CA chip.analyze()
Data Analysis Methodology

芯片行业
数据分析方法论

从晶体管密度到市场份额， 从单核性能到AI 算力—— 系统化地分析 CPU / GPU 需要一套可复用的方法论。

// 01 · 动机

为什么需要专门的方法论？

芯片行业是信息密度最高、最不透明的行业之一。 同一个数字（核心数、TDP、AI TOPS）在不同语境下含义截然不同。 没有方法论，结论就是印象流。

典型陷阱

  • · 基准不可比 —— Apple 的"性能核"与 Intel 的 P-core 在 IPC 测试中得分接近，但指令集和编译器都不同
  • · TDP ≠ 实际功耗 —— 标注 125W 的 CPU 在跑 AVX-512 时可能瞬时冲到 250W
  • · 首发布 vs 实测 —— 发布会跑分是经过挑选的最佳场景
  • · 节点数字游戏 —— "Intel 7" 实际物理尺寸与台积电 N7 不同
  • · 市场份额数据滞后 —— Mercury Research 等机构的数据晚 1–2 个季度
  • · 驱动 / 编译器优化 —— 同一 GPU 不同驱动版本得分差异可达 30%
// 02 · 数据维度

一颗芯片的多维数据

单独看一个数字没有意义。正确做法是至少同时看 4–6 个维度。 下图以 AMD Ryzen 9 7950X 为例。

必看的 6 大维度

  • · 性能 —— 多核 / 单核 / GPU / AI TOPS，分场景
  • · 功耗 —— TDP、PL1/PL2、实测峰值
  • · 价格 —— MSRP vs 实际售价（区分发布时 vs 6 个月后）
  • · 工艺 —— 节点数字、晶圆厂、晶体管密度（per mm²）
  • · 生态 —— 软件栈、驱动成熟度、ISV 支持
  • · 市场 —— 出货量、市占率、ASP、库存周转
// 03 · 数据源分层

去哪里找数据？

数据源按可靠度分三层。 结论性的论断尽量用 Tier 1 数据源做交叉验证。

Tier 1 · 一手数据

公司财报与披露

上市公司必须依法披露。数字经过审计，但颗粒度粗。

· 10-K / 年报 (SEC)
· 投资者电话会议
· S-1 招股书
· 路演幻灯片
· 8-K 重大事件
Tier 2 · 二手专业

行业研究机构

商业订阅数据库，颗粒度细，覆盖广，但价格昂贵。

· Mercury Research (x86 份额)
· Jon Peddie Research (GPU)
· IDC / Gartner / IHS
· Canalys (移动 SoC)
· Counterpoint
Tier 3 · 公开技术

专业媒体与社区

免费但需要交叉验证。技术细节最丰富。

· AnandTech / Tom's Hardware
· Phoronix (Linux 性能)
· Geekbench Browser
· SPEC.org
· PugetBench / UserBenchmark
// 04 · 流程

完整的数据分析流水线

一份像样的芯片行业报告，需要经过六步。任意一步偷懒，结论就有漏洞。

1

定义问题

明确要回答什么、可比较的对象是什么

2

采集数据

多源获取，建立可信数据库

3

清洗对齐

统一单位、补缺失值、剔除异常

4

建立模型

回归、聚类、假设检验

5

可视化

散点、趋势、热力图等

6

交叉验证

用第二来源验证关键结论

🧹 数据清洗最花时间

行业共识：分析项目 80% 时间花在清洗，20% 在建模与可视化。 常见清洗任务：

  • · SKU 归一化：i9-13900K, i9-13900KF, i9-13900KS 视为同系列不同档
  • · 单位转换：TDP(W)、频率(GHz)、晶体管数(M / B)
  • · 时间对齐：按发布季度 / 财年（非自然年）
  • · 价格归一化：USD 实时汇率 + 通胀调整
  • · 基准版本：Geekbench 5 / 6 不可直接对比
// 05 · 核心指标

12 个最常用的芯片指标

这些指标在每份严肃报告里都会出现。

指标 单位 含义与陷阱
Perf / Watt score/W 能效。Apple Silicon 在这里一骑绝尘。但"perf"用哪个基准差异巨大。
Perf / Dollar score/$ 性价比。AMD 通常领先 Intel，但要扣除主板平台成本。
Perf / mm² score/mm² 硅效率。M3 Max 的核心密度领先，但良率代价大。
晶体管密度 MTr/mm² 制程最直观的指标。台积电 N3 ≈ 200 MTr/mm²。
IPC instructions/cycle 单核性能的本质。Golden Cove vs Zen 4 vs Apple Avalanche。
TOPS (AI) TOPS 稀疏 / 稠密、不同精度（INT8/FP16）数字差几倍。
TDP W 热设计功耗。实际功耗通常 >TDP（PL2 状态）。
Die Size mm² 裸片面积。越大越贵，但能容纳更多 cache/核心。
Yield (D₀) def/cm² 良率反指标。详见 D₀ 教程。
Market Share % 市占率。注意口径（出货量 vs 营收 vs 终端销售）。
ASP USD 平均售价。区分 MSRP / 平均售价 / 高端售价。
RMA Rate %/year 返修率。越低越好。Apple 通常 < 1%，老款可超过 5%。
// 06 · 亲手探索

基准浏览器

切换芯片类别、调整年份下限、切换 X/Y 轴——探索30 款示例芯片数据。 气泡大小 = TDP。

芯片类别
起始年份 2018+
X 轴
Y 轴
💡 颜色：
● Intel ● AMD ● NVIDIA ● Apple ● ARM / Samsung ● Qualcomm
// 07 · 代际分析

Gen-on-Gen 提升计算器

输入两代产品的性能与价格，自动算出提升百分比与"摩尔速率"。

上代性能 80
本代性能 95
上代价格 ($) 500
本代价格 ($) 600
// 09 · 多维比较

能效前沿图：Perf/W × Perf

理想产品应同时位于右上角（高性能 + 高能效）。 离右上越远 = 短板越明显。

📊 怎么读这张图

  • · 右上角：高性能 + 高能效 → 通常是 Apple 或最新工艺产品
  • · 右下角：高性能但耗电 → 老一代 GPU、Intel HEDT
  • · 左上角：低性能但省电 → 移动 SoC、入门芯片
  • · 气泡大小 = TDP：大圆 = 高功耗，需要更强散热
// 10 · 方法论

分析时常用的 5 类方法

这些是任何严肃芯片分析都会用到的统计工具。

① 描述统计

均值、中位数、IQR、变异系数 (CV) — 描述一组芯片的"中心趋势"和"离散程度"。 

// 用 perf/W 看 Apple vs Intel vs AMD 的能效分布
df.groupby('vendor')['perf_per_watt'].agg([
    'mean', 'median', 'std', lambda x: x.std() / x.mean()  # CV
])

② 回归分析

线性 / 对数回归：晶体管数 vs 性能、频率 vs IPC、价格 vs 性能。 拟合优度 (R²) 告诉你这条规律有多稳。 

// 价格 vs 性能的对数回归 (经验法则: perf ∝ log(price))
from sklearn.linear_model import LinearRegression
import numpy as np

X = np.log(df['price']).values.reshape(-1, 1)
y = df['perf'].values
model = LinearRegression().fit(X, y)
print(f"R² = {model.score(X, y):.3f}")  // 通常 0.7-0.85

③ 时间序列分析

Gen-on-Gen 增速、季节性（Q4 旺季）、突发事件（疫情/制裁）影响。 

// 计算 YoY 增长率
df['yoy'] = df['revenue'].pct_change(4)  // 季度同比

// 检测异常点 (制裁/疫情)
from scipy.stats import zscore
df['outlier'] = np.abs(zscore(df['yoy'].dropna())) > 2.5

④ 假设检验

Apple M3 是否显著比 Ryzen 9 快？T 检验 / Mann-Whitney U 检验。 

from scipy.stats import ttest_ind
apple = df[df.vendor == 'Apple']['perf']
amd = df[df.vendor == 'AMD']['perf']
t, p = ttest_ind(apple, amd)
// p < 0.05 → 差异统计显著

⑤ 聚类分析

K-means 把产品分成"高端/中端/入门"档；PCA 找到核心区分维度。 

// 用 perf + tdp + price 做产品定位
from sklearn.cluster import KMeans
features = df[['perf', 'tdp', 'price']].values
df['segment'] = KMeans(n_clusters=3).fit_predict(features)
// 11 · 工具栈

我用什么工具分析

从数据采集到可视化报告的完整栈。

🐍
Python
主力语言，pandas/numpy/scipy/sklearn 全套
📊
matplotlib / seaborn
静态图表，发论文 / 报告
✨
Plotly
交互式图表，本教程就用它
📓
Jupyter
探索性分析的标配
🗄️
SQL (DuckDB)
本地分析大量 CSV/Parquet
🦆
Streamlit
快速搭交互式 dashboard
📋
Excel / Sheets
快速 ad-hoc 透视
🕷️
Scrapy / Playwright
爬取价格、跑分、库存
🐙
Git + DVC
数据版本控制
☁️
BigQuery
海量公开数据查询
// 12 · 案例

三个值得研究的案例

用上面的方法论，看几个真实话题。

🍎 Apple Silicon 颠覆

2020 年 M1 首发时，单核性能追平 Intel 顶级移动 CPU， 能效领先 2 倍。用 perf/W 散点图立刻看出——从那时起 Apple 在能效前沿一路右移。 方法：跨年代纵向追踪 perf/W 散点。

🤖 NVIDIA 的 AI 主导地位

H100 发布后，NVIDIA 数据中心营收从 2022 财年 ~$15B 涨到 2024 财年 ~$48B (3 倍)。 用季度同比 (YoY) 折线 + 异常点检测可以清楚看到 LLM 浪潮的拐点。 方法：时间序列 + 异常检测。

🏭 Intel 制程危机

2014–2024 期间 Intel 在 10nm / 7nm 节点延期，市占率从 80%+ 跌到 ~65%。 把"制程节点宣布日期 vs 实际量产日期"画成 Gantt 图，延期一目了然。 方法：里程碑时间线分析。

// 13 · 一句话

记住这个清单

多源数据 →
清洗对齐 →
多维比较（不只看一个数）→
交叉验证 →
讲一个站得住的故事

data → clean → model → visualize → validate → narrate