芯片的未来发展趋势

2024 年，该行业将专注于 AI/ML、RISC-V、量子、安全等发展趋势。

今年年初，大多数人从未听说过生成式人工智能。现在整个世界都在竞相利用它，而这仅仅是个开始。量子计算、6G、智能基础设施等新市场领域专用处理正在加速对更快、更高效、更多数据的需求。

与每隔几年等待下一个工艺节点的日子相比，未来几年的事件将与电话或汽车的引入一样重要。但可能不会只有一种创新技术，将会有很多技术一起以一种将让科技界惊讶的方式相互作用。

我们正在进入一个定制硬件、异构集成、软件定义系统的时代，所有这些都依赖于半导体。况且芯片本身也在发生变化。芯片正变得更专用、更复杂，并且可能构成更大的安全威胁。

所有这些趋势都将迫使芯片设计师重新思考工作流程、架构和商业模式。其中一些在 2023 年有些苗头，2024变得明显，并且开始真正加速。

AI/ML

2023 人工智能/机器学习（AI/ML） 以谷歌 Gemini AI 的发布而告终，这既是对 ChatGPT 的追赶，也是对多模态 AI 的突破性推动。很多公司也试图将图像和视频纳入他们的生成式人工智能工作中。

很多大规模企业都有一个定制的人工智能生态系统，预计这一趋势将加速，越来越多的公司在多个领域开发自己的人工智能芯片。

所以，新的一年你将看到更多令人兴奋的新应用和突破来自开发自己的定制人工智能芯片的公司。例如，甚至像特斯拉这样的公司开发自己的定制人工智能芯片，以帮助实现自动驾驶的训练。

人工智能正在从根本上改变我们的生活和工作方式，这种转变会在2024年加速。到2024年，围绕人工智能的对话将变得更加微妙，重点关注不同类型的人工智能、以及至关重要的是，我们需要建立什么样的技术基础才能使未来的人工智能世界成为现实。

先进的专用芯片将在推动当今的人工智能技术部署的中发挥关键作用。CPU 在所有 AI 系统中都至关重要，无论是完全处理 AI 工作负载还是作为协处理器（如 GPU 或 NPU）结合使用。

2024年，人们将更加重视这些算法的低功耗加速，以及在大型语言模型、生成式人工智能和自动驾驶等高计算能力领域运行人工智能工作负载的芯片。

此外，许多人正在寻求人工智能来增强现有流程并提高生产力。在芯片设计流程中，有几个机会可以通过引入人工智能来优化生产力。工艺节点的减小带来了一系列挑战，但设计芯片的时间又要保持不变。

根据预测，到2030年，劳动力将出现严重短缺，芯片设计师将减少20%至30%。像人工智能这样的变革性技术可以帮助填补这一空白。

AI的影响力正在蔓延

能够运行AI的芯片类型也在发生变化，这在边缘尤为重要。例如，DSP 在视觉、音频和激光雷达等垂直市场中执行一种特定类型的处理非常有效。

现在，随着人工智能在各地的推广，人们正在推动扩大这种能力。这里需要减少 SoC 面积并控制整体功耗。在基于边缘和设备端的人工智能应用中，独立 DSP 或 DSP 与高效加速器相结合，对于从微型耳塞到自动驾驶的一系列应用来说是非常理想的。

虽然人工智能加速器可能或多或少独立工作，但趋势是将其与具有人工智能功能且高度可编程的 DSP 配对，以作为面向未来的有效后备，以防不断发展的人工智能工作负载引入新的神经网络。

定制

与此同时，定制芯片的驱动正在提高人们对软件定义架构 （SDA） 的兴趣，其中功能由软件定义。看看特斯拉就知道了。有大量的芯片，数百个处理器，但软件定义了这一切。软件是预先设计和构建的，然后芯片执行它。

RISC-V 在最近的 RISC-V 峰会上得到了推动，当时 Meta 宣布将在其路线图中的所有产品中使用 RISC-V。我们看到芯片设计人员对RISC-V越来越感兴趣，因为它给了他们自由。

RISC-V软件生态系统继续发展，并取得了许多里程碑式的成就。另外，不仅仅是关于RISC-V。人们正在构建混合架构的SoC，这带来了一系列完全不同的挑战。

突然之间，你从一个稍微封闭的生态系统转向了一个必须在所有标准之间互操作的东西。我们如何将它们缝合在一起？这是关键挑战之一。

答案可能是chiplets，它最终会变得更加标准化。

随着晶圆代工工艺的进步和摩尔定律的放缓，半导体行业需要找到实现性能提升、成本降低和良率提高的新方法。这就是为什么chiplets将在 2024 年成为整个行业的焦点，

随着chiplets技术的普及和市场的日益多样化，重点将转向标准化和互操作性，以确保这些定制化芯片的最快上市，从而在不同市场中实现复用。到2024年，希望看到整个行业齐心协力，更清楚地定义系统级功能和基础标准，使chiplets能够在更广泛的系统中使用，而不会出现碎片化的风险。

继续向左移动

chiplets和RISC-V扎根的关键原因之一是，在新的工艺节点上，性能和功耗的优化不再得到保证。SoC 正在被分解为不同的部分，它们都需要作为一个系统来运行。这需要更多的定制、更多的协同设计，以及在流程的早期更好地理解整体架构。

随着软件定义架构的出现，你必须更加关注前期系统设计。你不能让它以后碰运气。从验证一直到流片的整个工作流程，都必须预先确定、定义和设计。

你不能只是希望并祈祷它最终会走到一起。

复杂性稳步增加的趋势将继续存在。因此，关于“左移”的需求会更加强烈。在这里，一个关键的支柱是EDA，它面临着各种挑战，例如

用于chiplets的EDA

用于 high-level digital synthesis的EDA

用于数模混合设计和验证的EDA。

将所有这些部分融合在一起是一件不平凡的事情，需要专注于真正的系统级设计以及所有部分的连接。

真正的系统级设计的挑战之一是如何在域之间进行通信。你如何抽象出一个详细的模型，使其在另一个领域可用？当你开始左移时，如何获取流程信息并使其可供系统设计工程师使用？

结论

尽管取得了所有突破和兴奋，但工程和商业的基本面仍然存在。每个人都必须在设计和实施过程中提高效率才能一起改变世界。

如果你不够快，别人会打败你。

随着新问题的出现，企业整合是另一个可能继续下去的趋势，市场上充斥着寻求解决这些问题的初创公司，而大公司收购它们要么是因为他们的技术，要么是他们的人才，两者兼而有之。

这一切发生的速度随着新技术的推出，正在加速，半导体是这些技术发挥作用的引擎。

审核编辑：黄飞