首页科技快讯人工智能如何改变了半导体

人工智能如何改变了半导体

来源：晰数塔互联网快讯时间：2024年02月12日 12:43

来源：内容由半导体行业观察（ID：icbank）编译自venturebeat，谢谢。

根据埃森哲的研究，生成式人工智能有可能影响各行业 44% 的工作时间，提高 900 种不同类型工作的生产力，并创造6至8万亿美元的全球经济价值。

摩尔定律的发展速度正在放缓，这已不是什么秘密。早在 1965 年，英特尔前首席执行官戈登·摩尔 (Gordon Moore) 就预测，芯片制造技术进步如此之快，以至于该行业每隔几年就能将芯片上的组件数量增加一倍。

几十年来，这条定律一直有效，作为芯片行业的节拍器，随着世界上一切都变得电子化，芯片行业给社会带来了巨大的经济效益。但经济放缓意味着进展不再有保证。

这就是为什么在芯片领域领先的公司——比如英伟达——的估值超过 1 万亿美元。有趣的是，随着芯片变得更快、更智能，它们将被用来让人工智能变得更智能、更便宜、更容易获得。

用于训练 ChatGPT 的超级计算机拥有超过 285,000 个 CPU 核心、10,000 个 GPU，每个 GPU 服务器具有每秒 400 GB 的网络连接。ChatGPT 的数亿次查询每天消耗约 1 GigaWatt 小时，相当于 33,000 个美国家庭每天的能源消耗。制造自动驾驶汽车需要 2000 多个芯片，是普通汽车所用芯片数量的两倍多。这些都是难以解决的难题，但由于人工智能和半导体进步的动态漩涡，这些问题都将得到解决。

埃森哲半导体主管赛义德·阿拉姆 (Syed Alam)在日前的一个采访中谈到了谈到了人工智能以及软件变革对硬件和芯片的影响。这是我们采访的经过编辑的文字记录。

VentureBeat：告诉我你现在对什么感兴趣。

赛阿南：早前，我主持了一场小组讨论。主题是AI、硬件和芯片的难点部分。谈论他们如何支持人工智能。显然，从事硬件和芯片工作的人认为这是困难的部分。做软件的人认为这是困难的部分。我们很可能会采取这种观点。很可能我们最终会遇到硬件独立或软件独立的情况，这两者都不是困难的部分。硬件和软件的集成是困难的部分。

你会看到一些成功的公司——他们是硬件领域的领导者，但也在软件方面投入了大量资金。他们在硬件和软件集成方面做得非常好。有硬件或芯片公司在芯片方面正在迎头赶上，但他们在软件方面还有很多工作要做。他们在那里取得了进展。显然，软件公司、编写算法的公司和类似的公司，他们正在受益于这一进步。

VentureBeat：这让我想到了由人工智能支持的 Nvidia 和DLSS（深度学习超级采样）技术。他们在图形芯片中使用人工智能，根据他们必须绘制的最后一个像素来估计他们必须绘制的下一个像素的可能性。

阿拉姆：同样，Nvidia 的成功显然是——他们在这个领域拥有非常强大的处理器。但与此同时，他们多年来在 CUDA 架构和软件上投入了大量资金。正是紧密的集成使得他们的工作得以实现。这使得英伟达成为该领域当前的领导者。他们拥有非常强大、强大的芯片，并且与软件的集成非常紧密。

VentureBeat：他们从 DLSS AI 技术的软件更新中获得了非常好的百分比收益，而不是再次将芯片送回工厂。

阿拉姆：这就是优秀软件架构的美妙之处。正如我所说，他们多年来投入了大量资金。很多时候你不需要这样做——如果你与软件紧密集成，并且硬件是这样设计的，那么很多更新都可以在软件中完成。每次需要轻微更新时，您不会推出新的东西。这一直是芯片设计的传统口号。我们将推出新芯片。但现在有了集成软件，很多更新都可以纯粹通过软件完成。

VentureBeat：您是否已经看到各个公司因人工智能而发生了很多变化？

阿拉姆：显然，在半导体公司，我们看到他们设计了更强大的芯片，但同时也将软件视为关键的差异化因素。你看到AMD宣布收购AI软件公司。你会看到公司不仅投资硬件，同时还投资软件，特别是对于人工智能等应用程序，这非常重要。

VentureBeat：回到英伟达，这始终是他们相对于其他公司的优势。AMD 一直非常注重硬件。英伟达正在投资软件。

阿拉姆：没错。他们长期以来一直在投资 Cuda。他们在这两方面都做得很好。他们推出了一款非常强大的芯片，同时，长期投资软件的好处也随之而来。这使得他们的产品非常强大。

VentureBeat：我看到其他一些公司提出了Synopsis，例如，他们刚刚宣布将销售一些芯片。设计自己的芯片而不是仅仅制作芯片设计软件。有趣的是，它开始意味着人工智能正在设计芯片，就像人类正在设计芯片一样。

阿拉姆：我们会越来越多地看到这种情况。就像AI在写代码一样。现在你可以将其转化为在芯片设计中也发挥关键作用的人工智能。它可能不会设计整个芯片，但很多第一英里，或者可能只是最后一英里的定制都是由人类工程师完成的。你会看到同样的事情也适用于芯片设计，人工智能在设计中发挥着作用。与此同时，在制造业中，人工智能已经发挥着关键作用，而且还将发挥更大的作用。我们看到一些代工公司宣布他们将在几年内建立一座没有任何人工的晶圆厂。领先的晶圆厂参与的人员数量已经非常有限。

VentureBeat：我总觉得我们工程师的设计效率最终会遇到瓶颈。一名工程师要负责制造多少亿个晶体管？这条道路导致人类思维过于复杂，如果没有自动化，一个人就无法完成太多任务。同样的事情也发生在游戏开发中，我也对此进行了很多介绍。有 2,000 名员工正在开发一款名为 Red Dead Redemption 2 的游戏，该游戏于 2018 年推出。现在他们正在开发下一版本的 Grand Theft Auto，有数千名开发人员负责该游戏。感觉就像你必须在一个如此复杂的项目上碰壁。

阿拉姆：正如你所知，没有一位工程师真正将所有这些数十亿个晶体管组装在一起。它将乐高积木拼凑在一起。每次设计芯片时，您并不是从将每个晶体管放在一起开始的。你把碎片拼凑起来。但话虽如此，很多工作也将由人工智能来实现。使用哪些乐高积木？人类可能会做出这样的决定，但人工智能可以提供帮助，具体取决于设计。随着芯片变得更加复杂并且涉及更多的晶体管，它将会变得更加重要。其中一些事情几乎是人类不可能完成的，而人工智能将会接手。

如果我没记错的话，我看到了台积电的路线图——我想他们是说到 2030 年，他们将拥有拥有一万亿个晶体管的芯片。那即将到来。除非人工智能大量参与，否则这是不可能的。

VentureBeat：人们总是采取的方式是，当你有更多的能力去创造更大、更复杂的东西时，他们总是让它变得更加雄心勃勃。他们从未采取降低复杂性或缩小规模的方法。我想知道不太复杂的路径是否实际上开始变得更有趣。

阿拉姆：另一件事是，我们讨论了在芯片设计中使用人工智能。人工智能还将用于制造芯片。人工智能技术已经被用于提高产量等。随着芯片变得越来越复杂，谈到数十亿或万亿晶体管，这些芯片的制造将变得更加复杂。对于制造业来说，人工智能将得到越来越多的应用。设计芯片时，您会遇到物理限制。制造可能需要 12 至 18 周的时间。但为了提高吞吐量、提高良率、提高质量，将会使用越来越多的人工智能技术。

VentureBeat：人工智能的影响具有复合效应。

阿拉姆：是的。再次回到我之前提出的观点，人工智能将被用来以更有效的方式制造更多的人工智能芯片。

VentureBeat：布莱恩·科米斯基 (Brian Comiskey) 在CES发表了一场开幕式的技术趋势演讲。他是 CTA 的研究人员之一。他表示，人工智能的横向浪潮将冲击各个行业。有趣的问题是，这会产生什么样的影响？当你改变链条中的一切时，会产生什么复合效应？

阿拉姆：我认为它会产生与计算相同的复合效应。计算机最初用于数学运算之类的事情。然后计算开始影响几乎所有行业。人工智能是一种不同类型的技术，但它具有类似的影响，并且将同样普遍。

这就引出了另一点。你会看到越来越多的人工智能出现在边缘。由于功耗、冷却等所有因素的影响，在数据中心内完成所有工作在物理上是不可能的。正如我们现在在边缘进行计算、在边缘进行传感一样，边缘也会有很多人工智能。

VentureBeat：人们说隐私将在很大程度上推动这一趋势。

阿拉姆：有很多因素会推动它。可持续性、功耗、延迟要求。正如您期望计算处理发生在边缘一样，您也会期望人工智能出现在边缘。您可以与我们最初拥有 CPU（主处理器）时进行一些比较。各种计算都是由CPU完成的。然后我们决定，对于图形，我们将制造一个 GPU。CPU 是通用的，但对于图形，我们要制作一个单独的 ASIC。

现在，同样，我们有 GPU 作为人工智能芯片。所有人工智能都通过该芯片运行，这是一个非常强大的芯片，但很快我们就会说，“对于这个神经网络，让我们使用这个特定的芯片。对于视觉识别，我们使用另一个芯片。” 它们将针对特定用途进行超级优化，尤其是在边缘。由于它们针对该任务进行了优化，因此功耗较低，并且还有其他优势。在某种程度上，现在我们拥有集中式人工智能。我们将走向更加分布式的边缘人工智能。

VentureBeat：我记得很久以前有一本好书，名叫《区域优势》，讲述了为什么波士顿的科技产业输给了硅谷。波士顿有一个非常垂直的商业模式，像 DEC 这样的公司为自己的计算机设计和制造自己的芯片。然后，微软、英特尔和 IBM 采取了横向方法并以这种方式获胜。

阿拉姆：我想这个词有更多的水平化，无晶圆厂代工模式也发生了这种情况。随着这种模式和代工厂的出现，越来越多的无晶圆厂公司开始起步。在某种程度上，这个循环正在重复。我的职业生涯始于摩托罗拉的半导体行业。当时，那个时代的所有科技公司都有自己的半导体部门。它们都是垂直整合的。我曾在飞思卡尔工作，该公司是从摩托罗拉发展而来的。恩智浦是从飞利浦公司出来的。英飞凌来自西门子。当时所有的技术领导者都有自己的半导体部门。

由于资本支出要求和行业周期，他们将许多半导体业务剥离为独立公司。但现在我们又回到了同样的事情。我们这个时代的所有科技公司，主要的科技公司，无论是谷歌、Meta、亚马逊还是微软，他们都在再次设计自己的芯片。非常垂直整合。除了他们现在拥有的好处是他们不必拥有晶圆厂。但至少他们正在垂直整合直至设计芯片。也许不是制造它，而是设计它。谁知道？将来他们也可能会制造。现在也发生了一些垂直化。

VentureBeat：不过，我确实想知道如何解释苹果公司。

阿拉姆：是的，它们完全是垂直整合的。长期以来，这一直是他们的理念。他们也将其应用于芯片。

VentureBeat：但是他们通过使用台积电或三星获得了好处。

阿拉姆：没错。他们仍然不需要拥有晶圆厂，因为代工模式更容易垂直整合。过去，在上一个周期我谈到摩托罗拉、飞利浦和西门子，如果他们想要垂直整合，他们必须建造一座晶圆厂。这是非常困难的。现在这些公司可以垂直整合到一定程度，但他们不一定要有制造业。

当苹果开始设计自己的芯片时——如果你注意到的话，当他们使用供应商的芯片时，比如在第一代 iPhone 发布时，他们从未谈论过芯片。他们谈论了应用程序、用户界面。然后，当他们开始设计自己的芯片时，节目的明星变成了，“嘿，这款手机现在使用的是 A17！” 这让其他行业领导者意识到，要真正实现差异化，就需要拥有自己的芯片。你会看到很多其他参与者，甚至在其他领域，都在设计自己的芯片。

VentureBeat：是否有某种战略建议？如果你走出监管领域，监管机构会认为垂直公司过于集中。他们正在密切关注像苹果这样的公司，是否应该拆分他们的商店。利用一种垄断来支持另一种垄断的能力就会成为反竞争的。

阿拉姆：我不是监管专家，所以我无法对此发表评论。但有一个区别。我们正在谈论技术的垂直整合。你谈论的是商业模式的垂直整合，这有点不同。

VentureBeat：我记得帝国理工学院的一位教授预测，人工智能的横向浪潮将在 2032 年使全球 GDP 增长 10%。

阿拉姆：我无法对具体研究发表评论。但这将对半导体行业有很大帮助。每个人都在谈论几家设计和推出人工智能芯片的大公司。对于每个人工智能芯片，您还需要所有其他周边芯片。这将有助于行业的整体发展。显然，我们讨论的是人工智能将如何在许多其他行业中普及，从而提高生产力。这将对 GDP 产生影响。多少、多久，我们拭目以待。

VentureBeat：像元宇宙这样的东西——这似乎是跨越许多不同行业的横向机会，进入虚拟的在线世界。不过，您如何最轻松地着手建设这样雄心勃勃的项目呢？是像苹果这样的垂直公司能够抓住第一个机会建立这样的东西，还是分散到各个行业，像微软这样的公司只是一层？

阿拉姆：我们不能假设垂直整合的公司在此类方面具有优势。横向公司，如果他们拥有适当水平的生态系统合作伙伴关系，他们也可以做类似的事情。很难做出明确的说法，只有垂直整合的公司才能构建这样的新技术。他们显然有一些好处。但如果微软像你的例子一样，拥有良好的生态系统合作伙伴关系，他们也可能会成功。就像虚拟宇宙一样，我们会看到公司以不同的方式使用它。我们还将看到不同类型的用户界面。

VentureBeat：Apple Vision Pro 对我来说是一个有趣的产品。它可能会带来变革，但他们以 3500 美元的价格推出。如果应用摩尔定律，可能需要 10 年时间才能降至 300 美元。我们能否期待过去 30 年左右取得的进展？

阿拉姆：所有这些类型的产品，这些新兴技术产品，当它们最初问世时，显然非常昂贵。音量不在那里。公众的兴趣和消费者的需求推动了销量的增加并降低了成本。如果你不把它推出去，即使是在更高的价格点上，你也无法了解销量会是什么样子以及消费者的期望会是什么样。在实现这一目标之前，您无法投入大量精力来降低成本。他们互相帮助。技术的推出有助于教育消费者如何使用它，一旦我们看到了期望并且可以增加销量，价格就会下降。

将其发布的另一个好处是了解不同的用例。公司的产品经理可能认为该产品具有这 5 个用例或这 10 个用例。但您无法想到所有可能的用例。人们可能会开始朝这个方向使用它，通过你意想不到的东西创造需求。您可能会遇到这 10 个新用例或 30 个用例。这将再次推动成交量。了解市场采用情况以及不同用例非常重要。

VentureBeat：在消费者的需求出现之前，你永远不知道它会是什么。

阿拉姆：显然，你对此有一定的感觉，因为你对此进行了投资并将产品推出了那里。但在它进入市场之前，您不会完全意识到它的可能性。然后，销量和推出是由消费者接受度和需求驱动的。

VentureBeat：您认为芯片设计者是否有足够的杠杆来实现摩尔定律的复合效益？

阿拉姆：经典意义上的摩尔定律，只要缩小芯片尺寸，就会达到其物理极限。我们的回报将会递减。但从更广泛的意义上来说，摩尔定律仍然适用。例如，您可以通过制作小芯片或改进封装等来提高效率。芯片设计者仍在努力提高效率。它可能不是我们过去30年左右看到的经典意义上的，而是通过其他方式。

VentureBeat：所以你并没有过于悲观？

Alam：当我们开始看到经典的摩尔定律（缩小芯片尺寸）会减慢速度，并且成本变得令人望而却步时，5 纳米晶圆与传统节点相比非常昂贵。建设晶圆厂的成本是原来的两倍。建设真正尖端的晶圆厂的成本要高得多。但随后你会看到封装方面的进步，比如小芯片之类的东西。人工智能也将为这一切提供帮助。

发布于：安徽