一、異構(gòu)時代正在到來

我們知道,，此前在半導(dǎo)體產(chǎn)業(yè),，一般的芯片公司都只專注于少數(shù)幾種種芯片，但近年來,，芯片公司除了之前的縱向發(fā)展提升速度外,，也越來越注重橫向發(fā)展，開始整合各種不同類型的芯片,。

前不久,，英偉達(dá)發(fā)布了其機器人平臺——Jetson Xavier，我們可以看到,，這個平臺包含了6種處理器：1個Volta TensorCore GPU,、1個8核ARM64 CPU、2個NVDLA深度學(xué)習(xí)加速器,、1個圖像處理器、1個視覺處理器和1個視頻處理器,。

我們再來看之前英特爾的AI大會,，其AI平臺也包括一票不同的處理核心，包括：CPU,、GPU,、DSP、NNP,、FPGA等,。

手機SoC也是功能不斷的豐富,，在傳統(tǒng)的CPU、GPU,、ISP,、基帶芯片之外，現(xiàn)在越來越多的廠商還會加入另外的加速DSP,、用來加速AI的NPU等處理核心,。

隨著應(yīng)用越來越多樣化，這種通過多種芯片進(jìn)行異構(gòu)計算已經(jīng)成為行業(yè)的主流,，目前看來這種趨勢可能會繼續(xù)加速,。

二、摩爾定律越來越接近物理極限

摩爾定律是由英特爾（Intel）創(chuàng)始人之一戈登·摩爾（Gordon Moore）提出來的,。其內(nèi)容為：當(dāng)價格不變時,，集成電路上可容納的元器件的數(shù)目，約每隔18－24個月便會增加一倍,，性能也將提升一倍,。換言之，每一美元所能買到的電腦性能,，將每隔18－24個月翻一倍以上,。

這一定律到今天為止，基本上準(zhǔn)確預(yù)測了半導(dǎo)體行業(yè)的發(fā)展節(jié)奏,。此前摩爾定律幾乎每年都會推動微處理器的性能提升50％,，而半導(dǎo)體的物理學(xué)限制卻讓其放慢了腳步。如今,，CPU的性能每年只能提升10％左右,。英偉達(dá)CEO黃仁勛在每年的GTC上都會提到同一件事——摩爾定律失靈了。

現(xiàn)在最先進(jìn)的處理器為10nm制程,，目前壟斷半導(dǎo)體光刻市場的ASML 將光刻機的技術(shù)藍(lán)圖推至 2030 年 1．5 納米,，給了摩爾定律10年左右的壽命，誰也不知道最后的極限到底是多少,，但是維持摩爾定律越來越難一家是業(yè)界共識,。

在這樣的情況下，單純的提升一種芯片性能變的代價越來越高,，我們可以看到,，目前可以支持高端芯片研發(fā)的企業(yè)已經(jīng)越來越少，因為芯片的研發(fā)成本已經(jīng)超過了一般商業(yè)公司的承受能力,。

當(dāng)單一芯片發(fā)展遇到瓶頸時,，橫向的發(fā)展就變得更加重要，拓展多種芯片可以將自己的市場快速擴大，現(xiàn)在已經(jīng)成為芯片廠商的主流發(fā)展方向,。

三,、單一芯片應(yīng)對不同形式計算力不從心

在移動和云時代到來之前，大家對計算的需求主要集中在運行順序執(zhí)行的桌面應(yīng)用程序,，而娛樂需求,，催生了專門用于3D計算的顯卡。

那時的計算設(shè)備更多的放在固定的地方,，沒有太多的移動需求,，因為連接著電網(wǎng)，其對功耗的控制也沒有太多的需求,。但是移動和云時代的到來改變了這種情況,。

移動設(shè)備需要處理各種各樣的信息，包括通訊,、執(zhí)行程序,、處理圖片、娛樂游戲,、處理各種傳感器的信息等等,。傳統(tǒng)依靠類似CPU這樣通用處理器來處理這些信息的效率非常低。

一個是時間上效率低,，CPU這種為順序計算而設(shè)計的處理器,，一旦被占用，其他處理請求就只能等待,。這樣任務(wù)一多,，很多請求就得不到及時處理。另外一個是能源使用上效率低,，為了應(yīng)對各種不同的情況,，CPU的功耗會比專門處理相應(yīng)數(shù)據(jù)的處理器更高，這也是為什么 iPhone在5S引入了協(xié)處理器來處理陀螺儀等傳感器的數(shù)據(jù),，來為設(shè)備省電,。

高通SoC構(gòu)架

于是一開始就精通SoC技術(shù)的高通，在移動市場到來時便如魚得水,。高通一直以集成度高著稱,。高通的SoC里面包括了各種各樣的處理單元：包括加速3D的GPU，處理照片的ISP,，處理通信的基帶芯片,，處理音頻的編解碼器，加速向量計算的DSP等,。

在移動平臺上，各種芯片各司其中，大大提升了手機等移動設(shè)備各項功能的響應(yīng)速度,，同時其功耗也可以得到保證,，畢竟依靠電池的移動設(shè)備對用電非常敏感。

而到數(shù)據(jù)中心這一端,，處理海量數(shù)據(jù)成為數(shù)據(jù)中心的主要工作,，而傳統(tǒng)的處理器并行計算能力受限，超級計算機常常要并聯(lián)上萬顆處理器,。特別是AI計算越來越受重視后,，CPU并行能力差的弱點更加暴露無疑。

而這個時候,，更適合并行計算的GPU就成了很好的選擇,，2008年前后，通過GPU構(gòu)造的超級電腦越來越多,，而2013年之后來爆發(fā)的AI計算熱潮,，更將GPU應(yīng)用推向了高潮。于此同時,，像FPGA這樣的產(chǎn)品,，也被發(fā)現(xiàn)可以很好的加速于AI算法，成為數(shù)據(jù)中心的?？?。

相對于個人，數(shù)據(jù)中心也十分在意能耗,，電費開支是數(shù)據(jù)中心的一個大項開支出,。所以利用特別的硬件加速算法，節(jié)省用電,，也是數(shù)據(jù)中心的追求,，這和移動的的需求類似。所以在云端,，越來越多不同種類的芯片也開始被應(yīng)用,。

四、資本為紐帶,，大整合時代到來

正是由于計算需求的多樣化,，不同的應(yīng)用需要不同的芯片來支持，也使得芯片廠商不得不進(jìn)行橫向擴展,。

我們看到,，近幾年，高通32億美元收購了Atheros,，25億美元收購了英國芯片廠商CSR公司,，還開出380億美元來收購MCU龍頭老大恩智浦。另外還有很多小型的公司也陸續(xù)被高通收購。雖然收購恩智浦這個巨型收購還沒被批準(zhǔn),，還有博通意圖收購高通的驚天合并案被美國政府否決,，但是芯片行業(yè)的大整合從這些收購案中便可見一斑。其實相比以業(yè)務(wù)拓展為目的來不斷收購的高通,，博通才是近年來通過資本杠桿不斷并購公司,，并且將市值推高的資本高手。

再來看英特爾,，簡直就是買買買的典范,。153億美元收購自動駕駛公司Mobile Eye；130億美元收購Altera,；4．08億美元收購人工智能（AI）創(chuàng)業(yè)公司Nervana Systems,，還有做視覺處理器的Movidius，英特爾已經(jīng)將各種人工智能芯片全部買齊,。

而國內(nèi)這邊,，以紫光為代表的財團(tuán)，也開始大力整合,，紫光集團(tuán)在2013年－2015年收購了展訊,、銳迪科、新華三,。并擬38億美元投資硬盤龍頭西部數(shù)據(jù)成為為大股東,、并通過西部數(shù)據(jù)190億美元收購存儲芯片商Sandisk。2016年,，紫光集團(tuán)通過二級市場低調(diào)收購FPGA芯片企業(yè)萊迪斯6．07％股權(quán),。也大有買遍天下的氣勢。

從資本角度看,，由于摩爾定律基本失效,，低于28nm的工藝已經(jīng)無法降低成本，必須通過企業(yè)的整合來擴大規(guī)模來獲得規(guī)模優(yōu)勢,，才能在市場競爭中獲得成本優(yōu)勢,，否則就會被市場淘汰。所以,，近年來芯片行業(yè)并購異常激烈,，并購規(guī)模屢創(chuàng)新高，并且沒有看到有停歇的意思,。

在技術(shù)和商業(yè)的雙重因素推動,，將半導(dǎo)體行業(yè)真正帶入了寡頭壟斷階段。無數(shù)創(chuàng)業(yè)公司競相斗艷的時代日漸遠(yuǎn)去,，大概只有在AI等新興領(lǐng)域還有吉光片羽,。

從整個行業(yè)的資本涌動來看,，大多數(shù)的芯片企業(yè)都已經(jīng)拋棄了之前偏居一隅細(xì)心經(jīng)營自己的一畝三分地的做法而開始大肆整合，之后全面出擊,，不同領(lǐng)域之間的競爭也越來越激烈,。我們看到，高通和英特爾在筆記本和基帶上已經(jīng)開打,，英偉達(dá)和英特爾在數(shù)據(jù)中心開打，但這種沖突可能才剛剛開始,，真正的大戲可能還在后頭,。