工藝、AI引領手機晶片百花齊放，下一個登場的將是誰？

【編者按】2018年，對中國的集成電路而言，是不平靜、也是不平凡的一年。

有中美貿易戰爆發的震驚和思考，也有AI和5G等推進的振奮和憧憬；有晶片業的緊迫和焦灼，也有社會力量和資本的關注和熱捧……告別2018，迎來2019，集微網特推出「盤點2018」和「展望2019」兩大系列專題，將圍繞技術、投資、產業（包含台灣IC）等多個維度展開。

隨著照相，遊戲等手機應用不斷催生對晶片的壓力，使兩三年前的機型突然就像到了耄耋之年般無力，在此情況下對於晶片廠商們來說擠牙膏的升級方式已然行不通。

為了應對應用對手機晶片的需求，各大手機晶片平台都使出了吃奶的力氣，有的在手機晶片工藝上追求突破，有的則在架構上變換思路，也有的在技術上尋求創新，真可謂百花齊放。

2018，百花齊放的手機晶片

那麼來看看各大手機晶片平台今年都有哪些變化。

首先，蘋果推出了A12晶片。

據了解，該晶片採用台積電7nm製程，包含六核CPU（由兩個「性能」核心和四個「效率」核心組成），一個四核GPU，神經引擎更是多達八個核心，每秒可以處理5萬億次操作。

具體來講，2個性能CPU核心快15%，功耗降低40%，4個效率CPU核心功耗降低最高50%；4核心GPU比A11的GPU快50%。

其次，高通在年底推出了全新的驍龍855。

該晶片採用7nm製程工藝打造的1+2+3架構，擁有1個超級內核，主頻達到2.84GHz，而三個性能內核主頻為2.42GHz，最後效率內核主頻為1.8GHz。

此外，驍龍855支持的第四代多核人工智慧引擎AI Engine，可以實現每秒超過7萬億次運算。

提到高通就不得不提到其競爭對手三星。

三星的Exynos 9820採用8nm LPP 工藝製成，核心架構方面採取2 ＋ 2 ＋ 4的三叢式設計。

對比 Exynos 9810，Exynos 9820的多核性能提升 15%，單核性能提升了 20%，能效提升 40%，功耗降低 10%。

此外，Exynos 9820首次在Exynos 9系中集成了NPU單元，AI運算能力是9810的7倍。

不過要說到AI運算，華為就是個繞不開的話題。

此次華為推出的麒麟980採用台積電7nm製程，CPU方面，有別於傳統的四大四小核的系統架構，麒麟980設計了「2超大核+2大核+4小核」的三檔能效架構。

同時，進一步升級NPU為雙核架構，帶來更強大的AI處理能力。

當然，最後還有不得不提的聯發科。

今年聯發科推出的Helio P90採用12nm製程工藝，採用八核架構, 集成兩個ARM A75處理器。

還擁有旗艦級AI算力, 運算性能高達1127 GMACs (2.25TOPs)，相較於Helio P70和Helio P60，不僅能夠帶來全新的AI體驗，且算力提高4倍。

至此，我們可以看到，除了聯發科定位中端市場的P90晶片仍舊沿用12nm製程工藝之外，其他四家晶片的製程工藝都邁入了一個新的台階，而今年的晶片除了製程工藝的提升外，NPU的升級帶來AI運算能力的提升也成為晶片廠商爭相炫耀的一大熱點。

先進位程工藝大比拼

那麼先進位程能給手機晶片帶來怎樣的進步呢？

據台積電描述，與10nm FinFET工藝相比，7nm FinFET工藝具有邏輯密度1.6倍、速度提升約20%、功耗降低約40%的特點。

如今到了7nm時代，業界使用了砷化銦鎵取代了單晶矽溝道來提高器件性能，不過每一步進步的難度一直在增加，未來的7nm以下的工藝恐怕非極紫外光刻(EUV)不能搞定了。

而目前台積電7nm還是內建DUV技術，三星計劃是跳過非EUV技術的7nm LPP製程，直接推出內建EUV技術的7nm LPP。

據三星官方宣布內建EUV技術的7nm LPP製程，除了比10nm製程減少40%晶片面積，還能大幅降低50%的功耗，並使效能提升20%，由於加入EUV技術，使用光罩數量和生產成本都跟著下降。

可見7nm LPP製程的性能確實大幅超前8nm LPP製程。

不管是三星還是台積電都將用上EUV技術，並且製程工藝將會逐步提高，挑戰摩爾定律。

台積電宣布將開始5nm製程的「風險生產」，時間將是明年上半年。

為了5nm製程，今年年初台積電就建設了一座全新的5nm晶圓廠，台積電打算將在2020年開始批量生產。

根據目前的消息顯示，台積電已經準備使用極紫外光刻（EUV）技術來生產5nm晶片。

隨著製程工藝不斷挑戰極限，未來晶片性能與能耗比不斷提升，面積也將會不斷減小，對於終端設備而言廠商將能更好地設計內部零部件布局，進一步降低發熱，提升續航。

比拼AI性能的時代已到來

今年晶片除了先進位程工藝外，AI運算能力也是得到大幅提升，近年來，人工智慧發展迅速，得益於AI算法使得某些終端應用帶來新的體驗，比如人臉識別與照相。

除了聯發科與高通在原先的AI引擎進行升級外，其餘三家晶片都搭載了神經網絡處理器（NPU）單元。

獨立的神經網絡引擎單元帶來的就是強大的數據吞吐量，和運算能力，得益於此我們才能看到iPhone X上的Face ID安全機制即識別人臉解鎖的瞬間，需要對前置攝像頭掃描到的數萬個參考點進行掃描比對，然後判斷解鎖；iPhone XR上單鏡頭也能擁有雙攝的景深效果；華為拍照應用中的雙攝人像，降噪等場合，在處理這些應用時NPU將擁有幾十倍的性能和能效優勢。

當然這些事情交給傳統處理器同樣能做，比如專門處理影像數位訊號的ISP，雖然每年晶片都會對ISP進行升級，但面對攝像頭不斷升級的像素，4K 60FPS的超高清攝錄，明顯ISP的能力已觸及天花板，再往後，AR、3D實時掃描再加入已無法想像會對晶片造成多大的壓力。

如果能將這些運算工作都交給NPU，理論上情況就會大為改觀，因為它的特點，就是為超大數據量吞吐運算而生。

高通和聯發科則沒有集成專門處理人工智慧任務的硬體單元，而是在已有的硬體單元上進行優化和改進。

原因在於AI相關的技術和算法都還不夠成熟，高通和聯發科作為手機SoC的提供方，在確定到底哪種算法以及數據類型最適合深度學習之前，押注其中一種不僅不是明智的選擇，還可能因為硬體跟不上算法疊代而無法滿足市場的需求缺乏競爭力，因此除了藉助工藝製程、CPU、GPU的持續升級滿足AI應用，高通和聯發科還針對目前比較熱門的AI圖像應用在已有的硬體上進行優化來更好地適應不同手機廠商的需求。

。

可以預見未來晶片將會在原有性能上不斷提升外，AI運算能力也會是焦點。

不可否認，一個晶片的AI時代已經到來。

明年又是5G元年，在更快的數據傳輸速度與更高的數據流量下將會加速AR，AI，VR等應用落地，屆時移動終端作為應用載體也將發揮不小的作用，晶片作為定海神針也將會上升到新的高度為用戶帶來新的體驗。