定制 SoC 成为热潮

随着采用尖端制造技术开发和生产SoC（片上系统）的成本不断上升，越来越多的公司选择开发独特的SoC设计，以区别于竞争对手。这种趋势并没有让 AMD、英特尔和高通等标准 CPU/SoC供应商受益。然而，对于代工厂以及其他行业参与者（包括 EDA 软件开发商、知识产权 (IP) 供应商和合同芯片设计公司）来说，这有着显著的好处。

几个全球大趋势正在影响微电子的发展。比如：5G、边缘计算、SDV、AI、云计算、高性能计算等。

人工智能、云计算和 HPC 等应用程序可能会浪费一定的性能，但主要限制因素是数据中心的功耗和空间，而不是硬件成本。同样，SDV 和边缘计算设备需要更高的计算性能。然而，除了功耗和空间之外，它们还受到成本（即使用的芯片数量和芯片尺寸）的限制。

人工智能、汽车、云计算、边缘计算和高性能计算是完全不同的应用，可以通过广泛使用的现成芯片来解决。然而，通过精确调整芯片以适应其运行的工作负载，从成本和功耗的角度来看，它可以更有效地实现所需的性能和功耗水平。

Arm 基础设施业务线产品解决方案副总裁 Dermot O'Driscoll 表示：「我们意识到一刀切的方法无法再满足计算需求，更多越来越多的公司正在考虑定制 SoC 项目来获得高级计算能力。」

此外，知识产权保护、功能差异化、设计灵活性和产品的长期可用性比以往任何时候都更加重要。针对这种情况，许多公司正在内部开发 SoC 或从代工芯片开发制造商处订购 SoC。

Ansys 首席技术专家 Christophe Bianchi 表示：「我们肯定会看到越来越多的公司设计自己的芯片。Ansys 是分析工具软件的领先供应商以及工程仿真和 EDA 软件的开发商。这种转变在北美尤其明显，但 EMEA（欧洲、中东和非洲）和 APAC（亚太地区）地区现在也在效仿。」

Sondrel 的创始人兼首席执行官 Graham Curren 表示：「拥有定制 SoC 意味着拥有融合了特定且差异化技术且极难复制的定制 SoC，这意味着拥有难以实施的独特解决方案。它深深嵌入半导体芯片中，使公司的知识产权得到保护。此外，它在功耗、性能和面积方面都根据任务规范进行了精确定制，这是一个完全合规的专用解决方案。」

苹果如何从自己的定制芯片中获利

苹果是新进入者的一个很好的例子，它开发了自己的 SoC，首先用于智能手机，然后用于个人电脑，并获得了巨额利润。

苹果表示，它从 2000 年代末开始要求三星电子将苹果自己的一些定制 IP 植入其 iPhone 应用处理器中。不久之后，他们建立了一个内部芯片开发团队，并开发了定制 CPU 微架构和加速器，为 iPhone、iPad 和 Apple TV STB（机顶盒）等产品增加价值。之后，该公司开始制造用于 PC 的 SoC，它集成了各种类型的定制 IP，以在要求苛刻的应用中实现更低的功耗、更长的电池寿命和更高的性能。

「设计定制 SoC 的主要原因包括提供专门的加速、实施独特的系统和封装拓扑以及通过垂直集成优化成本。」O'Driscoll 说。

Apple 正在从 M 系列 SoC 的努力中获得巨大收益。2019 年第一季度，该公司在 PC 市场的份额为 6.4%（出货量 3,791,000 台），2022 年第一季度增至 9.3%（销量 7,324,000 台）。此外，该公司 2022 财年的研发费用为 262.51 亿美元（高于 2019 财年的 162.17 亿美元），其中大部分用于半导体芯片开发。

过去，半导体芯片设计是 IBM、思科系统公司和 Sun Microsystems（现为 Oracle）等大型、利润丰厚的制造商的专利。随后，苹果向世界展示了消费级 SoC 的用途，华为和三星等公司也纷纷效仿。

到 2010 年中期，互联网巨头们经历了显著的增长和利润的扩大。这些公司开始开发自己的半导体也就不足为奇了。

现在，汽车制造商正在追随苹果的脚步。

技术信息服务公司 TechInsights 的副主席丹·哈钦森 (Dan Hutchenson) 表示：「近年来，自行设计芯片的制造商数量呈爆炸式增长。比如 IBM、苹果、谷歌、Meta、亚马逊、百度、特斯拉等巨头都在开发自己的芯片。2021 年左右开始，各大汽车制造商都开始设计自己的芯片。」

领先的超大规模企业

目前，苹果是唯一一家开发自己的定制处理器的主要个人电脑制造商。鉴于 PC 制造商对 Windows 开发的控制力明显低于 Apple 对 MacOS 开发的控制力，PC 制造商不愿意开发自己的 SoC。

超大规模企业与 PC 制造商的不同之处在于，他们对自己的硬件和软件拥有近乎绝对的控制权。因此，超大规模厂商开发自己的定制 SoC 是很自然的事情。

「超大规模是定制芯片开发的最初驱动力，」Bianchi 说，「对人工智能计算和云性能的需求推动了这种增长。」

谷歌运营着一些世界上最著名的互联网服务，包括用于人工智能训练和推理加速的张量处理单元（TPU）、用于 YouTube 的视频转码单元（VCU）以及服务器 SoC，拥有多方面的定制数据中心芯片策略。传闻中的谷歌服务器 SoC 是否会比 AMD 的 EPYC 或英特尔的 Xeon 更好还有待观察。

与此同时，谷歌的 TPU 和 VCU 已经提供了该公司扩展其 AI/视频服务所需的性能、可扩展性、功能和成本。

Cambrian-AI Research 创始人兼首席分析师 Karl Freund 表示：「成本和定制化是这些制造商开发自己芯片的驱动力，我们希望用芯片支持的关键应用之一是人工智能工作负载。」

EDA 工具和 IP 巨头 Cadence 的数字/签核小组产品管理副总裁 Kam Kittrell 表示：「构建超大规模芯片比批量购买芯片更便宜，省去了中间商。拥有有价值的专用软件，可以以更高的能源效率交付软件工作负载。」

新玩家不断涌现

SiPearl 和 Tenstorrent 可能是最引人注目的新进入者，它们希望在定制芯片开发方面挑战行业巨头。SiPearl 为欧洲的百亿亿次超级计算机提供基于 Arm 的 CPU。Tenstorrent 是一家基于 RISC-V 指令集架构 (ISA) 的超高性能 AI/HPC 解决方案的开发商和制造商。

两家公司采用不同的方法。

SiPearl 计划于 2024 年将其拥有多达 72 个内核的「Rhea」处理器商业化。它使用经许可的现成 CPU 内核「Arm Neoverse V1」，设计由半导体制造合同制造商负责。SiPearl 高管表示，他们选择 Arm 内核是因为其能效、软件兼容性和成本的最佳组合。

SiPearl 首席执行官 Philippe Notton 表示：「我们选择 Arm ISA，是因为 Arm 拥有经过验证的服务器处理器软件生态系统，这是市场的基本组成部分。我们还选择了 Arm Neoverse V1 内核，因为它是一个理想的选择。标量/矢量处理性能和能源效率（每 1W 性能），对于服务器处理和 HPC 来说是世界一流的，该架构可以节省数百万美元的开发成本，并将开发时间缩短数年。」

此外，SiPearl 还从 IP 供应商处获得内存和 PCIe 控制器等标准块的许可，并从欧洲处理器倡议 (EPI) 成员处获取其他 IP。

「我们目前正在开发与关键性能/功能相关的 IP，例如架构实现和内存层次结构，」Notton 说，「我们使用 PCIe 和内存控制器的标准块，这些块价格昂贵且难以开发。」

Synopsys 表示 SiPearl 的方法在业界相当普遍。

Synopsys 解决方案集团营销和战略副总裁 John Koeter 表示：「对于刚刚接触 SoC 设计的系统制造商来说，采购尽可能多的 IP 是有意义的，特别是在接口 IP 和通用处理器方面这些公司通常会花费时间和资源来使自己脱颖而出，例如解释算法和优化软件工作负载。」

许多公司通过设计对其系统重要的特定块来使自己脱颖而出。通过这样做，您可以创建 USP（独特的销售主张）并获得优于竞争对手的优势。这占所需 IP 的 10%。

Tenstorrent 希望将所有可能的性能、灵活性和功能融入其芯片中，并决定基于所选的定制 RISC-V 微架构设计 SoC（最终是多芯片解决方案）。这确保了性能和功耗之间的适当平衡。

Tenstorrent 通信副总裁 Bob Grim 表示：「鉴于 Jim Keller 和首席 CPU 架构师 Wei-Han Lien 在 Arm 方面的经验，我们计划使用 Arm 来实现我们的高性能 CPU 内核。我们最初考虑使用 Arm 是因为它具有强大的性能。软件堆栈和一个好的编译器，考虑到我们对人工智能的关注是必不可少的，我们选择了 RISC-V。」

Grim 提到的数据格式是 BF16，广泛用于 AI 应用。同时，Tenstorrent 用于 AI/ML 工作负载的基于 RISC-V 的核心 Tensix 支持多种数据格式：BF4 和 BF8、INT8、FP16、BF16 甚至 FP64。目前，这种组合在商用内核中尚不可用。如果公司需要在未来的产品中添加新的格式，他们可以按原样进行。

Grim 表示：「采用 RISC-V 是一个伟大的决定，因为像 RISC-V 这样的开源解决方案使我们能够在需要时进行所需的更改。如果存在任何错误或问题，我们可以进行修改我们不必等待许可方发布修改或更新的版本。事实上，我们对 Tensix 内核的 RISC-V 的经验表明，我们可以将 RISC-V 用于高性能 CPU 内核。对使用 V 有了信心。」

然而，尽管 Tenstorrent 使用开源 ISA，但它选择了对接口等进行许可。

Tenstorrent 工程副总裁 Stan Sokorac 表示：「对于从头开发行业标准接口，例如 PCIe、DDR 和以太网，我们通常会授予 IP 许可。」

Grim 表示，「软件方面的开发进展迅速，Tenstorrent 计划继续使用 RISC-V。」

Grim 补充道：「一旦人们转向开源，他们就不会再回到专有解决方案，因为开源的好处是如此强大。」他说。

GPU 在 AI 领域大展实力

处理新人工智能工作负载的另一种方法是设计 GPU。

美国研究公司 Jon Peddie Research 总裁 Jon Peddie 表示：「新进入者最常见的目标市场是人工智能、光线追踪和游戏。」2016 年，有 5 家公司为 x86 平台生产 GPU；现在有 17 家制造商和几家 IP 公司。

对于 Biren Technology 和 MetaX 等中国公司来说，图形处理并不是首要任务，它们希望首先解决快速增长的人工智能、高性能计算问题。与之形成对比的是中国的摩尔线程技术。该公司将游戏 GPU 投入市场，不仅作为游戏用图形卡，还作为远程游戏用和 AI 工作负载用的数据中心板提供，可以清楚地看到该公司有意利用 AI 大趋势。

汽车行业追随苹果的道路

汽车制造商正在追随苹果的脚步。这背后是向 SDV 转型的趋势。汽车正在发展成为紧密互连的软件定义平台，并且可以随着时间的推移增强功能。

当汽车基于数十个传感器的数据每秒执行数百次操作时，协调传统上由车载计算机或 ECU（电子控制单元）管理的众多电子组件变得效率低下。因此，将硬件与软件分离，像传统 PC 一样操作汽车更为实用。后者可以受益于定制 SoC，汽车也是如此，因此许多汽车制造商现在都在设计自己的芯片。

仿真软件供应商 Ansys 首席技术专家 Christophe Bianchi 表示：「第二波定制芯片设计浪潮来自汽车行业，它除了是实现高级 ADAS（高级驾驶辅助系统）的关键组件之外。此次活动让传统汽车制造商认识到 SDV 也是增加服务收入的关键。」

有趣的是，在芯片复杂性方面，汽车制造商正在迅速赶上超大规模和 AI/HPC 的芯片设计。据悉，许多汽车制造商已经在研究分布式多芯片解决方案。

「在汽车行业，越来越多的原始设备制造商正在考虑专有设计，这无疑是由于 L3 和 L4 级自动驾驶车辆的 ADAS 应用日益复杂所推动的，」Koeter 分析到。

尽管汽车行业如今发展迅速，但它是一个极其保守的行业，因为它生产的设备（车辆）通常使用时间超过 10 年，可靠性极高。

拥有良好业绩记录的芯片制造商声称他们的芯片可以使用很多年，但没有人知道这些公司 10 年后会是什么样子。因此，汽车制造商确保其关键芯片使用寿命超过 10 年的一种方法是自行开发。

Bianchi 表示：「由于并购和剥离，半导体行业的优先事项和参与者情况会发生快速变化，尤其是在汽车行业，需要三到五年的时间来开发和成熟硬件和半导体平台。」