“后摩尔”时代挑战：一款芯片难打天下

　　记者｜李娜

　　过去的50年，计算机的底层元件都遵从着“摩尔定律”，即在价格不变的情况下，集成在芯片上的晶体管数量每隔18到24个月将增加一倍，计算成本呈指数型下降。

　　但事物发展终有它的极限。随着工艺从微米级到纳米级，晶体管中原子数量越来越少，种种物理极限制约着它的进一步发展，“后摩尔”时代正式来临。而对于芯片厂商来说，面临的挑战也愈发艰巨。

　　“现在数据已经进入了一个无所不在的时代，从1960年代的大型机到后来的客户端+服务器、WEB、云、人工智能等，这意味着计算从生产率计算向生活方式计算、场景计算、智能计算等持续发展。”英特尔中国研究院院长宋继强日前在接受第一财经记者采访时表示，到了人工智能为代表的智能计算时代，很难一款芯片“打天下”。



　　中国工程院院士许居衍也在一场行业论坛上表达了类似的观点，他表示，目前半导体产业实际存在着无效益的繁荣、产品（硬件）难度增大、产品研发费用增高盈利空间下降等三大问题，中国厂商想要突围首先需要反思盈利模式，开启基于硬件的软服务能力，同时提升半定制技术能力。

　　芯片多样化

　　芯片行业进入了一个不确定的时代，几乎没有什么公司可以底气十足的说出下一代的“爆款”是什么。和PC以及手机时代相比，物联网时代似乎谁都有可能成为“主角”，但也都“姗姗来迟”。

　　“物联网走得慢吞吞。”中国工程院院士许居衍23日在南京国际集成电路技术达摩论坛上表示，芯片如今受限于硅技术难以突破。

　　业内人士指出，在CPU时代，运行编写好的程序就像一把普通的锤子，目的就是把钉子敲下去。使用的优点在于整个计算系统所有层级都是确定的，它们有限但功能强大。而芯片的原理也很简单，围绕开关、逻辑门、二进制系统等进行。但是现在，计算需求正变得越来越复杂和艰难，导致计算机结构也越来越复杂，在一块芯片上集成的电路越来越庞大。

　　“每个时代都有占据主流的计算机设备类别。而到了智能计算时代，可能不再有单一的主流设备类别。”宋继强对记者表示，计算的多样性愈发明显，多个不同的生态围绕多个不同的计算类别，这种计算的多样性将无处不在。

　　特别是在人工智能领域，异构计算大有可为，目前以GPU为代表的异构计算已成为加速AI创新的新一代计算架构。

　　“AI的进化需要芯片的多样性，不是一种芯片能够搞定。”宋继强对记者举例，“现在我手里有一个锤子，到处拿这个锤子砸钉子，未必是最有效的。那么如果说我手里有一堆不同的芯片，就可以灵活做一些组合，衍生出更多的方案。”

　　最近几年，高通32亿美元收购了Atheros，25亿美元收购了英国芯片厂商CSR公司，还开出高价亿来收购MCU龙头老大恩智浦。而英特尔则在收购Altera后继续收购人工智能（AI）创业公司Nervana Systems，还有做视觉处理器的Movidius。其背后根本的原因就在于，不同的应用需要不同的芯片来支持，巨头们必须为此提前布局。

　　中国厂商的机会

　　“久旱甘霖雨润VC喜闻创芯万马奔腾。”许居衍在上述论坛用了这么一句话来形容现在的中国半导体产业，他表示，“风投曾远离半导体，现在又回来了，历来观潮的中国，现在却成了弄潮人。”

　　根据赛迪顾问提供的数据，2007年到2017年，中国集成电路产业年均复合增长率为15.8%，远远高于全球半导体市场的6.8%的增速。今年前三个月销售额为1152.9亿元，同比增长20.8%。其中，设计业同比增长22%，销售额为394.5亿元；制造业同比增长26.2%，销售额为355.9亿美元；封装测试业销售额为402.5亿元，同比增长19.6%。

　　“而人工智能的发展将带来近百亿美元芯片市场需求。”工信部赛迪研究院赛迪顾问副总裁李珂在达摩论坛上说。



　　在政府和市场资本的双重推动下，目前中国的人工智能芯片企业呈现百花齐放的态势。一方面是新兴创业型公司，如地平线（Horizon）、上海熠知（ThinkForce）、探境科技（IntEngine）等，这批参与者的数量正在快速成长。另一方面是以BAT为代表的大型市场领导者。由于拥有自己的数据集、算法和应用场景，他们计划开发更适合的人工智能芯片来优化他们的算法和业务。

　　李珂表示，近期人工智能有望在智能手机、安防监控、智能金融、智能驾驶、智能医疗等领域迎来首轮爆发。全球人工智能芯片市场规模在2016年约为23.9亿美元，到2020年规模接近150亿美元，年均复合增长率高达44%。

　　但对于中国芯片企业在人工智能，以及“混搭”芯片架构的发展，业内不少人持谨慎乐观的态度。

　　深圳市紫光同创电子有限公司常务副总裁王佩宁认为，国内企业在芯片方面投入不断加大但是在实际发展过程中效果不甚明显，科技研发回报周期长，投资分散造成的投入产出比被稀释。

　　更重要的是，芯片厂商在同样的投入下，收益变得越来越低。“以10nm为例，开发10nm芯片的成本超过1.7亿美元，而7nm则达到了3亿美元，5nm更是高达5亿美元，3nm直接将超过15亿美元。随着工艺成本日益提升，只有少数几个IC巨头敢于投入跟进这场工艺豪赌。”电子创新网负责人张国斌说。

　　对于中国厂商在AI领域的机会，宋继强表示，虽然AI应用面很广，但对于芯片需要的性能、功耗、价格其实都不太一样。

　　“最关键的就是在做芯片之前，包括做AI算法之前，要把场景想好确定下来，要不然就变成小公司在跟平台公司竞争，这个难度很大。对于现在国内这波出来做AI芯片的公司来说，其实大部分都在做ASIC芯片，而且在做视觉算法的加速芯片，这种做法能成功的前提就是对应用场景非常清晰并且有确实可以用的系统，这样就很靠谱。”宋继强说。