尹路

半導體行業正處在尋找新增長動力的十字路口。
“必須承認芯片性能每兩年翻一番的‘摩爾定律正在放緩腳步,然而技術創新的步伐沒有放慢,隨著單芯片擴展能力的放緩,半導體行業正在尋找其他創新方法來保持指數級增長。”
新思科技(Nasdaq: SNPS)總裁兼首席運營官Sassine Ghazi這樣總結目前半導體行業的發展狀態,他將于2024年1月1日履新新思科技首席執行官。
半導體行業之所以成為推動人類社會發展的重要動力,得益于芯片性能帶來的生產效率提升,同時催生出互聯網這種徹底改變人類生活的應用。從根本上說,性能不是芯片創新的最終目的,提升生產效率、改變人類生活才是。
人工智能、高性能計算和新能源革命正在成為改變人類生活的關鍵,而這些領域都對芯片提出了更多創新要求,除了性能,更復雜的功能,更高的安全性,更快速的交付,更低的能耗與成本,都是新時代芯片的迫切需求,逐漸放緩的摩爾定律已經無法滿足這些要求,半導體創新需要新的動力。
新思科技是全球市場領先的電子設計自動化軟件EDA公司和接口IP供應商,同時還是全球軟件安全企業的領導者。站在芯片產業鏈的上游,新思科技在與產業鏈上各個公司的合作過程中發現數智化和低碳化已經成為芯片行業的發展趨勢,新趨勢下,芯片保持指數級增長的新動力將來自三方面:1.人工智能驅動下的芯片全產業鏈效率提升;2.AI+數字孿生技術推動芯片創新加速落地;3.碳中和時代芯片創新將擁有更廣闊的邊界。
芯片產業過去幾十年的創新模式非常清晰,由于摩爾定律的存在,芯片性能持續規律性增長,開發者以芯片性能為基準開發應用。芯片是發展鏈條的起點,先有芯片,然后有新應用,繼而有新電子產品。
但隨著消費者需求被高速增長的芯片性能激發,摩爾定律又開始放緩腳步,這種過去行之有效的模式開始逐漸失效。
但半導體市場并未放慢腳步,萬物互聯擴展芯片應用范圍,人工智能創造高性能計算需求,半導體市場持續高速增長。全球半導體市場用了60年達到5000億美元的規模,而新思科技預計下一個5000億美元只需要7年,即2030年全球半導體市場會達到1萬億美元。
支持人工智能的GPU、NPU,支持萬物互聯的低功耗通信芯片、功能芯片等,客戶需要更復雜的功能、更高能效、更快交付、更低成本,而滿足這些需求,必須提升芯片全產業鏈的效率。
新思科技四年前率先將人工智能引入芯片設計,推出首款芯片設計的AI應用DSO.ai,被全球多家芯片領軍企業采用,已成功流片超260次,AI在芯片設計中的規模化應用成為現實。
2023年初,新思科技將DSO.ai升級擴展為全棧式AI驅動EDA解決方案Synopsys.ai,覆蓋先進數字與模擬芯片的設計、驗證、測試和制造環節。AI提升了EDA工具的自動化程度和質量,減少了芯片設計中程序性工作的數量,完成同樣的工作需要的人力和時間顯著減少。
Sassine介紹,“人工智能驅動的芯片設計由新思科技率先應用,我們看到了人工智能提升芯片制造商生產力的潛能。使用我們人工智能EDA解決方案的客戶反饋,設計時間從幾個月縮短到幾周,測試成本降低20%以上,同時芯片的性能、功耗更好。”
應用場景的快速拓展是當前芯片創新與過去相比的重要差異,人工智能+萬物互聯不斷創造新的應用場景,這些場景下,芯片創新需要不斷試錯,如果用實物測試,將造成大量時間和資源的浪費,高仿真度虛擬環境成為芯片創新的剛需。
虛擬技術在芯片創新中早已應用,但此前的虛擬技術存在參數覆蓋不完整、虛擬條件有限、測試仿真度低等諸多問題,即便幾年前虛擬技術發展到了數字孿生階段,仿真度也依然無法令人滿意,直到引入人工智能之后,AI數字孿生才讓高仿真度虛擬環境成為可能。
AI數字孿生在人工智能、萬物互聯和新能源革命等領域都有充分應用,其中應用價值格外突出的是新能源相關行業,這些行業與現實連接緊密,環境影響更大更復雜,智能汽車、風能、光伏,都是數字孿生技術應用的前沿。
以智能汽車為例,汽車對半導體的需求近幾年呈爆炸式增長,而汽車芯片創新呈現“數量多、種類多、功能多”的三多特征,使得汽車芯片創新堪稱當前復雜而典型的場景。以軟件代碼量為例,當前智能汽車的軟件代碼量約為1億行,2030年將增加到3億行,作為對比,深耕軟件行業多年的新思科技,全部代碼量約為3億行。
Sassine表示,“為了應對軟件定義汽車的復雜性,新思科技的虛擬ECU技術將測試和驗證從原型車和實物測試平臺轉移到虛擬環境。這種驗證方法能夠顯著提高測試仿真度、安全性,降低風險并在早期發現錯誤,從而減少開發時間和成本。”
新技術的確提升了整車開發效率。據車企反饋,現在智能汽車開發周期已縮短到三年內,比傳統燃油車短一半以上,其中,AI數字孿生起到了關鍵作用。
特別是整車開發環節,AI數字孿生堪稱“作弊器”。傳統整車測試是制造多臺原型車,同步進行多個子系統的測試。而現在可以提前幾個月在整車數字孿生體上進行模擬測試,相當于提前多開一個賬號,優勢堪比“作弊器”,節省了時間,搶出了效率,降低了成本。
在原型車驗證模擬測試結果的過程中,還可以不斷比對模擬測試和驗證的數據,優化數字孿生仿真度,進一步提升模擬測試可靠性,形成良性循環,顯著提升整車開發效率。
和智能汽車相似,人工智能、高性能計算、多芯片封裝等高復雜度的系統都需要AI數字孿生的支持,除了加速芯片創新的落地,還可以進行低成本試錯,探索更多的創新可能性。
過去數十年半導體從業者的目標十分明確,尋找各種辦法讓摩爾定律延續下去,極限性能是終極追求。但摩爾定律放慢腳步之后,碳中和或將成為開拓芯片創新邊界的重要動力。
首先為了碳中和,芯片能效需要提升,Sassine介紹,“功耗、性能和面積是芯片設計的三個關鍵指標,當前功耗正成為人工智能、高性能計算和智能汽車等先進技術的最終限制因素。再加上人們日益關注能耗對氣候的影響,降低芯片功耗正在成為關鍵。”
新思科技全球資深副總裁、新思中國董事長兼總裁葛群以ChatGPT訓練數據為例,解釋先進芯片的能耗水平:GPT-3訓練參數1750億個,單次訓練耗電1287兆瓦時,約相當于25萬中國家庭一天的用電量。而下一代GTP-5參數量將達到GTP-3的100倍,計算量飆升至200到400倍,訓練耗電量可能是GPT-3的上百倍,數字驚人。
算力的背后是電力,低碳綠色正在成為半導體行業面臨的挑戰。為了應對這一挑戰,新思科技推出了端到端低功耗EDA和IP解決方案,可覆蓋架構、RTL、實施到簽核的完整流程,其Synopsys.ai解決方案借助人工智能技術可縮短25%的設計周期,降低30%的能耗,并將芯片功耗額外降低25%。
除了降低芯片能耗,新思科技還在探索將芯片科學知識與方法應用于更廣闊的場景。葛群認為:“要實現碳中和,關鍵是‘電力脫碳,一方面要改變能源結構,提升清潔能源占比;另一方面要做好重點領域的節能減排。這兩方面都需要依靠半導體創新的力量。”
高效調配能源是過去幾十年芯片科學研究的重點,也是芯片創新能為碳中和做出更大貢獻的方向。開發更先進、更節能的芯片,賦能千行百業的碳中和進程;通過“算力脫碳”助力節能減排;積極參與能源網絡建設,利用芯片科學知識和方法幫助新能源更好地融入能源系統,從根本上助力“電力脫碳”。
一面以能效為目標促進芯片創新,一面擴大芯片科學方法在其他領域的應用,碳中和正在開拓芯片創新的新邊界。
不論是EDA+AI提升芯片創新的效率,還是數字孿生技術加速芯片創新落地,抑或是碳中和打開芯片創新的新邊界,創新一直都是半導體行業前進的核心驅動力。過去創新的方向是循著摩爾定律孜孜不倦地追求極限性能,而現在創新的方向趨于多樣化,芯片會滲入生活每個角落,芯片科學過去幾十年積累的知識與方法將延展到更多領域,尋找新的“摩爾定律”,為人類社會的進步做出更大貢獻。