異構計算成主流，芯片大整合時(shí)代到來(lái)

　　一、異構時(shí)代正在到來(lái)

　　前不久，英偉達發(fā)布了其機器人平臺——Jetson Xavier，我們可以看到，這個(gè)平臺包含了6種處理器：1個(gè)Volta TensorCore GPU、1個(gè)8核ARM64 CPU、2個(gè)NVDLA深度學(xué)習加速器、1個(gè)圖像處理器、1個(gè)視覺(jué)處理器和1個(gè)視頻處理器。

　　我們再來(lái)看之前英特爾的AI大會(huì )，其AI平臺也包括一票不同的處理核心，包括：CPU、GPU、DSP、NNP、FPGA等。

　　手機SoC也是功能不斷的豐富，在傳統的CPU、GPU、ISP、基帶芯片之外，現在越來(lái)越多的廠(chǎng)商還會(huì )加入另外的加速DSP、用來(lái)加速AI的NPU等處理核心。

　　隨著(zhù)應用越來(lái)越多樣化，這種通過(guò)多種芯片進(jìn)行異構計算已經(jīng)成為行業(yè)的主流，目前看來(lái)這種趨勢可能會(huì )繼續加速。

　　二、摩爾定律越來(lái)越接近物理極限

　　摩爾定律是由英特爾(Intel)創(chuàng )始人之一戈登·摩爾(Gordon Moore)提出來(lái)的。其內容為：當價(jià)格不變時(shí)，集成電路上可容納的元器件的數目，約每隔18-24個(gè)月便會(huì )增加一倍，性能也將提升一倍。換言之，每一美元所能買(mǎi)到的電腦性能，將每隔18-24個(gè)月翻一倍以上。

　　這一定律到今天為止，基本上準確預測了半導體行業(yè)的發(fā)展節奏。此前摩爾定律幾乎每年都會(huì )推動(dòng)微處理器的性能提升50%，而半導體的物理學(xué)限制卻讓其放慢了腳步。如今，CPU的性能每年只能提升10%左右。英偉達CEO黃仁勛在每年的GTC上都會(huì )提到同一件事——摩爾定律失靈了。

　　現在最先進(jìn)的處理器為10nm制程，目前壟斷半導體光刻市場(chǎng)的ASML 將光刻機的技術(shù)藍圖推至 2030 年 1.5 納米，給了摩爾定律10年左右的壽命，誰(shuí)也不知道最后的極限到底是多少，但是維持摩爾定律越來(lái)越難一家是業(yè)界共識。

　　在這樣的情況下，單純的提升一種芯片性能變的代價(jià)越來(lái)越高，我們可以看到，目前可以支持高端芯片研發(fā)的企業(yè)已經(jīng)越來(lái)越少，因為芯片的研發(fā)成本已經(jīng)超過(guò)了一般商業(yè)公司的承受能力。

　　當單一芯片發(fā)展遇到瓶頸時(shí)，橫向的發(fā)展就變得更加重要，拓展多種芯片可以將自己的市場(chǎng)快速擴大，現在已經(jīng)成為芯片廠(chǎng)商的主流發(fā)展方向。

　　三、單一芯片應對不同形式計算力不從心

　　在移動(dòng)和云時(shí)代到來(lái)之前，大家對計算的需求主要集中在運行順序執行的桌面應用程序，而娛樂(lè )需求，催生了專(zhuān)門(mén)用于3D計算的顯卡。

　　那時(shí)的計算設備更多的放在固定的地方，沒(méi)有太多的移動(dòng)需求，因為連接著(zhù)電網(wǎng)，其對功耗的控制也沒(méi)有太多的需求。但是移動(dòng)和云時(shí)代的到來(lái)改變了這種情況。

　　移動(dòng)設備需要處理各種各樣的信息，包括通訊、執行程序、處理圖片、娛樂(lè )游戲、處理各種傳感器的信息等等。傳統依靠類(lèi)似CPU這樣通用處理器來(lái)處理這些信息的效率非常低。

　　一個(gè)是時(shí)間上效率低，CPU這種為順序計算而設計的處理器，一旦被占用，其他處理請求就只能等待。這樣任務(wù)一多，很多請求就得不到及時(shí)處理。另外一個(gè)是能源使用上效率低，為了應對各種不同的情況，CPU的功耗會(huì )比專(zhuān)門(mén)處理相應數據的處理器更高，這也是為什么 iPhone在5S引入了協(xié)處理器來(lái)處理陀螺儀等傳感器的數據，來(lái)為設備省電。

　　高通SoC構架

　　于是一開(kāi)始就精通SoC技術(shù)的高通，在移動(dòng)市場(chǎng)到來(lái)時(shí)便如魚(yú)得水。高通一直以集成度高著(zhù)稱(chēng)。高通的SoC里面包括了各種各樣的處理單元：包括加速3D的GPU，處理照片的ISP，處理通信的基帶芯片，處理音頻的編解碼器，加速向量計算的DSP等。

　　在移動(dòng)平臺上，各種芯片各司其中，大大提升了手機等移動(dòng)設備各項功能的響應速度，同時(shí)其功耗也可以得到保證，畢竟依靠電池的移動(dòng)設備對用電非常敏感。

　　而到數據中心這一端，處理海量數據成為數據中心的主要工作，而傳統的處理器并行計算能力受限，超級計算機常常要并聯(lián)上萬(wàn)顆處理器。特別是AI計算越來(lái)越受重視后，CPU并行能力差的弱點(diǎn)更加暴露無(wú)疑。

　　而這個(gè)時(shí)候，更適合并行計算的GPU就成了很好的選擇，2008年前后，通過(guò)GPU構造的超級電腦越來(lái)越多，而2013年之后來(lái)爆發(fā)的AI計算熱潮，更將GPU應用推向了高潮。于此同時(shí)，像FPGA這樣的產(chǎn)品，也被發(fā)現可以很好的加速于A(yíng)I算法，成為數據中心的?？?。

　　相對于個(gè)人，數據中心也十分在意能耗，電費開(kāi)支是數據中心的一個(gè)大項開(kāi)支出。所以利用特別的硬件加速算法，節省用電，也是數據中心的追求，這和移動(dòng)的的需求類(lèi)似。所以在云端，越來(lái)越多不同種類(lèi)的芯片也開(kāi)始被應用。

　　四、資本為紐帶，大整合時(shí)代到來(lái)

　　正是由于計算需求的多樣化，不同的應用需要不同的芯片來(lái)支持，也使得芯片廠(chǎng)商不得不進(jìn)行橫向擴展。

　　我們看到，近幾年，高通32億美元收購了Atheros，25億美元收購了英國芯片廠(chǎng)商CSR公司，還開(kāi)出380億美元來(lái)收購MCU龍頭老大恩智浦。另外還有很多小型的公司也陸續被高通收購。雖然收購恩智浦這個(gè)巨型收購還沒(méi)被批準，還有博通意圖收購高通的驚天合并案被美國政府否決，但是芯片行業(yè)的大整合從這些收購案中便可見(jiàn)一斑。其實(shí)相比以業(yè)務(wù)拓展為目的來(lái)不斷收購的高通，博通才是近年來(lái)通過(guò)資本杠桿不斷并購公司，并且將市值推高的資本高手。

　　再來(lái)看英特爾，簡(jiǎn)直就是買(mǎi)買(mǎi)買(mǎi)的典范。153億美元收購自動(dòng)駕駛公司Mobile Eye;130億美元收購Altera;4.08億美元收購人工智能(AI)創(chuàng )業(yè)公司Nervana Systems，還有做視覺(jué)處理器的Movidius，英特爾已經(jīng)將各種人工智能芯片全部買(mǎi)齊。

　　而國內這邊，以紫光為代表的財團，也開(kāi)始大力整合，紫光集團在2013年-2015年收購了展訊、銳迪科、新華三。并擬38億美元投資硬盤(pán)龍頭西部數據成為為大股東、并通過(guò)西部數據190億美元收購存儲芯片商Sandisk。2016年，紫光集團通過(guò)二級市場(chǎng)低調收購FPGA芯片企業(yè)萊迪斯6.07%股權。也大有買(mǎi)遍天下的氣勢。

　　從資本角度看，由于摩爾定律基本失效，低于28nm的工藝已經(jīng)無(wú)法降低成本，必須通過(guò)企業(yè)的整合來(lái)擴大規模來(lái)獲得規模優(yōu)勢，才能在市場(chǎng)競爭中獲得成本優(yōu)勢，否則就會(huì )被市場(chǎng)淘汰。所以，近年來(lái)芯片行業(yè)并購異常激烈，并購規模屢創(chuàng )新高，并且沒(méi)有看到有停歇的意思。

　　在技術(shù)和商業(yè)的雙重因素推動(dòng)，將半導體行業(yè)真正帶入了寡頭壟斷階段。無(wú)數創(chuàng )業(yè)公司競相斗艷的時(shí)代日漸遠去，大概只有在A(yíng)I等新興領(lǐng)域還有吉光片羽。

　　從整個(gè)行業(yè)的資本涌動(dòng)來(lái)看，大多數的芯片企業(yè)都已經(jīng)拋棄了之前偏居一隅細心經(jīng)營(yíng)自己的一畝三分地的做法而開(kāi)始大肆整合，之后全面出擊，不同領(lǐng)域之間的競爭也越來(lái)越激烈。我們看到，高通和英特爾在筆記本和基帶上已經(jīng)開(kāi)打，英偉達和英特爾在數據中心開(kāi)打，但這種沖突可能才剛剛開(kāi)始，真正的大戲可能還在后頭。