什么是计算机芯片？
计算机芯片是上面嵌有电子电路的微小半导体材料晶片。它包含数百万个称为晶体管的微型电子元件，用于传输数据信号。最初，芯片的体积很大，计算只能在国家实验室、大学或大公司里完成。计算机芯片技术的进一步创新推动了高性能处理器的发展，这些处理器支持所有类型的高级分析、图形和机器学习应用程序。随着计算机芯片尺寸不断缩小，制造更小的家用计算机变得可行。如今，从微波炉到牙刷，计算机芯片在我们的生活中无处不在。
计算机芯片是如何制造的？
计算机芯片通常在称为制造厂或晶圆厂的工厂中制造。它们由硅制成，硅是沙子中常见的化学元素。硅是一种半导体，这意味着它的导电性介于铜等金属和玻璃等绝缘体之间。
以下概括介绍一下芯片制造过程。
硅的提取和成型
单晶硅锭是通过熔化和精炼沙子来提取的。硅锭的纯度接近 100%。它们被切割成薄片，经过清洗、抛光，然后涂上一层二氧化硅。在硅晶圆之上还会添加一层名为光刻胶的化学物质涂层，以提高光敏性。在此过程中，需要采取严格的预防措施，以确保没有灰尘或其他异物的污染。一旦基础硅片准备就绪，即可在上面蚀刻电子电路。
电路蚀刻
硅晶圆被印有电路图案的模板（称为掩模）覆盖，然后暴露在紫外光下。该紫外光使电路图案中暴露的光刻胶材料硬化。然后，高温气体熔化暴露的材料，露出下面的二氧化硅。这样会在硅晶片上留下 3D 图案，它复制了掩模的电路设计图案。
在芯片制造过程中，蚀刻是指以化学方式去除晶片上的涂层，掺杂是指引入杂质来修饰晶片。蚀刻和掺杂过程可对同一块计算机芯片重复数百次，以创建更复杂的集成电路。
计算机芯片的工作原理是什么？
计算机芯片的工作方式是通过电路元件来传输电信号。
模拟集成电路
模拟电路在给定的时间段内传输连续、变化的信号。输出信号是输入的线性函数，二者电压成正比。这种类型的集成电路用于计时器、比较器、电压调整器和运算放大器等设备功能。模拟芯片用于扫描发生器、振荡器、音频放大器和滤波器。
数字集成电路
数字电路传输不连续或二进制信号。输出电压可高可低。高电压代表布尔值 1，低电压代表值 0。
数字电路设计用于执行不同的逻辑运算，如 AND（与）、OR（或）和 NAND（与非）。例如，逻辑 OR（或）运算对应于布尔加法，是计算机加法运算的基础。因此，数字集成电路构成了所有计算操作的基础。它们对于所有可编程设备、逻辑板、微控制器和存储器都至关重要。
混合信号集成电路
混合芯片结合了模拟和数字芯片的元素。混合设计使得此类芯片能够充当数模和模数转换器。这些先进集成电路是现代计算的另一种核心组件。
量子电路
量子电路是计算发展的下一个阶段。量子电路是一种计算例程，它定义了对底层量子位（或量子比特）的一系列逻辑量子操作。量子位通过量子粒子表示，不同于布尔数字信号。布尔信号是 1 或 0，而量子位可以处于多种状态的叠加态。包含量子电路的芯片构成了量子计算的基础，它是一种新兴技术。
计算机芯片有哪些类型？
计算机芯片根据功能分为四大类。
存储器芯片
存储器芯片用于将程序和数据存储在计算机和存储设备上。RAM 芯片提供临时存储，而闪存驱动器和固态硬盘（SSD）可以永久保存信息。闪存单元即使在电流关闭时也可以存储数据。
逻辑芯片
逻辑芯片或处理器芯片用于处理数据以完成任务。它们相当于现代电子设备的大脑。CPU 是服务器和其他计算硬件的微处理器中的主要逻辑芯片类型。但也可以针对特定功能设计逻辑芯片。下面是一些示例：
- 图形处理单元设计用于优化视觉显示
- 神经处理单元设计用于深度学习和机器学习应用程序
ASIC
专用集成芯片（ASIC）设计用于为特定应用程序执行重复处理例程。这些现代芯片大批量生产，用于条形码扫描仪等单一用途设备。另一个示例是比特币挖矿，在该过程中，ASIC 执行生成新比特币所需的复杂数学例程。
SoC
片上系统（SoC）是一种较新类型的芯片。整个系统所需的所有电子元件都内置于一个芯片中。SoC 的功能比微控制器更广泛。微控制器通常将 CPU 与存储器和 I/O 处理相结合。但 SoC 可以集成图形、音频、摄像头和视频处理。
AWS 如何为计算机芯片创新做出贡献？
Amazon Web Services（AWS）已经投入数年时间设计针对云优化的定制计算机芯片。因此，Amazon Elastic Compute Cloud（Amazon EC2）可以提供由 AWS 设计的处理器提供支持的实例，这些处理器针对一系列计算、存储器和存储密集型工作负载进行了优化。Amazon EC2 还可提供专用机器学习（ML）芯片，用于 ML 训练和推理。
以下是 AWS 的一些其他创新：
- AWS Nitro System 是我们下一代 Amazon EC2 实例的基础平台。它使我们能够加快创新速度、进一步降低客户成本，并提供更多优势，如提高安全性和推出新的实例类型。
- AWS Graviton 处理器可为您的应用程序提供绝佳性价比。与基于 x86 的同等实例相比，基于 AWS Graviton 实例的性价比最高提高了 40%。
- AWS Inferentia 加速器旨在以最低成本为您的深度学习推理应用程序提供高性能。
- AWS Trainium ML 芯片旨在为云中的深度学习模型训练提供出色性价比。
请立即创建免费账户，开始使用由定制计算机芯片提供支持的 AWS 实例。
