2017年由人工智能大潮引領(lǐng)的新一輪技術(shù)創(chuàng)新，迅速帶動全球半導(dǎo)體創(chuàng)新加速。中國IC設(shè)計公司迎來了與海外IC設(shè)計公司同步起飛的時代機遇。同時，由中國率先提出并倡導(dǎo)的“一帶一路”戰(zhàn)略，迅速成為全球經(jīng)濟和科技發(fā)展的新亮點與新看點。電子模塊
在2018年的春天，Aspencore旗下《電子工程專輯》、《電子技術(shù)設(shè)計》、《國際電子商情》三大媒體聯(lián)合在上海舉辦2018年中國IC領(lǐng)袖峰會。峰會以“中國IC業(yè)之世界格局”為主題，特邀產(chǎn)業(yè)最受關(guān)注的領(lǐng)袖人物，與數(shù)百位資深設(shè)計工程師、管理精英和技術(shù)決策者共同探討產(chǎn)業(yè)的成長和突破之道。
Aspencore全球發(fā)行人兼執(zhí)行董事高志煒(Victor Gao)在歡迎致辭中表示，2017年由人工智能大潮引領(lǐng)的新一輪技術(shù)創(chuàng)新，迅速帶動全球半導(dǎo)體創(chuàng)新加速。中國IC設(shè)計公司迎來了與海外IC設(shè)計公司同步起飛的時代機遇。同時，由中國率先提出并倡導(dǎo)的“一帶一路”戰(zhàn)略，迅速成為全球經(jīng)濟和科技發(fā)展的新亮點與新看點。
在可預(yù)測的未來，全球半導(dǎo)體行業(yè)將呈現(xiàn)高速發(fā)展趨勢。歐洲以德國、法國、英國為代表，仍將持續(xù)關(guān)注智能制造、智慧城市、區(qū)塊鏈等熱門技術(shù)；而在北美的硅谷、波士頓，不僅見證著初創(chuàng)企業(yè)的蓬勃發(fā)展，生命科學(xué)、環(huán)境科學(xué)、航天科學(xué)等學(xué)科也突飛猛進；作為全球最具活力的市場，亞太區(qū)對CPU、GPU和存儲器的需求尤其旺盛。而當(dāng)前全球最重要的發(fā)展熱點來自AI和物聯(lián)網(wǎng)，人與機器達到了空前的融合，物聯(lián)網(wǎng)正演變?yōu)?ldquo;我聯(lián)網(wǎng)”，這需要云端、電信端和終端的密切配合。
“上知天文，下知地理，文經(jīng)武律，以立其身”。憑借高科技資本、技術(shù)人才和全球最佳市場的優(yōu)勢，中國IC業(yè)者近些年創(chuàng)造出了一系列令人矚目的成就，例如中國自主研發(fā)的CPU已經(jīng)運行在國產(chǎn)超級計算機中，長江存儲3D NAND存儲芯片量產(chǎn)在即，清華大學(xué)推出的可重構(gòu)計算處理器，兆易創(chuàng)新的非易失性存儲芯片都已成為明星產(chǎn)品。那么，中國IC廠商如何在“一帶一路”的利好政策下，走向全球市場、占領(lǐng)IC時代巔峰？在AI時代，中國IC廠商是否能夠和國際對手處于同一起跑線？本次峰會將為您一一解開心中的疑惑。
物聯(lián)網(wǎng)、5G和人工智能市場下的中國IC機遇
華為公司一直是物聯(lián)網(wǎng)產(chǎn)業(yè)的倡導(dǎo)者和主要參與者。但在華為技術(shù)有限公司半導(dǎo)體業(yè)務(wù)戰(zhàn)略與業(yè)務(wù)發(fā)展總監(jiān)夏硯秋看來，過去物聯(lián)網(wǎng)的發(fā)展實際上是不盡人意的。
“回顧歷史，IoT這個概念提出近20年，商業(yè)化嘗試也有10年，但現(xiàn)在既有的物聯(lián)網(wǎng)連接只有10億個，根本問題出在哪里？”夏硯秋分析認為，技術(shù)上來看，最重要的就是原有的物聯(lián)網(wǎng)技術(shù)過于簡單，無法在全球范圍內(nèi)實現(xiàn)普遍覆蓋，從而導(dǎo)致商業(yè)化的不成功。 而物聯(lián)網(wǎng)的新時代在于低功耗廣域物聯(lián)網(wǎng)的誕生和標準的確立，使得全球范圍內(nèi)的覆蓋成為可能，運營商擁有大規(guī)模的服務(wù)提供能力，可以形成真正可持續(xù)的盈利模式，把垂直行業(yè)應(yīng)用融合起來，把智能生活帶給每個人，每個家庭。
在物聯(lián)網(wǎng)新舊時代轉(zhuǎn)換的過程中，各國政府和運營商在其中起到了主導(dǎo)作用，一個定標準，一個修路?？梢钥吹剑锫?lián)網(wǎng)的產(chǎn)業(yè)鏈條復(fù)雜多樣，但芯片產(chǎn)業(yè)占比非常低，單獨從芯片本身也看不到賺大錢的機會，全球只有少數(shù)玩家參與。但反觀人工智能這一波產(chǎn)業(yè)浪潮中，芯片技術(shù)在其中發(fā)揮的驅(qū)動力和商業(yè)機會則大不一樣。
上圖是2017年Gartner技術(shù)成熟度曲線圖。與2011年物聯(lián)網(wǎng)概念第一次出現(xiàn)在觸發(fā)期，且被認為還需要5-10年的時間才能成熟不同的是，物聯(lián)網(wǎng)已經(jīng)變成了物聯(lián)網(wǎng)平臺，成熟的時間也變成了2-5年，但仍然處于技術(shù)發(fā)展的早期。物聯(lián)網(wǎng)芯片當(dāng)然是不可或缺的，但驅(qū)動力更多的是來自于產(chǎn)業(yè)各方如何達成共識。但反觀人工智能相關(guān)的技術(shù)卻一下子多了起來，綠框中，無論是還處于早期的強化學(xué)習(xí)、神經(jīng)擬態(tài)硬件，還是處于炒作巔峰的深度學(xué)習(xí)、機器學(xué)習(xí)、自動駕駛、認知計算都和AI芯片強相關(guān)，無論是在學(xué)術(shù)界和產(chǎn)業(yè)界，我們都可以深切地感受到芯片對于人工智能相關(guān)技術(shù)的關(guān)鍵推動力量。
那么人工智能芯片市場到底有多大呢？JP Morgan認為未來5年將保持60%的年化增長速度，從2017年的30億美元到2022年的330億美元；Nvidia更加激進，認為在2020年這個市場就會達到300億美元，其中訓(xùn)練市場110億美元，推理市場150億美元，高性能計算市場40億美元；Intel把數(shù)據(jù)中心的CPU、GPU、Memory、網(wǎng)絡(luò)、光芯片全放在一起，認為2021年要到650億美元；IDC和Gartner給出的數(shù)據(jù)是5年后大概100億-150億美元的新增AI芯片市場。
也就是說，無論按照誰的標準，這塊市場的增長都遠遠超過了IC產(chǎn)業(yè)的平均增速，而這樣一塊新市場的誕生，在過去十幾年半導(dǎo)體產(chǎn)業(yè)發(fā)展的過程中是非常不同尋常的，所以不僅吸引了老牌的IC廠商廣泛參加，也吸引了非常多的創(chuàng)業(yè)公司參加，可以說對于AI芯片市場比較樂觀的一個判斷，幾乎成了產(chǎn)業(yè)界的共識。
對于未來的樂觀預(yù)測不是拍腦袋想出來的。根據(jù)2017年全球服務(wù)器和GPU的出貨量來看，服務(wù)器出貨量達1100萬臺，其中云計算廠商大概占到了40%，Nvidia數(shù)據(jù)中心GPU出貨量32萬塊，按照一臺服務(wù)器配4個GPU來估計，去年具備AI加速能力的服務(wù)器出貨量只有7萬臺，和總得出貨量相比，滲透率不足1%。
夏硯秋強調(diào)說，這個數(shù)字很重要。從一個角度來看，可以理解為數(shù)據(jù)中心的GPU市場仍然是一個利基市場，很多服務(wù)器并不需要AI功能。但如果換一個角度來思考，那就是數(shù)據(jù)中心的AI芯片市場還遠遠沒有到頂，如果誰能提供價格合適、性能強大的AI芯片，客戶沒有理由不買。
如果從利潤的角度來看，機會就更加明顯了。左圖曲線是Nvidia GPU的每瓦性能提升趨勢曲線，斜率還是比較穩(wěn)定的；右圖是GPU的售價和性能的曲線，從斜率來看，這個性價比是越來越差的，但這也是Nvidia的利潤源泉。
2017年，Nvidia的毛利率達到了62%，而5年前只有52%，考慮到數(shù)據(jù)中心業(yè)務(wù)在Nvidia總收入中占比只有20%，所以毛利率應(yīng)該更高；而老對手AMD近5年來毛利率也就是在30%上下。因此，如果誰能夠挑戰(zhàn)Nvidia現(xiàn)在的霸主地位，不僅市場規(guī)模會做到很大，利潤方面也將遠遠超越一般的半導(dǎo)體廠商。
AI芯片最大的挑戰(zhàn)來自于市場定位，如何平衡性能與靈活性？是贏者通吃還是深耕長尾？這是夏硯秋在現(xiàn)場對行業(yè)提出的問題。這其實代表了AI芯片的兩種商業(yè)選擇，換句話說，由于芯片產(chǎn)業(yè)的歸一化標準，大家實際上只有兩個選擇：在數(shù)據(jù)中心市場擊敗Nvidia，或者是構(gòu)建垂直領(lǐng)域的端到端護城河
贏者通吃的代表是來自英國的Graphcore公司，它在2017年10月底公開宣布其IPU達到了之前的設(shè)定目標，相比于其它AI加速處理器性能提高10x-100x，在訓(xùn)練和推理都表現(xiàn)出色，最大程度地支撐開發(fā)者的創(chuàng)新模型和算法，實現(xiàn)其它硬件架構(gòu)無法實現(xiàn)的任務(wù)。
而以下數(shù)據(jù)則告訴我們深耕長尾的價值：
數(shù)據(jù)中心：30億美元 安防監(jiān)控：1億攝像頭出貨量，傳統(tǒng)監(jiān)控芯片市場規(guī)模20億美元 自動駕駛：9000萬汽車出貨量，未來ADAS市場10億美元，L2/L3市場20億美元，L4/L5市場50億美元 智慧家庭：智能音箱（2017年數(shù)千萬出貨）、智能攝像頭、游戲機 智能手機：15億出貨量，AP市場規(guī)模400億美元，美顏相機，AR和語音助手 AI醫(yī)療：醫(yī)學(xué)影像診療，高性能計算 機器人/無人機：數(shù)百萬出貨量 
但夏硯秋認為，目前的AI芯片還不能解決安防領(lǐng)域遇到的所有問題，而在自動駕駛領(lǐng)域又恰恰相反，是AI芯片運算性能過剩，例如當(dāng)前的GPU已經(jīng)能夠具備支持L5自動駕駛的性能，人們探討更多的是如何將可靠性從99.9%提升到99.9999%，這需要從更高的系統(tǒng)層面進行思考。深耕長尾的價值在于垂直整合解決實際商業(yè)問題，而在這一波浪潮中，中國IC廠商將首次和國際對手處于同一起跑線。 權(quán)利的游戲
北京芯愿景有限公司總經(jīng)理張軍援引知名美劇《權(quán)力的游戲》的主題，從規(guī)則、攻略和裝備三方面闡述了三大法律法規(guī)、如何建立有效的攻防體系以及兩種時效性非常強的專利工具。
他強調(diào)稱，與集成電路行業(yè)相關(guān)的包括專利權(quán)、布圖設(shè)計權(quán)和商業(yè)秘密權(quán)。在布圖設(shè)計權(quán)中，保護“思想的表達”而非“思想”本身，也就是說，按照《條例》第五條的規(guī)定： “布圖設(shè)計的保護，不延及思想、處理方法、操作方法或者數(shù)學(xué)概念等。”；如果按照《條例》第四條：“受保護的布圖設(shè)計應(yīng)當(dāng)具有獨創(chuàng)性，即該布圖設(shè)計是創(chuàng)作者自己的智力勞動成果，并且在其創(chuàng)作時該布圖設(shè)計在布圖設(shè)計創(chuàng)作者和集成電路制造者中不是公認的常規(guī)設(shè)計。”，那么，保護布圖設(shè)計中的獨創(chuàng)性部分，而非其它；第三點，按照《條例》第七條：該法規(guī)保護“集成電路布圖設(shè)計、含有該布圖設(shè)計的集成電路或者含有該集成電路的物品。” ，闡明了布圖設(shè)計保護的三個層次。
而根據(jù)獨立創(chuàng)作性要求，布圖設(shè)計只要求獨立完成，并不要求首創(chuàng)；不排斥兩個獨立完成的內(nèi)容相近甚至相同的布圖設(shè)計；布圖設(shè)計侵權(quán)鑒定時，不能僅憑相似度來判定侵權(quán)，還需要確定雙方是否獨立完成—“接觸+相似”的判定原理。而在創(chuàng)造性概念中，布圖設(shè)計的工業(yè)產(chǎn)權(quán)屬性，決定受保護客體需要一定的創(chuàng)造性；布圖設(shè)計的作品屬性，決定受保護客體不僅要有“個性”，還要有一定的“質(zhì)量”；布圖設(shè)計的創(chuàng)作性略高于著作權(quán)，遠低于專利權(quán)。
而專利戰(zhàn)略的目的，是為了自身的長遠利益和發(fā)展，運用專利制度提供的法律保護，在技術(shù)競爭和市場競爭中謀取最大經(jīng)濟利益、并保持自己競爭優(yōu)勢的整體性戰(zhàn)略觀念與謀略戰(zhàn)術(shù)的集成總和體。
在運用專利戰(zhàn)略攻擊時，既可以使用專利無效訴訟(即利用現(xiàn)有技術(shù)進行創(chuàng)新性否定)或 技術(shù)壟斷訴訟(通過訴壟斷而得到免費專利授權(quán))，也可以使用產(chǎn)品侵權(quán)訴訟，包括侵權(quán)訴訟(自有專利訴競爭對手產(chǎn)品侵權(quán))、專利購買(購買專利訴競爭對手產(chǎn)品侵權(quán))、聯(lián)合專利池(通過企業(yè)之間合作建立共同的專利池)和NPE策略(利用“非關(guān)聯(lián)”企業(yè)進行訴訟)。而文獻公開、宣告無效、外圍專利、設(shè)計侵權(quán)規(guī)避和共享專利池則形成了專利防御體系。
而反向工程在證據(jù)鏈中的作用體現(xiàn)在使用公開：即通過反向工程查找公開銷售產(chǎn)品中的公知技術(shù)、以及通過反向工程查找產(chǎn)品中的侵權(quán)證據(jù)。具體到集成電路行業(yè)，則包括系統(tǒng)專利侵權(quán)分析、封裝專利侵權(quán)分析、制造工藝侵權(quán)分析、MEMS器件侵權(quán)分析、數(shù)字算法侵權(quán)分析、嵌入式軟件侵權(quán)分析、FPGA代碼侵權(quán)分析等等。
專利概要分析報告IPreportor是芯愿景公司推出的兩種“游戲裝備”之一，主要跟蹤通信、MEMS等幾大領(lǐng)域的芯片產(chǎn)品，力求芯片產(chǎn)品面世兩周內(nèi)推出概要分析報告，可以按照領(lǐng)域以會員制方式進行服務(wù)。
而IPsense系統(tǒng)則是芯愿景研發(fā)的專利查詢和挖掘系統(tǒng)。在IPsense系統(tǒng)的云端包含有超過42,000個芯片的海量數(shù)據(jù)資料。在任意的客戶端通過瀏覽器連接IPsense服務(wù)，可以快速查詢芯片的各種數(shù)據(jù)信息并通過瀏覽器呈現(xiàn)給客戶。通過IPsense獨有的智能匹配算法，能夠利用客戶指定的專利內(nèi)容在數(shù)據(jù)庫中進行挖掘和匹配，并將和專利相關(guān)聯(lián)的芯片細節(jié)信息呈現(xiàn)給客戶。
目前，憑借高智能的自主研發(fā)的專利同電路的匹配軟件系統(tǒng)，芯愿景已經(jīng)能夠?qū)崿F(xiàn)自主分析重點領(lǐng)域關(guān)鍵芯片(主要關(guān)注國際前10大設(shè)計公司)，建立了三層次芯片電路信息庫，做到同國家專利局專利信息同步更新，實時為客戶提供所需的侵權(quán)證據(jù)。 人工智能和EDA的互相促進和發(fā)展
Cadence中國區(qū)總經(jīng)理徐昀在演講中表示，EDA發(fā)展的歷史就是芯片設(shè)計方法學(xué)發(fā)展的歷史—從物理層設(shè)計，到電路層設(shè)計，再到系統(tǒng)層設(shè)計—工程師們逐步擺脫了繁雜的細節(jié)，可以更專注于高層次的設(shè)計。那么，EDA工具的下一步，該走向何方？
“我們是否真正需要AI芯片呢？”徐昀對當(dāng)前幾種最為流行的處理器進行了點評。在她看來，ASIC芯片盡管缺乏靈活度但卻具有非常高的性能；集成了FPGA/ASIC特性的混合型產(chǎn)品實現(xiàn)了靈活度和性能的平衡選擇；GPU雖然具備高性能但能效比偏低，且價格昂貴；傳統(tǒng)的CPU具備高靈活性但卻是低性能。
既然人工智能芯片的主要目的是獲得更高的性能，那一個重要的課題就是，如何在設(shè)計的每一個環(huán)節(jié)不斷提升性能，爭取達到能實現(xiàn)的極限。這里所說的性能，主要包括了兩個方面，也是人工智能芯片最關(guān)注的兩個方面：能效(Power Efficiency)和吞吐量(Throughput)。
徐昀表示，人工智能芯片重計算的特點，決定了它將會是一個耗能大戶。深度神經(jīng)網(wǎng)絡(luò)海量的參數(shù)加上訓(xùn)練樣本，會在芯片上產(chǎn)生頻繁的數(shù)據(jù)運算和數(shù)據(jù)交換。衡量人工智能芯片的能效，關(guān)鍵在于“效率”，一定要同時考慮功耗和算力兩個因素。單單看功耗是沒有意義的。所以衡量的指標是：在一定的功耗下芯片能提供的算力，通常表示為FLOPS/W。比如1TFLOPS/15W，意義是在芯片功耗15W的情況下，能夠進行每秒1萬億次浮點運算。
提高能效主要從神經(jīng)網(wǎng)絡(luò)運算的特點開始著手，業(yè)界已經(jīng)提出了多種可行的方法。最有效的一定是從算法層面的優(yōu)化，比如：a）降低精度、b) 發(fā)掘稀疏性、c) 壓縮。以上3點主要是算法和前端架構(gòu)上需要考慮的設(shè)計方法，對芯片的后端實現(xiàn)沒有直接的影響。
對后端有影響的是另外幾種重要的方法。比如：片上存儲及其優(yōu)化、片外存儲器(如DDR等)具有容量大的優(yōu)勢，然而在ASIC和FPGA設(shè)計中，DRAM的使用常存在兩個問題，一是帶寬不足，二是功耗過大。由于需要高頻驅(qū)動IO，DRAM的訪問能耗通常是單位運算的200倍以上，DRAM訪問與其它操作的能耗對比如圖所示。
為了解決帶寬和能耗問題，通常采用兩種方式：1. 合理使用存儲單元，包括片上緩存和臨近存儲；2. 增加吞吐量包括兩點，一是計算單元的數(shù)量，二是數(shù)據(jù)存儲和訪問的效率。兩點缺一不可。
“算力決定一切”也許不準確，但算力的確是人工智能芯片之所以存在的首要任務(wù)。目前，針對AI芯片能效和吞吐量的巨大挑戰(zhàn)，Cadence數(shù)字后端工具提供了大量方法幫助客戶更快收斂到預(yù)期的目標。如前所述，AI芯片大致對后端工具提出了4個類型的挑戰(zhàn)：Power，F(xiàn)loorplan，Capacity，Interconnect，而Cadence的應(yīng)對之道：Innovus、Tempus和Voltus能夠提供包括強大、完整的Floorplan解決方案；Bus routing和buffering、Concurrent Macro Place、SDP/Structured Data Path等在內(nèi)的強大功能。
徐昀指出，在IC設(shè)計領(lǐng)域，EDA工具最近十年基本上是原地踏步。一個數(shù)字IC設(shè)計工程師，他可以使用10年甚至是15年前的方法和知識來做事情，毫無違和感。芯片規(guī)模是變大了，芯片工藝線寬是變小了，但是設(shè)計方法學(xué)的本質(zhì)沒有任何變化。從VerilogHDL、Verilog2001，到SystemVerilog、SystemC、C，語言在不斷向前進化，但是可被綜合的行為描述還是停留在Verilog時代。
因此，在大數(shù)據(jù)驅(qū)動的人工智能新型計算方式下，EDA也可以進入新的時代。新的設(shè)計方式，不停的針對大數(shù)據(jù)的模型學(xué)習(xí)所產(chǎn)生的參數(shù)，來作為設(shè)計的新輸入。可是我們都知道，在半導(dǎo)體設(shè)計中，可被拿來做訓(xùn)練的數(shù)據(jù)不可能像圖像的應(yīng)用那樣巨大。怎么樣從有限的數(shù)據(jù)中快速的訓(xùn)練出高效的模型，也是對EDA的另一個挑戰(zhàn)。
人工智能在EDA的哪些點上可以有新的突破？
在實際狀況中，很多東西和參數(shù)本來就無法進行精確建模。使用不精確的模型，也就無法得到好的設(shè)計結(jié)果。隨著設(shè)計和制程的演進，各種參數(shù)的波動，制程的不一致性，使得建模的困難性更大。在這種情況下，通過有效的經(jīng)驗積累，從經(jīng)驗中體會出怎么來做相對應(yīng)的設(shè)計，反而能解決很多無法通過數(shù)學(xué)和理論解決的問題。同時在復(fù)雜的環(huán)境下，非線性模型的計算復(fù)雜性使得軟件的仿真運行時間非常長。通過機器學(xué)習(xí)，可以幫助把非線性模型變得簡單化，讓EDA的運行速度成倍的減少。
設(shè)計效率如何提高是永遠的主題。如果使用過去的成功經(jīng)驗來幫助工程師進行設(shè)計水平的提高是個很大的幫助。做設(shè)計的時候，可以根據(jù)設(shè)計信息，從過往設(shè)計中找出最合適經(jīng)驗供實時參考，并給出對最后設(shè)計的性能預(yù)估，從而達到實時的What-IF設(shè)計方法。當(dāng)然這種復(fù)用很多時候不是簡單的Copy-paste，要通過人工智能的分析來取得合理的方式。人工智能也可以幫助在眾多復(fù)雜的記錄文件中快速搜索以往的經(jīng)驗，快速分析bug的根本原因，甚至給出修復(fù)bug的建議。
“EDA的傳統(tǒng)商業(yè)模式是賣license同時提供技術(shù)支持，這個模式在這個新的時代是否可以持續(xù)，是我們需要思考的。”徐昀指出，EDA軟件工具IP本身有技術(shù)壁壘和商業(yè)價值。但未來更大的價值，可能在于以大數(shù)據(jù)為基礎(chǔ)，給客戶帶來高效率高質(zhì)量最終設(shè)計。EDA公司相應(yīng)的需要考慮是否要從license供應(yīng)的模式轉(zhuǎn)變?yōu)榉?wù)供應(yīng)，在云平臺上提供無時無刻的接入服務(wù)和數(shù)據(jù)服務(wù)。
