1. 为什么必须先搞懂芯片的功能分类芯片这个词这几年已经被聊烂了手机发布会提芯片汽车发布会提芯片连电饭煲广告都恨不得说自己用了智能芯片。但“芯片”并不是一种东西它是一个巨大的家族。我经常遇到朋友拿着一个芯片型号来问我“这个芯片好不好”我第一反应是你连它是干什么的都没告诉我我怎么判断好不好芯片按功能分类其实就是按“它在这个电子系统里扮演什么角色”来划分。一个电子产品就像一支乐队有人负责弹主旋律有人负责打节拍有人负责记忆乐谱有人负责把声音传到观众耳朵里。芯片也一样有的负责“算”有的负责“存”有的负责“连”有的负责“感知”有的负责“管电”。把这几个大类搞清楚了你再看任何电子产品的拆解、测评、选型都会顺畅得多。这篇内容适合三类人第一类是刚开始接触电子硬件、嵌入式开发的新手想建立芯片的知识地图第二类是产品经理或采购需要和技术沟通但又不想被术语绕晕第三类是纯好奇的数码爱好者想弄明白手机、电脑、汽车里面那些芯片到底各自在干什么。我会从实际工程师的视角来拆不说教科书的空话。每讲一类芯片我都会告诉你它解决什么问题、怎么选、以及哪些坑我实实在在地踩过。2. 负责“思考”的芯片处理器家族2.1 通用计算的核心CPUCPU中央处理器这是所有人都听过的一个词。它的本质是通用计算单元。通用是什么意思就是给它什么指令它都能算加减乘除、逻辑判断、跳转分支、读写内存没有它干不了的活只是干得快不快的问题。CPU内部有几个关键部件控制单元负责取指令和调度算术逻辑单元ALU负责真正执行运算寄存器组存临时数据还有多级缓存Cache用于缓解CPU与内存之间的速度落差。实际工作时CPU以“取指-译码-执行-写回”为基本周期不断循环处理一条条指令。这个循环的速度就是我们常说的主频单位是GHz比如一颗3.5GHz的CPU理论上每秒能循环35亿次。很多新手会陷入一个误区觉得主频越高CPU一定越快。没那么简单。现代CPU都设计成多核、多线程还支持乱序执行、分支预测、SIMD指令集扩展。比如同样是3.0GHz两颗CPU的IPC每时钟周期执行的指令数可能相差40%以上。IPC更像员工的“单次工作质量”主频只决定“每小时能开工多少次”。所以选CPU真正要看的是架构、缓存容量、指令集支持主频只是其中一个参数。CPU选型的另一个关键维度是生态兼容。同样是CPUx86架构下Windows、Linux生态最丰富主要用在PC和服务器ARM架构功耗更低、授权灵活所以智能手机几乎全是ARM架构RISC-V属于开源指令集这两年在中低端MCU和嵌入式领域崛起得很快但生态还处于成长期。从供应链稳定性角度考虑如果你的项目对成本极其敏感、对生态依赖度低RISC-V是一个值得评估的选项如果需要成熟的软件栈和驱动支持那就老老实实选成熟架构。2.2 从“图形加速”到“算力加速”GPU与NPUGPU最初的意义是图形处理器专门用来做像素计算、顶点变换、纹理映射这类并行度极高的计算。显卡上的GPU拥有上千甚至上万个小计算核心它们的单个计算能力不如CPU的核心但胜在数量多、同步并行特别适合图像渲染这种“同时处理百万个像素”的任务。后来人们发现GPU这种大规模并行的结构用在深度学习领域也极其合适。神经网络的核心操作是矩阵乘法这种运算天然就是“并行友好”的。于是NVIDIA在2007年推出CUDAGPU就变成了通用加速卡。到了今天AI训练和推理GPU已经是绝对主力。你如果跑大模型单张卡不够就多张卡并行这就是为什么AI服务器动辄装8张甚至16张加速卡。但与GPU一起经常被提到的还有NPU神经网络处理器。NPU是专门为神经网络计算设计的芯片它的核心思路是“让硬件去适配算子的计算模式”比如用脉动阵列结构高效执行矩阵卷积用硬件加速ReLU、Softmax这些激活函数再在内存带宽上做大量优化。相比GPUNPU在特定AI任务上的能效比要高很多但通用性差。手机SoC里集成的NPU就是专门用来跑人脸识别、夜景降噪、语音唤醒这类固定场景的AI功能。现在很多轻薄笔记本也开始内置NPU可以直接在本地跑端侧大模型或者视频会议背景虚化日常使用体感会明显变好。我碰到过不少朋友问AI计算到底用GPU还是NPU答案是看你需要多强的通用性。如果你要在训练阶段不断调整网络结构GPU几乎是必须的因为开发框架和CUDA生态太成熟了如果你做的是已经定型的推理任务比如摄像头里的物体识别、智能门锁的人脸比对那NPU或者带NPU的SoC往往更合适因为功耗低、成本可控、发热小。GPU、NPU不是对立关系它们是同一类“加速器”在不同约束条件下的产物。2.3 被忽视的“控制大脑”MCU与DSP相比CPU和GPU这种明星芯片MCU和DSP真的很容易被忽视但它们的出货量极其庞大。你的洗衣机、空调、微波炉、鼠标、电动牙刷、电子秤以及几乎所有汽车内部都有MCU在默默工作。MCU微控制器实际上就是一颗完整的微型计算机把CPU内核、SRAM存储、Flash存储、各类外设接口UART、SPI、I2C、GPIO、ADC全部集成到一颗芯片上。好处是一颗芯片就可以独立完成一套控制逻辑功耗能做到很低几毫瓦甚至更低。MCU的选型核心看几点内核架构8位、16位还是32位、主频、Flash和SRAM容量、外设资源是否够用、以及开发工具链是否顺手。目前市场上30块钱以内的国产MCU已经能跑RTOS、做复杂的电机控制卷得很厉害。DSP数字信号处理器则是专为连续实时的信号处理设计的芯片。它的核心特点是乘累加运算极快还有专门的指令来处理循环缓冲区和位反转寻址。比如音频解码、语音降噪、电机控制中的FOC算法都是DSP的经典战场。如果你在处理音频流或者做需要低延迟、高实时性的算法DSP比通用MCU更合适。当然现在很多高端MCU也在往数字信号处理方向靠拢比如STM32F4系列增加了DSP指令集和FPU可以兼作轻量DSP使用。但你要是做真正的工业级音频处理或者复杂的降噪算法独立DSP或带硬件DSP的SoC还是更靠谱的选择。3. 负责“记忆”的芯片存储家族3.1 掉电就没的“工作记忆”DRAM与SRAM存储芯片按是否需要持续供电来保存数据可以分成两大类易失性和非易失性。易失性存储器里最常见的就是DRAM和SRAM。DRAM动态随机存取存储器是内存条、手机运行内存使用的技术。它的原理是每个存储单元由一个晶体管加一个电容组成用电容是否充电来代表0或1。但电容会漏电所以必须周期性地刷新来补充电荷这就是“动态”的含义。这个刷新动作消耗能量也带来访问延迟但它单元结构简单、密度高、单位成本低所以大容量的运行内存基本都是DRAM的天下。SRAM静态随机存取存储器则不需要刷新每个存储单元用6个晶体管组成一个双稳态触发器锁存状态只要不掉电数据就稳定。它的速度很快常用于CPU缓存L1、L2、L3和MCU内部的小容量存储。但它结构大、成本高、功耗高没办法做很大容量所以你在市场上看不到“SRAM内存条”。我常给刚入行的朋友打一个比方CPU是厨师SRAM是放在厨师手边的调料盒DRAM是厨房里的冷藏柜SSD/硬盘则是远处的仓库。厨师需要什么就立马拿调料盒里的最快不够了去冷藏柜翻还要开柜门稍微慢一点仓库找货就更慢了。你理解了这个速度层级就明白为什么计算机要设计这么多级存储本质是在成本和速度之间找平衡。3.2 真正“长久记住”的闪存家族NAND Flash与NOR Flash非易失性存储器里Flash闪存是绝对主力。按逻辑架构又分NOR Flash和NAND Flash。NOR Flash的历史比NAND更早。它支持按字节随机读取这种随机读能力让代码可以直接在Flash里执行即片上执行XIP也就是说MCU可以不用先把代码拷贝到RAM里直接从NOR Flash跑程序这样启动时间短、系统设计简单。所以NOR Flash在嵌入式系统里几乎是标配用来放固件代码容量从几MB到几十MB够了。缺点是写入速度慢、擦除块大、大容量时成本高不适合做海量数据存储。NAND Flash则是真正的大容量存储主力。它以页为读写单位、以块为擦除单位读写速度比NOR快得多单颗裸片容量能到几十甚至上百GB。手机里的eMMC、UFS芯片电脑里的SSD里面的存储颗粒几乎都是NAND Flash。NAND Flash按存储单元类型又分SLC单层单元1bit/cell、MLC多层单元2bit/cell、TLC三层单元3bit/cell和QLC四层单元4bit/cell。从SLC到QLC容量越来越大、单位成本越来越低但耐久度P/E擦写次数越来越低SLC能到10万次MLC约1万次TLC约3000次QLC约1000次。这也是为什么企业级SSD更偏好SLC或MLC消费级SSD则大量使用TLC的原因。选购SSD时除了看容量和价格还要关注是模拟SLC还是原生TLC、有没有独立DRAM缓存、主控方案是哪家的。同样标称1TB的产品不同方案在持续写入掉速、数据可靠性上差别非常大。3.3 存储芯片选型时容易忽略的几件事存储选型绝对不是一个“容量够不够”就能决定的。第一个容易踩的坑是芯片标称容量和实际可用容量不一致。NAND Flash在出厂时会有部分坏块厂商一般会标记好坏块信息主控会把这些坏块屏蔽掉。你买一颗标注512MB的Flash实际可用可能只有480MB左右。这不是缩水而是行业惯例。但如果你做产品设计时不预留冗余空间量产时一定会遇到容量不够导致程序写不进去的问题。第二个坑是擦写寿命。很多人设计产品时只算了“我一天需要存多少数据”但忘了把Flash的擦写次数算进去。举个例子你的设备每小时记录一次数据每次4KB一天96次。如果数据不断覆盖写同一个扇区TLC Flash擦写3000次不到两个月就报废了。正确的做法是采用磨损均衡Wear Leveling算法把写入分散到所有块上或者用NOR Flash的“上个版本软件存储”方案我来回切换两个区写靠这种方式把寿命翻个倍。第三个坑是断电数据保护。Flash正在写入时如果突然断电可能出现部分页写了一半、数据损坏更严重的是可能破坏文件系统结构。如果你做的是户外设备、汽车电子这类供电不稳定的场景务必考虑加掉电保护电路或者在软件层面做日志型文件管理尽量降低损坏概率。4. 负责“逻辑与实现”的芯片从ASIC到FPGA到SoC4.1 ASIC专为一种任务“定做”的芯片ASIC全称是专用集成电路。它的“专用”体现在设计阶段针对某个特定场景把算法和硬件逻辑完全固化下来制造时一次性做成。结果是功耗最低、性能最强、成本在大批量下最低但一次性研发成本极高动辄上千万而且改不了一旦算法更新就要重新流片。适合用ASIC的场景典型的是两类一类是消费电子里的量产核心芯片比如手机里的基带芯片、电视里的视频解码芯片、矿机里的哈希计算芯片出货量在百万级以上ASIC能把每个器件的成本压到极致另一类是功能极其固定、需求长期不变的工业场景比如某些通信设备的协议处理芯片。我见过一些项目在产品早期就冲去画ASIC最后被研发周期拖死的案例。ASIC从设计到流片成功顺利的话也要12到18个月失败一次再迭代一次价格非常贵。除非你的商业模式非常确定、算法冻结了、量能拉起来否则不建议入场就奔着ASIC去。4.2 FPGA可以反复“改图纸”的芯片FPGA现场可编程门阵列是一类“逻辑用途由你配置”的芯片。你在它内部看到的其实是大量的可配置逻辑块CLB、可编程互联资源、块内存BRAM、DSP块通过HDL硬件描述语言写逻辑再由工具链生成位流文件烧写到FPGA内部去把逻辑块之间连起来。关机之后配置可以丢失SRAM型FPGA也可以存在外部Flash里上电自动加载。FPGA最大的价值是“硬件可迭代”。你可以在产品开发阶段用FPGA做原型验证算法改了重新生成一个位流文件就行几个小时就能完成迭代。而且FPGA经常做高速接口的协议适配比如PCIe、以太网、HDMI多路输出的桥接转换因为这些接口的数据速率很高通用CPU或MCU处理不了FPGA的并行硬件结构和丰富的SerDes接口就能胜任。那什么时候用FPGA最合适信号处理流程复杂但算法还在不断演进、需要极低延迟、又不想承担ASIC高昂风险的时候。比如医疗超声波的波束合成、5G小基站的物理层基带处理这些场景运算量巨大、且需要实时处理CPU来不及DSP/GPU功耗又高FPGA就非常合适。一个冷参数可以说明问题FPGA的IO延迟可以做到纳秒级而CPU即使最快的中断响应也需要微秒级两者相差几百倍。FPGA选型要看逻辑单元数、DSP计算单元数量、BRAM总容量、高速收发器数量与速率、以及IO bank支持的电平和速率。目前两大厂是Xilinx现在叫AMD和Intel的Altera价格都偏高。国产FPGA像紫光同创、复旦微、安路的生态也在持续进步中低密度型号已经能覆盖不少通用场景但如果产品和工具链有特殊要求还是得认真评估。4.3 SoC把CPU、GPU、NPU、内存控制器等全塞进“一颗芯片”SoC片上系统不是一类新的芯片类型更像一种“集成策略”。制造一颗SoC就是把CPU核心、GPU、NPU、DSP、ISP图像信号处理器、基带、各种外设控制器、甚至部分内存颗粒统统集成在同一个芯片封装里。手机里的骁龙、苹果A系列、华为麒麟都是典型SoC智能电视主控、路由器SoC、汽车座舱SoC也一样。SoC的价值在于降低整个系统的硬件复杂度、成本和功耗。一颗SoC就替代了过去的CPU板、GPU板、基带板、视音频处理板。但代价是灵活度下降因为很多资源和引脚都是固定的。选SoC的平台绑定效应也很强比如选定了某款手机SoC基本上意味着你绑定了它的整个软件SDK、BSP板级支持包、以及后续的升级路径。从工程角度看SoC选型要重点评估三个维度性能余量CPU、GPU、NPU的峰值算力内存带宽、外设覆盖有没有预留你要用的PCIe/USB/以太网/CAN接口、以及软件生态成熟度。尤其是生态硬件再强如果没有对应的kernel支持和驱动代码落地周期会非常痛苦。很多做智能硬件创业的公司就是被SoC厂家“文档为零、BUG一片”的反应速度坑惨了的。5. 负责“感知与连接”的芯片模拟、射频与传感类5.1 真实世界和数字世界的翻译官ADC、DAC、运放、电源管理前面讲的处理器和存储器处理的都是0和1。但真实世界的一切信息都是连续变化的模拟量温度、电压、声音、加速度。模拟芯片的本质就是在“连续世界”和“数字世界”之间架桥或者在电路内部处理和提供“恒定模拟能力”。ADC模数转换器把模拟电压量化成数字编码DAC数模转换器反过来。ADC的主要参数有分辨率bit数代表把满量程电压分成多少份、采样率每秒采多少次、有效位数ENOB实际的精度往往比标称位数低1~2bit、以及转换延时。我在做一个传感器采集项目时标称16bit的ADC实际有效位数只有11bit噪声全在低频端怎么处理和滤波就花了不少时间。选ADC一定要看有效位数别被标称分辨率迷住。运放运算放大器则负责对模拟信号做放大、滤波、缓冲是模拟电路的基本积木。电源管理芯片也经常被归入模拟大类它事实上更“功能化”一些LDO负责把高压降成低压、保持低噪声DC-DC开关电源负责高效率地升压降压电源管理单元PMIC则把多种电源轨控制在合理的上电时序里。做嵌入式系统的人最容易犯的错是不管功耗只管算力最后发现系统发热失控、电池续航崩了。在低功耗物联网项目里一颗高效的DC-DC加上一颗精细的LDO往往能帮系统省下20%到40%的功耗。5.2 射频芯片与无线通信RF射频芯片处理的是高频电磁波信号。我们的手机、Wi-Fi模块、蓝牙耳机、GPS定位信号一上到天线就必须经过射频芯片的放大、混频、滤波、解调才能送回基带芯片变成数据。射频芯片的分类有射频收发器、射频功率放大器PA、射频滤波器比如SAW、BAW滤波器、射频前端模组等。射频设计非常讲究阻抗匹配、噪声系数NF、线性度IIP3调试起来比数字芯片麻烦得多。数字电路是“0就是01就是1”射频电路却到处是“差不多、但还差一点”的暧昧问题。我的建议是如果你不是专门做RF的工程师产品里需要射频链路时直接用集成好的射频前端模块或者SiP封装模块比如Wi-Fi模块、BLE模块比自己搭分立RF靠谱一万倍。射频芯片的选型核心看频率段、发射功率、接收灵敏度、功耗和工作电压。另外要注意的是射频料的量产一致性同一型号在不同批次的性能也可能有细微波动做量产一定要留出设计裕量。比如蓝牙信号很多人设计天线时偷懒最后发现距离差了好几十米就是没认真做匹配和调试这类问题在射频段极其常见。5.3 传感器芯片感知世界的“神经末梢”传感器芯片是把物理世界的各种物理量转化为电信号。MEMS麦克风、加速度计、陀螺仪、压力传感器、温湿度传感器、磁力计、红外热释电传感器、ToF测距传感器……几乎每一个智能硬件里都至少有一类。MEMS传感器的工作原理很有趣比如加速度计内部有微小的悬臂结构感受到加速度时悬臂会形变通过检测电容或电阻的变化来推算出加速度大小。制造MEMS用的是集成电路制造工艺的变体所以可以把微小机械结构和电路做在同一颗芯片上。手机上那个能感知你翻转屏幕、步数统计以及游戏里的摇晃操作的重力感应就是一个MEMS加速度计在工作。传感器芯片选型时最容易翻车的是精度和标定。同类传感器有的出厂时已经校准好比如温度传感器标定误差0.1度有的则需要你在产线端做一次校准补偿比如压力传感器。量产项目里千万不要假设“传感器标称精度等于实际精度”你需要在系统层面上做实际测试。还有一个细节是传感器的采样频率和滤波策略没有低通滤波或者没有均值处理的传感器数据经常会让你的控制环路抖动得像筛糠一样。5.4 别忘了“沟通”的接口芯片接口芯片是一类容易被忽略但极为关键的芯片负责把设备之间、芯片之间的数据高速、可靠地传输起来。PC上的PCIe接口、USB接口、显示器上的HDMI/DP接口、工控里的RS485/CAN总线背后都需要接口芯片或PHY芯片来承担协议转换、电平转换、信号编解码的工作比如USB转串口芯片CH340就堪称中国工程师最熟悉的“接口神器”。做系统的工程师往往觉得接口芯片是“搭子”随便选一个能用就行但实际上接口芯片的电气性能决定系统的稳定性。比如CAN总线的收发器在汽车领域里一旦选错等级EMC测试就很难通过实车会有偶发通信故障排查起来极其痛苦。接口芯片选型要用最底层的三个思路支持协议版本USB 3.2还是2.0、PCIe 3.0还是4.0、工作电压和IO电平匹配、以及对ESD静电防护等级的要求。尤其是外露接口不做好保护的话生产线上一次静电事故就可能废掉一批设备。6. 负责“驱动大功率”的芯片功率半导体6.1 功率器件不是芯片说到“芯片”很多人的直觉里只有那些小黑块封装的集成电路。但在电力电子领域功率半导体是非常核心的存在。它的芯片形态是IGBT、MOSFET、碳化硅SiC MOSFET、氮化镓GaN HEMT等它们本质上是“开关”通过栅极电压控制大电流的通断完成电能的变换和驱动。功率MOSFET是最常见的一种分立器件作为开关使用控制电机、加热器、LED驱动器的开和灭。它的关键参数有耐压VDSS、导通电阻RDS(on)、寄生电容、开关速度。RDS(on)越小导通损耗越低。IGBT则把MOSFET栅极驱动方便和双极型晶体管大电流能力的优势结合到一起非常适合高压大电流场景比如变频空调、工业变频器、新能源汽车的主驱逆变器。SiC MOSFET凭借更高的带隙、更低的高温损耗主要攻高端车规和光伏逆变器。GaN HEMT因为开关速度极快在USB PD快充、无线充电、服务器电源里越来越火。很多做控制系统的人瞧不起功率器件觉得不就是开关吗功率器件的选型才是最考验综合能力的。你不仅要算电流和电压的峰值还要算开关损耗和导通损耗考虑散热方案评估参数dv/dt / di/dt对系统EMI的影响选错一点轻则效率不高重则炸管烧板。我做电机驱动项目时第一版就选了耐压刚好够的MOSFET结果电机反向电动势在母线电压上叠加直接把管子击穿了后来换了两倍余量的型号才稳定。所以选功率器件一定要留1.5倍的电压余量、1.5~2倍的电流余量同时关注热阻参数和封装。原则很简单计算值150V的工况不要选200V选300V档的你的系统会好说话很多。6.2 功率芯片与电源芯片的边界功率半导体和管理电源的芯片有重叠也有边界。功率半导体主要指用于电能变换的核心开关器件比如MOSFET、IGBT、SiC、GaN而电源管理芯片主要指负责控制和调节的“小脑”比如PWM控制器、PMIC、充放电管理、DC-DC的控制器芯片。实际系统里往往两者配合控制器芯片输出PWM驱动信号功率器件完成高边/低边的开关动作。做电源的人喜欢讲的“开关电源”本质上就是一个闭环控制系统电源管理芯片是大脑功率器件是手脚。所以你在开发电源时选一个闭环带宽够、抗干扰能力强的控制器芯片比单纯堆功率器件的规格更重要。反过来只看电源管理芯片的性能不管功率器件的寄生参数系统一样不稳定。这对搭档要一起看。7. 选型实践与常见误区7.1 新手最容易犯的选型错误第一个错误是“规格最大党”。有人觉得选芯片就像买跑车一样主频越高、性能越强越好。真实工程里恰恰不是。芯片的功耗、发热、面积、成本是紧密耦合的你选的“旗舰级”主控如果项目实际负载很小反而会因为功耗大、散热难、成本高而成为麻烦。而且元器件供应链风险很大一颗成本0.5美元的芯片和一颗0.05美元的芯片在量产时的利润差距是显著的。选型要围着“项目真实的峰值需求和余量需求”来不是为了参数好看。第二个错误是“重硬件轻软件”。很多人选型时只盯着芯片本身的规格忽略了软件开发环境、SDK完整度、IDE可用性、社区资料质量。同样的MCU生态好的上手一星期出demo生态差的你可能要折腾一个月。尤其是做初创产品“流片时间”可能还没“等芯片厂商回复支持邮件”时间长。开发效率也是选型的关键参数。第三个错误是“一颗芯片打天下”。有些工程师图省事无论做什么产品都选同一款单片机最后发现项目中有的需要高精度模拟采集有的需要低功耗有的需要高速接口一颗通吃芯片的性能和成本都比不过一颗专用芯片。芯片分类存在的意义就是让你可以像乐高拼块一样根据项目需要选择不同功能的模块系统整体才会更均衡。7.2 一份快速自查清单我在做系统设计时会按照一个简单的顺序把芯片需求过一遍。你也可以这样来我到底要它做什么是算数、控制、存储、感知、通信、驱动还是供电这个功能是固定不变的还是需要经常更新/改写对应ASIC/FPGA/MCU的选择。功耗预算是多少能容忍多大的发热工作电压范围多少电池还是电网供电要不要优异的电源管理方案是否需要和外部设备通信需要哪些接口数据量多大延迟要求多少存在电磁环境或静电风险吗要不要加ESD/EMC防护芯片成本BOM目标多低研发周期剩多少软件生态熟不熟你把这几个问题逐个回答一遍芯片功能分类的地图就已经有了。剩下的只是在这个地图里锁定具体型号再通过数据手册和参考设计去验证。没有人能把一颗芯片参数背下来但你如果有了分类思维你就能永远建立自己的“芯片认知框架”。7.3 芯片分类和产品形态的关系最后再聊一个很容易混乱的点芯片的功能分类和“封装形态”其实没有必然关系。同样是逻辑功能可以做成独立IC封装比如一颗单片机的DIP封装也可以做成IP核的形式嵌入到别人的SoC里使用比如你想用一颗带NPU的MCU本质上是MCU IP NPU IP的集成整合。所以看一个电子产品的拆解时板上那些黑块小片可能各自承担完全不同的功能而主控大芯片里又可能集成了多类功能。建议工程师入行时可以形成自己的分类卡片比如处理器类CPU/MCU/GPU/NPU/DSP、存储器类DRAM/SRAM/NAND/NOR、逻辑类ASIC/FPGA/CPLD、模拟与信号链运放/ADC/DAC/比较器、功率类MOSFET/IGBT/SiC/GaN、射频/传感器RF芯片/MEMS传感器、接口类USB/PCIe/CAN/以太网PHY、电源管理类LDO/DC-DC/PMIC。这八类基本覆盖了90%以上数字、模拟、电力系统会用到的芯片类型。用这套分类法去反向阅读任何一颗元器件你都会发现自己很快就知道它“大概是什么角色、和什么东西搭配、可能带来什么问题”。芯片的世界就像一个巨大的工具箱先看螺丝刀、锤子、扳手怎么区分再谈哪家的刀更好用。分类思维是所有看芯片问题的基础也是从“看得懂规格书”走向“选得对方案”的必经之路。