芯片和系统，即将发生巨变

与每隔几年等待下一个流程节点的日子相比，过去一年和未来几年发生的事件将与电话或汽车的诞生一样重要。但创新技术会有很多，它们的交叉方式将继续给科技界带来惊喜。

AI/ML

Quadric首席营销官 Steve Roddy 表示：“Gemini 之所以引人注目，有几个原因。” “首先，它有多种版本，可以从数据中心（Gemini Ultra）一直扩展到内存受限的电池供电设备（参数为 1.8B 的 Gemini Nano）。其次，谷歌提供了 Gemini 的预量化版本，可以在边缘设备中部署。谷歌并没有强迫嵌入式设备开发人员进行浮点到整数的转换，而是小心翼翼地使其部署就绪，因此不需要用户扮演数据科学家来进行转换。对于边缘设备和手机开发人员来说，Gemini Nano 的部署比许多以前的 GenAI 模型要简单得多，这可能会刺激应用程序中更广泛的采用和集成。”

Alphawave Semi首席技术官托尼·陈·卡鲁松 (Tony Chan Carusone) 表示：“我们将看到大型、令人兴奋的新应用和突破来自于开发自己的定制尊龙凯时登录人工智能芯片的公司。” “有各种各样的案例可以激励人们。例如，甚至像特斯拉这样的公司也在开发自己的定制人工智能芯片，以帮助实现自动驾驶训练。未来五年，最令人兴奋的突破和应用将来自在这种定制硬件上运行的人们。”

Arm中央工程执行副总裁加里·坎贝尔 (Gary Campbell) 表示：“人工智能正在从根本上改变我们的生活和工作方式，这种转变只会在未来 12 个月内加速，而且远远超出这个范围。” “到 2024 年，围绕人工智能的讨论将变得更加细致，重点关注不同类型的人工智能、用例，以及最重要的是，我们需要建立哪些技术基础才能使人工智能驱动的未来世界成为现实。先进的专用芯片将在当今人工智能技术的扩展和推动其部署的进一步进步方面发挥关键作用。CPU 在所有 AI 系统中都至关重要，无论是完全处理 AI 工作负载还是与 GPU 或 NPU 等协处理器结合使用。因此，人们将更加重视这些算法的低功耗加速以及在计算能力较强的领域运行人工智能工作负载的芯片，例如大型语言模型、生成式人工智能和自动驾驶。”

数字孪生和数据中心

尽管目前人工智能热潮不断，但其在数据中心的使用可能会稳定下来。“人工智能将继续在数据中心使用，以帮助解决已被证明有效的较小问题。这些任务包括填补体力劳动缺口、提供能源管理建议或自动化容量管理等任务，”King 说。“尽管如此，在解决重大挑战时，例如鉴于当前的技能差距，人工智能还不会被视为主要解决方案，例如运行数据中心而不是人类操作员。因此，我们可能会看到人工智能领域的投资带来更直接的小规模收益。”

人工智能的影响力正在蔓延

Cadence 的 Tensilica 音频/语音 DSP 小组产品营销总监 Prakash Madhvapathy 表示：“这样做的动机包括需要减少 SoC 面积并限制总体功耗。” “在基于边缘和设备上的人工智能应用中，独立的 DSP 或 DSP 与高效加速器结合使用，对于从微型耳塞到自动驾驶等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颖的神经网络。”

与此同时，定制化（尤其是定制芯片）的发展，正在增强人们对软件定义架构（SDAs）的兴趣，其中功能由软件定义。“该产品实际上是一个软件产品，” Imperas （现为 Synopsys的一部分）首席执行官 Simon Davidmann 指出。“看看特斯拉就知道了。有大量的芯片、数百个处理器，但定义这一切的是软件。软件是预先设计和架构的，然后由芯片执行。这意味着你必须预先进行大量模拟。”

Davidmann 表示：“我们看到 RISC-V 越来越受到芯片设计人员的兴趣，因为它给了他们自由。” “例如，我们正在与一家公司合作，该公司正在构建具有 512 个小核心的新型激光雷达芯片。他们无法用他们可以获得的许可来制造它，所以他们必须自己建造它。他们不想发明自己的产品，所以他们选择了 RISC-V。”

但这不仅仅是 RISC-V 的问题。“人们正在构建混合架构 SoC，这带来了一系列完全不同的挑战，”Arteris 的 Siwinski 说道。“突然之间，你从一个稍微封闭的生态系统转变为必须跨所有标准互操作的生态系统。我们如何将它们缝合在一起？这是关键挑战之一。”

其他人也同意。“随着代工技术的进步和摩尔定律的放缓，半导体行业需要找到新的方法来实现性能提升、成本降低和良率提高。这就是为什么芯粒将在 2024 年成为整个行业的焦点。”Arm 执行副总裁兼首席架构师 Richard Grisenthwaite 说道。随着这项技术的普及和小芯片市场变得更加多样化，重点将转向标准化和互操作性，以确保这些更定制的芯片以最快的方式进入市场，从而能够在不同的市场中重复使用。到 2024 年，我们预计整个行业将齐心协力，更清晰地定义系统级功能和基础标准，使芯粒能够在更广泛的系统中使用，而不会产生碎片化风险。”

小芯片和 RISC-V 扎根的关键原因之一是新工艺节点不再保证性能和/或功耗的改进。SoC 正在被分解为各个部分，并且所有这些部分都需要表现为一个系统。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。

但这并不意味着事情变得更简单。Fraunhofer IIS 自适应系统工程部混合信号自动化组经理 Benjamin Prautsch 指出，复杂性稳步增加的趋势仍将持续。“因此，任何有助于‘左移’的活动都将被追求。这里的一个关键支柱是 EDA，它面临着各种挑战，例如用于系统分区的 EDA（包括基于小芯片的系统）、用于高级数字合成的 EDA，以及用于模拟设计和验证的 EDA。”

这将需要新的工具。“真正的系统级设计的挑战之一是如何在域之间进行通信，”Hand说。“如何以使其可用于另一个领域的方式抽象详细模型？当您开始查看左移时尤其如此。如何获取流程级信息并使其可供系统设计工程师使用？其中很大一部分将通过人工智能/机器学习创建模型来实现，这些模型允许系统设计的其他领域发挥作用。例如，它可用于创建复杂 SoC 的抽象系统模型，以便您可以在数字孪生中使用它。”

2023年底，量子计算取得了两项重大突破。首先，IBM 推出了“IBM Quantum Heron”，这是一系列新的公用事业规模量子处理器中的首款产品。该公司还推出了 IBM 量子系统二号，这是 IBM 的第一台模块化量子计算机，也是其以量子为中心的超级计算架构的基石。

但量子时代也伴随着一个巨大的警告。Rambus高级首席工程师斯科特·贝斯特 (Scott Best) 表示：“实际上，在我们的有生之年，总会有人研制出与密码学相关的量子计算机。” “有了这样一台机器，数学家已经找到了如何破解所有数字签名算法和密钥交换算法的方法。”

更多数据、更高性能和可持续性

“在射频和毫米波领域，正在发生巨大的飞跃，这主要是由 6G 推动的，”是德科技的 Kamdar 表示。“当我们看到 5G 的一些后期阶段，以及 6G 的发展时，这将是一个巨大的飞跃。本质上，您将从 6GHz 或更低的载波频率变为 28GHz 到 100GHz 的任何载波频率。这意味着核心半导体技术、信号的核心调制以及您应用的品质因数可能都必须完全改变。市场的巨大变化使得大多数公司无法继续使用过去的设计技术和工作流程。他们必须想出全新的工作方式。”

这只是其中的一部分。人工智能的需求也将使内存、功耗和性能成为工程关注的首要问题。Fraunhofer IIS/EAS 高效电子部门负责人 Andy Heinig 表示：“随着基于日益复杂性的新型生成式人工智能的不断推出，对高性能处理器的需求也在不断增加。” “这里的一个关键趋势是所有层级都需要更多内存。生成式人工智能的需求也加速了对高度特定硬件实现的需求。结果，整个系统的功率密度将大幅增加，但在电力传输和散热方面会出现问题。”

监管问题也推动了可持续发展举措。“随着我们越来越接近一些监管要求，例如在加利福尼亚州只允许电动汽车前进或其他特定的碳目标，系统公司正在考虑缩短时间并确保一切都按照可持续发展标准建造，” Arteris 的 Siwinski 说道。“由于截止日期临近，许多创新正在加速。”

2024年之后：可靠性和抗辐射性

Flex Logix 首席执行官 Geoff Tate 表示：“在较低节点，可靠性可能会受到 α 粒子的影响，这可能导致开发人员需要更昂贵的抗辐射芯片。” “我们可能会看到适用于所有类型存储元件和高级节点的更强大的抗辐射设计技术。你不能让内存元素变得越来越小。我们并没有摆脱阿尔法粒子。它们在我们的太阳系中。”

西门子之手也同意这一观点。“进入 2024 年，可靠性将变得更加重要。你会看到更多的公司正在考虑需要什么，”他说。“无论是抗辐射、功能安全还是其他技术，都将取决于哪种机制适合当前的系统。”

尽管取得了所有突破和令人兴奋的成果，但工程和商业的基础仍然存在。“每个人都必须提高设计和实施流程的效率才能完成工作，”Imperas 的 Davidmann 说。“如果你不够快到达那里，其他人就会抢先一步。”