免费听会 智己/翊杰/Solidigm/奕成/安似/AT&S等20+重磅嘉宾与您11.27相约苏州SiP China！

　　中星联华直播 高速信号完整性分析与测试 — “码”上行动系列线 DigiKey 应用说：大模型时代的智能汽车

　　2024 瑞萨电子MCU/MPU工业技术研讨会——深圳、上海站， 火热报名中

　　STM32N6终于要发布了，ST首款带有NPU的MCU到底怎么样，欢迎小伙们来STM32全球线上峰会寻找答案！

　　COSEL为要求苛刻的应用提供输出功率为3500W的新型无风扇传导冷却式三相高效电源

　　工程设计专家系统的原理与程序设计方法-1991-10-气象出版社-李桂清

　　英特尔最新芯片的“工艺节点”被称为“20 a ”和“18 a ”。如果将这两个后缀A理解为表示“埃”——英特尔从来没有明确说过它们代表什么——那就意味着尺寸只有 2nm 左右。在某一时刻，工艺节点几乎与晶体管栅极长度同义。

　　业内大多数人认为，栅极长度将在 12nm 左右触底，金属间距将在 14nm 左右触底。这大约是使用asml最好的光刻机可以打印的最小尺寸。但业界不能放弃谈论其在越来越小且完全是概念性的节点尺寸方面的进步。2021 年，英特尔将其“10nm”节点更名为“Intel 7”，删除了“nm”。台积电谈论 3nm 和现在的 2nm 节点（据称比英特尔的 18A 更先进）。3 月，在线出版物ZDNet 报道称，三星已将其 3nm 工艺更名为 2nm。令人难以置信的缩小言论仍在继续。

　　一个世纪前，加利福尼亚州山景城圣安东尼奥路 391 号曾是一家杏子包装棚的所在地。如今，它只是繁忙道路上众多低层办公大楼之一，这里汇聚了硅谷的科技初创公司和亿万富翁。然而，在它前面矗立着三座巨大而奇特的雕塑，两条腿和三条腿的造型让人想起水塔。它们是两个二极管和一个晶体管的巨型版，都是电子电路元件。1956 年，圣安东尼奥路 391 号成为肖克利半导体实验室的所在地，这家初创公司致力于用硅制造此类元件。这里是硅谷的发源地。

　　该公司由晶体管的共同发明人威廉·肖克利 (William Shockley) 创立，但最终却以失败告终。而对硅的接纳却并非如此。1957 年，肖克利的八名员工（肖克利先生称之为“叛徒八人”）叛逃到距离这里不到两公里的地方创办仙童半导体公司。其中包括芯片制造巨头英特尔的未来联合创始人戈登·摩尔 (Gordon Moore) 和罗伯特·诺伊斯 (Robert Noyce)，以及开创性风险投资公司凯鹏华盈 (Kleiner Perkins) 的联合创始人尤金·克莱纳 (Eugene Kleiner)。硅谷大多数著名的科技公司都可以直接或间接地追溯到仙童半导体公司的早期员工。

　　在半导体元件发明之前，计算机是房间大小的机器，使用脆弱而精密的真空管。半导体是一种可以控制电流流动的固体材料，可以提供更坚固、更灵活、更小巧的元件。当这些元件主要由硅制成时，就可以在一块硅片上制造出一大堆这样的元件。硅“芯片”上的微型晶体管、二极管等可以连接在一起，形成用于存储或处理数据的“集成电路”。

　　1965 年，摩尔还在仙童公司工作时就注意到，在给定成本的情况下，集成电路中可以装入的晶体管数量每年都会翻一番（后来他将翻一番的时间放宽到每两年一次）。他的观察结果被编纂为“摩尔定律”，发挥了重要作用。1971 年生产的芯片每平方毫米有 200 个晶体管。2023 年，美国半导体公司AMD制造的处理器mi 300在同样的面积上塞进了 1.5 亿个晶体管。晶体管越小，开关速度就越快。mi 300的组件比 50 年前的上一代快了数千倍。

　　有一段时间，硅片的技术核心地位与制造芯片的企业的重要性不相上下。20 世纪 70 年代，制造芯片、使用芯片的计算机以及在芯片上运行的软件的 IBM是一家无与伦比的巨头。20 世纪 80 年代，微软证明了一家只销售软件的公司可能更具吸引力。而制造微软软件所用芯片的英特尔本身就是一股巨大的力量。在 2000 年互联网泡沫破灭之前，英特尔是全球市值第六大的公司。

　　然而，在经济衰退之后，谷歌和 Meta 等公司提供的“Web 2.0”服务占据了中心地位，其平台所依赖的半导体也日益商品化。风险投资家马克·安德森 (Marc Andreessen) 在 2011 年表示，软件而非硅片“吞噬了世界”，如果要描述大型科技公司增长背后的动态，那一定是软件，而不是硅片。

　　人工智能的蓬勃发展改变了这一现状，其进步依赖于巨大的计算能力。2010 年之前，训练领先人工智能系统所需的计算量大致符合摩尔定律，每 20 个月翻一番。此后，每六个月翻一番（见图 1）。这意味着对更强大芯片的需求越来越大。Nvidia 是一家美国公司，专门生产一种特别适合主导人工智能的大型语言模型 ( LLM ) 需求的芯片，目前是全球第三大最有价值的公司。自 2023 年底以来，摩根士丹利资本国际芯片制造公司指数十多年来首次大幅跑赢其软件公司指数（见图 2）。

　　随着人工智能再次让芯片制造变得重要，有人工智能野心的公司也加入其中。驱动力不仅仅是训练，还有后续使用（也称为“推理”）。使用LLM回答查询虽然没有一开始就训练它们那么困难，但仍然是一项巨大的计算任务，每天需要进行数十亿次。由于定制电路比大多数半导体供应商销售的通用电路更有效地完成此任务，因此一些运行LLM的公司选择专门为此目的设计芯片。苹果、亚马逊、微软和 Meta 都已投资打造自己的定制人工智能芯片；谷歌设计并用于数据中心的处理器数量比除 Nvidia 和英特尔之外的任何其他公司都要多。全球十大最有价值的公司中有七家现在从事芯片制造业务。

　　芯片的复杂程度主要取决于其特征有多小；目前，尖端技术的定义是“工艺节点”尺寸小于七十亿分之一米（七纳米，或 7nm——请参阅后面的方框，了解对此的看法）。这就是人工智能行动的中心。但超过 90% 的半导体制造能力都采用 7nm 或更高的工艺节点。这些芯片的技术挑战性较低，但应用范围更广，从电视和冰箱到汽车和机床，无所不在。

　　2021 年，在新冠疫情最严重的时候，此类芯片的严重短缺扰乱了包括电子产品和汽车在内的各个行业的生产。该行业对效率的追求使其业务遍布全球，不同地区专注于供应链的不同环节：美国负责芯片设计；欧洲和日本负责芯片制造设备；台湾和韩国负责使用这些设备的晶圆厂；中国和马来西亚负责芯片的封装和组装。当疫情扰乱这些供应链时，各国政府都注意到了这一点。

　　2022 年 8 月，美国政府推出了一项 500 亿美元的补贴和税收抵免计划，以吸引芯片制造业回归美国。其他地区也纷纷效仿，欧盟、日本和韩国承诺提供近 940 亿美元的补贴。美国试图通过出口禁令切断中国获取尖端芯片及其制造工具的渠道，这让情况变得更加复杂。中国对这些禁令的回应是限制两种对芯片制造至关重要的材料的出口。

　　但芯片制造商最大的担忧不是产业政策或国家竞争，而是技术。五十年来，晶体管的缩小在不增加能耗的情况下提高了性能。现在，随着芯片密度越来越高、人工智能模型越来越大，能耗也在飙升。为了保持性能的指数级增长，芯片制造商需要新的想法。有些想法是渐进式的，比如硬件和软件之间更紧密的集成。另一些想法则是激进的：重新思考硅片或放弃数字处理而采用其他技术。

　　在晶体管的大部分历史中，它都遵循着“快乐缩放”的路径——随着逻辑门的缩小，它们变得更快，功耗更低。那个时代已经结束了。前沿人工智能处理器在单个芯片上塞入更多晶体管，或将多个“小芯片”堆叠到一个封装中，以提高计算能力。但性能的提升是有代价的：芯片的能耗激增。一块 Nvidia 最新推出的 Blackwell 芯片的运行速度比其前代产品快 5 倍，但功耗却增加了 70%。

　　数据中心将数百或数千个耗电芯片捆绑在一起，以运行大型人工智能 ( ai ) 模型。据估计，Chat gpt的制造商 Open ai耗费了超过 50 千兆瓦时的电力来训练其最新模型（见图表）。国际能源署 (International Energy Agency) 计算，2022 年数据中心消耗了 460 太瓦时的电力，几乎占全球电力需求的 2%。该机构预计，到 2026 年，这一数字将翻一番。

　　芯片制造商为提升人工智能模型的处理能力而不导致能源增长失控而采取的技巧暗示着半导体行业正在发生转变。第一个变化是计算机作为通用机器的衰落。麻省理工学院的尼尔·汤普森认为，几十年来，摩尔定律一直将计算联系在一起。每一代半导体技术都比上一代更快、更节能。这使得科技界可以依赖通用处理器——中央处理器 (CPU ) ——它可以被编程来执行许多任务。但摩尔定律的终结使得现在提高所有应用程序的性能变得更加困难。

　　苹果、亚马逊、谷歌、微软和 Meta 现在都使用针对自家软件优化的定制硅片。谷歌的处理器专为运行其机器学习软件 TensorFlow 而设计。苹果的自制芯片经过调整，可以在其生产的设备上运行自家的软件。这些公司与美国芯片公司 Broadcom 等公司合作设计这些芯片，并与台积电等代工厂合作生产这些芯片。Nvidia 是唯一一家通过为其他公司制造人工智能芯片而大获成功的公司——但这在一定程度上是因为它的芯片针对其软件平台CUDA进行了优化，而该平台已成为行业标准。

　　据咨询公司 bcg称，2018 年至 2023 年期间，“六大”公司（五大科技巨头加上 Nvidia）约占科技行业价值的 60%。但这不会减缓创新。这个新世界比引发计算机革命的上一个时代更具创造力。现在，计算机可以通过更多方式变得更好——通过硅片的巧妙设计、更好的封装、创新的芯片设计和新材料。它将以 Wintel 世界从未有过的方式展开竞争，并可能创造出更精彩的东西。硅片、恐惧和坚定信念的结合将在未来 70 年取得比过去 70 年更大的成就。