进入芯片的互联网巨头将为半导体行业带来深刻变革

时间:2019-01-11 19:35:38 来源:天星新闻网 作者:匿名



最近几天,这家全球互联网巨头宣布了半导体行业的高调宣布。阿里,微软,谷歌,Facebook,亚马逊等都宣布了他们在芯片领域的行动,那么互联网巨头的这些行动会对芯片产业产生什么影响呢?本文为您提供详细的分析。

阿里,微软,谷歌,Facebook,亚马逊互联网巨头纷纷进军该芯片

让我们来看看近年来互联网巨头在芯片领域的行为。

谷歌是互联网公司芯片领域最远的公司。 2015年,谷歌开始在其数据中心部署自己的深度学习加速芯片TPU进行推理。去年,它推出了第二代TPU,它可以考虑深度学习推理和培训,并且还部署在手机Pixel 2中。自己设计的IPU用于加速图像处理相关的应用。此外,谷歌还招募了处理器架构领域的两位主要大师David Patterson和John Hennessy,并希望未来能够在芯片领域获得更多产出。

微软也不甘落后。 2014年,它发布了自己的ToF传感器芯片,设计用于ISSCC的Xbox Kinect 2。然后在2016年,它发布了自己的HPU协处理器芯片,用于HoloLens。它还发布了Azure Sphere IoT平台,其中包括用于MCU芯片的Microsoft Pluton安全模块,以确保物联网数据安全。第一款Azure Sphere芯片将是联发科和微软联合推出的MT3620,包括微软Pluton。在高性能计算领域,EDGE E2芯片原型最近也在ISCA2018上发布,据说它比传统的基于x86或RISC指令集的处理器更高效。

除谷歌和微软外,Facebook还开始在芯片领域采取行动,在网站上张贴ASIC和FPGA设计相关的招聘信息。 Facebook人工智能研究负责人Yann LeCun也在Twitter上发布了这篇关于深度学习的芯片设计文章。根据行业预测,Facebook正在招募工程师开发类似于TPU的芯片,以加速服务器端深度学习应用。Yann LeCun为Facebook的ASIC工程师招募推文

亚马逊也已开始进入芯片领域,并于今年初开始招募芯片设计工程师。预计在Alexa设计中使用自己的芯片。

亚马逊Lab126招募芯片工程师广告

在中国,互联网巨头阿里首次宣布开始开发人工智能加速芯片Ali-NPU,其性能将是目前主流CPU的10倍,GPU架构的AI芯片,而制造成本和功耗只有一半,可以实现比传统GPU更具成本效益的40倍。之后,Ali High-profile宣布收购中天微系统公司,该公司目前拥有中国自主知识产权的指令。相信阿里的行动将加强其在物联网中的布局。

启示录1:摩尔定律的终结是异构计算的时代,互联网巨头必须定制自己的芯片

互联网巨头已经制定了芯片,这意味着原有的半导体产业正在发生重大变化。最初,半导体行业作为一个高科技产业,其发展遵循摩尔定律,并且过程特征的规模每18个月缩小一次。随着工艺的进行,由于每单位面积的晶体管数量的增加,相同芯片的制造成本将降低。减少了同一芯片所需的面积,并且随着工艺特征尺寸的缩小,芯片的性能也会提高。因此,半导体工业正在摩尔定律的指导下实现高速开发模型,其中周期性能的性能降低。由于其高科技和高附加值,芯片的毛利率非常高,因此芯片设计公司可以通过向下游公司销售芯片而生活得很好。

在半导体设计的黄金时代,“芯片设计”一词意味着高科技和高利润率。芯片的原材料是沙子,但它可以卖几十甚至几百美元,所以成功的芯片生产量就像启动一台印刷机。为了增加出货量并提高设计可重用性,半导体公司倾向于采用通用平台芯片,如英特尔处理器和高通SoC。

然而,随着摩尔定律接近物理极限,继续缩小特征尺寸所需的资本量正在增加,换句话说,随着特征尺寸的缩小,芯片的成本迅速上升。芯片的成本包括NRE成本(非重复工程,其是指芯片设计和掩模制造的成本,对于一个芯片是一次性的)和制造成本(即,每芯片制造的成本)。在高级流程中,由于流程的复杂性,NRE成本非常高。例如,FinFET工艺通常需要使用双图案化技术,并且金属层的数量可以多达15层,这使得掩模生产非常昂贵。此外,复杂过程的设计规则非常复杂,工程师需要大量的时间来学习,这也增加了NRE的成本。对于采用先进工艺制造的芯片,每个芯片的毛利率高于使用后向工艺制造的芯片,但高NRE成本意味着先进工艺制造的芯片需要更多销售才能实现真正的盈利。

由于摩尔定律遇到瓶颈,过程技术改善过程性能的成本太高。因此,根据应用需要更多特殊设计,并且使用架构设计来进一步提高性能。这也是“异构计算”的概念。过去,半导体公司往往倾向于推出基于平台的产品,如英特尔的CPU,高通的Snapdragon等,但今天这样的通用平台无法满足移动设备的性能和能效要求,特别是在AR /新兴应用,如VR和终端人工智能。

深圳新闻网

相关新闻