因为高端制程的逻辑工艺变得越来越昂贵,“这导致先进技术节点的芯片设计成本也随之迅速增加。”三星Foundry(晶圆工厂)市场战略团队主管认为,预计2025年主流架构方案将是定制化AI芯片。
每经记者 朱成祥 每经编辑 文多
7月10日上午,在2020世界人工智能大会分论坛上,三星Foundry的市场战略团队主管Moonson Kang通过视频连线,发表了题为“面向未来的Foundry”的主题演讲。
Moonson Kang本身并非AI专家,在演讲中,他主要是从晶圆工厂的角度看AI行业,以及晶圆工厂如何帮助AI行业实现想法。
Moonson Kang认为,现在数据中心AI芯片仍以CPU、GPU为主,但预计2025年主流架构方案将是定制化AI芯片。另外,他认为“异质整合”(heterogeneous Integration),确为不可否认的趋势。
作为晶圆制造领域的专家,Moonson Kang认为人工智能解决方案才刚刚开始,并且具有巨大的成长潜力。
“即使在发展的初期,人工智能也已经通过许多不同方式渗透到我们生活的各个角落。”Moonson Kang表示。芯片的计算能力本身,则对人工智能的实现至关重要。正如上文所言,多样化是AI应用程序的重要特点,因此Moonson Kang认为“没有单一的(AI芯片)解决方案能满足所有(应用程序)的需求。为指定类型的AI应用程序提供它所需要的正确的计算解决方案,是非常重要的。”
一开始,通用CPU成为人工智能应用领域最为灵活的解决方案。不过,CPU不会针对人工智能应用领域的计算操作进行特别优化。简而言之,CPU可以满足多样化的需求,但不能专精某个特定的领域。于是,由于GPU(图形处理器)在处理AI类型计算方面具有更高的效率,GPU开始变得流行。
Moonson Kang认为:“通过定制设计的AI处理器可以实现更高的计算效率,相信这是AI计算的未来。”
目前,数据中心推理(Inference)应用市场由CPU占据主导地位;数据中心训练(Training)则完全由GPU主导。Moonson Kang表示:“预计2025年定制AI芯片将占据(推理应用市场近一半的市场份额;并成为训练应用市场最重要的解决方案。”
在芯片领域最具影响力的,无疑是英特尔创始人戈登•摩尔提出的“摩尔定律”,而工艺节点的微缩,正是实现摩尔定律的重要途径。从28nm到14/16nm,再到7nm乃至5nm,每一代工艺的进步,都会对芯片行业产生举足轻重的影响。
工艺节点的微缩,意味着单位面积芯片可以容纳更多数量的晶体管,从而提升芯片性能,降低功耗。而异质整合,则与半导体行业的传统方向(越来越多的内容集成到单个芯片中的方向)截然相反。
对于异质整合趋势的流行,Moonson Kang表示,这是因为高端制程的逻辑工艺变得越来越昂贵,“这导致先进技术节点的芯片设计成本也随之迅速增加。而并非设计的所有部分都以相同的方式体验高级技术节点的好处。”
他以模拟芯片举例:“模拟设计不会随着先进技术节点的发展而缩小,考虑到更高的晶圆成本,采用先进技术节点的模拟零件变得越来越昂贵。”
基于上述原因,分解的想法变得很流行。“单个芯片可以分为多个小芯片(Chiplet),这些小芯片可以组装在中介层(Interposer)的顶部或多芯片封装模块。”
“当然,这个想法需要克服很多技术和经济上的障碍。但这正在成为不可否认的趋势,至少在某些细分市场中是这样。”Moonson Kang补充道。
封面图片来源:摄图网
1本文为《每日经济新闻》原创作品。
2 未经《每日经济新闻》授权,不得以任何方式加以使用,包括但不限于转载、摘编、复制或建立镜像等,违者必究。
3版权合作电话:021-60900099。