1.汽车IC市场连续三年创纪录增长! ;
集微网消息, 消费者和政府对于汽车电子系统, 车辆性能, 舒适性, 便利性, 示警以及纠错等功能的要求正在与日俱增. 根据IC Insights最新公布的市场报告显示, 在这些因素的影响之下, 汽车IC市场以及汽车内存组件市场预计将在今年继续上涨18.5%, 超过去年的272亿美元, 创下了323亿美元的历史新高 (图一) .
如果这一预测成真, 那就意味着汽车IC市场将连续三年实现两位数的增长.
图一
过去几年, 全球汽车IC市场出现了惊人的发展.
虽然继2014年增长11.5%之后, 2015年下降了2.5%, 但是在之后的2016年出现了10.6%的强势反弹.
值得注意的是, 2015年, 汽车IC市场之所以出现下滑, 主要是由于关键的汽车IC产品, 诸如微处理器, 模拟IC, DRAM, 闪存 , 通用和专用逻辑IC的ASP出现了下降, 从而抵消了汽车IC市场每年的稳定增长.
IC Insights最新公布的汽车IC市场预测显示, 到2021年, 汽车IC市场将会增长到436亿美元, 这意味着从2017年到2021年之间的年复合增长率为12.5%, 为六个主要IC细分市场中增长率最高的一个. (图二)
图二
总体而言, 2018年汽车IC市场仅占IC总市场的7.5%, 到2021年, 这一占比将会增长到9.3%. 其中, 模拟IC, 包括通用模拟IC和专用汽车模拟IC将占到2018年汽车IC市场的45%, MCU占比23%.
另一方面, 由于近年来汽车模拟IC供应商的收购, 大型厂商的数量逐渐减少. 其中, 影响到汽车模拟IC市场的收购包括: 2015年, NXP收购飞思卡尔, 现在高通正在计划收购NXP; 2017年, ADI收购英飞凌以及瑞萨收购Intersil. (校对/Aki)
2.三大派系决战AI芯片之巅: 英特尔押宝神经网络处理器;
日前, 在有着103年历史的旧金山艺术宫中, 英特尔的新晋科技大会——人工智能开发者大会(简称 'AIDC' )如期而至. 这一次, 英特尔聚焦于拓宽人工智能生态.
在罗马式建筑和科技感的AI场景间之间, 英特尔的AI掌舵者Naveen Rao侃侃而谈英特尔的人工智能软硬件组合, 而最重磅的信息莫过于Nervana神经网络芯片的发布预告, 按照规划, 英特尔最新的AI芯片Nervana NNP L-1000, 将在2019年正式推向市场, 这也是英特尔第一个商用神经网络处理器产品.
两年前, Naveen Rao还是深度学习初创公司Nervana Systems的首席执行官兼联合创始人. 在公司被英特尔收购后, Nervana成为了英特尔人工智能的核心战舰, Nervana NNP系列也应运而生, Naveen Rao则被任命为人工智能产品事业部的总负责人.
英特尔人工智能产品事业部副总裁, Nervana团队成员Carey Kloss在接受21世纪经济报道记者专访时谈道: '我们创业初期就开始研发Lake Crest(Nervana NNP系列初代芯片代号). 当时我们整个团队大概45人, 正在构建一个最大的Die(硅芯片), 我们开发了Neon(深度学习软件), 还构建了云栈, 这些都是小团队所完成的. 但是这也是挑战所在, 小团队成长会有阵痛, 我们花了很长时间才把第一批产品拿出来, Nervana在2014年成立, 直到去年芯片才真正问世. '
不过, 加入英特尔后, Nervana可以使用英特尔的各类资源, '当然, 调用资源并不是一件容易的事情, 但是英特尔在产品的市场化方面拥有丰富的经验. 同时, 英特尔有迄今为止我见过的最佳的后硅培养(post-silicon bring-up)和架构分析. ' Carey Kloss告诉21世纪经济报道记者, '出品芯片方面, 我们有数百个系统同时运行, Nervana的员工和6个月前刚加入的成员也都为了新品夜以继日地协同工作. ' 在他看来, Nervana现在处于合理的节奏中, 已经具备了明年取得成功的所有要素.
除了Nervana, 英特尔收购的人工智能旗舰企业还包括专注视觉处理的Movidius, FPGA(现场可编程门阵列)巨头Altera, 智能驾驶相关的Mobileye等. 事实上, 从2011年开始, 英特尔就开始不断地投资人工智能相关的公司, 其中也包括了中国的寒武纪, 地平线. 与此同时, 英特尔的竞争对手也在日益壮大. 英伟达的GPU在人工智能领域高歌猛进;谷歌前不久发布了第三代AI芯片TPU, 该芯片针对谷歌的深度学习架构TensorFlow进行了优化, 并且谷歌对开发者提供了TPU等底层服务;去年, 百度联合ARM, 紫光展锐和汉枫电子发布DuerOS智慧芯片, 主要提供语音交互解决方案;Facebook和阿里巴巴也纷纷进军芯片领域, 其中, 阿里巴巴达摩院正在研发名为Ali-NPU的神经网络芯片, 主要用于图像, 视频识别以及云计算等场景.
在这场人工智能芯片的 '遭遇战' 中, 英特尔又将如何应对?
三大派系争霸 从整体来看, 目前全球人工智能的格局尚未明朗, 属于各自做技术探索的局部战, 尚未进入群雄逐鹿的总体战. 人工智能是一个笼统的概念, 具体的应用场景差异颇大, 各家公司侧重点有所不同, 若根据技术和业务流派进行分类, 可以将全球公司分为三个派系. 其一是系统应用派, 最典型的代表是谷歌和Facebook. 他们不仅开发人工智能的系统级框架, 比如谷歌出名的人工智能框架Tensorflow, Facebook的Pytorch, 而且还大规模地投入应用. 例如, 谷歌斥重金研发自动驾驶, 推出翻译等2C业务. 而Facebook也将人工智能技术广泛应用在社交网络中的图像处理, 自然语言处理等诸多领域.
第二类是芯片派, 目前主要是提供算力支持, 最大的玩家就是英特尔和英伟达. 英伟达的GPU抓住了计算设备需求的关键时机, 在图形渲染, 人工智能和区块链领域的计算表现十分突出, 在这些业务方面也给英特尔带来压力. 同时英伟达似乎和英特尔的 'Intel Inside' 不同, 它更希望成为真正的算力平台, 并且成功推出了自己的CUDA平台.
就在5月30日, 英伟达发布了全球首个融合人工智能和高性能计算的计算平台——HGX-2, 这也是目前最大的GPU——DGX-2背后的计算平台. 作为传统算力领域的老大英特尔自然不甘示弱, 50年的企业颇有老骥伏枥的意味, 近年来在人工智能领域频频发起重磅并购: 2015年167亿美元收购 '现场可编程门阵列巨头' (Field Programmable Gate Array, FPGA)Altera, 为未来算力的发展趋势奠定基础, FPGA在云计算, 物联网, 边缘计算等方面有很大的潜力;2016年英特尔收购Nervana, 计划用这家公司在深度学习方面的能力来对抗GPU;同年还收购了视觉处理芯片初创公司 Movidius;2017年英特尔以153亿美元收购以色列协助驾驶公司Mobileye, 旨在进军自动驾驶领域.
在系统应用派和芯片派之外, 第三类是技术应用派, 剩下的大部分公司都属于这一类型. 虽然不同的公司都声称自己在深度学习, 人工智能领域有着深厚甚至独特的技术积累, 但实际上大多是基于系统应用派和芯片派的技术平台. 只不过技术应用派更多的面向C端用户, 包括自动驾驶, 图像识别, 企业级应用等. 客观上说, 技术应用派属于 '君子善假于物也' .
从目前的竞争格局上来看, 系统应用派已经逐渐占据了整体优势, 在人工智能领域具备了最核心的竞争力. 在传统的电脑和手机时代, 系统和芯片更多是合作关系, 芯片甚至更加占据主导地位. 具体来看, 比如在电脑市场上, 英特尔在算力领域完全制霸, 横跨PC和苹果的MAC机. 而系统方面, Windows和iOS各有千秋, 无法代替对方, 但他们共同的英特尔却无法代替. 到了手机时代, 虽然算力的主角从英特尔变为了高通, 但是芯片依然处于核心的地位, 其重要性和操作系统平分秋色.
而最近1-2年, 形势变化很快, 苹果放出要自己研发和生产MAC芯片的口风, 英特尔股价一度闻风下跌. 在人工智能领域, 这样的趋势更加明显, 由于计算场景的需求差异化极大, 谷歌根据自己的需要研发成熟的芯片变得必要, 技术上也更可行. 英特尔如果要为不同的场景定制芯片, 意味着英特尔将全面转入2B领域, 和之前的2B2C模式相比, 纯2B的业务显然会更像乙方, 业务线的复杂度会急剧增长. 而历史上来看, 一家公司从2C转向2B总体来看往往都是因为失去了在行业中的核心统治地位而不得不退而求次.
押宝Nervana NNP 那么, 在激烈竞争中, 英特尔又如何进一步加码芯片事业?
Naveen Rao加入了英特尔后, 成为英特尔副总裁, AI事业部(AIPG)负责人, 主导推出英特尔神经网络处理器(Nervana NNP)系列芯片. 这次在AIDC大会上提出为开发者提供软件工具, 硬件, 生态. 在业内看来, 以英特尔的技术实力, 软件工具和硬件并不成问题, 但是生态却有待商榷. 在PC时代, 生态的核心是芯片, 因此围绕芯片构建生态就可以令英特尔固若金汤, 但是在人工智能时代, 人工智能系统才是生态的核心, 提供算力的芯片是生态的一部分, CPU可以提供算力, GPU也可以提供, 英特尔可以生产, 英伟达也可以生产, 甚至谷歌, 苹果自己也可以生产. 目前在数据科学和深度学习计算领域, 英特尔的芯片布局主要有Xeon(至强)芯片系列, Movidius的视觉芯片VPU, Nervana NNP系列, 以及FPGA(现场可编程门阵列). 这几条产品线分别对应几个不同的细分应用场景.
Nervana NNP系列则是神经网络处理器, 在深度学习的训练和推断阶段中, Nervana NNP主要针对训练阶段的计算, 按照英特尔的计划, 到2020年要将深度学习训练(Deep Learning, 简称 'DL' )的效果提高100倍. 这款神经网络处理器由英特尔和Facebook一起合作设计, 可以预测该芯片很大程度上应该会对Facebook的机器学习框架Pytorch有很好的支持, 毕竟Facebook的Pytorch的野心肯定是要和谷歌的Tensorflow一决高下. 不过最新款芯片2019年才会正式推出商用, 届时深度学习的格局变化如何无法预料.
Naveen Rao在其博客中写道: '我们正在开发第一个商用神经网络处理器产品英特尔Nervana NNP-L1000(代号Spring Crest), 计划在2019年发布. 与第一代Lake Crest产品相比, 我们预计英特尔Nervana NNP-L1000将实现3-4倍的训练性能. 英特尔Nervana NNP-L1000还将支持bfloat16, 这是业内广泛采用的针对神经网络的一种数值型数据格式. 未来, 英特尔将在人工智能产品线上扩大对bfloat16的支持, 包括英特尔至强处理器和英特尔FPGA. ' 事实上, Spring Crest在2018年底推出的传言早已有之, 但是目前看来, 官方公布的2019年这一时间点略有延迟. 对此, Carey Kloss向记者解释道: '进入更现代化的制程节点, 我们集成了更多的Die(硅芯片), 可以获得更快的处理速度. 但是需要一定的时间去制造硅片, 也需要时间把硅片变成新的神经网络处理器, 这是延迟的原因. '
对于两代芯片的区别, 他分析称: 'Lake Crest作为第一代处理器, 在GEMM(矩阵运算)和卷积神经上都实现了非常好的计算利用率. 这不仅仅是指96%吞吐量的利用率, 而是在没有充分定制化的情况下, 我们也取得了大多数情况下实现GEMM高于80%的计算利用率. 当我们开发下一代芯片时, 如果我们能够保持高计算利用率, 新的产品在性能上有3到4倍的性能提升. '
谈及竞争, Carey Kloss表示: '我不知道我们竞争对手的路线图是什么, 但我们的反应速度相对较快, 所以我认为我们不会在神经网络处理上处于劣势. 比如bfloat16已经有一段时间了, 它最近变得更受欢迎, 不少客户提出支持bfloat16的要求, 我们也逐步转向支持bfloat16. ' 而对比谷歌的TPU来看, 他认为TPU二代类似于Lake Crest, TPU三代类似于Spring Crest.
四面出击 除了备受关注的Nervana NNP, 英特尔的Xeon芯片主要面向服务器和大型计算设备, 比如我国超级计算机天河一号和二号就采用了Intel Xeon 六核处理器.
在视觉芯片方面, 英特尔的业务量增长迅速. Movidius VPU芯片早就面向在汽车, 无人机等新兴的硬件市场, 比如大疆无人机, 特斯拉, 以及Google Clips摄像头中都采用了Movidius的视觉芯片.
Movidius的市场负责人Gary Brown告诉21世纪经济报道记者: '在Movidius, 我们研发的芯片被称作视觉处理单元VPU. VPU是一种兼具计算机视觉和智能摄像头处理器的芯片. 所以我们的芯片所做的处理大概有三类: ISP处理, 也就是图像信号处理, 基于摄像头捕捉技术的处理, 以及计算机视觉和深度学习. '
他举例道, 具体的使用场景包括VR产品和机器人技术, 智能家居, 工业摄像头, AI摄像头, 还有监控和安保. 其中, '监控和安保是一个巨大的市场, 尤其在中国, 监控和安保摄像头的市场特别大, 有一些大公司在研发监控摄像头, 例如海康威视和大华. '
Gary Brown还提到, 智能家居领域目前正在迅速发展, 虽然市场很小, 但是发展神速. '有很多公司在研发智能装置, 如智能家庭安防, 个人家庭助手, 智能门铃, 以及公寓和家庭的访问控制. 但是在家居领域, 要做到低成本, 低能耗, 电池寿命长, 以及非常精准是非常有挑战性的. 因为比如室外的树荫在移动, 就有可能触发了防盗警报, 因此非常低的误报率是非常重要的, 要有良好的准确性. '
而公司的挑战之一就是如何继续创造高性能的芯片, '我们有一些策略, 比如, 用一个前端算法降低功耗, 这样我们就能关闭大部分芯片, 只运作小部分最优化的面部检测功能. 当一张脸出现时, 其他芯片将被启动. 这样就能一直保持面部监控系统开启. 我们还有很多演算节能技术, 使家用智能摄像头续航时间达到大致6个月. ' Gary Brown解释道.
此外, FPGA这条线则由Altera执掌局面. 随着5G浪潮的到来, IoT物联网的数据分析及计算需求会暴增, 物联网的接入节点至少是数百亿级的规模, 比手机规模要高出1-2个数量级. 物联网的典型需求是需要灵活使用算法的变化, 这是FPGA的强项, FPGA可以通过自身结构的改变来适应定制化计算场景的需求, 这也使得英特尔在未来为更多不同类型的设备提供高效提供芯片变成可能. 从167亿美元的收购金额就可以看出, 英特尔买的显然不只是眼前的价值.
速攻企业级场景 英特尔近期的一项调查显示, 在美国企业客户中, 50%以上都正在转向采用基于英特尔Xeon处理器的现有的云解决方案来满足其对人工智能的初步需求. 而多位英特尔高管在接受采访时都向记者表示, 没有一种解决方案适用于所有的人工智能场景, 英特尔会根据客户需求对技术和业务进行搭配. 比如, 英特尔会将Xeon和FPGA, 或者Xeon和Movidius配置在一起, 从而实现更高性能的人工智能功能.
对于英特尔而言, 这些强化的人工智能功能将被广泛地应用于企业级场景. Naveen Rao就表示: '在加速向人工智能驱动的未来计算过渡之时, 我们需要提供全面的企业级解决方案. 这意味着我们的解决方案要提供最广泛的计算能力, 并且能够支持从毫瓦级到千瓦级的多种架构. '
Carey Kloss进一步向21世纪经济报道记者解释人工智能芯片的应用场景: 'Spring Crest可以说是最高等级的Nervana神经元处理器架构. 因此它的客户就包括超大规模计算中心, 已经拥有相当强大的数据科学工作的大型企业, 政府等等. 如果你需求的是低延且小模型, Xeon就能帮助到你, 它可以把数据从云到端打通. '
具体来看, 英特尔也在医疗, 无人驾驶, 新零售, 物联网等场景上做了探索. 比如在医疗方面, 据介绍, 英特尔正在与诺华(Novartis)合作, 使用深度神经网络来加速高内涵筛选——这是早期药品研发的关键元素. 双方的合作把训练图片分析模型的时间从11个小时缩短到了31分钟——效率提高了20多倍.
在无人商店方面, 英特尔为京东无人便利店提供 '计算大脑' , 目前已在多个智能门店(中石化易捷便利店, 京东之家)以及智能售卖机项目中部署使用. 在算法上, 京东方面表示, 无人商店用到的机器学习算法主要集中在知人, 知货, 知场3个方向, 由于涉及线上线下数据打通, 将视频等非结构化数据转化为结构数据等, 需要用到现在比较流行的机器视觉领域CNN(卷积神经网络)算法, 智慧供应链方面用到的传统机器学习算法, 如SVM, 统计学的线形回归, 逻辑回归等. 在网络条件比较好的情况下, 多数视频数据可以使用较大模型在云端完成. 在网络不佳的情况下, 通过端计算比如移动端, 边缘计算使用小网络完成. 而使用的硬件包括Intel的边缘服务器等.
尽管英特尔外遇强敌, 转型, 扩张的步伐十分坚定. 仅从研发数值来看, 根据IC Insights的统计数据, 2017年排名前10位的半导体厂商研发总支出为359亿美元, 英特尔位列第一. 报告显示, 2017年英特尔的研发支出为131亿美元, 占集团总支出的36%, 约为英特尔2017年销售额的五分之一. 随着各家的巨额投入, AI芯片的战役还将愈演愈烈. 21世纪经济报道
3.美国半导体产业长盛不衰的三大密码;
21世纪经济报道 翟少辉 上海报道
尽管美国半导体产业有着其他地区无法复制的一大优势——集成电路产业诞生于美国, 产业重要技术突破和变革也大都始于美国, 但美国在科技产业生态, 政府政策作用和人才培养方面的得失依然值得探究.
编者按
前三期全球商业观察我们梳理了国际半导体产业目前的竞争格局, 分析了在该产业全球领先的韩国和中国台湾, 欧洲发展半导体产业的历程, 现状和得失经验. 本期全球商业观察我们聚焦美国的半导体行业, 分析这个半导体行业诞生地为何能维护半个多世纪的基业长青, 其始终保持全球领先的支撑逻辑和密码. 同时, 对硅谷著名的 '叛徒' 文化和半导体两巨头英特尔与AMD的爱恨故事也做一管窥. (李艳霞)
市场调研机构Strategy Analytics最新完成的一份调查报告显示, 2017年, 在全球基带芯片和智能手机应用处理器市场, 美国半导体厂商高通分别占据了53%和42%的占有率, 继续稳固着该领域的霸主地位. Strategy Analytics认为, 在从4G向5G转型过程中, 高通将继续在2019年及以后的市场中保持领先地位.
高通的强势只是美国半导体产业领导地位的一个例证. 半导体行业研究机构IC Insights 5月更新的数据显示, 以营收为标准, 2018年第一季度全球15大半导体厂商 (含晶圆代工) 中, 美国占据8席. 2017年, 北美地区半导体厂商合计占据了全球半导体市场49%的份额.
此外, 同其他地区厂商多专注细分领域或代工业务不同, 美国厂商几乎可以生产半导体产品的全部种类, 并且在设备, 材料方面同样布局齐全. VLSI公布的2016年全球十大半导体设备厂商中, 应用材料, Lam Research, KLA-Tencor和Teradyne这4家美国企业分别位列第一, 第三, 第五和第八位.
尽管美国半导体产业有着其他地区无法复制的一大优势——集成电路产业诞生于美国, 产业重要的技术突破和变革也大都始于美国, 但美国在科技产业生态, 政府政策作用和人才培养方面的得失依然值得探究.
硅谷和集成电路产业的崛起
在被问及美国集成电路产业的成功因素时, 一位美国半导体从业者有些困惑: 集成电路诞生在美国, 这也就使得精确定位其成功的 '最重要原因' 非常困难.
华美半导体协会 (CASPA) 理事缪英妤对21世纪经济报道记者表示, 集成电路产业起步于美国, 并随着美国经济在二战后的腾飞同步发展, 探究美国半导体产业的成功因素需要从整体把握.
1947年, '晶体管之父' 肖克利 (William Shockley) 与同在贝尔实验室的两位同事制造出了首个晶体管, 三人因此分享了1956年度的诺贝尔物理学奖. 随后, 肖克利离开贝尔实验室, 来到如今的硅谷建立了肖克利实验室. 慕名而来投奔肖克利的才俊中, 就有后来的仙童公司的八位联合创始人.
1957年, 八人出走创立了仙童半导体公司, 他们也因此被肖克利怒斥为 '八叛徒' . 不过很快, 这一称呼就成为了硅谷乃至美国科技产业的传奇. '叛逆' 的创业精神影响了几代硅谷企业家, 科学家.
1958年, 德州仪器的基比尔 (Jack Kilby) 制造出了第一块集成电路, 但因未能找到合适的硅晶体, 他的器件使用了锗. 仙童半导体随后很快实现了突破, '八叛徒' 之一的诺伊斯 (Robert Noyce) 在1959年提交了用硅平面工艺制作集成电路的专利申请, 并在1961年3月生产出了第一块基于硅的集成电路. 集成电路产业正式拉开了序幕.
1968年, '八叛徒' 中最后离开仙童的摩尔 (Gordon Moore) 和诺伊斯也自立门户创立了迄今为止全球最成功的半导体企业英特尔.
1971年, Electronic News记者Don Hoefler首次以 '硅谷' 为题发表了对旧金山湾区计算机芯片公司的系列报道, 硅谷由此得名. 其中的 '硅' 字便是源于该地区集成电路产业所使用的硅原料.
经济科技优势支撑
市场调研机构Strategy Analytics RF和无线组件研究服务总监Chris Taylor对21世纪经济报道记者指出, 美国强大的经济基础是其半导体产业的核心优势之一. 美国经济在19世纪和20世纪实现了强劲增长, 在扩大就业的同时激发了对科技产业的投资.
近日发布的玛丽·米克尔2018年互联网趋势报告显示, 以市值而论, 全球十大科技公司中就有苹果, 亚马逊, 微软, 谷歌, Facebook, Netflix以及eBay+PayPal等7家美国企业. 这为美国半导体产业提供了包含终端应用, 品牌与软件的完整的生态体系.
集邦咨询墣产业研究院研究经理林建宏对21世纪经济报道记者指出, 长期以来的基础科技积累正是保障美国半导体产业长期居于领导地位的主要因素之一.
'微软与英特尔占据着PC市场, 谷歌的安卓与苹果的iOS引领着智能手机. 在制造端, 有英特尔与一些强有力的科研单位拉动着设备与材料厂商, 而外部更是有资金在支撑着创新环境. ' 他表示.
华美半导体协会 (CASPA) 理事缪英妤还指出, 美国半导体产业早期发展的先驱者中, 很多都是第一代的欧洲移民. '二战之后, 很多非常优秀的科学家都来到了美国寻找机会. ' 她说. '晶体管之父' 肖克利就出生于英国, 后迁往美国加州.
在林建宏看来, 半导体产业仅是科技产业中的一环, 美国拥有完善的科研与创新体系, 并吸引着全球的人才聚集, 这对于维持科研领域的领导地位至关重要.
政府积极介入: 研发支持, 政策指引
在集成电路产业成长的早期, 美国政府就已在其中发挥着重要作用. 早在二战之前, 美国军方就有着为科研提供资金的传统, 以用于飞机, 雷达, 核工业等领域的研发.
'国家科学基金 (NSF) 每年提供约70亿美元的支持, 用于支持高校的基础物理科学和数学研究. 美国卫生研究院 (NIH) 为基础医学研究提供资金. 国防部先进研究项目局 (DARPA) 则为企业具有军用潜力的研究提供支持, 例如计算机网络和互联网项目. ' Taylor指出了三家对半导体产业基础起到重要支持作用的机构.
缪英妤则指出, 美国政府对半导体产业最直接的推动, 除提供资金支持研发外, 还扮演了重要的采购方角色, 国防和航空航天研究为半导体产业提供了巨大的市场和应用场景.
诺丁汉大学教授John Orton也在其著作中指出, 在晶体管诞生之初的大部分时间中, 该工业正是依靠军方的支持存活了下来, 从而为日后的集成电路产业打下了基础.
政策指引方面, 美国政府仅在近年就采取了多项行动. 2015年, 美国启动了国会半导体核心会议, 以专门研究半导体产业政策. 随后, 美国国会研究服务中心和总统科技顾问委员会先后在2016年, 2017年发布了《美国半导体制造: 行业趋势, 国际竞争与联邦政策》和《持续巩固美国半导体产业领导地位》两份指引性报告.
Strategy Analytics手机元件技术研究服务副总监Sravan Kundojjala对21世纪经济报道记者表示, 半导体产业如今已成为美国政府 '严密保护' 的一项产业. '近年来, 美国政府阻止了多起外国投资者的收购尝试. 美国政府视5G和AI为半导体产业的核心领域, 并希望保持领导地位. '
2018年3月, CFIUS还曾在高通股东大会召开前紧急要求高通推迟股东大会, 以介入博通对高通的恶意收购. 此后流出的一封CFIUS信件显示, 其此举正是担心收购会削弱高通, 从而使高通在5G标准制定的关键时刻失去优势.
'不过, 目前几乎所有的美国半导体企业都在全球有所布局, 更重要的是他们也都和中国存在业务联系. ' Kundojjala表示, '大部分美国公司的成功更多还是取决于成功的产品和市场策略. '
人才频繁流动, 产业遍地开花
回顾美国半导体企业的历史, 一个有趣的发现是新兴公司往往能够迅速崛起, 并推动着半导体产业在技术领域的进步. 在John Orton看来, 这与美国科技产业的另一大特征有着联系: 人才在不同公司之间频繁的流动.
公益组织Endeavor曾于2014年发布的一项调查结果显示, 目前带有 '仙童基因' 的美股上市公司多达92家, 其中既有苹果, 谷歌, 甲骨文, Facebook和特斯拉等如今最火热的科技公司, 也有英特尔, AMD, 应用材料, 闪迪, 英伟达和赛灵思等重要的半导体厂商, 以及KLA-Tencor和Lam Research等半导体设备公司. Endeavor表示, 如果跳出上市公司的限制, 可追溯至仙童八位联合创始人的公司更是多达2000家.
Orton认为, '八叛徒' 的故事决定了一种文化, 成千上百的模仿者保证了专业知识和技术能够快速地在产业中实现扩散, 这与欧洲和日本相对稳定的环境非常不同.
新兴公司推动着技术革新是美国半导体产业生命力的重要体现, 这一特征得到了传承. 20世纪80, 90年代, 又一批后起的美国厂商乘着Fabless模式兴起和信息时代 (互联网和移动网络兴起) 来临之风, 在迅速崛起的同时为美国半导体产业开辟着新的疆土, 高通和英伟达即是最典型的代表之一.
'对我们而言, Fabless模式已被证明是非常成功的. ' 高通公司一位发言人6月1日接受21世纪经济报道记者采访时表示, '这允许我们可以不对设备等进行前期投资, 更灵活地专注于更核心, 基础的研发层面, 并让更乐于且擅长芯片生产的厂商从事生产. '
如今, 在5G, AI, 物联网等新兴前沿科技等领域, 美国厂商依然走在前列. Kundojjala认为, 包括英特尔, 高通, 英伟达, 博通, 美光, AMD和赛灵思在内的众多美国半导体厂商, 均在这一轮机遇中积极布局.
'举例来说, 英伟达这家GPU厂商, 已经将其主要面向个人客户的业务模式重整为面向AI, 自动驾驶和数据中心等领域. ' 他介绍, '高通这家基带市场的领导者, 也正在努力将它在4G上的成功延续至5G, 还对AI, VR和AR相关技术进行投资. '
'5G是在为其他所有相关的产业打开一扇门. ' 高通公司发言人表示, '过去是由手机运营商, 手机厂商, 半导体厂商去定义3G和4G的功能. 而5G则是需要众多产业参与进来, 告知我们其需求, 一同来定义5G的功能. '
不过, 尽管美国已是世界上最接近拥有半导体全产业链的国家, 但在光刻机领域美国企业依然缺席, 主要的DRAM生产工厂也不在美国. '目前没有单一国家拥有完整的供应链. ' 林建宏表示, '半导体产业有高度的专业分工, 但在各个子系统却又具有高度集中的特性. '
在Taylor看来, 人才储备是美国半导体产业保持领先地位的重要因素, 尤其是美国强调基础科学, 技术, 工程和数学领域的教育. 不过, 缪英妤指出美国在人才层面目前存在的一项挑战: 相较于人才培养周期较长的半导体领域, 新兴的互联网, 软件等领域无论在人才培养周期还是收入层面, 似乎都更有吸引力.
4.巴斯夫: 已为中国芯片业迈入10nm以下制程做好准备;
来源: IT时报
作者: 王昕
兵马未动, 粮草先行. 近日, 巴斯夫化工集团位于浙江嘉兴的新建电子级硫酸装置正式投入运营, 其生产的超纯硫酸将满足国内芯片厂商未来几年的工艺升级需求, 巴斯夫电子材料业务部亚太区副总裁言宁璇博士向《IT时报》记者表示: '巴斯夫与美国, 韩国等芯片厂商的合作经验将被复制到中国, 该超高纯度化学解决方案完全可以顺应中国芯片厂商对10nm, 7nm, 甚至更高芯片制程的需求. ' 另据消息称, 上述装置尚未竣工, 巴斯夫即同时启动扩建项目, 扩容后产能将翻番, 扩建项目预计将于今年年底投产, 共计每年生产24000吨高纯度电子级硫酸, 可以满足整个中国芯片市场相当一部分需求.
'在iPhone, 华为P20等明星智能手机中, 手机芯片制程已经达到10nm级别, 巴斯夫客户中有的芯片厂商已经具备了7nm和5nm的制程水平. 要实现如此精密的芯片生产工艺, 就需要万亿分之一级别的超纯纯度化学制品. '万亿分之一' 就好比, 一滴水之于20个奥运会游泳池的体积之比. ' 言宁璇说道, '在制造小于10纳米单位数节点晶片的过程中需要经过数百道清洗工序, 巴斯夫嘉兴装置所生产的硫酸在性能水平上已经超越了当今速度最快, 性能最优的半导体标准要求, 其质量与稳定性在业内首屈一指. '
咨询机构SEMI数据显示, 2017年全球晶元出货金额已经达到4000亿美元, 而中国在半导体设备资本支出方面的增长速度将远高于全球平均水平. 巴斯夫预计, 2019年, 中国大陆芯片厂商将实现14nm制程工艺, 2020年达到7-10nm水平, 快速追赶国际顶尖工艺水准.
巴斯夫中国区总经理窦峥透露, 嘉兴工厂将主要向北京, 上海, 南京, 重庆, 成都, 厦门等城市的芯片厂商供货, 同时, '长三角目前仍是中国芯片业需求量最大的地区之一, 这也是巴斯夫选址嘉兴的主要原因之一. '
另据介绍, 巴斯夫正在研发更高纯度的十千万亿分之一的超纯工艺, 言宁璇透露, 在与巴斯夫合作的顶尖芯片厂商实验室中, 巴斯夫已经能为4nm制程提供完全符合要求的超纯化学品.
5.芯片能耗1000倍降低将成为主要研究方向
随着集成电路工艺达到7纳米, 关于制程工艺的物理极限是否到来, 摩尔定律将会走向终止等, 开始成为业界热议的话题, 甚至引发普通人们的关注.
对此, 加州伯克利大学教授, FinFET发明人, 美国最高科技奖项获得者胡正明提出, 集成电路技术的发展远没有终止, 微纳电子还可以再做100年.
那么, 集成电路是否还将沿着以前的路径继续发展吗? 如何调整? 发展速度是否会减缓? 日前, '兆易集成电路科技馆' 正式开馆, 胡正明教授出席开馆仪式, 并接受了记者的采访.
'集成电路的发展路径并不一定非要把线宽越做越小, 现在存储器已经朝三维方向发展了. 当然我们希望把它做得更小, 可是我们也可以采取其他方法推进集成电路技术的发展, 比如减少芯片的能耗. 这个方向芯片还有1000倍的能耗可以降低. 线宽的微缩总是有一个极限的, 到了某种程度, 就没有经济效应驱动人们把这条路径继续走下去. 但是我们并不一定非要一条路走到黑, 我们也可以转换一个思路, 同样可能实现我们想要达到的目的. ' 胡正明表示.
事实上, 就集成电路而言, 人们的目的并不是微缩线宽, 而是增加晶体管密度, 增强芯片处理性能, 降低耗能, 减少成本. 对此, 胡正明预测, 未来芯片的成本将不会如以前那样持续降低.
'任何一种产业技术发展到一定程度, 成本都是不可能如以前的芯片产业一般, 持续, 呈指数级地不停降低. 很可能今后芯片成本不再会像以前那样下降得那么快了, 但是至少要做到成本不增加. ' 胡正明说.
如果成本不能持续降低, 那么驱动人们将摩尔定律推进下去的经济因素将是什么呢? '以前的半导体市场属于技术推动型, 以技术的发展造就市场需求. 我觉得以后需求端会变得越来越重要, 将成为推动集成电路产业和技术进一步发展的主要因素. ' 胡正明对《中国电子报》记者说.
'从这个角度来看, 世界上有那么多领域需要芯片. 随着智能化的发展, 这种需求不会减少. 既然有这样的需求在, 集成电路就必然会吸引更多投资, 支持集成电路的研发. 有这样的需要的驱动, 集成电路再有50年到100年的发展不成问题. ' 胡正明说.
随着集成电路产业发展的模式从技术驱动型转向市场驱动型, 集成电路产业的发展速度还会像以前那样快速吗? 对此, 胡正明认为, 过去20年中, 全球半导体市场的年平均成长率大约为4.5%左右. 这个成长速度并不是很快. 如果按照这样的速度成长50年并不成问题. '或者换一句话说, 今后50的的成长速度, 并不会低于过去20年的成长速度. ' 胡正明对《中国电子报》记者说.
人才是保持集成电路产业持续发展的关键因素. 特别是近年来中国在政策与市场的双重驱动下, 取得了较快发展. 然而依旧面临着十分严重的人才缺口. 针对人才培养这个话题, 胡正明认为, 人才培养是一项长期工程, 是急不起来的. 同时胡正明认为, 学校周边产业的发展, 于对学校教育有着正面的促进.
'以硅谷为例, 斯坦福大学, 加州大学伯克利分校便造就了很多科技产业, 但是这两所大学也受益于周边产业的发展. 学校教师与产业界走得近, 就会对市场趋势有着更加充分的了解, 在教学中也就能够有的放矢, 也更能激发学生的学习动力. 同时教师的研究成果也会受到产业界的重视, 让产业界更有创新的热情. 如果没有产业的配合, 学校想要培养出优秀人才也是比较难的. 产业培育与人才培养, 两件事应当同时并进. ' 胡正明对《中国电子报》记者说. 中国电子报