從智慧型手機到無人車，看AI晶片的「小趨勢」

晶片戰爭未曾停歇。

飛速發展的自動駕駛為晶片廠商帶來了新的機會，IC設計商嘗試推出更適用於AI場景的晶片，晶圓與封測廠商圖加速換代生產線，以便趕上下一波AI時代的「潮流」。

為了更直觀的理解AI晶片，我們需要「拆解」兩部iPhone。

揭開iPhone 4後蓋，卸下主板PCB，可以看到一塊拇指大小黑色塑料片。

這是蘋果第一代自家產的SoC（片上系統），名為A4處理器，它被焊接在iPhone 4主板背部，曾與喬幫主一同站在2010發布會舞台上。

如今蘋果自產SoC升級到了A12X，除了運算能力的增長，其內核架構也隨著工業界晶片製造工藝進化而日趨精湛。

8年前的A4處理器撐起了iPhone的市場地位，這塊搭載ARM核心、內部脈衝震盪可以飆升至1GHZ的晶片，僅一半的計算能力就可把上個世紀登月的阿波羅飛船甩在幾條街後，而大部分用戶只需用它打電話、收發郵件、偶爾玩一玩《憤怒的小鳥》。

A系晶片演進到今天，蘋果推出搭載最新處理器A12x的iPad Pro，庫克試圖說服人們一款不足6毫米厚度的電子設備就可勝任生活工作的全部需求，從而不在需要攜帶厚重的筆記本，確實有他的道理。

A12X代表著消費電子處理器已到達前所未有的高度。

這款A12X內置模擬人腦神經元的集成電路，可以在人眼不可察覺的瞬間完成神經引擎、圖像處理、數據處理的工作（FaceID），這在幾年前還是科幻電影的元素。

我們沒有辦法展示A12X的照片，但可以參照A11，視覺化蘋果移動端SoC集成度變化。

今天再來對比兩款晶片：兩張單薄晶體板下方隱藏著一道巨大的技術鴻溝，從矽晶打磨、光刻、再到封裝技術，背後是多年來理論學者與晶片工程師的嘗試，以及全球晶片巨頭間的角逐結果。

如果不是製造工藝的進步、整個晶片的社會生產力不斷提升，誰也不會想到會有類似科幻元素的產品觸達我們的生活，影響到我們的感官體驗。

國內華為也有自己的SoC系統：麒麟980。

為證明最新麒麟980的實力，華為號召了幾位大學生，設計出一套可以預裝在榮耀Magic2上便可操縱車輛的駕駛程序，佐證了麒麟980計算能力。

這是一次創新式的嘗試，但手機能夠處理的道路信息還是非常有限，為了提供安全可靠的自動駕駛體驗，我們需要更快、更靈活、更低功耗的的AI晶片。

在未來，無人駕駛汽車將集成諸多算法。

想像一下，用戶可以在手機App上「召喚」一輛附近空閒的無人車。

無人車啟動「大腦」，開始獲得實時路況信息，這幾乎占用了目前無人車「大腦」的運算帶寬。

每一秒鐘，攝像頭採集車附近360度視野圖像，實時地運行卷積神經網絡來區分行人與車輛。

與此同時，毫米波雷達收集到距離信息為車載決策層準確的判斷依據：是繼續直線行駛，還是轉向避讓？決策層需要在不到50毫秒的時間內反應，控制車輛動力及轉向控制器，下位機繼而將指令轉化成PWM脈衝信號，指揮毫無思考能力的方向電機和動力電機。

幾分鐘後，無人車戰勝了複雜的路況、穿過嘈雜街道，停靠在到精準的目標位置，等待乘客上車。

隨後，通過車載語音交互模塊，無人車可獲知用戶的目的地。

根據最新的高精度地圖信息，再結合車身上的全方位傳感器感知周遭情況，最終安全的抵達目的地。

這一套流程，重複而單一，會使人類司機感到疲憊。

所以不難看出，AI晶片有三大要求：大吞吐，低延時，低能耗。

對於廠商來講，只要能占據更大的無人駕駛市場，錢不是問題。

為實現這一目標，Nvidia在2016年推出K字頭運算GPU加速器，黃仁勛試圖討好馬斯克以便擠掉以色列公司Mobileye，但顯然後者不吃這一套，選擇表面合作暗地卻從AMD挖高管，打算自己搞AI晶片。

只不過事實證明，最新的Model 3依然使用Nvidia的處理器，自研晶片之路還很長。

目前在業界中，有一種說法是AI晶片將沿「CPU-GPU-FPGA-ASIC」的路線演進。

CPU曾在PC、伺服器端時代統領江山，卻不及GPU的大吞吐特性而淪為輔助，Nvidia曾在Drive Xavier架構上投入30億美元，2018年CES上展示出了一款能夠以500瓦的能耗代價實現每秒320萬億次運算。

500瓦的能耗水平非常低，滿載的車內空調大約在5千瓦時左右，占用傳統燃油車2匹馬力。

然而未來國內能源屬性趨勢來看，無人駕駛模塊將限制車輛的續航里程，500瓦的功耗還是太高。

中國一家名為深鑒科技創業公司在去年被國際FPGA巨頭賽靈思（xilinx）收購，深鑒科技的一篇論文曾在FPGA 2017大會上評為最佳，在論文中他們設計的模型可以在XCKU060（一款FPGA晶片）上運行更高精度的語音識別效果，而且擁有更低的功耗。

矛盾在於FPGA屬於半定製化的工業產品，成本相對較高，XCKU060單片價格在4000美元左右。

在相同計算力下，FPGA價格不占優勢。

谷歌旗下的Waymo目前使用的KU115（一款來自賽靈思的FPGA晶片），單片價格在5400美元左右，雖然換掉了早年使用的英特爾Xeon系列伺服器晶片，運算性能不斷提升，但整車價格也一路高歌猛進。

待算法、傳感器成熟，ASIC才有施展拳腳的機會。

我們之前提到的Mobileye，其產品便是基於的ASIC架構加速器，和Nvidia走截然不同的系統級處理器路線，ASIC全稱為「專用集成電路」，其內置的異構模塊可以針對信號、圖像等處理算法進行特殊優化，但在設計流程上用到更長時間。

FPGA這個詞想必就更加陌生了。

簡單來說，ASIC晶片是一個「KFC的漢堡包」，而FPGA更像「賽百味的三明治」，後者有更大的「重新設計」空間，可以根據用戶需求添加內容、功能和優化。

不過，針對FPGA進行編程，也可以設計出ASIC，但單片成本更高，而且需要大量專業腦力工作，是項「硬核」工藝，而想靠自家設計的FPGA落得應用，更是件困難的事情。

近年，國內湧現一批AI晶片的IC設計商，寒武紀、阿里、華為、百度、地平線、比特大陸等。

在設計技術和製造技術之間，國內初創IC設計商處在很尷尬的境地，其設計成果若不能找到合適產品並量產，將意味著所有設計毫無商業意義。

於是，我們將目光放到晶圓與封裝廠商上來。

中芯國際是一家成熟的本土圓晶加工商，2017年市場占有率5.4%，YoY（增長率）達到6.35%，2018年28nm以上製程的晶片月產44萬片，這些晶片會被安裝到低功耗計算機、通訊設備、汽車等其他消費電子產品上。

但是AI晶片領域，至少在雲端訓練計算方向上，14nm以下製程才算剛剛入門，截至2019年2月21日，中芯國際尚未交付任何14nm或以下製程的產品，但在媒體報導中稱：「14納米技術研發已進入客戶導入階段」。

這麼來看，中芯國際確實已經有14納米技術：FinFET工藝。

FinFET是什麼概念？簡單來說，中芯將刻晶片的工藝水平從2維（CMOS）升級到3維（FinFET），是集成晶片工藝中值得「秀」的資本。

此前中芯的28nm多晶矽（Poly/SiON）工藝是相對台積電比較落後的技術，後來才有了HKMG製程工藝，雖然仍是28nm製程，但產品優化效果好，良品率也有所提升。

對於大廠而言，前幾年在20nm的工藝突破是一個分水嶺，因為越低製程將越接近材料極限，例如：量子隧穿效應。

FinFET工藝是目前應對量子隧穿效應最有效的方法，中芯國際的FinFET尚處在「有技術沒產品」的階段，正在2019年希翼實現突破。

晶圓（圖片來自維基百科）

在世界前三的封測企業中，有兩家是本土品牌，一家是台灣日月光，另一家是江蘇長電。

2017年的數據統計顯示，台灣日月光的市場占有率最高、營收最大。

寒武紀的第一款SoC就是在日月光協作下完成的。

長電科技2018年第一季營收達54.90億元，相較去年同期50.25億元增長9.27%；實現凈利潤9600萬元，而去年同期虧損1億元。

歸屬上市公司凈利潤為525萬元，較去年同期3830萬下降86.29%。

而我們單獨看江蘇長電的產能，在較為複雜處理器封裝工藝還是研發階段，暫時沒有量產可能。

同樣的，與長電科技各分秋色的華天科技、通富微電，均無較大功耗的AI晶片封裝工藝，而小型SoC也難以勝任。

蘇州晶方是一家小型化晶圓的半導體廠商，主要靠TSV工藝吃飯，在AI晶片領域暫無涉足，不過相類似廠商可能會在智能設備普及、愈發依賴生物傳感的情況下大有可為。

國內封測企業興起的具有國際因素，例如松下等日韓封測廠在馬來西亞因工人債務問題，於2016起陸陸續續撤離當地，將新廠設立在中國大陸。

五.在IC設計領域，2016年創立的寒武紀需要依託上游智慧財產權保護，下游需要藉助圓晶製造廠、封測（日月光等）廠商實現量產，其產品出口有二：SoC廠商和系統廠商。

2017年，寒武紀參與完成了一款華為的AI晶片設計，也就是讀者常聽到的麒麟970。

這顆晶片本身不是寒武紀生產，而只負責設計了其中部分模塊。

麒麟970本身屬於SoC概念：將符合需求的功能ARM加上自己的IC晶片封裝到一起。

其優點在於集成度高、體積小巧，適合移動端設備。

而要設計一顆SoC需要相當多的技術配合，例如上游的IP（intellectual property）授權、遵循晶圓製造標準。

能從IC一路走到最後的測試階段的SoC都是了不起的工程項目。

寒武紀和華為合作的麒麟970具有一定戰略意義：去年（2018）全球手機市場整體下滑，唯獨華為手機出貨量上漲趨勢（+43.9%），市場份額達到了世界第三的水平，但此前卻沒有自己的晶片，消耗了大量的IP授權費。

與此同時，寒武紀正愁沒機會進入移動端市場，乾柴與烈火的相遇，進一步推動搭載麒麟970的Mate10齣貨量達到4000萬台，如果保守估計，麒麟970為寒武紀帶來不小於2億美元收入。

寒武紀本身是中科院計算所孵化的國家級AI及晶片團隊。

在過去3年里已經進行3輪融資，B輪融資後，估值躍升到25億美元，在國內AI晶片處於領先地位。

國內AI晶片產業逐漸入軌，越來越多的網際網路系和科研孵化系企業希望加入未來的晶片格局。

一片拇指大小的矽晶體，此時仿佛一把通往新世界的入場券，吸引著IC廠商與下游製造商竭力一搏。