联发科首发台积电4nm,新一代5G旗舰芯片即将登场,以红酒命名
2021-04-21 14:46:29AI云资讯1651
5G网络技术的出现为社会带来了很多发展机遇,在5G手机需求量增长的同时,5G手机芯片也迎来了一个广阔的市场,目前手机芯片市场上最出名的芯片莫过于华为海思麒麟系列、高通骁龙系列以及联发科的天玑系列,这三个系列的5G芯片在市场上的认可度都是非常高的,当然三家企业的市场竞争也是相当激烈的,尤其是高通和联发科。

随着市场对5G智能手机的需求量不断增长,5G手机芯片也迎来了巨大的市场,而让人没想到的是,在需求如此旺盛的情况下,华为麒麟系列芯片惨遭美国断供,高通骁龙系列芯片也正面临着芯片产能危机,这时候的联发科无疑迎来了新的发展机遇。

不久前,有市场研究机构发布了一份关于2020年全球各大半导体厂商手机芯片的出货量报告,报告显示,联发科2020年的手机芯片出货量高达3.52亿套,占了全球27%左右的市场份额,直接超越市场占有率25%的高通,一举成为全球手机芯片市场的龙头。值得一提的是,联发科最近还公布了2021年一季度的财报,营收业绩也是相当喜人,总营收首次突破1000亿新台币,达到了1080.33亿新台币(约248.04亿人民币),环比增长12.06%,同比增长77.5%,从这些数据便可知联发科今年的发展是非常不错的。

在高端智能手机市场的诱惑下,联发科也开始加速布局高端智能手机市场,其在今年新推出的天玑1200的市场定位就是高端市场,原以为联发科能凭这款芯片在高端智能手机站稳脚跟,却没想到其冲击高端市场还是略显乏力,联发科想要凭借天玑1200进入高端智能手机市场是比较难的了,如今联发科已经将目光重新转向了下一代旗舰5G芯片天玑2000上。

据目前最新的消息来看,联发科已经对天玑2000重新做了规划,采用的工艺将会提升至台积电的4nm工艺,而此前联发科方面透露的是将采用台积电的5nm来研发天玑2000。同时,台积电方面也曾透露其4nm制程很可能会在今年下半年试产,看来联发科的4nm旗舰5G芯片距离发布时间已经不远了。

自联发科传出将研发4nm旗舰芯片的消息,外界就对戏充满了期待,据悉,该芯片还未发布就已经获得了国产手机厂商OPPO、vivo和小米的订单,这些订单对联发科进军高端手机市场是非常有利的。
还有一点非常有趣的是,联发科的这款4nm 5G芯片将会以高端红酒来命名,代号为“Le Pin”,而一开始联发科是计划用山峰来命名,不过以高端红酒命名更能突显出这款芯片的定位是高端市场,同时通过芯片命名的方式也可以看出联发科想要抢占高端市场的决心是非常坚定的。
相关文章
- 苹果、高通、联发科重点改进架构、扩展内存缓存,布局2纳米芯片,而先进制程已难引起消费者关注
- 联发科即将推出天玑9600芯片,预计采用LPDDR6内存和台积电N2P制程工艺
- 台积电2纳米制程的流片数量已达到3纳米节点的1.5倍,苹果、高通和联发科的订单占据主要份额
- 联发科调整资源分配,从移动芯片转向人工智能专用芯片
- 从潮汐引擎到芯链技术,OPPO与联发科的深度共研重塑旗舰合作
- 台积电计划将2纳米制程报价上调50%,高通联发科考虑转投三星2纳米产线
- 突发!网传联发科天玑9500芯片AI算力翻倍
- 旗舰芯片性能升级关键要看“IPC”,联发科天玑9500初露锋芒
- 性能越级,联发科天玑8400-Ultra引领新风尚
- 英伟达与联发科合作开发首款面向游戏笔记本的加速处理器,与英特尔和AMD展开竞争
- 一加宣布与联发科技达成战略合作,首发天玑9400旗舰家族新成员9400e
- 刮起智舱“算力风暴” 联发科发布天玑汽车旗舰座舱平台C-X1
- 从底层芯片到玩法创新,联发科携手行业伙伴重塑游戏体验新格局
- 联发科与Google 强强联手,为全球安卓用户共同打造最佳游戏体验
- 炸裂!移动游戏新赛道开启,联发科以 AI 为驱动,全面升级游戏体验
- 联发科为开发者打造的调试“上帝视角”, Dimensity Profiler 工具来了
人工智能企业
更多>>人工智能硬件
更多>>人工智能产业
更多>>人工智能技术
更多>>- 云知声Unisound U1-OCR大模型发布!首个工业级文档智能基础大模型,开启OCR 3.0时代
- 基石智算上线 MiniMax M2.5,超强编程与智能体工具调用能力
- 昇腾原生支持,科学多模态大模型Intern-S1-Pro正式发布并开源
- 百度千帆深度研究Agent登顶权威评测榜单DeepResearch Bench
- 在MoltBot/ClawdBot,火山方舟模型服务助力开发者畅享模型自由
- 教程 | OpenCode调用基石智算大模型,AI 编程效率翻倍
- 全国首个!上海上线规划资源AI大模型,商汤大装置让城市治理“更聪明”
- 昇思人工智能框架峰会 | 昇思MindSpore MoE模型性能优化方案,提升训练性能15%+









