最大碳纳米管芯片、最大 AI芯片相继发布，芯片行业要变天了？

图为近期芯片行业大事记

无论是研究机构、芯片创业公司，还是包括英特尔在内的集成电路供应商，百度、华为等在内的科技巨头，众多力量都在拥抱芯片的创新研发。这将给芯片——这个高投入、高风险、慢回报的行业带来深刻的化学反应。我们用三个问题解析他们将带来的三重改变。

超大芯片距离商用化还有多远？

我们知道，芯片尺寸越大，越能够快速处理信息。对于超大芯片的尝试一直是行业努力的方向，此前，由于面临的诸多难题，从业者的尝试无一例外都失败了。

AI时代到来，市场对大芯片的需求再次呼之欲出，有了深度学习之后，人们为了训练复杂的神经网络模型需要极强的算力，单个GPU 很难满足需求。

在超大芯片之前，行业采用的方案是片外传输，也就是将芯片连接起来。（如英伟达花费几十亿美金，开发并推出的一种总线及其通信协议——NVLink ），这种互联的系统性价比并没有那么高。它的成本是超线性的，回报却是亚线性的。100个GPU连在一起，未必能够实现 100 个GPU 的性能，但成本却远大于 100个GPU之和。与此同时，高速互联的片外传输有明显的天花板。芯片一旦封装后有引脚，引脚一般有几千个，它的数量是有限的。

超大芯片的出现，实现了数据的片内传输，不仅成本更低，之前互联的效率问题也能够迎刃而解。

不过，这款芯片正式走向商用还面临几大挑战：

1.散热问题：

超大芯片比目前最大的英伟达GPU还要大将近60倍，尽管没有消息透露其功耗大小，但可以预想，其功耗一定不会低，如果没有与之配套的散热系统，芯片就会烧坏。

2.良品率：

超大芯片拥有 1.2 万亿个晶体管，尽管采用了错误冗余技术，也很难保证核心电路没有杂质。

3.封装难度大：

芯片的封装是很有挑战性的技术，封装不好的芯片很难在恶劣环境下使用。目前，行业内还没有针对这款芯片的封装方案。

4.时钟同步：

当工作频率高到一定程度时，信号传播的延迟度也是问题。

如果这些问题能够解决，它将对整个AI 行业带来颠覆性的影响。

芯片界的摩尔定律会失效么？

芯片行业一直遵循摩尔定律保持快速增长，即每 18 个月，集成电路上可容纳的晶体管数量将扩大一倍。如何用最经济的方法，将数十亿个晶体管放入一颗芯片中，是当前芯片行业遇到的最大挑战。如今，晶体管已经缩小至 7nm 制程，预计2030 年将达到 1 nm。而原子的极限就是 0.1 nm。这是否意味着，摩尔定律即将放缓？

答案是否定的，目前看，摩尔定律仍然有效。

但是为了追求最先进的工艺，把晶体管刻得越来越细，半导体工厂需要做十几层的光掩膜，把光刻在半导体上等（Mask，后来也叫光罩)，这套工艺越来越贵。芯片领域已经变成金钱、资源和时间的比拼。

因而，即使芯片价格没有变化，芯片工艺成本即 NRE 成本（一次性工程费用）会越来越高。90 年代，芯片流片一次只需要 100 万美金，到下一代芯片，可能就需要 1亿美金。

这时候，谁拥有更多资源，谁能够获得规模效应，卖出去更多芯片，谁家的芯片价格就会更低，在市场上就有竞争力。相反，如果没有钱和资源投入到最新的工艺制作中，没有大量客户为芯片买单，芯片公司就容易在市场上处于被动的地位。

巨头做芯片，小玩家是否还有活路

与Cerebras Systems 发布的超大芯片相比，华为在8月23 日发布的AI处理器 Ascend 910和全场景AI计算框架 MindSpore 更有实际意义，因为后者已经开始量产。

华为是手机公司，却成为芯片市场的王者。2018 年，市场研究顾问公司 Compass Intelligence 对全球 100 多家 AI 芯片企业进行了排名，华为海思成为中国大陆地区最强芯片厂商。

图为全球 AI 芯片版图

在全球AI的芯片版图上，除了包括英伟达、英特尔、高通在内传统的集成电路供应商，芯片创业公司，华为、谷歌、亚马逊、微软、苹果在内的科技巨头一跃而起。

对于华为、谷歌、苹果这类巨头而言，他们面向客户，有足够的营收，生产的芯片可以用在自己的产品上。这将成为芯片行业的一个趋势：有资金、有客户的巨头将从芯片行业的客户变成玩家。

在行业马太效应明显的情况下，创业公司如果只是在原有的通用芯片上和巨头比拼工艺，很难存活下来。

这时候，创业公司的机会主要有两个。

一是在垂直场景下提供一站式的解决方案，包括芯片、系统和算法。第二种则是采用专门工艺，做射频芯片、功率半导体、特殊传感器等专业芯片。

两者只是躲开了巨头的竞争领域，但能否找到合适的垂直市场，实现巨大的规模效应，仍然有很大挑战。