单一芯片应对不同形式计算力不从心 异构时代正在到来

一、异构时代正在到来

我们知道，此前在半导体产业，一般的芯片公司都只专注于少数几种种芯片，但近年来，芯片公司除了之前的纵向发展提升速度外，也越来越注重横向发展，开始整合各种不同类型的芯片。

前不久，英伟达发布了其机器人平台——Jetson Xavier，我们可以看到，这个平台包含了6种处理器：1个Volta TensorCore GPU、1个8核ARM64 CPU、2个NVDLA深度学习加速器、1个图像处理器、1个视觉处理器和1个视频处理器。

 

 

我们再来看之前英特尔的AI大会，其AI平台也包括一票不同的处理核心，包括：CPU、GPU、DSP、NNP、FPGA等。

手机SoC也是功能不断的丰富，在传统的CPU、GPU、ISP、基带芯片之外，现在越来越多的厂商还会加入另外的加速DSP、用来加速AI的NPU等处理核心。

随着应用越来越多样化，这种通过多种芯片进行异构计算已经成为行业的主流，目前看来这种趋势可能会继续加速。

二、摩尔定律越来越接近物理极限

摩尔定律是由英特尔(Intel)创始人之一戈登·摩尔(Gordon Moore)提出来的。其内容为：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。换言之，每一美元所能买到的电脑性能，将每隔18-24个月翻一倍以上。

 

 

这一定律到今天为止，基本上准确预测了半导体行业的发展节奏。此前摩尔定律几乎每年都会推动微处理器的性能提升50%，而半导体的物理学限制却让其放慢了脚步。如今，CPU的性能每年只能提升10%左右。英伟达CEO黄仁勋在每年的GTC上都会提到同一件事——摩尔定律失灵了。

现在最先进的处理器为10nm制程，目前垄断半导体光刻市场的ASML 将光刻机的技术蓝图推至 2030 年 1.5 纳米，给了摩尔定律10年左右的寿命，谁也不知道最后的极限到底是多少，但是维持摩尔定律越来越难一家是业界共识。

在这样的情况下，单纯的提升一种芯片性能变的代价越来越高，我们可以看到，目前可以支持高端芯片研发的企业已经越来越少，因为芯片的研发成本已经超过了一般商业公司的承受能力。

当单一芯片发展遇到瓶颈时，横向的发展就变得更加重要，拓展多种芯片可以将自己的市场快速扩大，现在已经成为芯片厂商的主流发展方向。

三、单一芯片应对不同形式计算力不从心

在移动和云时代到来之前，大家对计算的需求主要集中在运行顺序执行的桌面应用程序，而娱乐需求，催生了专门用于3D计算的显卡。

那时的计算设备更多的放在固定的地方，没有太多的移动需求，因为连接着电网，其对功耗的控制也没有太多的需求。但是移动和云时代的到来改变了这种情况。

移动设备需要处理各种各样的信息，包括通讯、执行程序、处理图片、娱乐游戏、处理各种传感器的信息等等。传统依靠类似CPU这样通用处理器来处理这些信息的效率非常低。

一个是时间上效率低，CPU这种为顺序计算而设计的处理器，一旦被占用，其他处理请求就只能等待。这样任务一多，很多请求就得不到及时处理。另外一个是能源使用上效率低，为了应对各种不同的情况，CPU的功耗会比专门处理相应数据的处理器更高，这也是为什么 iPhone在5S引入了协处理器来处理陀螺仪等传感器的数据，来为设备省电。

 

 

高通SoC构架

于是一开始就精通SoC技术的高通，在移动市场到来时便如鱼得水。高通一直以集成度高著称。高通的SoC里面包括了各种各样的处理单元：包括加速3D的GPU，处理照片的ISP，处理通信的基带芯片，处理音频的编解码器，加速向量计算的DSP等。

在移动平台上，各种芯片各司其中，大大提升了手机等移动设备各项功能的响应速度，同时其功耗也可以得到保证，毕竟依靠电池的移动设备对用电非常敏感。

而到数据中心这一端，处理海量数据成为数据中心的主要工作，而传统的处理器并行计算能力受限，超级计算机常常要并联上万颗处理器。特别是AI计算越来越受重视后，CPU并行能力差的弱点更加暴露无疑。

而这个时候，更适合并行计算的GPU就成了很好的选择，2008年前后，通过GPU构造的超级电脑越来越多，而2013年之后来爆发的AI计算热潮，更将GPU应用推向了高潮。于此同时，像FPGA这样的产品，也被发现可以很好的加速于AI算法，成为数据中心的常客。

相对于个人，数据中心也十分在意能耗，电费开支是数据中心的一个大项开支出。所以利用特别的硬件加速算法，节省用电，也是数据中心的追求，这和移动的的需求类似。所以在云端，越来越多不同种类的芯片也开始被应用。

四、资本为纽带，大整合时代到来

正是由于计算需求的多样化，不同的应用需要不同的芯片来支持，也使得芯片厂商不得不进行横向扩展。

我们看到，近几年，高通32亿美元收购了Atheros，25亿美元收购了英国芯片厂商CSR公司，还开出380亿美元来收购MCU龙头老大恩智浦。另外还有很多小型的公司也陆续被高通收购。虽然收购恩智浦这个巨型收购还没被批准，还有博通意图收购高通的惊天合并案被美国政府否决，但是芯片行业的大整合从这些收购案中便可见一斑。其实相比以业务拓展为目的来不断收购的高通，博通才是近年来通过资本杠杆不断并购公司，并且将市值推高的资本高手。

再来看英特尔，简直就是买买买的典范。153亿美元收购自动驾驶公司Mobile Eye;130亿美元收购Altera;4.08亿美元收购人工智能(AI)创业公司Nervana Systems，还有做视觉处理器的Movidius，英特尔已经将各种人工智能芯片全部买齐。

而国内这边，以紫光为代表的财团，也开始大力整合，紫光集团在2013年-2015年收购了展讯、锐迪科、新华三。并拟38亿美元投资硬盘龙头西部数据成为为大股东、并通过西部数据190亿美元收购存储芯片商Sandisk。2016年，紫光集团通过二级市场低调收购FPGA芯片企业莱迪斯6.07%股权。也大有买遍天下的气势。

从资本角度看，由于摩尔定律基本失效，低于28nm的工艺已经无法降低成本，必须通过企业的整合来扩大规模来获得规模优势，才能在市场竞争中获得成本优势，否则就会被市场淘汰。所以，近年来芯片行业并购异常激烈，并购规模屡创新高，并且没有看到有停歇的意思。

在技术和商业的双重因素推动，将半导体行业真正带入了寡头垄断阶段。无数创业公司竞相斗艳的时代日渐远去，大概只有在AI等新兴领域还有吉光片羽。

从整个行业的资本涌动来看，大多数的芯片企业都已经抛弃了之前偏居一隅细心经营自己的一亩三分地的做法而开始大肆整合，之后全面出击，不同领域之间的竞争也越来越激烈。我们看到，高通和英特尔在笔记本和基带上已经开打，英伟达和英特尔在数据中心开打，但这种冲突可能才刚刚开始，真正的大戏可能还在后头。