨识,及疾病图像辨识解决方案。

3.2循环神经网络RNNsRecurrent Neural Network

RNN是一类人工听觉及说话的神经网络,具有记忆或反馈回路,可以更好地识别数据中的模式。RNN是常规人工神经网络的扩展,它增加了将神经网络的隐藏层送回自身的连接-这些被称为循环连接。循环连接提供了一个循环网络,不仅可以看到它提供的当前数据样本,还可以看到它以前的隐藏状态。具有反馈回路的循环网络可以被视为神经网络的多个副本,其中一个的输出用作下一个的输入。与传统的神经网络不同,循环网络使用他们对过去事件的理解来处理输入向量,而不是每次都从头开始。当正在处理数据序列以进行分类决策或回归估计时,RNN特别有用,循环神经网络通常用于解决与时间序列数据相关的任务。不同于CNN专门于图影像处理,循环神经网络的应用包括自然语言处理,语音识别,机器翻译,字符级语言建模,图像分类,图像字幕,股票预测和金融工程。机器翻译是指使用机器将一种语言的源序列句子,段落,文档翻译成相应的目标序列或另一种语言的矢量。由于一个源句可以以许多不同的方式翻译,因此翻译基本上是一对多的,并且翻译功能被建模为有条件而非确定性。在神经机器翻译NMT中,我们让神经网络学习如何从数据而不是从一组设计规则进行翻译。由于我们处理时间序列数据,其中语境的上下文和顺序很重要,因此NMT的首选网络是递循环神经网络。可以使用称为注意的技术来增强NMT,这有助于模型将其焦点转移到输入的重要部分并改进预测过程。举两RNN的例子,为了跟踪你的自助餐厅主菜的哪一天,每周在同一天运行同一菜的严格时间表。如周一的汉堡包,周二的咖喱饭,周三的披萨,周四的生鱼片寿司和周五的意大利面。使用RNN,如果输出‚生鱼片寿司‛被反馈到网络中以确定星期五的菜肴,那么RNN将知道序列中的下一个主菜是意大利面因为它已经知道有订单而周四的菜刚刚发生,所以星期五的菜是下一个。另一个例子是如果我跑了10英里,需要喝一杯什么?人类可以根据过去的经验想出如何填补空白。由于RNN的记忆功能,可以预测接下来会发生什么,因为它可能有足够的训练记忆,类似这样的句子以‚水‛结束以完成答案。

3.3深度神经网络DNNsDeep Neural Network

DNN在视觉,语言理解和语音识别等领域取得了关键突破。为了实现高精度,需要大量数据和以后的计算能力来训练这些网络,但这些也带来了新的挑战。特别是DNN可能容易受到分类中的对抗性示例,强化学习中遗忘任务,生成建模中的模式崩溃的影响以及过长的运算时间。为了构建更好,更强大的基于DNN的系统,是能否有效地确定两个神经网络学习的表示何时相同?我们看到的两个具体应用是比较不同网络学习的表示,并解释DNN中隐藏层所学习的表示。设置的关键是将DNN中的每个神经元解释为激活向量,神经元的激活矢量是它在输入数据上产生的标量输出。例如,对于50个输入图像,DNN中的神经元将输出50个标量值,编码它对每个输入的响应量。然后,这50个标量值构成神经元的激活矢量。因为深度神经网路的规模即层数和每层的节点数,学习率,初始权重等众多参数都需要考虑。扫描所有参数由于时间代价的原因并不可行,因而小批次训练微型配料,即将多个训练样本组合进行训练而不是每次只使用一个样本进行训练,被用于加速模型训练。而最显著地速度提升来自GPU,因为矩阵和向量计算非常适合使用GPU实现。但使用大规模集群进行深度神经网路训练仍然存在困难,因而深度神经网路在训练并列化方面仍有提升的空间。

四、到底哪种人工智能芯片将成云计算的主流?

深度学习是一种需要训练的多层次大型神经网络结构请参考图表,其每层节点相当于一个可以解决不同问题的机器学习。利用这种深层非线性的网络结构,深度学习可以从少数样本展现强大的学习数据集本质特征的能力。简单来说,深度学习神经网络对数据的处理方式和学习方式与人类大脑的神经元更加相似和准确。谷歌的阿法狗也是先学会了如何下围棋,然后不断地与自己下棋,训练自己的深度学习神经网络更厉害的阿法零Alpha Zero透过更精准的节点参数不用先进行预先学习就能自我演化训练学习。深度学习模型需要通过大量的数据训练才能获得理想的效果训练数据的稀缺使得深度学习人工智能在过去没能成为人工智能应用领域的主流算法。但随着技术的成熟,加上各种行动、固定通讯设备、无人驾驶交通工具可穿戴科技各式行动、固定监控感测系统能互相连接与沟通的亿物联网,骤然爆发的大数据满足了深度学习算法对于训练数据量的要求。

训练和推理所需要的神经网络运算类型不同。神经网络分为前向传播Forward algorithm其中包括输入层隠藏层输出层和后向传播Backward algorithm主要指的是梯度运算两者都包含大量并行运算。训练同时需要前向和后向传播推理则主要是前向传播。一般而言训练过程相比于推理过程计算量体更大。云端人工智能系统透过海量的数据集和调整参数优化来负责训练和推理,边缘运算终端人工智能设备负责推理。推理可在云端进行,也可以在边缘运算端或设备端进行。等待模型训练完成后,将训练完成的模型主要是各种通过训练得到的参数用于各种应用。应用过程主要包含大量的乘累加矩阵运算,并行计算量很大,但和训练过程比参数相对固定,不需要大数据支撑,除在云端实现外,也可以在边缘运算端实现。推理所需参数可由云端训练完毕后,定期下载更新到应用终端。

4.1在深度学习半导体领域里,最重要的是数据和运算

谁的晶体管数量多,芯片面积大谁就会运算快和占据优势。因此,在处理器的选择上,可以用于通用基础计算且运算速率更快的GPU迅速成为人工智能计算的主流芯片根据美国应用材料的公开资料请参考图表),英伟达的人工智能逻辑芯片配合英特尔的中央处理器服务器芯片面积达7432mm2,是不具人工智能的企业用和大数据服务器的八倍或谷歌专用张量处理器人工智能服务器的三倍多存储器耗用面积32512mm2是其他服务器的三倍以上。可以说,在过去的几年,尤其是2015年以来,人工智能大爆发就是由于英伟达公司的图形处理器得到云端主流人工智能的应用。但未来因为各个处理器的特性不同我们认为英伟达的图形处理器GPU和谷歌的张量处理器仍能主导通用性云端人工智能深度学习系统的训练可编程芯片FPGA的低功耗及低延迟性应有利于主导云端人工智能深度学习系统的推理,而特殊用途集成电路ASIC未来将主导边缘运算及设备端的训练及推理,但因为成本,运算速度,及耗电优势,也会逐步侵入某些特殊应用人工智能云端服务器市场,抢下训练及推理运算的一席之地以下就先列出各种处理器在云端人工智能系统的优缺点

4.2中央处理器CPU

X86和ARM在内的传统CPU处理器架构往往需要数百甚至上千条指令才能完成一个神经元的处理,但对于并不需要太多的程序指令,却需要海量数据运算的深度学习的计算需求,这种结构就显得不佳。中央处理器CPU需要很强的处理不同类型数据的计算能力以及处理分支与跳转的逻辑判断能力,这些都使得CPU的内部结构异常复杂现在CPU可以达到64bit双精度,执行双精度浮点源计算加法和乘法只需要1~3个时钟周期,时钟周期频率达到1.532~3gigahertz。CPU拥有专为顺序逻辑处理而优化的几个核心组成的串行架构,这决定了其更擅长逻辑控制、串行运算与通用类型数据运算当前最顶级的CPU只有6核或者8核,但是普通级别的GPU就包含了成百上千个处理单元,因此CPU对于影像,视频计算中大量的重复处理过程有着天生的弱势。

4.3图形处理器GPU仍主导云端人工智能深入学习及训练

最初是用在计算机、工作站、游戏机和一些移动设备上运行绘图运算工作的微处理器但其海量数据并行运算的能力与深度学习需求不谋而合,因此,被最先引入深度学习。GPU只需要进行高速运算而不需要逻辑判断。GPU具备高效的浮点算数运算单元和简化的逻辑控制单元,把串行访问拆分成多个简单的并行访问,并同时运算。例如,在CPU上只有20-30%的晶体管内存存储器DRAM dynamic random access memory缓存静态随机存储器Cache SRAM控制器controller占了其余的70-80%晶体管是用作计算的,但反过来说GPU上有70-80%的晶体管是由上千个高效小核心组成的大规模并行计算架构DRAM和微小的Cache SRAMcontroller占了剩下的20-30%晶体管。大部分控制电路相对简单,且对Cache的需求小,只有小部分晶体管来完成实际的运算工作,至于其他的晶体管可以组成各类专用电路、多条流水线,使得GPU拥有了更强大的处理浮点运算的能力。这决定了其更擅长处理多重任务,尤其是没有技术含量的重复性工作。不同于超威及英特尔的GPU芯片,英伟达的人工智能芯片具有CUDA的配合软件是其领先人工智能市场的主要因素。CUDA编程工具包让开发者可以轻松编程屏幕上的每一个像素。在CUDA发布之前,GPU编程对程序员来说是一件苦差事,因为这涉及到编写大量低层面的机器码。CUDA在经过了英伟达的多年开发和改善之后,成功将Java或C++这样的高级语言开放给了GPU编程,从而让GPU编程变得更加轻松简单,研究者也可以更快更便宜地开发他们的深度学习模型。因此我们认为目前英伟达价值6000/7500-9300/10500美元的图形处理器加速卡TeslaV100PCIe/SXM2640Tensor核心5120CUDA核心或配备8/16颗V100的DGX-1/H-2系统180000-360000美元,配合其CUDA软件及NV Link快速通道,能达到近125兆次深入学习的浮点运算训练速度TERAFLOPS),16bit的半精度浮点性能来看,可达到31TeraFLOPS32bit的单精度浮点性能可达到15.7TeraFLOPS64bit的双精度可达到7.8TeraFLOPS,210亿个晶体管台积电12纳米制程工艺,815mm2芯片大小,仍然是目前云端人工智能深入学习及训练的最佳通用型解决方案但未来会受到类似于华为海思Ascend-Max910ASIC芯片及Ascend Cluster系统的挑战。

4.4现场可编程门阵列芯片FPGA的优势在低功耗,低延迟性

CPU内核并不擅长浮点运算以及信号处理等工作,将由集成在同一块芯片上的其它可编程内核执行,而GPU与FPGA都以擅长浮点运算着称。FPGA和GPU内都有大量的计算单元,它们的计算能力都很强。在进行人工智能神经网络CNNRNNDNN运算的时候,两者的速度会比CPU快上数十倍以上。但是GPU由于架构固定,硬件原来支持的指令也就固定了,而FPGA则是可编程的,因为它让软件与应用公司能够提供与其竞争对手不同的解决方案,并且能够灵活地针对自己所用的算法修改电路。虽然FPGA比较灵活但其设计资源比GPU受到较大的限制,例如GPU如果想多加几个核心只要增加芯片面积就行,但FPGA一旦型号选定了逻辑资源上限就确定了。而且,FPGA的布线资源也受限制,因为有些线必须要绕很远,不像GPU这样走ASICflow可以随意布线,这也会限制性能。FPGA虽然在浮点运算速度增加芯片面积,及布线的通用性比GPU来得差,却在延迟性及功耗上对GPU有着显着优势。英特尔斥巨资收购Altera是要让FPGA技术为英特尔的发展做贡献。表现在技术路线图上,那就是从现在分立的CPU芯片+分立的FPGA加速芯片20nmArria10GX,过渡到同一封装内的CPU晶片+FPGA晶片,到最终的集成CPU+FPGA系统芯片。预计这几种产品形式将会长期共存,因为CPU和FPGA的分立虽然性能稍差,但灵活性更高。目前来看用于云端的人工智能解决方案是用Xeon CPU来配合Nervana用于云端中间层和边缘运算端设备的低功耗推断解决方案是用Xeon CPU来配合FPGA可编程加速卡。赛灵思Xilinx2018年底推出以低成本,低延迟,高耗能效率的深度神经网络DNN演算法为基础的Alveo加速卡采用台积电16nm制程工艺的Ultra Scale FPGA,预期将拿下不少人工智能数据中心云端推理芯片市场不少的份额。

4.5谷歌张量处理器TPU3强势突围,博通/台积电受惠,可惜不外卖

因为它能加速其人工智能系统Tensor Flow的运行,而且效率也大大超过GPU―Google的深层神经网络就是由Tensor Flow引擎驱动的。谷歌第三代张量处理器TPUTensor Processing Unit大约超过100TeraFLOPS/hp-16bit是专为机器学习由谷歌提供系统设计,博通提供ASIC芯片设计及智财权专利区块,台积电提供16/12纳米制程工艺量身定做的,执行每个操作所需的晶体管数量更少,自然效率更高。TPU每瓦能为机器学习提供比所有商用GPU和FPGA更高的量级指令。TPU是为机器学习应用特别开发,以使芯片在计算精度降低的情况下更耐用,这意味每一个操作只需要更少的晶体管,用更多精密且大功率的机器学习模型,并快速应用这些模型,因此用户便能得到更正确的结果。以谷歌子公司深度思考的阿尔法狗及零AlphaGoAlpha Zero/Deep Mind利用人工智能深度学习训练和推理来打败世界各国排名第一的围棋高手世界排名第一的西洋棋AI程式Stockfish8世界排名第一的日本棋Shogi AI专家,但我们估计Alpha Zero系统使用至少近5大排人工智能主机,5000个张量处理器1280个中央处理单元而让云端的设备异常昂贵且无提供任何的边缘运算端设备。

4.6 ASIC特定用途IC需求即将爆发

即使研发期长初期开发成本高通用性差,但国内芯片业者因缺乏先进x86CPUGPUFPGA的基础设计智慧财产权IPs,可完全客制化,耗电量低,性能强的特定用途ICASIC Application-specific integrated circuit设计就立刻成为国内进入人工智能云端及边缘运算及设备端芯片半导体市场的唯一途径。但因为起步较晚,除了比特大陆的算丰SOPHONBM1680及BM1682云端安防及大数据人工智能推理系列产品已经上市之外,其他公司在云端人工智能训练及推理芯片设计都还停留在纸上谈兵阶段。举例而言,华为海思使用台积电7纳米制程工艺设计的昇腾Ascend910ASIC系列,号称在16bit半精度下能达到256兆次的浮点运算,倍数于英伟达目前最先进的Volta100解决方案台积电12纳米也要等到2H19量产及谷歌最新推出的张量处理器3台积电16/12纳米,。而从智能手机端IP事业切入设计云端芯片的寒武纪,将于2019首发的产品MLU100PCIe智能推理加速卡台积电16纳米在打开稀疏模式时的峰值也可达到64兆次浮点运算16bit半精度。最后可惜的是国内搜寻引擎龙头百度的昆仑芯片818-300采用Samsung14纳米,阿里巴巴的Ali-NPU及亚马逊的Inferentia目前都还没有提供更确实的芯片速度,耗电量,应用,价格,量产时点,及软件框架规格让我们做出更好的比较图表。

五、哪种人工智能芯片将成边缘运算及设备端的主流?

从算法,IP,边缘运算及设备端芯片转换到模块,平台或生态系的战争

谷歌在GoogleCloudNEXT2018活动中首次推出人工智能推断用边缘运算张量处理器Edge Tensor Processing UnitEdge TPU<30mm2具有低功耗,低延迟,高运算效率,其开发版系统模块套件中还包括有恩智浦的CPU图芯的GPU,再配合谷歌开源简易版机器学习框架软件Open-source Tensor Flow Lite,设备端物联网核心运作Edge IoT Core和边缘运算端张量处理器来推动各种应用,像是预测性维护,异常检测,机器视觉,机器人,语音识别医疗保健,零售,智能空间,运输交通等等。

在谷歌的Waymo建立了全球最大的无人驾驶车队后,谷歌再次利用其在深度学习及云端软,硬件的技术领先优势,提供机器学习边缘运算端软件,固件,安卓物联网作业系统及专用半导体芯片整体解决方案模块,让客户对其智能物联网解决方案的黏着度提升,这不但对中国大陆人工智能芯片公司是利空,也对目前主要提供云及边缘运算物联网服务的竞争厂商亚马逊AWS,微软Azure,阿里巴巴造成市场压力。

但是,目前谷歌终端型张量处理器目前只能算是个机器学习的加速器,不能独立运作,其解决方案中还要配合其他半导体公司的芯片,像是恩智浦以安谋为核心的中央处理器,图芯Vivante CorporationGC7000Lite图形处理器请参考图表,我们认为谷歌的解决方案效能比较与量产时间未定。而且,谷歌过去还是主推软件解决方案,自有硬件及半导体的产品上市都是拿来推广其软件及生态系解决方案,其边缘运算型张量处理器硬件规格中,还是使用相对旧的28纳米晶圆代工制程工艺,TeraOPS浮点远算能力,耗电瓦特数,价格等指标都还是未知,来与其他人工智能芯片设计公司的产品来做比较。举例而言,英伟达今年推出的Jetson AGXX avier模块也是瞄准物联网应用端的解决方案,但在其高单价下规格明显胜出。华为即将推出的边缘运算模块Atlas200和Atlas300也相当有竞争力。

从英伟达,谷歌,英特尔,及华为在深入学习边缘运算端解决方案模块及软件与固件的竞争而高通及联发科陆续将人工智能专利区块透过嵌入式整合到其手机应用处理器中,可以看出未来在人工智能端的应用领域已经不再单单是人工智能算法,IP智财权到芯片设计推陈出新的竞争,中国大陆的人工智能算法/IP/芯片龙头公司像寒武纪,地平线为了存活,就必须与应用领域系统公司紧密合作,共同推出更佳的嵌入式或独立式解决方案模块及软,固件,否则就要像谷歌和英伟达一样推出自己整套的解决方案。虽然比特大陆及嘉楠耘智进入人工智能芯片领域较晚,但其在挖矿机业务及挖矿生态系的系统整合经验,反而比只具备算法/IP/芯片的人工智能设计公司还有机会。

六、谁能引领国内人工智能芯片产业突围?

未来因人工智能边缘运算推理端和云端推理Inferencing芯片及设备成本性能,耗电效率的考量以及各种处理器的特性不同我们预期特定用途集成电路ASIC或系统集成电路SoCsystem on chip未来将在设备,边缘运算,及云端推理市场和设备,边缘运算,小部分云端训练市场遍地开花百花齐放根据产业链调查,我们认为中国在处理器/芯片领域的投资有加速的迹象,AI芯片的创业企业目前已达到40家左右。

而中国的人工智能半导体公司像华为海思HiSilicon),寒武紀Cambricon),地平线Horizon Robotics),彼特大陆Bitmain),耐能Kneron),肇观Next VPU,及大数据系统公司如百度,阿里巴巴及安防龙头海康威视,大华将追随国际大厂陆续推出人工智能特定用途集成电路和系统芯片从过去的模仿和追赶模式改为提前布局的思路加上今年中国科创板融资平台的加持相信一定可以孵育出未来世界级的人工智能芯片设计龙头公司。但就未来2-3年来看,因为有强大的财物资源来支持10纳米以下先进制程工艺的电子设计自动化软件EDA tool,验证Verification,光掩膜Photo Mask成本的蹿高请参考图表,最有实力的半导体设计团队,及其对人工智能深入学习系统的知识及各种设备人工智能化的需求,我们预测华为海思将能引领国内人工智能芯片产业突围而比特大陆因为深谙IP,芯片,模块,到平台或生态系的争战,金准产业研究团队不排除比特大陆反而领先其他一些一线设计公司率先推出些云端人工智能的推理/训练芯片及解决方案模块当然,金准产业研究团队还是认为纯算法及半导体设计公司寒武纪,目前有较佳的设计团队及较充裕的估值融资能力来陆续推出边缘运算端及云端推理的人工智能芯片最后因为SAELevel4/5自动驾驶平台成本过高及生态系组成庞大及复杂,目前金准产业研究团队对地平线在自动驾驶的解决方案方面的短期营运及获利模式存疑。

6.1华为海思后发先至

在供应全球智能手机第二大厂,中国智能手机第一大厂华为超过近六成的应用处理器及基频芯片,及率先数月于高通及联发科采用台积电的7纳米制程工艺推出的麒麟980芯片,让华为的Mate20手机大卖,并让华为整体智能手机在国内的市占从2017年的20%,提高到2018年的27%,及2018年四季度的29%,预期这也将同时拉升华为海思HiSilicon在全球无晶圆设计公司的市占到6-7%或是在2019年成为前五大。而7纳米的麒麟980芯片是整合了寒武纪Cambricon设计的Cambricon-1M神经处理单元NPUNeural Processing Unit专利区块来让摄像头看得更全更清更快更久让麦克风听得更清更广识别场景推测用户行为意图和适时处理高性能或高效率任务根据华为公布的资料在人工智能性能比上,其NPU是一般CPU的25倍,GPU的6.25倍25/4,能效比上,NPU更是达到了CPU的50倍,GPU的6.25倍50/8)(请参考图表。但因为目前其边缘运算端神经处理单元架构简单金准产业研究团队估计此专利区块芯片应不超过整体芯片面积基频和应用处理器整合在一起的系统芯片面积10%。但因为金准产业研究团队预期采用台积电7纳米EUV制程工艺的华为海思麒麟990芯片,将使用海思自行设计的人工智能专利区块Ascend Lite SKU请参考图表,而苹果Neural Engine5TeraOPS高通Neural Processing Engine SDK Software Development Kit,<8TeraOPS,联发科Neuro Pilot SDKAndroid Neural Network NNAPI联发科Neuro Pilot SDK也将陆续整合其人工智能专利区块及软件到其手机应用处理器Application processor中,这将对寒武纪及其他人工智能算法及芯片公司在智能手机及联网物IoT设备端的芯片发展造成限制。

华为海思因为有这样强大的财物资源来支持7纳米以下先进制程工艺的电子设计自动化软件EDA tool,验证Verification,光掩膜Photo Mask成本的蹿高,拥有国内最强的半导体设计团队,及其庞大的系统知识及各种设备对人工智能化的需求,金准产业研究团队预测华为海思将后发先至引领国内人工智能芯片产业突围。华为海思今年将陆续问世的7纳米昇腾Ascend-Max910ASIC整合8颗芯片dies,及1024颗昇腾910芯片的Ascend Cluster256PetaFLOPS,使用12纳米昇腾Ascend-mini310),-Lite-Tiny-Nano ASIC推出的Atlas200加速模块Atlas300加速卡Atlas500智慧小站,Atlas800私有云解决方案一体机,MDC600移动数据中心Mobile Data Center金准产业研究团队预期这些AI芯片及系统,陆续将对英伟达,赛灵思,英特尔,谷歌在云端及边缘运算端人工智能芯片及平台的地位,带来挑战,但特定用途IC的专用性缺点会让华为海思切入像是外部安防等系统公司客户时,碰到些安防公司系统知识领域不愿意外泄的问题。

6.2寒武纪从设备端步入云端

寒武纪Cambricon是于2016年在北京成立,核心成员陈天石及陈云霁兄弟都曾在中科院计算所工作,专攻计算机处理器结构优化和人工智能,而后来寒武紀在拿到中关村科技园区支持资金及上海市政府对神经网络处理器,深度学习处理器IP核项目,智能处理器核项目等多项补助近6000万人民币,加上多次拉高估值的融资,于2018年5月3日发布了使用TSMC7nm工艺IP的1M,每瓦速度达3.1-3.3兆次运算,为10纳米1A智财权专利区块的10倍左右,且超越英伟达V100的每瓦速度达0.4兆次运算,其8位运算效能比达5Tops/watt每瓦5兆次运算。寒武纪提供了三种尺寸的处理器内核2Tops/4Tops/8Tops以满足不同领域下,不同量级智能处理的需求智能手机、智能音箱、摄像头、自动驾驶Cambricon也介绍以TSMC16nm工艺制程设计的MLU100及MLU200云端服务器AI芯片,具有很高的通用性,可满足计算机视觉、语音、自然语言处理和数据挖掘等多种云端推理,甚至训练的任务。在发布会上,联想ThinkSystemSR650,中科曙光Phaneron服务器,科大讯飞翻译机2.0都介绍了使用CambriconMLU100芯片相对应的云端服务器。此外,专为开发者打造的Cambricon Neu Ware人工智能软件平台,加上支持Tensor FlowCaffeMXNet等主流机器学习框架Framework,让寒武纪在尚未扭亏为盈的情况下估计2017年亏损超过1000万人民币以上2018年营收连1000万美金都达不到的状况下2016/2017年营收估计约400万人民币上下,市值已被拉高到超过25亿美元。

6.3卖人工智能解决方案模块的地平线

地平线Horizon Robotics创办人是前百度深度学习研究院负责人余凯、还有前华为芯片研发架构师周峰,地平线不是只做芯片,在软件方面,地平线已经研发出了自动驾驶的雨果神经网络OS平台及智能家居的安徒生平台。地平线的目标是做分支处理单元BPUBranch processing unit的人工智能算法架构+嵌入式芯片的Embedded ARMCPUGPUFPGA自动驾驶征程2.0处理器),智能城市智能商业旭日1.0处理器的人工智能设备终端解决方案模块具有感知,识别,理解,控制的功能给产品厂商。地平线的整个流程是根据应用场景需求,设计算法模型,在大数据情况下做充分验证,模型成熟以后,再开发一个芯片架构去实现,该芯片并不是通用的处理器,而是针对应用场景跟算法是结合在一起的人工智能算法处理器,得到芯片大小执行耗能Area、Performance、Power的综合解决方案。地平线BPU架构的解决方案只可以用在符合车规的FPGA或GPU等计算平台上,下一步地平线会将自己的BPU处理器IP授权给国际厂商,让他们生产车规级处理器。智能驾驶方面,基于高斯架构研发的ADAS产品征程1.0处理器也会作为重点推进SAEL3/L4的无人驾驶Matrix1.0平台,也会持续落实与系统厂商像是博世的技术合作,计划在年中实现特定道路的自动驾驶智能生活方面,除与美的的合作之外,地平线继续在家电、玩具、服务机器人等领域发力公共安防方面,地平线去年与英特尔在北美安防展上进行联合展示。类似于寒武纪,地平线于2018年11月27日获得近10亿美金的B轮融资,持续拉高其市值。

6.4从挖矿机转云端人工智能推理模块的比特大陆

CEO詹克团及创办人吴忌寒于2013年联合成立的挖矿机及芯片霸主比特大陆BITMAIN2017年11月正式介绍其AIASIC芯片品牌SOPHON算丰,宣布全球首款云端安防及大数据人工智能推理系列的张量加速计算芯片28nmBM1680的震撼面世,并展示了视频图像分析、人脸人体检测的演示。并同步发布了SOPHON.AI官网,并将系列产品在官网中面向全球发售。BITMAIN致力于通过强大的芯片工程、快速迭代和系统设计制造能力,提供最具性价比、最具性能功耗比的AI计算力,同时致力于为行业定制、优化全栈的硬件和系统方案,从而极大降低行业+AI的难度,促进AI普及。BM1682在2017年12月已进入流片阶段,并于2Q18量产。12nm的BM1684是预计于1Q19量产及第四代的12纳米芯片BM1686是预计于2H19量产。这两款芯片会拥有6/9TeraFlops的能力和30W的功耗。BM1880是比特大陆于2018年10月发布的一款设备端AI芯片,将主要应用于安防、互联网及园区等领域BM1880芯片可以作为深度学习推理加速的协处理器,也可以作为主处理器从以太网接口或USB接口接收视频流、图片或其它数据,执行推理和其他计算机视觉任务,其它主机也可以发送视频流或图片数据给BM1880,BM1880做推理并将结果返回主机。比特大陆将于2019年推出第二代产品BM1882,以及2020年的BM1884,按照规划,BM1882和BM1884的主要应用场景将是智能摄像机、智能机器人和智能家居等。虽然目前比特币跌破4000美元以下,占比特大陆98%的矿机销售,自营挖矿业务要是采用两年折旧几乎是无利可图除了于4Q18推出的7纳米BM1391挖矿芯片及S15挖矿机应可获利外,而AI芯片导入云端系统又遥不可期,但不同于其他新兴AI芯片设计公司大多缺乏现金,比特大陆在手现金7-8亿美元现金,4-5亿美元的加密货币应该还是有超过10亿美元,芯片研发设计资源仍然丰厚,每一代芯片代与代之间的间隔是快于摩尔定律而达到9-12个月。摩尔定律是指芯片行业每18到24个月的周期里,计算能力能翻一倍,或者在相同的单位芯片面积里,晶体管数量翻一倍。


金准产业研究 人工智能产业深度研究——半导体篇(下)

6.5耐能专注于低功耗设备端的人工智能芯片

耐能kneron是由一群留美华人于2015年成立于圣地牙哥,CEO刘峻诚博士是毕业于UCLA,并于2018年7月延揽前高通多媒体研发部总监李湘村前展讯,华为,VIVOVP为其首席科学家,其余团队成员多有UCLA清华大学,高通,三星电机,电子,计算机背景,并于2017年11月耐能宣布完成超过千万美元的A轮融资,阿里创业者基金Alibaba Entrepreneurs Fund领投,奇景光电HIMXHimax Technologies,Inc.、中华开发资本CDIB、高通、中科创达Thunder soft、红杉资本Sequoia Capital的子基金Cloudatlas与创业邦跟进投资2018年5月由李嘉诚旗下维港投资Horizons Ventures领投的A1轮融资,还有最近一轮从Iconiq capitalMark Zuckerberg’sprivate fund拿到的融资。耐能的定位是子系统设备端人工智能的技术提供厂商,现在主打低功耗、轻量级可压缩/重组recon figurable靠软件重组CNN,Pooling运算区块的组合NPU神经网络处理单元芯片,专注在智能手机的子系统NPUIP-KDP300、物联网IoT、智能家居、智能安防NPUIP-KDP500设备端市场机器人,无人机,安防NPUIP-KDP700能耗比可以做到100mw到300mw,最新的一款产品甚至可以到10mw以下,但在算力方面可以达到华为海思Ascend Lite系列的芯片等级,而纳能另外与Cadence的TensilicaVisionP6DSP处理器整合的KDP720NPU处理器,主要是锁定智能安防与监控。有别于目前市场上主流的云端人工智能,耐能提供创新的设备端人工智能解决方案,可将一部份的人工智能从云端移转到设备端上,进行实时识别与分析推断,不用等到把所有数据经由网络传送至云端后才能处理,并可大幅减轻网络、云端的负担与成本。耐能目前手机加OEM/ODM客户可达6-8家,主要客户有手机相关的高通,格力,奇景光电,互联网的客户包括搜狗,腾讯,钰创,钰立微,工业计算机客户有研扬,安防客户有大华,苏州科达等。格力已经使用其智财权区块量产,目前一些芯片已经量产。因扩大研发团队及产品线,耐能从2017年的获利扭赢转到2018年亏损达400-500万美元,但2019年将有二颗芯片流片Tapeout

6.6亿智是有实力又低调的AI芯片公司

由前全志团队组成的亿智电子科技于2016年7月在珠海高新区注册成立。同年10月在北京设立人工智能AI算法研究团队。亿智核心团队是中国最早一批进行SOC系统设计的专家,有20多年的行业经验,目前亿智在珠海的研发团队已近100余人。亿智电子科技已于2018年2月完成了数千万元天使轮融资,并于2018年8月由北极光创投领投,达泰资本跟投。亿智的商业模式主要为代理商和大客户提供整套的解决方案。目前,亿智解决方案主要聚焦在视像安防、智能硬件家电、汽车电子等方面。2017年底第一颗Test Chip首次流片即成功,2018年第四季度流片AI功能量产版系统级芯片,于2019年实现量产出货。亿智在珠海、北京、深圳均设有办公地点,其中珠海为总部,负责芯片设计、算法研究、软件开发等方向。北京负责人工智能AI算法的研究。深圳负责方案开发、技术支持、市场与客户拓展等。亿智成立至今,一直坚持AI加速、高清显示、音视频编解码、高速数模混合等IP的自主研发,这样可以实现更低带宽、更低功耗、更低成本地落地应用产品。特别是AI的IP的PPA指标均优于业界对手。目前已经成长为具备完全自主AISOC产品量产落地能力的人工智能芯片设计公司。亿智凭借在音视频编解码以及AI视觉算法方面积累了超过10年的领先经验,通过对人工智能需求市场的垂直化、场景化应用研究,在汽车电子应用方面,亿智的产品线具有车牌识别、路牌识别、文字识别的能力,ADAS智能算法可实现4路全景拼接、全景泊车,行车记录仪/智能后视镜/智能中控车机等汽车电子产品应用。目前的夜视后视镜产品,长焦夜视摄像头、短焦行车摄像头,显示车辆油耗、车速、水温等,信息全部手机互联。4G后视镜提供在线导航、在线音乐、云狗、行车记录,ADAS安全驾驶辅助系统。亿智的占道抓拍产品,可进行车牌检测,车牌识别,抓拍路段时间规划、黑白名单管理、车辆轨迹显示、后台管理系统多车道实时识别,具备软件能力,团队表示目前的识别成功率达到95%。志在成为视像安防、汽车电子、智能硬件领域智能化AI赋能的全球领导者。

结语

金准产业研究团队分析,有今年中国科创板融资平台的加持,国内的半导体公司将陆续推出人工智能ASIC抢先机。而华为海思因为有强大的财力来开发10纳米及以下产品,负担EDA软件,验证,光掩膜成本的蹿高,加上强大的设计团队及对系统的认知,预计将引领国内AI芯片行业突围;而比特大陆因为深谙IP,芯片,模块,到生态系的竞争,不排除其反而率先推出有竞争力的云端人工智能的解决方案模块;寒武纪目前有较佳的设计团队及较充裕的估值融资能力来陆续推出边缘运算端及云端推理的人工智能芯片。

除了国内算法软件公司及美国AI芯片大厂外,未来24个月,我们看不出来国内AI芯片大厂能摆脱亏损;美国商务部工业安全局可能对其11项AI和机器学习技术列入出口管制清单;AI ASIC大厂对各种应用系统认知不足,安防/语音/自驾系统公司不愿分享其系统设计机密。

金准数据 啤酒行业研究报告

精酿啤酒的概念横空出世后,很多人不知道在处于什么目的之下,将工业啤酒当做是低劣啤酒的代名词,我真的特别想说,不要讲没有根据的话。

上面这张图完美地诠释了当今啤酒圈里的鄙视链。创造这条鄙视链的人犯了一个很大的错误,他狭义地定义了“工业啤酒”,在他的定义里,工业啤酒只是一个类型啤酒的代表。

这种比较是毫无意义的,也是毫无根据的,精酿啤酒是一种概念,德国啤酒是一种区域性啤酒,工业啤酒又是以生产方式分类的(与之对应的是手工啤酒),三个不相干的东西放在一起比较,毫无说服力。

金准数据将带您了解真正的工业啤酒是什么样子的。


一、工业啤酒与精酿啤酒

1、概念

精酿啤酒:限制年产量,追求啤酒风味的多样和个性。不计成本,通常选取上乘的原料,耗时较长。香味浓郁,口感醇厚,风味多样,适合慢慢品尝。酿酒狗、修道院、浅粉象等都是比较有名的精酿啤酒。

工业啤酒:产量大,,工业化生产,通过多种手段控制成本,原料低廉,酿造时间短。口感较淡,味道单一,适合大口饮用。平时听到的百威、燕京之类大多都是工业啤酒啦。


2、区别

1)酿酒原料不同

啤酒是以谷物、水为主要原料,加啤酒花(或酒花制品)经酵母发酵酿造而成,含有二氧化碳的低酒精度发酵酒。啤酒根据原料和发酵工艺,通常可以分为精酿啤酒和工业啤酒。常见的百威、嘉士伯、青岛和雪花等都是工业啤酒。

· 精酿啤酒:只使用麦芽、啤酒花、酵母和水进行酿造,不添加任何人工添加剂。与工业啤酒相比,麦芽含量更多,啤酒花添加更多,所酿造出来的麦芽汁浓度更高。通常,精酿啤酒酿造时不需要太多考虑成本,多数会选择上等的原料酿造而成。

· 工业啤酒:同样使用麦芽、啤酒花、酵母和水酿造而成,但为了追求成本,更多用大米、玉米和淀粉等原料取代麦芽。这样酿出的啤酒麦芽汁浓度非常低,口感偏淡。


2)发酵工艺不同

精酿啤酒和工业啤酒的发酵工艺也有所区别,通常精酿啤酒采用的是艾尔工艺(Ales,上发酵工艺),工业啤酒采用的是拉格工艺(Larges,下发酵工艺),二者最主要区别是发酵过程中酵母所在的位置和发酵温度不同。如图所示:

· 精酿啤酒:多为艾尔工艺,酵母在发酵罐顶端工作,浮在酒液的上方,发酵温度一般控制在 10-20℃。发酵罐通常较小,发酵结束后不进行过滤和杀菌处理。

· 工业啤酒:多为拉格工艺,酵母在发酵罐底部工作,沉在酒液的下方,发酵温度一般控制在 10℃ 以下。发酵罐较大,发酵结束后通常采用过滤和巴氏杀菌,增加啤酒的货架期(保质时间)。


(3)发酵时间不同

· 精酿啤酒:因为不需要太计较成本,所以发酵时间往往不会特别重视,不会太多考虑时间成本。最传统的精酿啤酒发酵时间可长达 2 个月,这样啤酒发酵充分,麦芽汁浓度更高,风味更为浓郁。

· 工业啤酒:对工业啤酒而言,时间就是金钱,因此工业啤酒发酵时间通常只为 7 天左右,这样发酵不会特别充分,导致麦芽汁浓度含量低,风味也更为清淡。


4)发展历史不同

精酿啤酒的发酵历史要长于工业啤酒的发酵,早在出现工业啤酒之前,就已经出现了精酿啤酒。

· 精酿啤酒: 一开始艾尔啤酒(精酿啤酒)由妇女生产,以保护她们的家人在恶劣的环境下(如瘟疫、饥荒、污染水源等)生存下来。在中世纪,大批人死于瘟疫,教会接手了啤 酒的生产。因啤酒的市场需求大增,利润也很高,精酿啤酒得到快速发展。当时,很多欧洲皇室也成立自己的皇家啤酒厂,酿造精酿啤酒。但随着制冷设备的出现, 质量稳定、不易变质和适合运输的工业啤酒开始流行起来。再加上玻璃制品的兴盛,透明酒杯中掺杂浑浊的艾尔啤酒就不怎么讨喜,人们越来越喜欢拉格啤酒(多为 工业啤酒)。

· 工业啤酒:19 世界 40 年代,德国巴伐利亚的啤酒酿造师将啤酒发酵工艺带到捷克的皮尔森,生产出世界上最早的黄金啤酒——皮尔森啤酒(工业啤酒),随着制冷的设备的出现这质量稳 定、不易变质适合大规模工业生产和运输的啤酒大行于世。随着交通方式的进步,很快皮尔森啤酒和皮尔森酿造法便在整个中欧普及开来。之后,欧洲流行的啤酒被移民者带到了美国,渐渐美国人也逐渐喜欢上这种啤酒,但由于美国的大麦较少,于是逐渐用玉米代替大麦用来酿造啤酒,再后来演变成用大米或淀粉等来代替大麦酿造啤酒,就形成了现在市面上看到的美国工业啤酒。


5)风格和营养价值不同

· 精酿啤酒: 精酿啤酒通常添加的麦芽、酵母和啤酒花种类和数量较多,可酿造出来的风格种类各异,有香气袭人的小麦啤酒、厚重的黑啤酒、琥珀啤酒以及水果啤酒等,全世界 按照种类划分,有近 100 种风格的精酿啤酒。这些精酿啤酒都具有浓郁的香气,高含量的麦芽汁,厚重饱满的口感,营养价值更高,售价高等特点。精酿啤酒酒精度多为 11 度以上,有些加烈精酿可达 20 度。

· 工业啤酒:为了统一的成品口感,通常工业啤酒酿造工艺和风格单一,再加上发酵时间极短,所以工业啤酒具有口感淡、气泡多、麦芽汁浓度低、啤酒花含量少和酒精度低等特点,其自然营养价值和售价也较低。

6)保存时间不同

· 精酿啤酒:多数精酿啤酒不进行过滤和杀菌处理,因此,精酿啤酒不太耐保存。多数精酿啤酒保质期较短,有些保质期仅为几十天。

· 工业啤酒:工业啤酒在发酵后期,会经常过滤和巴氏灭菌处理,保质期较长。一般工业啤酒保质期为 1-2 年,有些甚至可达数十年。


7)喝法不同

· 精酿啤酒:通常口感较浓郁厚重,酒精度高,适合慢慢品用。

· 工业啤酒:通常口感较淡,酒精度低,适合大口饮用。


二、应该如何看待工业啤酒

比如我们常见的 Brew Dog 的 Punk IPA都是工业啤酒。因为它生产规模化、质量标准化、它成本低廉化,这也是为什么几乎在全球都能喝到它的原因。再比如说美国的Goose Island,同样的道理,甚至是被奉为神明的 Dogfish Head。


上面几张图片都是 Dogfish Head 酒厂的照片,每一张都充满了浓烈的工业文明气息。

所以说,在工业化体系下生产出来的啤酒并不一定就是我们心里想的那个“工业啤酒”,工业体系下生产出来的啤酒照样可以非常好喝,所以对于那些妖魔化“工业”这两个字的人们,需要多了解一下“工业”的内涵。


工业啤酒没有错,只是时代变了

要知道所有事物的产生是有其一定道理的,我们往往站在自己的认知角度上而忽视了其存在合理的一部分。比如说“寡淡啤酒”的存在,在我国,由于特殊的历史环境,不得不承认,在某个时代,让更多人喝上啤酒要比让更多人喝上好啤酒更加符合当时的社会情况,当然这在我们现今所处的情境下是难以理解的。

大家都知道,中国是一个人多耕地少的国家,让国民填饱肚子一直以来是政府的首要责任。作为生产啤酒的主要原料大麦,它并非是粮食作物,所以在我国大麦并非是种植面积很大的农作物,有限的大麦种植也只是为了牲畜饲料所用。而作为国民消费领域中非常重要的酒精饮料行业内,啤酒担负起了非常重要的责任,如何用更少的粮食作物生产更多的产品就成了那时酿酒师的任务,于是乎大米、玉米甚至是淀粉就成了啤酒生产原料,当然这在当时是完全合理的,而且很长一段时间是没问题的。

但令人怒其不争不幸的是,当进入到了二十一世纪,我国的啤酒工业依然没有改变这样的生产方式与运行模式,它们认为中国人依旧喜欢它们曾经酿制的那些啤酒,而丝毫没有意识到在全球化的影响下,更多优质的、与众不同的啤酒进入到中国人的视野中。在它们意识到这是一种追求个性、追求不同、追求品质的时代时,其实已经晚了,因为中国的啤酒工业给新兴消费者们的印象就是低劣、古板、不求改变的形象。

这是中国啤酒的不幸所在,并非是我们所经历的那些特殊历史环境,而是我们在那之后,整个世界都在试图改变时而我们却选择了沉默、不作为,现在我们为此得到的结果就是国民的不信任,而打破这种不信任,将要有很长的路要走。

所以说,真的请不要妖魔化“工业化”这三个字,错不在工业化,错在我们自己。我们离不开工业啤酒,更离不开啤酒工业,因为它在改变着这个古老行业的同时又催生出更多的创新,让这个古老的行业永远与昨天不一样。