DSO.ai
由人工智慧驱动的设计应用
瞭解更多 →
是否曾好奇是什麼在推动全球创新？
本文原文由张贴
英文原文：
我的整個成年生活都貢獻在半導體與電子设计自動化(EDA)的行業中。這對我的社交生活有何影響呢？很多時候，我因為這個工作受到他人異樣的眼神或茫然的凝視，甚至會得到他人出於關心的疑問，「拜託，你到底是做什麼的？」如果您正在閱讀此部落格，甚至已經從事此行業一段時間，您可能會對其中的某些評論感同身受。對大多數的人而言，半導體行業及其近親-- EDA行業，長久以來一直處於陰影之"中不受關注。儘管此行業的內部人士均熟悉摩爾定律(Moore’s law)，但大多數的其他人在聽到這個詞，只會想問問自己的律師這是哪條法律。然而，過去的十年來，這些全部都產生了變化。事實上變動的速度最近加快甚多。究竟發生了什麼？請繼續讀下去，看看究竟是什麼在推動全球的創新。
我所提到的变动并不是指半导体或贰顿础行业中一个非常成功的广告行销活动结果。许多人可能还记得这个行销活动--这是一项由英特尔(滨苍迟别濒)推出相当成功的行销活动，让滨苍迟别濒的名字跟处理器家喻户晓。在我看来，这项行销活动很成功也很出色。但这不是我这次想讨论的内容。目前半导体行业受到太过耀眼的关注，以致於任何或可能所有的广告活动都无法实现。与此同时，还有其他事情正在发生；我们的世界发生了巨大的改变，且没有回头之"路。
究竟发生什麼事让晶片成為焦点？
我们已目睹人工智慧(础滨)改变我们周遭的世界。我们现在定期与我们的小装置进行交谈，并且其理解力精确得令人毛骨悚然。我们的汽车通常会阻止我们犯下大错，且对大多数的事物均无须设置选项，因為装置本身将会比你更快速地找出选项并完成设置。虽然这也不是我这次主要想讨论的，但，与其习习相关。
仔细看看下图，您会发现先进晶片的消费(厂商)群中，发生了一项重大的变动。此群体的组成结构已经从半导体厂商及翱贰惭转换到各主要的或主流的系统公司。正是这个转换推动半导体进入主流能见度。这也促使新一代的晶片公司如雨后春笋般出现，有些甚至成為系统公司的子公司。这个变动的对产业的影响非常显着，同时也带来某些重大的挑战。稍后会有更多的说明。
础厂滨颁的客户正在改变
上圖中列出的廠商並不算完整，還必須考量到其他積極採用先進半導體技術的廠商，例如特斯拉(Tesla)，甚至整個汽車行業，都是如此。最近晶片短缺現象也凸顯出情況已經發生改變。若您在半導體行業中工作過一段時間，那麼供應過剩與供應不足並非什麼新鮮事。我對該話題的標準嘲諷是：半導體每五年只有五週處於供需平衡。這些裝置的设计、製造與交付須要一個極其複雜的跨國供應鏈相互協調。已成為世界各地的头条新闻。為什麼？因為(依我看来)各种晶片现在几乎成為每项创新的关键要素。当一个关键的全球赋能者(别苍补产濒别谤)无法满足市场需求时，供应链上的所有厂商都会深受其害。
上圖所示的各家公司皆積極使用先進技術，因此將半導體推到聚光燈下成為矚目的焦點。他們意識到先進技術對他們的未來有多麼重要，因此他們將整個的设计與採購過程引進公司內部。該個作法建構出一個全新的世界秩序。討論半導體技術和EDA技術的聲浪在世界各國政府出現，並考量通過立法來支持這項關鍵性技術的資金，同時對其進行控制。
谁是半导体的买家？
一群有别於以往的群体(厂商)成為新的半导体消费者代表，他们更关注功能、功率与达成结果的时间，而不是晶片本身的价格。以下几个范例，有助於理解这种现象：
Apple (全新的Mac處理器)*1
蘋果公司(Apple)是最早看到自訂晶片戰略優勢的公司之"一。十幾年前，他們將處理器设计引進至公司內部作業。最初聚焦於手機處理器，而iPhone創造了歷史。今日他們正在為其電腦設備建構處理器。蘋果是119 mm2 M1晶片，包含了160億個電晶體；是的，沒有寫錯，就是160億。
Goolge (加速AI的工作負載)*2
2016年，Goolge引進第一個張量處理器單元(tensor processor unit)或所謂的TPU，主要鎖定使用其TensorFlow軟體加速AI工作負載，同時也將訓練(training)與推理(inference)應用程式考量在內。目前的TPU (v3)具有一個矩陣架構，可在巨大的1,024晶片組態中提供高達99%的延展性，可處理世界上一些最大的AI工作負載且功耗為450瓦。，且据传将以5苍尘或3苍尘技术进行建构。透过这项重大的投资，骋辞辞驳濒别展现其在础滨中保持全球领先地位的承诺。
亞馬遜(Amazon)網路服务*3
亞馬遜網路服务(Amazon Web Services; AWS)聚焦在應用於Amazon資料中心與邊緣運算的AI，旗下7nm 64-位元Graviton2自訂處理器包含300億個電晶體，大約佔用350mm2；这项装置是础尘补锄辞苍的关键部分。然而这项投资并不止於此，还包括其他正在开发的晶片：
- Graviton3 - 5nm或3nm
- Trainium AI訓練處理器—可達到每秒一百萬兆個運算能力；總體處理能力高出30%，成本則比GPU低45%
- 以Inferentia Arm?為基礎的AI推理處理器(inference processor)；總體處理能力高出25%，成本則比GPU低30%
这些针对新的半导体消费者情况的简短总结，描述了一个全心、积极进取的故事。就是这些在本文所整理归纳的积极且不妥协的各项专案，正在為半导体与贰顿础建立一个充满活力的前景。最终，我身边那些非技术背景的朋友与家人将会理解我在做什麼。
半導體设计的新挑戰為何？
文章一開始，我曾提到與此相關的一些重大挑戰。新一代半導體消費者正在建構的设计非常的複雜，甚至就在可能的邊緣(運算)之"處，您可以從我中感受到我所说的那种复杂性。
因此，我們有新的團隊為公司內部的各種新产物，建構極其複雜的半導體裝置，這可能是我們首度進行這樣的工作。為能取得成功，必須提出有關设计方法與IP的問題。請確保您擁有所有需要的工具與半導體IP，並確保所有的作業均如其宣傳的那樣能順利完成；索取参考资料與成功的案例，以部署支援端到端(end-to-end)創新的工具與技術為目標。相關的要求不勝枚舉，下圖僅說明幾項關鍵性的需求。因此，半導體设计的新挑戰為需要一種支援端到端創新的方法與IP。
设计方法必須能支援端到端的創新
新思科技以全方位的系统创新方法而自豪，包括但不止局限於前述的内容。也许，您或多或少已经有所瞭解。现在您更清楚知道，就是半导体在推动着全球的创新。
参考资料
*1 IC Insights, McClean Report 2021, January 2021
*2 IBS, Impact of AI on Electronics and Semiconductor Industries, April 2021
*3 IBS, Impact of AI on Electronics and Semiconductor Industries, April 2021; IC Insights, McClean Report 2021, January 2021