王秉达|芯片设计的超高门槛，正在被AI「粉碎」冷链物流|国家骨干冷链物流基

过去几年，芯片行业的市场竞争发生了一些有趣的变化。PC处理器市场，长久以来的霸主英特尔面对着AMD的猛烈攻势。手机处理器市场，高通已经连续五个季度让出了出货量第一的宝座，联发科意气风发。
传统芯片巨头们竞争加剧之时，擅长软件和算法的科技巨头们相继开始自研芯片，让芯片行业的竞争变得更加有趣。
这些变化的背后，一方面是因为2005年之后摩尔定律变缓，更重要的是数字化迅速发展所带来的差异化需求。
芯片巨头们提供的通用芯片性能固然可靠，而自动驾驶、高性能计算、AI等日益庞大而多种多样的应用需求，在性能之外更多的是追求差异化的功能，科技巨头们不得不开始自研芯片，以巩固其对终端市场的把握能力。
芯片市场竞争格局变化的同时，可以看到芯片行业将会迎来更大的变革，推动这一切变革的因素正是近几年非常火热的AI。
有业界专家说，AI技术会给整个芯片行业带来颠覆性变化。新思科技首席创新官、AI实验室负责人、全球战略项目管理副总裁王秉达对雷峰网表示，“如果说是用引入AI技术的EDA（Electronic Design Automation）工具设计芯片，我认同这种说法。”
如果将AI应用于芯片设计的单个环节，能够把经验丰富工程师的积累融入EDA工具中，大幅降低芯片设计的门槛。如果将AI应用于芯片设计的整个流程，同样可以利用已有的经验优化设计流程，显著缩短芯片设计周期的同时，提升芯片性能，降低设计成本。
芯片行业“质变”
摩尔定律持续有效的二十多间年，芯片公司们借助晶体管的持续微缩，就能够获得性能和能效的持续大幅提升。因此，过去几十年间，硬件和软件可以说是“井水不犯河水”，通用的硬件有固定的架构，算力持续提升，产品以年为周期更新。系统公司在通用芯片的基础上，在软件层面创新，产品以周甚至天进行迭代。
“现在的趋势是软硬件联合设计，芯片的软件和硬件界限不再那么分明。”王秉达指出，“打破这种界限是AI芯片的出现，因为AI芯片的架构不像CPU、GPU一样固定，AI芯片的设计者可以根据应用的需求，组合通用的AI算子设计出专用架构和芯片。”
新思科技全球总裁兼首席运营官Sassine Ghazi也表示，数字化趋势下，大型系统级公司纷纷自研芯片，通过定制芯片来优化其应用程式或工作负载。在中国市场，包括汽车的电气化和无人驾驶、AI、超大规模的数据中心在内的细分市场正在发生重大转变，他们都希望通过定制SoC来实现系统的差异化，从而找到整体业务的差异点，拥有差异化的竞争优势。只有拥有更好的芯片，才能使他们的系统架构与众不同。而领域专用架构（DSA，Domain Specific Architecture）能够体现出他们的系统架构的独特优势之处。
也就是说，领域专用架构可以让芯片设计者决定部分算法变成硬件、部分算法继续采用软件方式，以更加灵活的方式，通过软硬更好的协同，更加高效地满足最终应用的需求。这样一来，架构创新成为了接下来芯片领域竞争的关键。
2019年初，两位图灵奖者John L. Hennessy 和 David A. Patterson发表了一篇长篇报告《A New Golden Age for Computer Architecture》，他们展望未来的十年将是计算机体系架构领域的“新的黄金十年”。在王秉达看来，这可能需要能够自动进行架构探索的EDA新工具，如综合深度学习加速器来更好地适配特定应用的需求。

文章插图

“架构的变化会带来非常多不确定性，以往通用芯片的架构确定，主要是在制程方面进行提升。”王秉达说，“新思提出的SysMoore理念，则要把从架构到制程再到系统层面的所有因素都考虑在内，带来的变化和不确定性完全依靠传统方式无法解决，AI能够发挥很大的作用。”