芯片无所不在,没有芯片,就没有现代生活。 图片来源:百度图片

来源:科学网

摘要:自中兴事件发生以来,对于我国半导体及芯片产业一直存在两种截然相反的认识。

自中兴事件发生以来,对于我国半导体及芯片产业一直存在两种截然相反的认识。而“中国芯”在面临“捧杀”或“棒杀”的危机之时,更要应对数据洪流时代的新变化与新挑战。

8月21日,英国媒体报道,该国前最大上市科技公司安谋(Arm)科技公司的共同创始人赫尔曼·豪泽表示,中国可轻易击败美国,控制全球半导体市场,引起业界一片哗然。

实际上,自中兴事件发生以来,对于我国半导体及芯片产业一直存在各种截然相反的认识。而“中国芯”在面临“捧杀”或“棒杀”的危机之时,更要应对数据洪流时代的新变化与新挑战。

超越不易

2017年,全球半导体市场达到4197亿美元,同比增长21.6%。其中,每年消费的芯片数量超过280亿颗。在8月22日~23日于南京举行的第十六届中国集成电路技术与应用研讨会暨南京国际集成电路技术达摩论坛(CCIC 2018)上,复旦大学微电子学院执行院长张卫在分析上述数据时认为,这充分体现出,“芯片无所不在,没有芯片,就没有现代生活”。

“自中兴事件发生以来,对我国集成电路和芯片产业的各种议论之声就层出不穷,有的说好,有的说坏。”赛迪顾问股份有限公司副总裁李珂坦言。而现状究竟如何?他援引了下列一组数据。

2007年到2017年,中国集成电路产业规模年均复合增长率为15.8%,远高于全球半导体市场6.8%的增速。而2018年1~3月的销售额为1152.9亿元,同比增长20.8%。

在设计、代工和封装测试方面,2017年,中国大陆进入全球前50大设计企业的数量达到10家;中芯国际位列全球代工企业排名第5、华虹集团位列第7;长电科技并购星科金朋后成为全球第三大封测企业。

即便如此,我国与国际先进水平间的差距依旧。李珂直言,我国的半导体产业在封装测试和芯片设计方面虽已具备国际竞争力,但在处理器、存储器等高端芯片、模拟芯片方面与发达国家和地区相比差距依然十分显著。

英特尔一直是全球芯片领域的引领者。英特尔中国研究院院长宋继强分享该公司经验认为,提升芯片设计和制造水平是一件很困难的事,需要长时间的积累。

以英特尔为例。据市场研究机构IC Insights发布的2017年全球半导体行业研发投入超过10亿美元的18强企业报告显示,英特尔、高通和博通名列前三位,其中英特尔公司2017年研发投入达到了130亿美元,占十强企业研发投入总额的36%。“英特尔是投入大量经费及许多年时间才获得稳定、大批量生产芯片的先进制造能力的。”宋继强说。

谈及中国芯片产业发展,他坦言,相比“超越”而言,“追赶”更加现实和理性。要做到“超越”,需要在新技术、新材料,乃至工艺流程方面做很多探索。而中国芯片产业现在更急需的是,在一些经济效益比较好的节点,如22纳米制程工艺上,具备大规模自主生产能力,以支撑国内大部分产业的发展。

探索艰难

50多年前,戈登·摩尔对芯片行业的发展作出预测:当价格不变时,芯片的性能每隔18~24个月便会提升一倍。

然而,当《自然》杂志2016年发文指出,即将出版的国际半导体技术路线图不再以摩尔定律为目标之后,有关摩尔定律是否已经走到尽头的讨论就一直是业界的热点。

在CCIC 2018上,中国工程院院士许居衍在报告伊始就提出,摩尔定律已死,人工智能万岁。他以指数性创新为例,指出摩尔定律已经失效,所以指数创新模式不是人工智能芯片创新的最佳途径。

而宋继强则认为,“摩尔定律的经济效益将继续存在”。他说,结合登纳德缩放(晶体管面积的缩小使得其所消耗的电压以及电流会以差不多相同的比例缩小)、波拉克法则(同制程工艺下,处理器的晶体管数量提升2~3倍,性能只能提升1.4~1.7倍)和摩尔定律,可以构建一个连接起价格、集成度和性能这三个相关因素的用户价值三角。当人们说摩尔定律已死时,他们通常是指用户价值三角的一条或多条边,而并不是特指摩尔定律那一边。“摩尔定律的经济效益将继续存在。虽然这个速度不会像以前那么快,但将持续存在。”宋继强表示。

在解释10纳米一再“难产”的原因时,宋继强说,之所以如此,是因为英特尔在10纳米制程上进行了包括超微缩在内的很多新技术、新材料、新工艺流程的探索。“截至目前,我们已经积累了很多的经验,近几个月良品率在快速提升。”

“10纳米明年一定可以量产,而在10纳米的基础上,7纳米的进展也会非常顺利。” 宋继强对此表示乐观。

未来方向

受限于CMOS技术和冯·诺依曼模式两大方面存在的问题,许居衍提出,新时代芯片创新应该聚焦于计算架构创新。而对于架构创新,他认为系统视野、2.5D或3D堆叠、异构架构是最主要的三大方向,特别是可重构芯片将大有可为。

而在宋继强看来,过去半个多世纪里,我们经历了计算的不断演进。从上世纪60年代的大型机到后来的客户端+服务器、WEB、云、人工智能等,这意味着计算从生产率计算向生活方式计算、场景计算、智能计算等持续演进。而智能计算之前的计算时代,其发展符合贝尔定律,即每10年便会开发出一代新型的更小、更便宜的计算设备,与此同时设备或用户数则增加10倍。而到了以人工智能为代表的智能计算时代,芯片无处不在,则可能不再有单一的主流设备类别。

正因为如此,英特尔将自身定位为以数据为中心的公司,认为万物互联将让我们进入一个数据洪流的时代,而万物智能互联产生的数据流动则需要端到端的芯片支持。

宋继强认为,在此背景下,一种芯片很难“包打天下”,异构系统与新数据处理结合将是未来产品演变的方向。而英特尔新的异构模型将采用“混搭”的方式,将不同的芯片通过多种封装形式放在一起。

他说,英特尔于去年宣布的“嵌入式多芯片互连桥接”(EMIB)封装技术就是英特尔混搭异构计算策略的一项关键技术。该技术可以连接不同制程工艺生产出来的“小芯片”,采用全新的2D或3D封装技术,能够以超高能效移动设备的功耗,提供强大的PC性能。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

数据洪流时代的芯片之变相关推荐

  1. 数据洪流时代,企业转型需要修建自己的“都江堰”

    科技的进步推动着人类文明的进化,从农业采集社会到如今的网络智能社会,文明的进化也同样带动了企业的"进化".今天,人工智能.云计算.大数据等技术的不断突破,让网络产生的数据量呈爆发式 ...

  2. 数据洪流时代,开发者这样硬核突围!

    随着社会信息化的脚步加快,我们每个人无时无刻都在产生数据:刷抖音.聊微信.视频会议.点外卖--拇指轻轻一点击的背后,将引发意想不到的数据洪流: 据 IDC 发布<数据时代 2025>的报告 ...

  3. 数据爆炸时代,云存储在“破圈”!

    受访者 | 陈靓 作者 | 朱雪研 责编 | 伍杏玲 出品 | CSDN(ID:CSDNnews) 我们每时每刻无不在产生数据:据 IDC 发布<数据时代 2025>的报告显示,全球每年产 ...

  4. 编程加速服务器_FPGA加速驱动新时代的数据洪流,下篇

    目 录 人工智能计算加速器产品系列的相关布局 FPGA开发的痛点与潜在方案 结语 在<FPGA加速驱动新时代的数据洪流,上篇>中,老石介绍了英特尔应对大数据时代的整体战略布局,特别是基于F ...

  5. 代码英雄之数据爆炸:身陷数据洪流,企业应如何赋能而生

    英文音频配上此文一起收听观看效果更佳哦,点击"阅读原文"聆听更多代码英雄故事. 出品 | CSDN(ID:CSDNnews) | 红帽原创音频 这是代码英雄第四期,数据爆炸.前三期 ...

  6. 盘古开源解析:物联网时代的芯片产业新趋势

    据相关统计显示,未来十年,联网的设备数量会增长20倍,这将带来高达7万亿美金的新增市场,随之而来的是大量的芯片机会.市场研究机构IC Insights发布的报告中指出,受益于市场的强劲需求,今年整体芯 ...

  7. 医疗保健研究报告-生物大数据的时代(附下载)

    医药行业的大数据时代即将到来,未来十年,将会逐渐对行业内产业链各个环节产生深远影响. "大数据"这一名词 2012 年在奥巴马国情咨文中被重点提及,从此为大众所知,近几年来发展迅猛 ...

  8. 王者android与ios互通,王者荣耀ios和安卓数据互通吗?数据互通时代即将来临

    王者荣耀是目前最火的一款游戏,无论是在安卓的应用市场还是在IOS的应用市场都是稳居榜首,但两个平台数据不通,非常不便,王者荣耀ios和安卓数据互通吗是很多受到消息的玩家想问的,没错,王者荣耀数据互通时 ...

  9. 马云说:“未来是大数据的时代”

    "很多人还没搞清楚什么是PC互联网,移动互联网来了,我们还没搞清楚移动互联的时候,大数据时代又来了."这句话来自于马云的卸任演讲.他曾经还在演讲中说道:未来的时代将不再是IT时代, ...

最新文章

  1. shiro的内部体系结构
  2. 指定module_一个缺失已久的特性 — module模块
  3. python中进程创建—fork()
  4. c语言中open函数r,C语言中open函数
  5. mysql ---- DDL(了解)
  6. iOS开发-retain/assign/strong/weak/copy/mutablecopy/autorelease区别
  7. RHEL7 -- 使用Chrony设置时间与时钟服务器同步
  8. flume1.7 TailDirSource断点续传与文件更名后数据重复采集的bug修复
  9. mysql decimal_MySQL系列之数据类型及约束
  10. 在HDFS集群中优化secondary namenode到datanode1节点上,并做重启hdfs集群后,datanode1启动失败...
  11. iphone 开发内存管理 心得
  12. 字符串劈分(含中文)
  13. Python+Django实现智慧校园考试比赛系统
  14. windows计算机查看里设置,windows10电脑配置怎么查看
  15. 【论文研读】Similarity of Neural Network Representations Revisited (ICML2019)
  16. 利用阿里云开发APP,实现远程数据接收
  17. rviz一些无法正常显示的问题
  18. 计算机专业用什么轴的键盘,机械键盘什么轴好
  19. 获取一个新的日期,它的值为指定日期当年的最后一天
  20. 0821-NRZ和PAM4

热门文章

  1. 带你测试对比深度学习框架!TensorFlow,Keras,PyTorch...哪家强?(附数据集)
  2. 剑指offer:数字在排序数组中出现的次数
  3. 组建元宇宙军团!「谷歌实验室」重生,超700人神秘团队都有谁?
  4. 深度学习在图像处理中的应用
  5. java printwriter format_Java的格式化输出
  6. 智能制造大潮下,机器视觉产业迎来春天?
  7. 人工智能的本质是最优化过程
  8. 深度学习模型那么多,科学研究选哪个?
  9. 不再受限于数据集和硬件,下一代 ML 软件如何构建?
  10. 惨淡!苏州楼市政策调控下,这些房企高调入驻,如今黯然离场?