https://www.toutiao.com/a6686360647858389517/
2019-05-02 17:34:13
来源：techweb
芯片战争未曾停歇。飞速发展的自动驾驶为芯片厂商带来了新的机会，IC设计商尝试推出更适用于AI场景的芯片，晶圆与封测厂商图加速换代生产线，以便赶上下一波AI时代的“潮流”。为了更直观的理解AI芯片，我们需要“拆解”两部iPhone。
揭开iPhone 4后盖，卸下主板PCB，可以看到一块拇指大小黑色塑料片。这是苹果第一代自家产的SoC（片上系统），名为A4处理器，它被焊接在iPhone 4主板背部，曾与乔帮主一同站在2010发布会舞台上。如今苹果自产SoC升级到了A12X，除了运算能力的增长，其内核架构也随着工业界芯片制造工艺进化而日趋精湛。
8年前的A4处理器撑起了iPhone的市场地位，这块搭载ARM核心、内部脉冲震荡可以飙升至1GHZ的芯片，仅一半的计算能力就可把上个世纪登月的阿波罗飞船甩在几条街后，而大部分用户只需用它打电话、收发邮件、偶尔玩一玩《愤怒的小鸟》。A系芯片演进到今天，苹果推出搭载最新处理器A12x的iPad Pro，库克试图说服人们一款不足6毫米厚度的电子设备就可胜任生活工作的全部需求，从而不在需要携带厚重的笔记本，确实有他的道理。
A12X代表着消费电子处理器已到达前所未有的高度。这款A12X内置模拟人脑神经元的集成电路，可以在人眼不可察觉的瞬间完成神经引擎、图像处理、数据处理的工作（FaceID），这在几年前还是科幻电影的元素。
我们没有办法展示A12X的照片，但可以参照A11，视觉化苹果移动端SoC集成度变化。
今天再来对比两款芯片：两张单薄晶体板下方隐藏着一道巨大的技术鸿沟，从硅晶打磨、光刻、再到封装技术，背后是多年来理论学者与芯片工程师的尝试，以及全球芯片巨头间的角逐结果。如果不是制造工艺的进步、整个芯片的社会生产力不断提升，谁也不会想到会有类似科幻元素的产品触达我们的生活，影响到我们的感官体验。
国内华为也有自己的SoC系统：麒麟980。为证明最新麒麟980的实力，华为号召了几位大学生，设计出一套可以预装在荣耀Magic2上便可操纵车辆的驾驶程序，佐证了麒麟980计算能力。
这是一次创新式的尝试，但手机能够处理的道路信息还是非常有限，为了提供安全可靠的自动驾驶体验，我们需要更快、更灵活、更低功耗的的AI芯片。
在未来，无人驾驶汽车将集成诸多算法。想象一下，用户可以在手机App上“召唤”一辆附近空闲的无人车。无人车启动“大脑”，开始获得实时路况信息，这几乎占用了目前无人车“大脑”的运算带宽。每一秒钟，摄像头采集车附近360度视野图像，实时地运行卷积神经网络来区分行人与车辆。
与此同时，毫米波雷达收集到距离信息为车载决策层准确的判断依据：是继续直线行驶，还是转向避让？决策层需要在不到50毫秒的时间内反应，控制车辆动力及转向控制器，下位机继而将指令转化成PWM脉冲信号，指挥毫无思考能力的方向电机和动力电机。
几分钟后，无人车战胜了复杂的路况、穿过嘈杂街道，停靠在到精准的目标位置，等待乘客上车。随后，通过车载语音交互模块，无人车可获知用户的目的地。根据最新的高精度地图信息，再结合车身上的全方位传感器感知周遭情况，最终安全的抵达目的地。这一套流程，重复而单一，会使人类司机感到疲惫。
所以不难看出，AI芯片有三大要求：大吞吐，低延时，低能耗。对于厂商来讲，只要能占据更大的无人驾驶市场，钱不是问题。
为实现这一目标，Nvidia在2016年推出K字头运算GPU加速器，黄仁勋试图讨好马斯克以便挤掉以色列公司Mobileye，但显然后者不吃这一套，选择表面合作暗地却从AMD挖高管，打算自己搞AI芯片。只不过事实证明，最新的Model 3依然使用Nvidia的处理器，自研芯片之路还很长。
目前在业界中，有一种说法是AI芯片将沿「CPU-GPU-FPGA-ASIC」的路线演进。CPU曾在PC、服务器端时代统领江山，却不及GPU的大吞吐特性而沦为辅助，Nvidia曾在Drive Xavier架构上投入30亿美元，2018年CES上展示出了一款能够以500瓦的能耗代价实现每秒320万亿次运算。500瓦的能耗水平非常低，满载的车内空调大约在5千瓦时左右，占用传统燃油车2匹马力。
然而未来国内能源属性趋势来看，无人驾驶模块将限制车辆的续航里程，500瓦的功耗还是太高。
中国一家名为深鉴科技创业公司在去年被国际FPGA巨头赛灵思（xilinx）收购，深鉴科技的一篇论文曾在FPGA 2017大会上评为最佳，在论文中他们设计的模型可以在XCKU060（一款FPGA芯片）上运行更高精度的语音识别效果，而且拥有更低的功耗。矛盾在于FPGA属于半定制化的工业产品，成本相对较高，XCKU060单片价格在4000美元左右。在相同计算力下，FPGA价格不占优势。谷歌旗下的Waymo目前使用的KU115（一款来自赛灵思的FPGA芯片），单片价格在5400美元左右，虽然换掉了早年使用的英特尔Xeon系列服务器芯片，运算性能不断提升，但整车价格也一路高歌猛进。
待算法、传感器成熟，ASIC才有施展拳脚的机会。我们之前提到的Mobileye，其产品便是基于的ASIC架构加速器，和Nvidia走截然不同的系统级处理器路线，ASIC全称为“专用集成电路”，其内置的异构模块可以针对信号、图像等处理算法进行特殊优化，但在设计流程上用到更长时间。
FPGA这个词想必就更加陌生了。简单来说，ASIC芯片是一个“KFC的汉堡包”，而FPGA更像“赛百味的三明治”，后者有更大的“重新设计”空间，可以根据用户需求添加内容、功能和优化。不过，针对FPGA进行编程，也可以设计出ASIC，但单片成本更高，而且需要大量专业脑力工作，是项“硬核”工艺，而想靠自家设计的FPGA落得应用，更是件困难的事情。
近年，国内涌现一批AI芯片的IC设计商，寒武纪、阿里、华为、百度、地平线、比特大陆等。在设计技术和制造技术之间，国内初创IC设计商处在很尴尬的境地，其设计成果若不能找到合适产品并量产，将意味着所有设计毫无商业意义。
于是，我们将目光放到晶圆与封装厂商上来。
中芯国际是一家成熟的本土圆晶加工商，2017年市场占有率5.4%，YoY（增长率）达到6.35%，2018年28nm以上制程的芯片月产44万片，这些芯片会被安装到低功耗计算机、通讯设备、汽车等其他消费电子产品上。但是AI芯片领域，至少在云端训练计算方向上，14nm以下制程才算刚刚入门，截至2019年2月21日，中芯国际尚未交付任何14nm或以下制程的产品，但在媒体报道中称：“14纳米技术研发已进入客户导入阶段”。
这么来看，中芯国际确实已经有14纳米技术：FinFET工艺。FinFET是什么概念？简单来说，中芯将刻芯片的工艺水平从2维（CMOS）升级到3维（FinFET），是集成芯片工艺中值得“秀”的资本。 此前中芯的28nm多晶硅（Poly/SiON）工艺是相对台积电比较落后的技术，后来才有了HKMG制程工艺，虽然仍是28nm制程，但产品优化效果好，良品率也有所提升。对于大厂而言，前几年在20nm的工艺突破是一个分水岭，因为越低制程将越接近材料极限，例如：量子隧穿效应。FinFET工艺是目前应对量子隧穿效应最有效的方法，中芯国际的FinFET尚处在“有技术没产品”的阶段，正在2019年希翼实现突破。
晶圆（图片来自维基百科）
在世界前三的封测企业中，有两家是本土品牌，一家是台湾日月光，另一家是江苏长电。2017年的数据统计显示，台湾日月光的市场占有率最高、营收最大。寒武纪的第一款SoC就是在日月光协作下完成的。
长电科技2018年第一季营收达54.90亿元，相较去年同期50.25亿元增长9.27%；实现净利润9600万元，而去年同期亏损1亿元。归属上市公司净利润为525万元，较去年同期3830万下降86.29%。而我们单独看江苏长电的产能，在较为复杂处理器封装工艺还是研发阶段，暂时没有量产可能。同样的，与长电科技各分秋色的华天科技、通富微电，均无较大功耗的AI芯片封装工艺，而小型SoC也难以胜任。苏州晶方是一家小型化晶圆的半导体厂商，主要靠TSV工艺吃饭，在AI芯片领域暂无涉足，不过相类似厂商可能会在智能设备普及、愈发依赖生物传感的情况下大有可为。
国内封测企业兴起的具有国际因素，例如松下等日韩封测厂在马来西亚因工人债务问题，于2016起陆陆续续撤离当地，将新厂设立在中国大陆。
五.在IC设计领域，2016年创立的寒武纪需要依托上游知识产权保护，下游需要借助圆晶制造厂、封测（日月光等）厂商实现量产，其产品出口有二：SoC厂商和系统厂商。
2017年，寒武纪参与完成了一款华为的AI芯片设计，也就是读者常听到的麒麟970。这颗芯片本身不是寒武纪生产，而只负责设计了其中部分模块。麒麟970本身属于SoC概念：将符合需求的功能ARM加上自己的IC晶片封装到一起。其优点在于集成度高、体积小巧，适合移动端设备。而要设计一颗SoC需要相当多的技术配合，例如上游的IP（intellectual property）授权、遵循晶圆制造标准。能从IC一路走到最后的测试阶段的SoC都是了不起的工程项目。
寒武纪和华为合作的麒麟970具有一定战略意义：去年（2018）全球手机市场整体下滑，唯独华为手机出货量上涨趋势（+43.9%），市场份额达到了世界第三的水平，但此前却没有自己的芯片，消耗了大量的IP授权费。与此同时，寒武纪正愁没机会进入移动端市场，干柴与烈火的相遇，进一步推动搭载麒麟970的Mate10出货量达到4000万台，如果保守估计，麒麟970为寒武纪带来不小于2亿美元收入。寒武纪本身是中科院计算所孵化的国家级AI及芯片团队。在过去3年里已经进行3轮融资，B轮融资后，估值跃升到25亿美元，在国内AI芯片处于领先地位。
国内AI芯片产业逐渐入轨，越来越多的互联网系和科研孵化系企业希望加入未来的芯片格局。一片拇指大小的硅晶体，此时仿佛一把通往新世界的入场券，吸引着IC厂商与下游制造商竭力一搏。
