前言:芯片“备胎”策略和计划,不止发生在以华为为代表的设备厂商身上,在其上游的芯片 IDM,以及下游的互联网企业,也都有体现。

 

 

英特尔:吸取手机处理器的教训

 

在一统 CPU 江湖之后,由于没有在手机处理器上制定“备胎”计划,使得该公司错过了这个巨大市场的发展窗口期,意识到问题之后,试水了几年手机处理器,最终铩羽而归。

 

在 AI 迅猛发展的当下,英特尔吸取了手机端的教训,AI 芯片方面不断加大投入,从云端到边缘侧,再到终端,英特尔先后收购了多家 AI 芯片企业,AI 芯片将政委英特尔 CPU 的重要补充和辅助力量。

 

英特尔近日推出三款用于训练和部署人工智能模型的芯片,这将使其能够与英伟达展开竞争,后者的图形处理单元在市场上占主导地位。

 

这些芯片共同代表了英特尔第一个针对专用 AI 芯片的大型展示,这些芯片已超越了主流 Xeon 和 Xeon 芯片系列。

 

针对 GPU 制造商最直接的产品是 Nervana NNP-T1000 神经网络处理器。它是针对硬件密集型任务进行优化的集成电路,该任务使用示例数据训练 AI 模型。

 

英特尔的目标是充分利用 AI,5G 和智能技术等技术创新,将智能注入计算的各个方面的努力可以在前所未有的规模上产生积极的影响。

 

 

 

三星:摆脱存储器依赖

 

从去年开始,三星制定了新的企业发展规划,要逐步摆脱对存储器的依赖,找到新的芯片品类增长点和业务支撑。

 

2019 年 4 月,三星宣布了一项大型投资计划,在 2030 年前投资 133 万亿韩元加强半导体业务,其中有 73 万亿是技术研发费用,60 万亿韩元是建设晶圆厂基础设施。

 

而三星的目标是在 2030 年,不仅保持存储芯片的领先地位,还要成为逻辑芯片领导者。

 

韩国政府也对国内半导体企业偏重生产存储芯片的情况感到担忧。去年韩国半导体出口额高达 1200 亿美元,占韩国出口总额的 20.9%。

 

三星电子和韩国政府关注的逻辑芯片市场将在第四次工业革命时代出现爆炸性增长。

 

逻辑芯片占整个半导体市场的 70%,在 5G 移动通信、AI 和物联网等第四次工业革命时代,逻辑芯片的重要性将会更加凸显。

 

除了存储芯片和晶圆代工业务外,该公司下一步要强化的就是面向未来应用的、高性能的逻辑芯片,包括各种处理器和 AI 芯片。

 

三星正大举投资于半导体微型化的下一代技术 EUV,这是三星迄今为止尝试过的最昂贵制造业务升级,也是一次冒险的尝试,目的是让自己不再局限于现有的半导体生产业务,也不再满足于只充当代工和逻辑芯片行业的领先者,即使这个行业的规模已达 2500 亿美元。
 

 

SK 海力士:看重 ISP 技术加大 CIS 投入

 

除了存储芯片,SK 海力士还在晶圆代工和 CIS 方面加大着投入,以提升其芯片业务广度。

 

SK 海力士将主要开展移动 CMOS 图像传感器项目,是有鉴于 CMOS 图像传感器除了智能手机以外,AR、VR 等第四次工业革命时代的核心零件。

 

SK 海力士若想应对未来行业发展,在 CMOS 图像传感器领域提高市场份额,开发高端技术产品尤为重要。

 

最近一个事实证明,随着对画质和性能的要求提高,ISP 技术的重要性越来越提高。

 

SK 海力士于 2014 年收购了 Siliconfle,从 2017 年起,SK 海力士向其 CIS 部门投入了更多的资源,加速推动 1300 万以上像素 CIS 的研发,并把 M10 厂 DRAM 生产设备移往 M14 厂,M10 厂内腾出空间用于生产 CIS。

 

SK 海力士公司正在加强其 CMOS 图像传感器业务,从而在快速增长的智能手机相机市场提供竞争力。

 

新品牌“黑珍珠”已经开发了 4 个新的 CMOS 图像传感器,已开始向智能手机制造商供应其中三款,并将于本月开始批量生产第四款。

 

SK 海力士最近将其 CMOS 图像传感器公司更名为“黑珍珠”(Black Pearl),以加强与竞争对手索尼和三星的竞争,这两家公司的图像传感器品牌分别是 Exmor 和 ISOCELL。

 

 

 

台积电:晶圆代工不能满足未来发展

 

作为晶圆代工业的老大,台积电也与存储器有着越来越多的联系,去年台积电计划进军存储业务的可能性。

 

数据中心的功耗占了近一半的营运成本,而人工智能更加剧了这些成本,过多的能源消耗,将增加芯片厂商的成本。

 

要解决这个问题,必须整合存储、逻辑与高带宽互连,打造真正的 3D 集成电路。也就是要打破传统的“存储墙”,建立新的架构,这就需要提前布局存储芯片业务。

 

2017 年,台积电向业界发布了 eMRAM 和 eRRAM 技术,目标是要实现更高效能、更低能耗以及更小体积,以满足未来行业全方位的运算需求。

 

 

 

谷歌:发力云端 AI 计算

 

在云端,典型代表就是谷歌自研的 TPU,它比 GPU 更适合进行云端的 AI 计算和处理。

 

谷歌 TPU 系列的出现,不仅突破了最初深度学习硬件执行的瓶颈,还在一定程度上撼动了、等传统 GPU 芯片巨头的地位。

 

而谷歌 TPU 的诞生,也让越来越多的公司前赴后继地尝试设计 GPU 之外的专用 AI 芯片,以进一步实现更高效的性能。

 

作为 TPU 的“升级版”,谷歌第二代 TPU Pod 能够容纳 512 个内核,实现每秒 11.5 千万亿次浮点运算;第三代 TPU Pod 速度则更快,可实现每秒超过 100 千万亿次浮点运算。

 

从 CPU 到 GPU,再到如今 ASIC 和 FPGA 相继入局,云端 AI 芯片市场的百花齐放,与谷歌 TPU 的努力息息相关。

 

 

华为:Arm 服务器芯片值得期待

 

随着 Arm 架构性能和算力的增强,其在服务器,特别是边缘侧云计算的应用值得期待,华为等多家企业投身于 Arm 服务器芯片研发和推广。

 

一方面,相对于云端,边缘侧的算力要求没那么高,而对低功耗的需求较强,这正符合 Arm 架构的特点。

 

再有,边缘侧与终端侧紧密相连,而 Arm 在移动端的生态很成熟,能够更好地相融。

 

目前的华为已经开始了采用 Arm 架构的鲲鹏芯片产品来取代采用 X86 架构的英特尔或 AMD 芯片产品的计划,并且已经正式实施。

 

 

而且华为的鲲鹏系列芯片产品也是全世界最强的 Arm 架构服务器芯片产品,虽然采用 Arm 架构的服务器芯片在性能上相比于采用 X86 架构的服务器芯片较差,但是满足绝大部分的服务器需求没有任何问题,只不过在芯片架构方面,华为的鲲鹏芯片依旧会受到一些限制。

 

结尾

 

各路巨头纷纷踏上拓宽自身发展路数的多线条路线,未来的竞争将在不同领域内狭路相逢,这场大混战的好戏才刚刚上演。