【BBC中文網】芯片之戰:堪比「太空技術大戰」的科技競爭關鍵點是什麼?
芯片(晶片)是當下這個時代許多重要科技產品的核心。沒有芯片,世界各地的汽車廠就將停產。 現在,製造芯片的技術被美國視為與中國進行貿易戰的關鍵武器。
在芯片技術的競逐上,哪方能贏得這場人工智能競賽,決定在誰能製造出最先進的芯片。
當前芯片短缺的原因
從美國的福特和通用汽車,英國的本田車廠再到中國的電動汽車製造商蔚來(Nio),這些大廠都因為汽車芯片短缺,不得不削減汽車產量。
到底發生了什麼導致這種後果?
也許新冠大流行是罪魁禍首,它讓我們之前關於於芯片生產的所有預測顯得過時了。
首先,對小裝置小設備的需求出現暴增。以前需要好幾年才會進化的數字化轉變,現在幾個星期內就發生了。
全球半導體協會(World Semiconductor Association)執行長謝爾頓(Jodi Shelton)告訴BBC:「多年來,我們一直在討論如何運用5G,網路和雲端在家工作。現在突然變成了現實。」
因為新冠疫情,汽車銷量下滑,汽車業高層取消了汽車芯片訂單。但是,隨後意外的銷售反彈讓車廠以及芯片商措手不及。
謝爾頓稱,那些以及時化供應鏈方式製造汽車的廠商,與半導體芯片廠商因此就有了矛盾。因為芯片生產,不是像打開或關閉水龍頭那樣簡單。
「他們(車廠)將不得不了解,那樣並非芯片的生產模式。芯片不是能馬上就有的現成產品。」
誰在製造最好的芯片?
芯片短缺也使得一件事變得很清楚:世上不再只有一種芯片產品。
因為,隨著需求改變,半導體行業也有了變化。
過去數十年來,英特爾憑借銷售口號『Intel Inside』成為許多人心中唯一的芯片製造商。
但是,情況不再如此。
研究公司「自由移動電台」(Free Mobile Radio)的分析師理查·溫沙(Richard Windsor)說,芯片世界已經改變了。
他概述了兩種趨勢:使用芯片進行數據存儲,以及圖形芯片(GPU)的重要性日益升高,這不僅讓線上游戲栩栩如生,而且在人工智能應用中也至關重要。
溫沙指出了這個行業中的新超級巨擘,尤其是台灣公司台積電(TSMC)。
他解釋說:「在目前的時間點,台積電是全球排名第一的高端矽芯片製造商。」
建立芯片廠,或眾所周知的芯片代工廠(foundries)是一項非常昂貴的生意。溫沙告訴BBC,用最先進的設備,去開一家的新的芯片代工廠可能要花上250億美元。
製造芯片的機器又是哪裏來的呢?
他又提到一家叫艾司摩爾(ASML)的公司。這是全球首屈一指的芯片光刻機製造商,其產品能像印刷機一樣製造出芯片。
BBC去年就曾經報導過這家「相對默默無聞的荷蘭公司」。
儘管並非家喻戶曉,但該公司市值卻高達1840億歐元(約合2200億美元)。
而且,艾司摩爾對自己所屬的角色十分滿意,還將這段話打印在員工的衣服上——該公司的研發副總班斯左(Jos Benschop)說:「我們製造了木匠用來建造你的房屋所需的工具。」
他又解釋了台積電(TSMC),英特爾(Intel)和三星(Samsung)之類的公司如何需要他們生產的設備。該公司於1984年成立時,在芯片光刻(lithography)市場上有10家大型公司。現在,全球僅剩一個。
「隨著相關技術的掌握越來越難,所需的投資也越來越大,那麼優勝劣汰就開始了。越來越少的公司能夠跟上。」他解釋。
但是,這也意味著艾司摩爾陷入了美中貿易戰。
之前特朗普曾對荷蘭政府施加壓力,要求艾司摩爾停止向中國客戶出售技術。這也似乎奏效了,相關設備被運送到中國的時間延遲了。
美中貿易戰
隨著美中兩國陷入人工智能領域的龐大爭奪戰,如何獲得或構建最新AI芯片,成為了關鍵武器。
曾經擔任美國前總統小布什( George W. Bush)顧問的瑪格倫(Pippa Malmgren)博士向BBC分析,芯片的賭注與另一場技術大戰「太空競賽」中的賭注一樣高。
「在地緣政治上,新的太空競賽在於提高電腦計算能力。也就是說,誰能搜集到最多的數據,並以最快的速度處理這些數據。這便是為何中美雙方,或者歐盟都在量子技術上大量投入。而電腦,或者說能處理數據速度極快的超級電腦,這些設備都需要芯片。」她解釋說。
台積電(TSMC)總部的所在地台灣,處於這場科技大戰中的前線。鑒於台灣一直有徹底獨立的想法,因此你可能會認為台灣會做任何美國想做的事情。
但是瑪格倫博士警告說,事情並非如此簡單:「中國有巨額投資在台灣。」
「我認為,若你要問台灣經濟能否與中國脫鉤,那麼我的答案是這將是十分困難的。」
摩爾定律還有效嗎?
自1960年代以來,芯片行業一直受摩爾定律的支配。該定律預測,因為技術發展,芯片上能置入的晶體管(transistors)數量,每兩年將翻一倍。
但是,鑒於晶體管現在越做越小,我們可以期望這種模式繼續下去嗎?
我問了威爾遜(Sophie Wilson),1980年代,她在當今世上最受歡迎的芯片Arm設計過程中扮演了關鍵角色。她說摩爾定律中仍可能延續下去,因為半導體行業一直在尋找新方法,將更多的東西塞入更小的空間。
她解釋:「我們已多次抵達路的盡頭。但每次到了盡頭,都會有另外的路出現。」
未來的出路可能是在3D。
「在接下來的幾年中,你將看會到來自3D技術的產品。借著讓越來越多的矽堆疊在一起,我們能夠加大既有的密度空間。矽層十分之薄,所以能將它們疊在一起。」威爾遜說。
此外,別指望中國會退出這場競賽。
由於無法獲得當前最新的芯片設備,中國將繼續投入巨資,研究新方法期望在下一個芯片時代超越美國。
#科技 #國際 #政治 #貿易
如何 關閉 gpu 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
未來5年汽車將走向何方?
2018年11月8日Demi, EDN China
在汽車領域,「智慧」讓汽車實現更好的連接已是一大趨勢,那麼在未來5年汽車將會走向何方?
今日,由ASPENCORE舉辦的「全球雙峰會」在中國深圳大中華喜來登酒店隆重舉行。芯原(VeriSilicon)董事長兼總裁戴偉民在「從萬物互聯到萬物智聯:機遇與挑戰」的主題演講中,從車聯網的角度分享未來5年汽車的重要發展方向。
在中國,「智慧」已經在很多領域得到實現。而在汽車領域,「智慧」讓汽車實現更好的連接已是一大趨勢,那麼在未來5年汽車將會走向何方?車聯網將如何發展?
現在中國的汽車保有量很高,非常有利於我們走向電動車(EV)時代。戴偉民表示:「在傳統的汽車方面還有很長的路要走,可能趕不上,但是電動車方面我們可以實現彎道超車。」
眾所周知,第二級(L2)自動駕駛車輛在出現事故時,需要由人類駕駛來做出快速回應,但在更高層級的自動駕駛(L3、L4)中,人們基本上可以不參與。那麼,我們到底該如何發展、如何更好做自動駕駛?
如今已有些公司已經實現L4和L5級自動駕駛了,但在當前,只有在某些場景下,如倉庫、農業以及貨物搬運,在機場的穿梭巴士、礦山和其他比較固定的線路上才能實現更高等級的自動駕駛程度。
在研究自動駕駛的發展過程中,中國做了很多試驗,也取得了一些里程碑式的成績。在美國也有很多研究院做了很多工作,如Waymo在2009年就已制定了好發展規劃了,連摩根士丹利(Morgan Stanley)都曾說Waymo的發展前景很好。在道路測試里程的排名中,表現最好的也正是Waymo。
要實現無人駕駛,車上要有很多裝置,包括感測器,車輛要與周邊車輛進行溝通,就需要有5G通訊,以及與智慧城市有很好的連接。這一切都是連結在一起的,我們不可能把所有裝置放在車輛上,要與車輛實現連接從而使用周圍的資源。
另外,成本是非常重要的因素,大家可以看到電子元件佔汽車總成本的比例在逐漸上升,這使得我們的產業發展方向需要調整。
戴偉民表示:「我們是一家IP公司,生產的GPU可以用在車輛上,這也讓我們成為在這個領域領先的公司。整車廠中最好的7家或者十大整車廠中有7家都與我們有合作,但我們還在實現低成本的儀表,這都是經由我們的GPU來支援的。」據戴偉民介紹,這些儀表都是透過芯原的GPU來驅動的,成本還不到10美元。
值得注意的是,在未來2、3年中或許只有一些特殊的場景才需要對無人駕駛系統進行訓練,這些系統仍然是可程式設計的,成本可能會大幅上升,另外能耗方面也可能隨之上升。
如何實現更高等級的自動駕駛?
我們如何才能走向L4/L5等級的自動駕駛呢?戴偉民說,歐洲自動駕駛公司AImotive為此進行了很多研究,將其演算法應用於許多車輛並在拉斯維加斯進行測試,今年,AImotive已經開始在更廣泛的道路上進行路測了。
針對人工智慧(AI)引擎,戴偉民表示:「我們想以非常廣泛的方式進行支援,包括通用介面。整個系統是比較封閉或是關閉的,因而並不相容,我們提供私有API,透過這樣的方式來提高效率。」
在實現更高性能的同時,如何實現更快的處理速度呢?那就需要進行最佳化,最佳化加速器的種種劃分,另外最佳化PE和P&R的流動等。
例如人工智慧視訊晶片DeepEye 1000,在全球AI晶片排名第21,而且也有很多公司已經使用了FPGA。戴偉民表示:「我們將很多技術整合起來,看看到底實現什麼樣的效果。」
對於IoT來說,射頻(RF)也非常重要。我們不僅需要好的射頻設計,還需要獨特的類比性能。
戴偉民表示:「NBLT也很重要,我們使用了數位的功率放大器(PA)、單晶片NBLT RF加上基頻(BB)解決方案,可以實現非常高的靈活性。有時候我們需要非常好的平衡,看到底哪方面更重要一些。在功耗或是PA方面,我們都有整合的數位PA以實現更高效率。」此外,實現更高度整合還可以節省很多面積。
然而,在28奈米之前,一切都非常美好,但到了28奈米之後一切都發生變化。他指出,「在成本方面,28奈米以下每個節點的成本會更高,我們將此叫做摩爾壓力(Moore Stress),28奈米可以稱為一個門檻。」
因此,從不同的製程來比較,戴偉民說,在功耗方面,芯原的技術可以比28奈米製程降低45%,運算能力比28奈米製程提高15%,成本方面也可以降低50%。
附圖:Wayne Dai, Verisilicon
「摩爾壓力」帶來的成本變化。成本在28奈米之前持續幅度降低,到了28奈米之後卻又逐漸上升
資料來源:https://www.eettaiwan.com/…/20181108NT61-doublesummit-2018-…