中國半導(dǎo)體的每一步發(fā)展，都歷經(jīng)艱辛，凝聚著無數(shù)半導(dǎo)體人的汗水。時間回到上世紀九十年代，當時正是摩爾定律大行其道的時候，在硅谷半導(dǎo)體公司是資本最熱衷的方向，然而在中國，由于西方國家的技術(shù)封鎖，我們的半導(dǎo)體業(yè)只能摸著石頭過河，一步一個腳印。在那個時候，最熱門的方向是微處理器CPU。以Intel為代表的微處理器領(lǐng)跑者們憑著數(shù)十年的技術(shù)積累，技術(shù)上已經(jīng)遙遙領(lǐng)先，相當于在筆直航道全速行駛的巨輪，后來者想追上甚至超越它何其困難。

然而，巨輪體積大也有其不利之處，就是掉頭困難。一旦全球技術(shù)風向發(fā)生了變化，原來最熱門的賽道變得不再那么重要，那么轉(zhuǎn)型困難的巨頭往往會成為新時代的失敗者。還是拿Intel為例，10年前，當PC和微處理器業(yè)務(wù)增長不再迅猛，技術(shù)風口轉(zhuǎn)向移動設(shè)備時，Intel并非沒有看到這個機會，然而，大公司的決策過程注定了Intel即使看好移動設(shè)備行業(yè)也沒法輕裝上陣從頭開始。于是，想要把x86指令集以及相應(yīng)架構(gòu)做低功耗版放到移動設(shè)備上的戰(zhàn)略徹底失敗，在移動設(shè)備處理器領(lǐng)域Intel完敗給了ARM，即使在通信基帶方面也只是成為了備選方案進入了部分蘋果手機。應(yīng)當說，Intel過去的成功經(jīng)驗在新賽道上反而成為了包袱。另一方面，以華為海思為首的中國半導(dǎo)體卻在移動設(shè)備領(lǐng)域追了上來，推出的手機SoC已經(jīng)是全球一流水準。

轉(zhuǎn)眼到了今天，全球科技和半導(dǎo)體的新熱點已經(jīng)是AI，物聯(lián)網(wǎng)，區(qū)塊鏈，自動駕駛等。半導(dǎo)體行業(yè)在經(jīng)過多年的快速發(fā)展后，我們欣喜地看到，在這些新賽道上，已經(jīng)有不少輕裝上陣的中國公司在領(lǐng)跑了。如果我們的半導(dǎo)體公司能保持優(yōu)勢，那么，當這些新的技術(shù)熱點真正落地帶來巨大的市場的時候，這些中國半導(dǎo)體公司就能隨著市場一起快速成長并躋身全球半導(dǎo)體領(lǐng)導(dǎo)者的行列。下面我們就來看看這些由中國半導(dǎo)體公司領(lǐng)跑的新賽道。

人工智能（AI）

人工智能從2016年開始真正成為了全球最熱門的技術(shù)方向之一。這一波人工智能主要基于大數(shù)據(jù)和深度學習，使用經(jīng)過海量數(shù)據(jù)訓練的深度學習模型，從而能夠?qū)崿F(xiàn)一系列任務(wù)，包括物體分類、畫面內(nèi)物體識別、語音識別等等。這次人工智能的革命性在于，它能解決之前的機器技術(shù)難以定義的模糊問題。例如，人臉識別問題，在工程上之前最大的問題就是到底什么是人臉，很難給出一個明確定義——如果說有兩個眼睛一只鼻子一張嘴就是人臉，那么猴子的臉也是這種結(jié)構(gòu)。而現(xiàn)在使用大數(shù)據(jù)的方法就可以解決這個問題，只要給算法足夠多的訓練數(shù)據(jù)讓深度學習算法自動從數(shù)據(jù)中提取特征，就能學習出什么是人臉。這樣一來，智能化系統(tǒng)能處理的問題就從原來的“確定性問題”到現(xiàn)在的“模糊問題”。這個進步非同一般，因為我們?nèi)粘Ｉ钪杏龅叫枰幚淼氖聞?wù)絕大多數(shù)都是像人臉識別這樣的模糊問題，因此智能化系統(tǒng)通過新的深度學習人工智能就能實現(xiàn)更進一步的自動化，大大提高生產(chǎn)力。這次的人工智能技術(shù)可望成為21世紀最重要的技術(shù)突破之一，因此國家決策層也相當重視，在一些重要文件中反復(fù)強調(diào)AI的重要性，在政策上也大力扶持相關(guān)產(chǎn)業(yè)。

由于人工智能是基于深度學習算法，因此人工智能算法在運行時的計算量很大。舉例來說，流行的用于圖像識別的深度學習網(wǎng)絡(luò)VGG-16做一次識別需要超過300億次計算，而傳統(tǒng)的CPU對于這類人工智能運算支持并不好，VGG-16即使跑在最先進的CPU上，也需要一秒以上才能完成一次運算。GPU雖然對人工智能支持較好，但是它動輒需要幾百瓦的功耗，因此無法部署在移動端。因此，算力已經(jīng)真真切切地成為了阻礙人工智能普及的瓶頸。

在這種情況下，人工智能加速處理器的概念就應(yīng)運而生了。人工智能加速處理器是一種專門為人工智能計算優(yōu)化過的處理器。與CPU芯片大部分面積都用來優(yōu)化控制和暫存不同，人工智能加速處理器利用深度學習網(wǎng)絡(luò)數(shù)據(jù)流非常規(guī)整的特點，把絕大部分芯片面積都用來放置計算單元，從而可以實現(xiàn)高算力。與GPU使用多線程批量存儲數(shù)據(jù)從而導(dǎo)致內(nèi)存訪問能耗巨大不同的是，人工智能加速處理器對于數(shù)據(jù)流做了專門優(yōu)化，從而減小了內(nèi)存訪問帶來的功耗，最終在實現(xiàn)算力要求的情況下可以把功耗控制在數(shù)瓦甚至更小，從而讓移動端部署人工智能成為了可能。

由于人工智能技術(shù)非常新，因此在加速器方面無論是巨頭還是初創(chuàng)公司都站在了同一起跑線上。高通曾經(jīng)在兩年前推出了Zeroth神經(jīng)網(wǎng)絡(luò)處理器作為試水，然而由于其設(shè)計的架構(gòu)并不成熟因此并沒有獲得成功。而中國的初創(chuàng)公司寒武紀則在人工智能加速器領(lǐng)域搶先拔得頭籌。寒武紀的創(chuàng)始團隊來自中國科學院計算機所，由于學術(shù)圈的前瞻性在2012年深度學習剛得到學術(shù)圈中的肯定就開始關(guān)注并研發(fā)相關(guān)硬件加速器，其學術(shù)論文多次發(fā)表在了頂級國際會議上。當人工智能真正開始商業(yè)化落地的時候，寒武紀團隊做了非常成功的學術(shù)產(chǎn)業(yè)化，把之前的研究成果做成了成功的產(chǎn)品，其標志性事件是與華為合作在麒麟970 SoC中成功加入了寒武紀人工智能加速器IP。實測結(jié)果表明，擁有寒武紀加速器IP的麒麟970 SoC的人工智能相關(guān)計算性能大幅超越了蘋果搭載neural engine IP的A11 SoC，真正成為了全球人工智能加移動計算的領(lǐng)跑者。相比寒武紀，其他半導(dǎo)體巨頭在人工智能加速器方面的動作可謂是較為落后：就在麒麟970在九月初完成測試并公開發(fā)布后近一個月，人工智能業(yè)的半導(dǎo)體巨頭Nvidia才發(fā)布了類似的開源NVDLA IP（至今未有相關(guān)芯片）；而Intel雖然已經(jīng)號稱要全面進軍人工智能領(lǐng)域已久，但是至今仍未有面向移動端的相關(guān)產(chǎn)品出現(xiàn)。

除了寒武紀之外，中國在人工智能芯片領(lǐng)域的公司還包括地平線，啟英泰倫等，且都已經(jīng)有相關(guān)芯片問世。隨著人工智能未來的趨勢從云端逐漸過渡到終端，人工智能加速器相關(guān)芯片將會得到更多應(yīng)用，按照目前的情勢中國很有可能在相關(guān)領(lǐng)域誕生數(shù)家技術(shù)領(lǐng)先全球的成功半導(dǎo)體公司，讓我們拭目以待。

IoT

IoT物聯(lián)網(wǎng)是公認的未來趨勢，也是中國政府的未來工作重點。因此，中國率先牽頭成立了“國家隊”，從通信標準、運營商到硬件方面都走在了世界前列。中國NB-IoT已經(jīng)開始大規(guī)模商用，在智能水電表、共享單車等民用領(lǐng)域得到了廣泛應(yīng)用，在工業(yè)上的應(yīng)用就更多了。相比而言，美國和歐洲國家的物聯(lián)網(wǎng)應(yīng)用主要還是在工業(yè)領(lǐng)域，在民用領(lǐng)域還未看到大規(guī)模實際應(yīng)用。

伴隨著IoT的整體鋪開，中國的IoT芯片也走在了全球領(lǐng)先的地位。在NB-IoT協(xié)議公布后，華為海思就在全球首先發(fā)布了Boudica 120芯片組，而中興、紫光展銳等廠商也爭相跟進。一方面，中國的IoT政策優(yōu)勢巨大，推廣力度在全球絕無僅有；另一方面，低成本芯片也一向是中國芯片廠商的長項。因此，我們可望在未來中國的IoT芯片能走在世界前沿。

無人駕駛車載傳感器

無人駕駛也是熱門技術(shù)方向。在無人駕駛相關(guān)硬件方面，77GHz毫米波雷達和激光雷達LiDAR也就成了兵家必爭之地，也是國內(nèi)資本熱衷的方向。在這個資本風口上，中國誕生了不少技術(shù)領(lǐng)先的公司。

在77GHz毫米波雷達方面，中國的加特蘭微電子的技術(shù)可謂是全球領(lǐng)先。加特蘭的創(chuàng)始人來自于全球著名的加州大學伯克利分校，在博士畢業(yè)后將博士期間的毫米波電路技術(shù)帶回了國內(nèi)，在2014年創(chuàng)辦了加特蘭。雖然毫米波電路的技術(shù)當時主要掌握在TI等國外半導(dǎo)體巨頭手中，但是當時77GHz的毫米波雷達在汽車中也并未得到大規(guī)模應(yīng)用，還處于不溫不火的狀態(tài)，這也就給了加特蘭以趕超的機會。而在無人駕駛真正啟動77GHz雷達市場的2017年，加特蘭也隨之發(fā)布了使用CMOS工藝的Yosemite系列量產(chǎn)77GHz雷達收發(fā)芯片，在性能達到4T8R的全球領(lǐng)先水準的同時，因為使用了CMOS工藝因此可以有更高的集成度相比使用SiGe工藝的國外半導(dǎo)體廠商產(chǎn)品能集成更多數(shù)字處理模塊，同時其成本也只有國外同類產(chǎn)品的1/2-1/3。

在LiDAR領(lǐng)域，中國廠商也毫不落后，擁有禾賽、速騰聚創(chuàng)、北科天繪等一批優(yōu)秀的公司。目前，LiDAR行業(yè)的趨勢是從機械掃描是LiDAR轉(zhuǎn)向沒有機械部件的全固態(tài)LiDAR，而趨勢是芯片對公司的價值會越來越高，一家LiDAR公司擁有了芯片才能說是徹底把握了供應(yīng)鏈。禾賽、速騰聚創(chuàng)、北科天繪等中國公司雖然還未正式發(fā)布芯片，但是預(yù)計芯片設(shè)計都已經(jīng)在進行時，讓我們拭目以待。