2020年秋開始在全球范圍內(nèi)爆發(fā)的芯片短缺，在2021年持續(xù)了一整年仍沒有緩解態(tài)勢，半導體行業(yè)在拓展產(chǎn)能的同時，也在積極將工藝升級提高產(chǎn)出率。另一方面，新冠病毒不斷出現(xiàn)變異，疫情的延續(xù)對于整個半導體行業(yè)的影響依舊存在，遠程辦公、線上會議和在線教育習慣的形成，加速了多個產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型，也從側(cè)面促進了網(wǎng)絡通信、AI、存儲和云服務等技術更新。

       AspenCore全球分析師團隊在這一年中與業(yè)內(nèi)專家和廠商交流，總結分析后挑選出了2022年全球半導體行業(yè)將出現(xiàn)或高速發(fā)展的10大技術趨勢。

1、3nm工藝量產(chǎn)，2nm競爭不確定性增加

       半導體尖端制造工藝方面，2020年三星foundry臨時將4LPE調(diào)整為完整工藝節(jié)點——即4nm工藝會成為三星接下來一段時間的推廣重點。加上2021年10月臺積電發(fā)布的消息基本明確了N3工藝的稍許延后，2022年或許將成為4nm工藝之年；iPhone 14要趕上3nm工藝是幾乎無望的。

       不過基本可以明確的是，雖然采用臺積電N3工藝的芯片最快大概需要等到2023年一季度才會問世，但N3工藝量產(chǎn)明確在是2022年第四季度。

       與此同時，我們認為，三星3nm GAA或許會比臺積電N3再晚一點。三星在3nm節(jié)點上開始采用GAA結構晶體管是焦點，但實際上三星也未能按照時間點如期推進。而且基于三星目前公開的數(shù)據(jù)，其最早的3nm工藝在技術層面可能會存在更大的不確定性。

       至于Intel 3，即便按照規(guī)劃也是完全趕不上2022年的班車的。我們認為，臺積電N3將持續(xù)保持市場優(yōu)勢地位，并且相較另外兩名對手暫時有著顯著的領先。但在N3上踩一腳剎車，實際上也為2nm時代的來臨埋下隱患。

       一方面Intel 20A工藝預計將在2024年上半年到來，Intel 18A則或可見于2025年下半年——Intel在這兩個節(jié)點上預備重返技術領先地位的決心是相當大的；另一方面三星預計將在2025年下半年量產(chǎn)的2nm工藝，將是其第三代GAA結構晶體管，即其3nm工藝雖然很難取得市場優(yōu)勢地位，但技術上將為其2nm工藝提供強有力的支撐。這些都為后續(xù)2nm工藝市場競爭增加了不確定性。

2、DDR5標準內(nèi)存進入量產(chǎn)和商用

       2020年7月15日，為了解決從客戶端系統(tǒng)到高性能服務器的廣泛應用所面臨的性能和功耗挑戰(zhàn)，固態(tài)技術協(xié)會(JEDEC)正式發(fā)布了下一代主流內(nèi)存標準DDR5 SDRAM的最終規(guī)范(JESD79-5)，為全球計算機內(nèi)存技術拉開了新時代的序幕。JEDEC將DDR5描述為一種“具備革命意義”的內(nèi)存架構，認為它的出現(xiàn)標志著整個行業(yè)即將向DDR5服務器雙列直插式內(nèi)存模塊(DIMM)過渡。

       市場調(diào)研機構Omdia分析指出，對DDR5的市場需求從2020年已經(jīng)開始逐步顯現(xiàn)，到2022年，DDR5將占據(jù)整個DRAM市場份額的10%，2024年則將進一步擴大至43%；Yole Development則預測稱，DDR5的廣泛采用應該會從2022年的服務器市場開始，2023年，手機、筆記本電腦和PC等主流市場將開始廣泛采用DDR5，出貨量明顯超過DDR4，兩種技術間完成快速過渡。

       內(nèi)存帶寬增長速度遠遠趕不上處理器性能的提升速度，這是DDR5推出的根本動力所在。但與其先前幾代產(chǎn)品的迭代重點主要集中在如何降低功耗上，并將PC視為應用優(yōu)先級不同，業(yè)界普遍認為，DDR5將緊隨DDR4的步伐，率先導入數(shù)據(jù)中心。

       DDR5最亮眼的部分，就是速度比已經(jīng)“超級快”的DDR4還要快。與1.6GHz時鐘頻率下DDR4內(nèi)存最高3.2Gbps的傳輸速度相比，全新DDR5內(nèi)存的最高傳輸速率達到了6.4Gbps，并同步將供電電壓從DDR4的1.2V降至1.1V，進一步提升了內(nèi)存的能效表現(xiàn)。

       目前，三星、SK海力士和美光等全球存儲巨頭已經(jīng)宣布了各自的DDR5產(chǎn)品量產(chǎn)和商用時間表。不過，DDR5的面市絕非一蹴而就，它需要得到包括系統(tǒng)和芯片服務商、渠道商、云服務提供商和原始設備制造商在內(nèi)的生態(tài)系統(tǒng)的強力支持。

3、DPU市場蛋糕持續(xù)做大和爆發(fā)

       DPU這個名號變得響亮是從2020年近年底的時候開始的。我們認為，將DPU這一名詞變得熱門的市場行為，一是英偉達收購以色列公司Mellanox之后，次年就發(fā)明了 “DPU”一詞；二是同年初創(chuàng)公司Fungible大肆推廣DPU這個名字。

       DPU的D是指data數(shù)據(jù)。不得不承認老黃是營銷鬼才，smartNIC搖身一變就成了DPU數(shù)據(jù)處理器；而且以迅雷不及掩耳之勢，短時間內(nèi)冒出了數(shù)十家DPU初創(chuàng)企業(yè)。

       DPU本質(zhì)上是smartNIC進化，但從DPU的火熱并不難看出數(shù)據(jù)中心對于數(shù)據(jù)方向?qū)Ｓ锰幚砥鞯臒崃铱是?，以及形態(tài)上的進一步固定和標準化。

       早年數(shù)據(jù)中心有個詞叫“數(shù)據(jù)中心稅”，即服務器選購很多核心的CPU，但對最終業(yè)務而言，其中一部分核心是默認被“吞噬”的。因為這些處理器資源需要用來做數(shù)據(jù)虛擬networking、安全、存儲、虛擬化等工作。當這些工作變得越來越復雜，DPU就出現(xiàn)了。就像針對圖形計算有GPU，針對AI計算有NPU，DPU也是這個時代專用計算崛起的一個產(chǎn)物。

       一般我們說DPU的工作包括了第一，offload（卸載）原屬于CPU的OVS、存儲、安全服務之類的活兒；第二，以hypervisor管理做隔離、虛擬化實現(xiàn)；第三是以各種方式，進一步加速跨節(jié)點的數(shù)據(jù)處理。

       DPU成為數(shù)據(jù)中心標配也就不難理解。但需要注意的是，在具體實現(xiàn)上，不同的DPU不應同臺競技，這是由其扮演角色差異導致的。比如Intel的IPU雖然也是一種DPU，但和英偉達DPU在職責和工作偏向性上仍然有不同。所以有一定可能性，DPU市場或許會出現(xiàn)細分。以及數(shù)據(jù)中心系統(tǒng)企業(yè)都在自研更具適配性的DPU，這給DPU市場帶來了不確定性。

4、存算一體翻越“存儲墻”和“功耗墻”

       存算一體技術（Processing in-memory，PIM）概念的形成，最早可以追溯到上個世紀七十年代，但當時受限于芯片設計復雜度與制造成本問題，缺少殺手級大數(shù)據(jù)應用進行驅(qū)動，一直不溫不火。

       隨著最近幾年芯片制造工藝的進步和人工智能（AI）應用的發(fā)展，處理器計算能力越來越強、運算速度越來越快，存儲容量越來越大。面臨數(shù)據(jù)洪流，數(shù)據(jù)搬運慢、搬運能耗大等問題成為了計算瓶頸。從處理單元外的存儲器提取數(shù)據(jù)，搬運時間往往是運算時間的成百上千倍，整個過程的能耗大概在60%-90%之間，能效非常低。

       另一方面，接近極限的摩爾定律和被存儲墻限制的馮諾依曼架構，在算力提升上也已經(jīng)不能滿足這個時代的需求。當前多種嘗試解決處理“存儲墻”與“功耗墻”的非馮諾依曼（non-von Neumann）架構包括低電壓亞閾值數(shù)字邏輯ASIC、神經(jīng)模態(tài)（Neuromorphics）計算和模擬計算等，而存算一體是最直接高效的一種。

       存算一體可理解為在存儲器中嵌入算法，令存儲單元具備計算能力，這是新型的運算架構，做的是二維和三維矩陣乘法運算，而不是在傳統(tǒng)邏輯運算單元上優(yōu)化。這樣能從理論上消除數(shù)據(jù)搬移的延遲和功耗，成百上千倍地提高AI計算效率，降低成本，因此格外適用于神經(jīng)網(wǎng)絡。

       當前國內(nèi)外已經(jīng)有一大批存算一體芯片公司伴隨著融資信息浮出水面，動輒億元起的融資金額也充分證明了后摩爾時代，異構計算和新架構正在獲得資本的青睞?；诓煌拇鎯橘|(zhì)，各家在做存算一體技術的時候會采用不同的技術方向，有些是憶阻器，有些則是SRAM、DRAM、Flash等。隨著3D堆疊技術的發(fā)展，以及新型非易失性存儲器件的日益成熟，存算一體將迎來屬于它的時代。

5、5G建設重點向獨立組網(wǎng)和毫米波轉(zhuǎn)變

       憑借光纖般的速度、超低時延和網(wǎng)絡大容量，5G正在產(chǎn)生如同電力一樣巨大的影響力，徹底變革著各行各業(yè)。

       而作為Sub-6GHz頻段的有力補充，5G毫米波具備頻率寬帶容量大，易與波束賦形結合，超低時延等多個突出優(yōu)勢，有利于推動工業(yè)互聯(lián)網(wǎng)、AR/VR、云游戲、實時計算等行業(yè)的發(fā)展。同時，毫米波可以支持密集區(qū)域的部署，進行高精度定位，設備集成度高，將有利于促進基站和終端的小型化發(fā)展。

       根據(jù)GSMA《毫米波的應用價值》報告，預計到2035年，5G毫米波將創(chuàng)造5650億美元的全球GDP，并產(chǎn)生1520億美元的稅收，占到5G創(chuàng)造總價值的25%。而另一份《5G毫米波在中國》的報告則指出，預計到2034年，在中國使用毫米波頻段所帶來的經(jīng)濟收益將達到1040億美元，其中垂直行業(yè)領域中的制造業(yè)和水電等公用事業(yè)占貢獻總數(shù)的62%，專業(yè)服務和金融服務占12%，信息通信和貿(mào)易占10%。

       目前，已有48個國家的186家運營商正在26-28GHz、37-40GHz和47-48GHz的毫米波頻譜上規(guī)劃發(fā)展5G；23個國家的134家運營商持有許可證，可以進行毫米波部署，北美、歐洲和亞洲占據(jù)所有頻譜部署的75%。其中，26-28GHz是被部署和發(fā)放牌照最多的毫米波頻段，37-40GHz頻段緊隨其后。

       但并不是所有應用場景都需要毫米波覆蓋。2021年7月，中國工信部聯(lián)合十部門印發(fā)《5G應用“揚帆”行動計劃(2021-2023年)》，提出針對工業(yè)物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、物流、港口、電力、農(nóng)業(yè)等9個場景進行5G業(yè)務深化推進，而上述場景對帶寬、時延的要求非常高，易于毫米波發(fā)揮自身優(yōu)勢。

6、EDA工具開始使用AI設計芯片

       當前智能手機、車聯(lián)網(wǎng)、IoT等終端，對于系統(tǒng)級芯片（SoC）的PPA (功耗、性能、面積)提出了更高的要求。面對動輒數(shù)百億顆晶體管的芯片設計規(guī)模，以及異構集成、系統(tǒng)級封裝、Chiplets等新的封裝方向，如果沒有機器學習（ML）和人工智能的輔助，只用現(xiàn)有的設計方法，工程師們會面臨越來越嚴峻的挑戰(zhàn)。

       將AI設計從概念升級到實戰(zhàn)階段，無論是在EDA工具中應用AI算法賦能芯片設計的“AI Inside”，還是關注如何設計EDA工具助力AI芯片高效設計的“AI Outside”，EDA工業(yè)界和學術界都已經(jīng)開始行動。在國家戰(zhàn)略層面，美國國防高級研究計劃局(DARPA)甚至開始將電子資產(chǎn)智能設計(IEDA) 作為代表性項目，重點突破優(yōu)化算法、7nm以下芯片設計支持、布線和設備自動化等關鍵技術難題。

       其實AI用于芯片設計已經(jīng)不是新鮮事了，谷歌當年在設計TPU芯片時就用到了AI技術；三星將AI技術融入到芯片的設計中，據(jù)稱超越了此前可以達到的芯片PPA效果；英偉達也正在用AI算法來優(yōu)化5nm和3nm芯片的設計…

       總的來說，芯片設計后端(或稱物理實現(xiàn))，尤其是人力占比巨大的版圖、布局布線領域是AI發(fā)力的關鍵，快速建模、電路仿真、提升VLSI QoR等也都是EDA運用AI的方向?？梢钥闯瞿壳癆I的優(yōu)勢在于執(zhí)行大規(guī)模運算、對比提取或?qū)σ恍┕δ苓M行增強，而在“從0到1”的創(chuàng)造階段以及決策階段，仍需要配合人類工程師。但不管怎么說，AI將是EDA未來發(fā)展的終極形式，也是未來幾年芯片設計效率提升的關鍵。

7、Matter將推動物聯(lián)網(wǎng)和智能家居互聯(lián)標準的統(tǒng)一

       連接標準聯(lián)盟（Connectivity Standards Alliance，原Zigbee聯(lián)盟）與亞馬遜、蘋果和谷歌等智能家居廠商在原來的IP互聯(lián)家庭項目（Project Connected Home over IP，CHIP）基礎上發(fā)展出Matter這一標準化的互聯(lián)協(xié)議，旨在讓來自不同廠商、采用各種無線連接標準的物聯(lián)網(wǎng)設備實現(xiàn)互操作性和兼容性，從而為消費者帶來更好的設備安裝和操作使用體驗，同時簡化制造商和開發(fā)者的物聯(lián)網(wǎng)設備開發(fā)流程。

       Matter作為應用層，可以將采用各種 IP 協(xié)議和互聯(lián)標準運行的設備統(tǒng)一起來，支持它們進行跨平臺的通信。獲得Matter認證的產(chǎn)品可以與亞馬遜Alexa、蘋果HomeKit，以及谷歌等智能家居生態(tài)系統(tǒng)兼容。Matter協(xié)議目前支持以太網(wǎng)、Wi-Fi和Thread三種底層通信協(xié)議，并且還統(tǒng)一采用低功耗藍牙(BLE)作為配對方式。Matter不會取代任何現(xiàn)有物聯(lián)網(wǎng)無線協(xié)議,它是運行在現(xiàn)有協(xié)議之上的一個架構，將來還會支持更多的協(xié)議，包括Zigbee和Z-Wave等。

       Matter標準已經(jīng)得到互聯(lián)網(wǎng)巨頭（亞馬遜、蘋果和谷歌）、芯片供應商（Silicon Labs、NXP和樂鑫科技）、物聯(lián)網(wǎng)和智能家居設備廠商（宜家、華為和OPPO），以及智能家居平臺（涂鴉和Wulian）的支持，預計從2022年開始將會在全球范圍內(nèi)快速增長和普及，成為物聯(lián)網(wǎng)和智能家居的統(tǒng)一互聯(lián)標準。

8、RISC-V架構處理器進入高性能計算應用領域

       10年前起源于UC-Berkeley的RISC-V現(xiàn)已成為主流的微處理器架構指令集（ISA），但其主要應用還局限在嵌入式系統(tǒng)和微控制器（MCU）領域，尤其是新興的物聯(lián)網(wǎng)市場。這一開源、免費和自由的微處理器架構能否像x86和Arm那樣擔當高性能計算（HPC）的重任？從芯片巨頭、fabless初創(chuàng)公司到微處理器內(nèi)核IP開發(fā)商都在嘗試將RISC-V引入數(shù)據(jù)中心、AI、5G和服務器等高性能計算應用領域，RISC-V大有與x86和Arm平分天下之勢。

       SiFive的Performance系列是其最高性能的 RISC-V 內(nèi)核，專為網(wǎng)絡、邊緣計算、自主機器、5G 基站、虛擬/增強現(xiàn)實而設計。最新的P550微處理器采用RISC-V RV64GBC ISA、13級流水線/三發(fā)射/亂序執(zhí)行的微架構、四核集群具有4MB的三級緩存、主頻 2.4 GHz。P550 內(nèi)核的SPECint 2006測試性能為8.65/GHz，與Arm Cortex-A75對比，在SPECint2006 和 SPECfp2006 整數(shù)/浮點基準測試中具有更高的性能，而占用面積卻小得多，四核P550 集群的占用空間與單個Cortex-A75大致相當。

       英特爾將在其7nm Horse Creek平臺中使用P550內(nèi)核，通過將英特爾接口 IP（如 DDR 和 PCIe）與 SiFive 的最高性能處理器相結合，Horse Creek 將為高端RISC-V 應用提供有價值且可擴展的開發(fā)工具。

       硅谷IC設計初創(chuàng)公司Esperanto推出了集成1000多個RISC-V內(nèi)核的AI加速器芯片ET-SoC-1，專為數(shù)據(jù)中心AI推理而設計。該芯片采用臺積電7nm工藝，集成了240 億個晶體管。ET-SoC-1包含1088個高效能ET-Minion 64位RISC-V有序內(nèi)核（而且每個內(nèi)核都自帶一個矢量/張量單元）；4個高性能ET-Maxion 64位RISC-V亂序內(nèi)核；超過160MB片上SRAM；外接LPDDR4x DRAM和eMMC FLASH的大容量存儲器接口；PCIe x8 Gen4和其它通用I/O接口。該芯片的峰值計算性能為100-200 TOPS，適用于ML推理，其工作功耗低于20W。

       阿里平頭哥的玄鐵910 RISC-V處理器采用12nm工藝，擁有16個內(nèi)核，主頻最高達2.5GHz，性能高達7.1 Coremark/MHz。這款高性能處理器IP可以用于設計高性能芯片，應用于5G、人工智能、網(wǎng)絡通信以及自動駕駛等領域。搭載玄鐵910處理器的RVB -ICE是平頭哥開發(fā)的支持Android基礎功能的RISC-V開發(fā)板，頻率可達1.2GHz，集成WIFI和GMAC網(wǎng)絡通信接口，以及16GB EMMC存儲。開發(fā)者可使用該開發(fā)板參與RISC-V與Android的生態(tài)建設。

9、先進封裝技術成“新摩爾定律”

       過去數(shù)十年來，摩爾定律猶如燈塔一般引領了半導體行業(yè)的發(fā)展，然而出于物理極限和制造成本的原因，當先進工藝技術走到5nm、3nm，甚至2nm時，通過晶體管微縮工藝以實現(xiàn)更高經(jīng)濟價值的邏輯正逐漸變得不再有效。

       而從市場趨勢來看，過去十年中，數(shù)據(jù)計算量的發(fā)展超過了過去四十年的總和，云計算、大數(shù)據(jù)分析、人工智能、AI推斷、移動計算，甚至自動駕駛汽車都需要海量計算。而要解決算力增長問題，除了繼續(xù)通過CMOS微縮來提高密度之外，能夠?qū)⒉煌に?架構、不同指令集、不同功能的硬件進行組合的異構計算，也成為了重要方式之一。

       于是，一條不再是直線的IC技術發(fā)展路線，以及市場對創(chuàng)新解決方案的需求，將封裝，尤其是先進封裝技術，推向了創(chuàng)新的前沿。

       最新的調(diào)研數(shù)據(jù)顯示，2020年至2026年，先進封裝市場復合年增長率約為7.9%。到2025年，該市場營收就將突破420億美元，這幾乎是傳統(tǒng)封裝市場預期增長率(2.2%)的三倍。其中，2.5D/3D堆疊IC、嵌入式芯片封裝(Embedded Die, ED)和扇出型封裝(Fan-Out, FO)是增長最快的技術平臺，復合年增長率分別為21%、18%和16%。

       目前，在先進封裝的市場爭奪中，OSAT企業(yè)、晶圓代工廠、IDM、Fabless公司、EDA工具廠商等都加入了其中，且斥資巨大。但總體而言，在可預見的未來，2.5D/3D封裝技術將成為“先進封裝”的核心，提升互聯(lián)密度和采用Chiplet設計會是兩條驅(qū)動“先進封裝”發(fā)展的技術路徑，而要展現(xiàn)先進封裝的最大價值，則需要來自全產(chǎn)業(yè)鏈的協(xié)同配合。

10、汽車域控制器和汽車大腦 

       隨著汽車行業(yè)向“新四化”不斷演進，整個汽車電子電氣架構正在經(jīng)歷從傳統(tǒng)分布式架構(Distributed），到基于域的集中式架構(DCU based centralized)，再到基于域融合的帶狀架構(DCU fusion basedzonal)的發(fā)展歷程。

       目前，國內(nèi)外的汽車電子電氣架構主要呈現(xiàn)為三域控制架構的情況，即智艙、智算和智駕。預計2030年以后，隨著自動駕駛技術路線的逐漸成熟，自動駕駛高性能芯片將與座艙主控芯片進一步向中央計算芯片融合，從而通過集成進一步提升運算效率并降低成本。

       這意味著，現(xiàn)在的汽車需要能力非常強大的“大腦”——既要能夠擔當硬件中樞，還要具備非常強大的計算能力，以滿足在上述轉(zhuǎn)變過程中產(chǎn)生的對軟硬件提出的新需求。

       其實針對自動駕駛系統(tǒng)開發(fā)，業(yè)界普遍認為從L2+輔助駕駛到L4/L5級自動駕駛的漸進式路線是最為可行的路徑。這就要求相應的中央計算平臺具備超強的可擴展性，支持系統(tǒng)開發(fā)的平滑演進，滿足各級自動駕駛對于算力和功耗的差異化要求，提升主機廠等合作伙伴的開發(fā)效率。

       當然，汽車大腦芯片不能只關心峰值算力高低，而是要做到全面均衡，信息安全、功能安全、異構架構設計、不同數(shù)據(jù)類型處理、熱管理等多個方面均應考慮在內(nèi)。同時，考慮到“軟件定義汽車”已成為行業(yè)共識，因此在設計時，還需要預留出足夠的冗余空間以應對汽車架構和AI算法的不斷變化。

       未來，汽車將毫無疑問地成為一臺機電一體化智能設備，現(xiàn)有子系統(tǒng)被盡量多的集成將會成為趨勢，這也使得硬件開發(fā)瓶頸被突破后，軟件引領的卓越用戶體驗開始成為汽車的重要賣點。