2024 年，該行業(yè)將專注于 AI/ML、RISC-V、量子、安全等發(fā)展趨勢。

今年年初，大多數(shù)人從未聽說過生成式人工智能。現(xiàn)在整個世界都在競相利用它，而這僅僅是個開始。量子計算、6G、智能基礎(chǔ)設(shè)施等新市場領(lǐng)域?qū)Ｓ锰幚碚诩铀賹Ω臁⒏咝?、更多?shù)據(jù)的需求。

與每隔幾年等待下一個工藝節(jié)點的日子相比，未來幾年的事件將與電話或汽車的引入一樣重要。但可能不會只有一種創(chuàng)新技術(shù)，將會有很多技術(shù)一起以一種將讓科技界驚訝的方式相互作用。

我們正在進入一個定制硬件、異構(gòu)集成、軟件定義系統(tǒng)的時代，所有這些都依賴于半導(dǎo)體。況且芯片本身也在發(fā)生變化。芯片正變得更專用、更復(fù)雜，并且可能構(gòu)成更大的安全威脅。

所有這些趨勢都將迫使芯片設(shè)計師重新思考工作流程、架構(gòu)和商業(yè)模式。其中一些在 2023 年有些苗頭，2024變得明顯，并且開始真正加速。

AI/ML

2023 人工智能/機器學(xué)習(xí)（AI/ML） 以谷歌 Gemini AI 的發(fā)布而告終，這既是對 ChatGPT 的追趕，也是對多模態(tài) AI 的突破性推動。很多公司也試圖將圖像和視頻納入他們的生成式人工智能工作中。

很多大規(guī)模企業(yè)都有一個定制的人工智能生態(tài)系統(tǒng)，預(yù)計這一趨勢將加速，越來越多的公司在多個領(lǐng)域開發(fā)自己的人工智能芯片。

所以，新的一年你將看到更多令人興奮的新應(yīng)用和突破來自開發(fā)自己的定制人工智能芯片的公司。例如，甚至像特斯拉這樣的公司開發(fā)自己的定制人工智能芯片，以幫助實現(xiàn)自動駕駛的訓(xùn)練。

人工智能正在從根本上改變我們的生活和工作方式，這種轉(zhuǎn)變會在2024年加速。到2024年，圍繞人工智能的對話將變得更加微妙，重點關(guān)注不同類型的人工智能、以及至關(guān)重要的是，我們需要建立什么樣的技術(shù)基礎(chǔ)才能使未來的人工智能世界成為現(xiàn)實。

先進的專用芯片將在推動當今的人工智能技術(shù)部署的中發(fā)揮關(guān)鍵作用。CPU 在所有 AI 系統(tǒng)中都至關(guān)重要，無論是完全處理 AI 工作負載還是作為協(xié)處理器（如 GPU 或 NPU）結(jié)合使用。

2024年，人們將更加重視這些算法的低功耗加速，以及在大型語言模型、生成式人工智能和自動駕駛等高計算能力領(lǐng)域運行人工智能工作負載的芯片。

此外，許多人正在尋求人工智能來增強現(xiàn)有流程并提高生產(chǎn)力。在芯片設(shè)計流程中，有幾個機會可以通過引入人工智能來優(yōu)化生產(chǎn)力。工藝節(jié)點的減小帶來了一系列挑戰(zhàn)，但設(shè)計芯片的時間又要保持不變。

根據(jù)預(yù)測，到2030年，勞動力將出現(xiàn)嚴重短缺，芯片設(shè)計師將減少20%至30%。像人工智能這樣的變革性技術(shù)可以幫助填補這一空白。

AI的影響力正在蔓延

能夠運行AI的芯片類型也在發(fā)生變化，這在邊緣尤為重要。例如，DSP 在視覺、音頻和激光雷達等垂直市場中執(zhí)行一種特定類型的處理非常有效。

現(xiàn)在，隨著人工智能在各地的推廣，人們正在推動擴大這種能力。這里需要減少 SoC 面積并控制整體功耗。在基于邊緣和設(shè)備端的人工智能應(yīng)用中，獨立 DSP 或 DSP 與高效加速器相結(jié)合，對于從微型耳塞到自動駕駛的一系列應(yīng)用來說是非常理想的。

雖然人工智能加速器可能或多或少獨立工作，但趨勢是將其與具有人工智能功能且高度可編程的 DSP 配對，以作為面向未來的有效后備，以防不斷發(fā)展的人工智能工作負載引入新的神經(jīng)網(wǎng)絡(luò)。

定制

與此同時，定制芯片的驅(qū)動正在提高人們對軟件定義架構(gòu) （SDA） 的興趣，其中功能由軟件定義?？纯刺厮估椭懒?。有大量的芯片，數(shù)百個處理器，但軟件定義了這一切。軟件是預(yù)先設(shè)計和構(gòu)建的，然后芯片執(zhí)行它。

RISC-V 在最近的 RISC-V 峰會上得到了推動，當時 Meta 宣布將在其路線圖中的所有產(chǎn)品中使用 RISC-V。我們看到芯片設(shè)計人員對RISC-V越來越感興趣，因為它給了他們自由。

RISC-V軟件生態(tài)系統(tǒng)繼續(xù)發(fā)展，并取得了許多里程碑式的成就。另外，不僅僅是關(guān)于RISC-V。人們正在構(gòu)建混合架構(gòu)的SoC，這帶來了一系列完全不同的挑戰(zhàn)。

突然之間，你從一個稍微封閉的生態(tài)系統(tǒng)轉(zhuǎn)向了一個必須在所有標準之間互操作的東西。我們?nèi)绾螌⑺鼈兛p合在一起？這是關(guān)鍵挑戰(zhàn)之一。

答案可能是chiplets，它最終會變得更加標準化。

隨著晶圓代工工藝的進步和摩爾定律的放緩，半導(dǎo)體行業(yè)需要找到實現(xiàn)性能提升、成本降低和良率提高的新方法。這就是為什么chiplets將在 2024 年成為整個行業(yè)的焦點，

隨著chiplets技術(shù)的普及和市場的日益多樣化，重點將轉(zhuǎn)向標準化和互操作性，以確保這些定制化芯片的最快上市，從而在不同市場中實現(xiàn)復(fù)用。到2024年，希望看到整個行業(yè)齊心協(xié)力，更清楚地定義系統(tǒng)級功能和基礎(chǔ)標準，使chiplets能夠在更廣泛的系統(tǒng)中使用，而不會出現(xiàn)碎片化的風(fēng)險。

繼續(xù)向左移動

chiplets和RISC-V扎根的關(guān)鍵原因之一是，在新的工藝節(jié)點上，性能和功耗的優(yōu)化不再得到保證。SoC 正在被分解為不同的部分，它們都需要作為一個系統(tǒng)來運行。這需要更多的定制、更多的協(xié)同設(shè)計，以及在流程的早期更好地理解整體架構(gòu)。

隨著軟件定義架構(gòu)的出現(xiàn)，你必須更加關(guān)注前期系統(tǒng)設(shè)計。你不能讓它以后碰運氣。從驗證一直到流片的整個工作流程，都必須預(yù)先確定、定義和設(shè)計。

你不能只是希望并祈禱它最終會走到一起。

復(fù)雜性穩(wěn)步增加的趨勢將繼續(xù)存在。因此，關(guān)于“左移”的需求會更加強烈。在這里，一個關(guān)鍵的支柱是EDA，它面臨著各種挑戰(zhàn)，例如

用于chiplets的EDA

用于 high-level digital synthesis的EDA

用于數(shù)?；旌显O(shè)計和驗證的EDA。

將所有這些部分融合在一起是一件不平凡的事情，需要專注于真正的系統(tǒng)級設(shè)計以及所有部分的連接。

真正的系統(tǒng)級設(shè)計的挑戰(zhàn)之一是如何在域之間進行通信。你如何抽象出一個詳細的模型，使其在另一個領(lǐng)域可用？當你開始左移時，如何獲取流程信息并使其可供系統(tǒng)設(shè)計工程師使用？

結(jié)論

盡管取得了所有突破和興奮，但工程和商業(yè)的基本面仍然存在。每個人都必須在設(shè)計和實施過程中提高效率才能一起改變世界。

如果你不夠快，別人會打敗你。

隨著新問題的出現(xiàn)，企業(yè)整合是另一個可能繼續(xù)下去的趨勢，市場上充斥著尋求解決這些問題的初創(chuàng)公司，而大公司收購它們要么是因為他們的技術(shù)，要么是他們的人才，兩者兼而有之。

這一切發(fā)生的速度隨著新技術(shù)的推出，正在加速，半導(dǎo)體是這些技術(shù)發(fā)揮作用的引擎。

審核編輯：黃飛