是否曾好奇是什麼在推動全球創新?

是否曾好奇是什麼在推動全球創新?

我的整個成年生活都貢獻在半導體與電子設計自動化(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。

我所提到的變動並不是指半導體或EDA行業中一個非常成功的廣告行銷活動結果。許多人可能還記得Intel Inside這個行銷活動--這是一項由英特爾(Intel)推出相當成功的行銷活動,讓Intel的名字跟處理器家喻戶曉。在我看來,這項行銷活動很成功也很出色。但這不是我這次想討論的內容。目前半導體行業受到太過耀眼的關注,以致於任何或可能所有的廣告活動都無法實現。與此同時,還有其他事情正在發生;我們的世界發生了巨大的改變,且沒有回頭之路。

究竟發生什麼事讓晶片成為焦點?

我們已目睹人工智慧(AI)改變我們周遭的世界。我們現在定期與我們的小裝置進行交談,並且其理解力精確得令人毛骨悚然。我們的汽車通常會阻止我們犯下大錯,且對大多數的事物均無須設置選項,因為裝置本身將會比你更快速地找出選項並完成設置。雖然這也不是我這次主要想討論的,但,與其習習相關。

仔細看看下圖,您會發現先進晶片的消費(廠商)群中,發生了一項重大的變動。此群體的組成結構已經從半導體廠商及OEM轉換到各主要的或主流的系統公司。正是這個轉換推動半導體進入主流能見度。這也促使新一代的晶片公司如雨後春筍般出現,有些甚至成為系統公司的子公司。這個變動的對產業的影響非常顯著,同時也帶來某些重大的挑戰。稍後會有更多的說明。

ASIC的客戶正在改變

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。這些裝置的設計、製造與交付須要一個極其複雜的跨國供應鏈相互協調。當前晶片的短缺已成為世界各地的頭條新聞。為什麼?因為(依我看來)各種晶片現在幾乎成為每項創新的關鍵要素。當一個關鍵的全球賦能者(enabler)無法滿足市場需求時,供應鏈上的所有廠商都會深受其害。

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,因此他們將整個的設計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。

誰是半導體的買家?

一群有別於以往的群體(廠商)成為新的半導體消費者代表,他們更關注功能、功率與達成結果的時間,而不是晶片本身的價格。以下幾個範例,有助於理解這種現象:

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,他們將處理器設計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。蘋果為Macs設計的首款SoC處理器是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。TPU v4預計可於今(2021)年底上市,且據傳將以5nm或3nm技術進行建構。透過這項重大的投資,Google展現其在AI中保持全球領先地位的承諾。

亞馬遜(Amazon)網路服務*3

亞馬遜網路服務(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;這項裝置是Amazon彈性雲端運算(亞馬遜EC2)的關鍵部分。然而這項投資並不止於此,還包括其他正在開發的晶片:

  • 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%

這些針對新的半導體消費者情況的簡短總結,描述了一個全心、積極進取的故事。就是這些在本文所整理歸納的積極且不妥協的各項專案,正在為半導體與EDA建立一個充滿活力的前景。最終,我身邊那些非技術背景的朋友與家人將會理解我在做什麼。

半導體設計的新挑戰為何?

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設計非常的複雜,甚至就在可能的邊緣(運算)之處,您可以從我之前發表的有關超融合設計文章中感受到我所說的那種複雜性。

因此,我們有新的團隊為公司內部的各種新產品,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,必須提出有關設計方法與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;索取參考資料與成功的案例,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,半導體設計的新挑戰為需要一種支援端到端創新的方法與IP。

設計方法必須能支援端到端的創新

新思科技以全方位的系統創新方法而自豪,包括但不止局限於前述的內容。也許,您或多或少已經有所瞭解。現在您更清楚知道,就是半導體在推動著全球的創新。

參考資料

*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