然而，當(dāng)前，芯片發(fā)展的最新趨勢，似乎已很難像摩爾定律所規(guī)定的那樣：“集成電路上可容納的晶體管數(shù)目大約每隔 18 個(gè)月便會增加一倍，性能也增加一倍?！卑殡S人著人們對于算力的要求的提高，芯片的發(fā)展越顯吃力，尤其是在芯片設(shè)計(jì)方面。在這樣的背景下，人工智能“反哺”芯片設(shè)計(jì)成為了芯片設(shè)計(jì)的新出路，這對我們國家的發(fā)展也具有重要意義。

　　芯片設(shè)計(jì)之重

　　從核心產(chǎn)業(yè)鏈的角度，芯片產(chǎn)業(yè)雖然復(fù)雜繁瑣，但終究脫離不了三個(gè)步驟：設(shè)計(jì)、制造、封測。其中，芯片核心實(shí)力的重心就在于芯片設(shè)計(jì)。

　　要知道，對于芯片來說，設(shè)計(jì)和工藝同樣復(fù)雜，八十年代EDA技術(shù)誕生——芯片自動化設(shè)計(jì)，使得芯片設(shè)計(jì)以及超大規(guī)模集成電路的難度大為降低，工程師只需將芯片的功能用芯片設(shè)計(jì)語言描述并輸入電腦，再由EDA工具軟件將語言編譯成邏輯電路，然后再進(jìn)行調(diào)試即可。正如編輯文檔需要微軟的office，圖片編輯需要photoshop一樣，芯片開發(fā)者利用EDA軟件平臺來進(jìn)行電路設(shè)計(jì)、性能分析到生成芯片電路版圖。

　　具體來看，設(shè)計(jì)一款芯片，開發(fā)者先要明確需求，確定芯片“規(guī)范”，定義諸如指令集、功能、輸入輸出管腳、性能與功耗等關(guān)鍵信息，將電路劃分成多個(gè)小模塊，清晰地描述出對每個(gè)模塊的要求。然后由“前端”開發(fā)者根據(jù)每個(gè)模塊功能設(shè)計(jì)出“電路”，運(yùn)用計(jì)算機(jī)語言建立模型并驗(yàn)證其功能準(zhǔn)確無誤?！昂蠖恕遍_發(fā)者則要根據(jù)電路設(shè)計(jì)出“版圖”，將數(shù)以億計(jì)的電路按其連接關(guān)系，有規(guī)律地翻印到一個(gè)硅片上。至此，芯片設(shè)計(jì)才算完成。

　　與此同時(shí)，還需要考慮許多變量，比如，信號干擾、發(fā)熱分布等，而芯片的物理特性，如磁場、信號干擾，在不同制程下又有很大不同，沒有數(shù)學(xué)公式可以直接計(jì)算，也沒有可套用的經(jīng)驗(yàn)數(shù)據(jù)直接填入，只能依靠EDA工具一步步設(shè)計(jì)，一步步模擬，不斷取舍。

　　當(dāng)然，設(shè)計(jì)過后的驗(yàn)證也不是一件簡單的事情。芯片驗(yàn)證目標(biāo)是在芯片制造之前，通過檢查、仿真、原型平臺等手段反復(fù)迭代驗(yàn)證，提前發(fā)現(xiàn)系統(tǒng)軟硬件功能錯(cuò)誤、優(yōu)化性能和功耗，使設(shè)計(jì)精準(zhǔn)、可靠，且符合最初規(guī)劃的芯片規(guī)格。每一次模擬之后，如果效果不理想，就要重新設(shè)計(jì)一次，這對芯片開發(fā)者的智慧、精力、耐心都是極大考驗(yàn)。

　　如果說芯片的架構(gòu)設(shè)計(jì)和驗(yàn)證都還停留在技術(shù)層面，那么流片就直接進(jìn)入了“燒錢”的階段。流片就是試生產(chǎn)，設(shè)計(jì)完后，由芯片代工廠小批量生產(chǎn)一些，供測試用。按照市場報(bào)價(jià)，以業(yè)內(nèi)裸芯面積最小的處理器高通驍龍855為例，用28納米制程流片一次的標(biāo)準(zhǔn)價(jià)格為499，072.5歐元，也就是近400萬元人民幣。

　　最重要的是，這么復(fù)雜的設(shè)計(jì)，不能有任何缺陷，否則無法修補(bǔ)，就必須從頭再來。而如果重新設(shè)計(jì)加工，一般至少需要一年時(shí)間，再投入上千萬美元的經(jīng)費(fèi)，有時(shí)候甚至需要上億。這也是為什么芯片通常需要數(shù)年時(shí)間來設(shè)計(jì)的原因。

　　然而，如果說過去的芯片設(shè)計(jì)還趕得及摩爾定律，那么現(xiàn)在，但伴隨人工智能技術(shù)的進(jìn)步，人們對于算力的要求越來越高，這種需求的變化是以周或天記的。相較之下，芯片設(shè)計(jì)需要的時(shí)間明顯長得多，這就意味著新微處理器的設(shè)計(jì)速度已不能滿足算法的迭代發(fā)展，這就產(chǎn)生了供需的不匹配。

　　摩爾定律正在失效，如何縮短芯片設(shè)計(jì)周期成為半導(dǎo)體行業(yè)亟待解決的問題。

　　人工智能反哺芯片設(shè)計(jì)

　　實(shí)際上，雖然芯片設(shè)計(jì)是一個(gè)復(fù)雜而漫長的過程，但分解來看，芯片設(shè)計(jì)則主要由兩個(gè)主要元素組成：布局和布線，布局指的是使用設(shè)計(jì)軟件繪制出不同元件的位置，布線則是用線將元件虛擬地連接起來。

　　以芯片布局為例，芯片布局之所以復(fù)雜且耗時(shí)，是因?yàn)樵撨^程涉及到邏輯和內(nèi)存模塊，或者集群設(shè)置要兼顧功耗、性能、面積等，應(yīng)用、IP和其他組件都是可能制約芯片設(shè)計(jì)的因素，工程師對不同工具和方法的熟悉程度也不盡相同。

　　比如，同樣的設(shè)計(jì)目標(biāo)既可以用更大的處理器實(shí)現(xiàn)更高性能，也可以用更小、更專業(yè)的處理元件更緊密的結(jié)合軟件來實(shí)現(xiàn)。因此，即使在相同領(lǐng)域和相同的功率設(shè)計(jì)目標(biāo)下，也會有許多不同的方法可以實(shí)現(xiàn)相同的目標(biāo)。并且方案優(yōu)劣的評價(jià)標(biāo)準(zhǔn)也是因領(lǐng)域和供應(yīng)商的具體需求而異的。

　　過去，當(dāng)摩爾定律有效時(shí)，這個(gè)流程只需要根據(jù)實(shí)際情況進(jìn)行微調(diào)即可—— 隨著芯片的迭代，晶體管數(shù)量已經(jīng)從幾千個(gè)增加到了數(shù)十億個(gè)，這使得芯片上晶體管排布設(shè)計(jì)的異構(gòu)性越來越高。與之前只需要考慮如何將更多的晶體管排列在同一空間不同，現(xiàn)在芯片設(shè)計(jì)中還需要考慮到功率密度、熱預(yù)算需求、各種類型的機(jī)械和電氣應(yīng)力、鄰近效應(yīng)以及工作環(huán)境等復(fù)雜因素。這使得設(shè)計(jì)過程耗時(shí)大大增加，同時(shí)也堆高了設(shè)計(jì)成本。

　　另外，由于對芯片安全性的需求不斷增加，優(yōu)化過程變得愈加復(fù)雜。根據(jù)設(shè)備使用場景的重要性，其安全需求也各不相同。與此同時(shí)，芯片布局還需要遵守布線密度、互連的原則。

　　于是，為了縷清這些因素，EDA供應(yīng)商開始尋求人工智能和機(jī)器學(xué)習(xí)技術(shù)的幫助。實(shí)際上，芯片設(shè)計(jì)中布線過程的90%已經(jīng)實(shí)現(xiàn)了自動化，僅最后10%的工作需要人工完成，而人工智能的參與又可以將這最后10%的時(shí)間進(jìn)一步縮短。本質(zhì)上，不論是人類智能還是人工智能，目的都是為了實(shí)現(xiàn)芯片優(yōu)化，但人工智能顯然在這一過程中更有效率。

　　人工智能的“智能”來自于其在數(shù)據(jù)集中進(jìn)行大量嘗試和策略調(diào)整而得到的不同情況下的最優(yōu)解。在實(shí)際生產(chǎn)遇到的新場景中AI將這些最優(yōu)解策略與實(shí)際情況進(jìn)行匹配，從而得出相對實(shí)際場景最優(yōu)的答案。此外，人工智能還可利用強(qiáng)化學(xué)習(xí)方法(RL)來指導(dǎo)訓(xùn)練結(jié)果。

　　具體來看，人工智能可以將芯片布局建模為強(qiáng)化學(xué)習(xí)問題，強(qiáng)化學(xué)習(xí)系統(tǒng)的目標(biāo)是降低功率、改善性能和減少面積。2020年4 月，谷歌的一個(gè)團(tuán)隊(duì)就發(fā)表了利用強(qiáng)化學(xué)習(xí)(RL)實(shí)現(xiàn)自動布局的研究。在設(shè)計(jì)電路布局時(shí)，RL算法的優(yōu)勢體現(xiàn)在可以使用更少的電線、更有效地利用空間，或者功耗更低。在最初的實(shí)驗(yàn)中，相比人類設(shè)計(jì)師 6 至 8 周內(nèi)找到的解決方案，算法 24 小時(shí)就能實(shí)現(xiàn)，而且算法的設(shè)計(jì)成功減少了芯片所需的總布線，從而提高了效率。

　　可以說，在芯片設(shè)計(jì)流程中引入人工智能來提高效率現(xiàn)在已是大勢所趨，至少對主要芯片供應(yīng)商而言應(yīng)該是這樣的。

　　中國芯片正追趕

　　實(shí)際上，如今的半導(dǎo)體產(chǎn)業(yè)鏈其實(shí)是以美國為主導(dǎo)的一種壟斷模式。美國半導(dǎo)體行業(yè)幾乎占了全球市場份額的一半，雖然在1980年代，美國半導(dǎo)體產(chǎn)業(yè)在全球市場份額中遭受了重大損失。在1980年代初期，總部位于美國的生產(chǎn)商占據(jù)了全球半導(dǎo)體銷售量的50%以上。但由于來自日本公司的激烈競爭，非法“傾銷”的影響以及1985年至1986年的嚴(yán)重產(chǎn)業(yè)衰退，美國半導(dǎo)體產(chǎn)業(yè)失去了全球19個(gè)市場份額，并將全球市場份額的領(lǐng)導(dǎo)地位讓給了日本。

　　但在接下來的10年中，美國半導(dǎo)體行業(yè)開始反彈，到1997年，它以超過50%的全球市場份額重新獲得了領(lǐng)導(dǎo)地位，這一地位一直保持到今天。美國半導(dǎo)體公司在微處理器和其他領(lǐng)先設(shè)備中保持了競爭優(yōu)勢，并在其他產(chǎn)品領(lǐng)域繼續(xù)保持領(lǐng)先地位。此外，美國半導(dǎo)體公司在研發(fā)，設(shè)計(jì)和工藝技術(shù)方面保持領(lǐng)先地位。

　　其中，全球前五大芯片設(shè)計(jì)巨頭營收斷層已現(xiàn)——高通、博通、聯(lián)發(fā)科、英偉達(dá)四大芯片巨頭已經(jīng)連續(xù)十年進(jìn)入前五大芯片設(shè)計(jì)公司，AMD則在十年里7次名列TOP5。而高通、博通、英偉達(dá)以及AMD皆為美國公司。

　　五大芯片巨頭中，高通為智能手機(jī)SoC與射頻前端龍頭，也擁有大量的通信專利;英偉達(dá)是全球GPU市場的絕對龍頭，其2022財(cái)年?duì)I收達(dá)269.1億美元，為全球第二大芯片設(shè)計(jì)公司;博通是美國老牌半導(dǎo)體巨頭，在機(jī)頂盒SoC、有線網(wǎng)絡(luò)芯片、射頻前端、Wi-Fi芯片等各類半導(dǎo)體產(chǎn)品和相應(yīng)軟件服務(wù)領(lǐng)域占有較高的市場份額;聯(lián)發(fā)科是高通的主要競爭對手，在智能手機(jī)SoC、TWS耳機(jī)芯片、物聯(lián)網(wǎng)芯片等領(lǐng)域均有布局。

　　根據(jù)IC Insights排名，2012年，全球前十大芯片設(shè)計(jì)公司分別為高通、博通、AMD、英偉達(dá)、聯(lián)發(fā)科、美滿電子、艾薩華、賽靈思(于2022年被AMD收購)、Altera(于2015年被英特爾收購)和安華高。

　　彼時(shí)，第五名聯(lián)發(fā)科與第六名美滿電子的營收分別為33億美元和31億美元，僅相差2億美元。2021年，第五名AMD和第六名聯(lián)詠科技的營收差距已拉開到116億美元，第六名聯(lián)詠科技+第七名美滿電子+第八名瑞昱+第九名賽靈思的年?duì)I收之和，僅為165億美元，較AMD多1億美元。

　　此外，在疫情背景下，為了保證自身技術(shù)實(shí)力和產(chǎn)品競爭力，這些芯片設(shè)計(jì)巨頭還在開辟新的產(chǎn)品線：高通開始加強(qiáng)汽車、AR/VR業(yè)務(wù);英偉達(dá)推GPU+CPU+DPU的數(shù)據(jù)中心戰(zhàn)略，還要收購Arm;AMD收購賽靈思加強(qiáng)FPGA等。

　　相較之下，國內(nèi)芯片設(shè)計(jì)總體來說體量尚小，芯片設(shè)計(jì)企業(yè)與全球主要對標(biāo)企業(yè)的營收差距較大，大部分企業(yè)不到對標(biāo)企業(yè)營收規(guī)模5%，而國外細(xì)分領(lǐng)域的芯片設(shè)計(jì)龍頭公司收入基本都在上百億美金的水平。相關(guān)企業(yè)則主要包括華為的海思半導(dǎo)體、紫光展銳、北京豪威、中興微電子等。

　　畢竟，與美國當(dāng)前半導(dǎo)體行業(yè)的先進(jìn)相比，中國在半導(dǎo)體行業(yè)仍呈加速追趕之勢。畢竟在美國從立法、產(chǎn)業(yè)政策、直接干預(yù)、貿(mào)易戰(zhàn)等多個(gè)角度來確立其半導(dǎo)體的全球領(lǐng)先地位時(shí)，中國正深陷運(yùn)動之中。世界半導(dǎo)體行業(yè)日新月異下，待中國再次回到世界，已經(jīng)落后20-30年。

　　面前這道積年累月長成的天塹，盡管中國已經(jīng)花費(fèi)了數(shù)百億美元，試圖在半導(dǎo)體、更快速的計(jì)算機(jī)和智能手機(jī)以及更尖端設(shè)備的競爭中脫穎而出，但從目前來看，中國的半導(dǎo)體追趕之路依舊遙遠(yuǎn)。核心芯片國產(chǎn)化率低是個(gè)不爭的事實(shí)。

　　好在中國在芯片技術(shù)方面雖然落后于美國多年，但現(xiàn)實(shí)中，憑借國家力量，統(tǒng)一方向，后來居上，依然是中國不可比擬的巨大優(yōu)勢。

　　一方面，我們在支持半導(dǎo)體產(chǎn)業(yè)發(fā)展的頂層設(shè)計(jì)上，不僅要進(jìn)行資金的投入，以及人才的投入，更重要的是要在體制機(jī)制上進(jìn)行改革。支持高端的科技人才開展產(chǎn)學(xué)研合作，或者是支持高端科研人才帶技術(shù)進(jìn)行創(chuàng)業(yè)，允許其以更市場化的方式進(jìn)行試錯(cuò)。另一方面，則是要把握技術(shù)脈絡(luò)。如前所述，已經(jīng)有很多領(lǐng)域顯示出人工智能的優(yōu)勢，并且未來人工智能會在更多領(lǐng)域中顯現(xiàn)出這種優(yōu)勢。

　　站在一個(gè)技術(shù)的時(shí)代，用技術(shù)回應(yīng)技術(shù)，向著底層技術(shù)深耕下去，或許就是這條路上應(yīng)該豎起的路標(biāo)。