中国离嵌入式芯片产业崛起还需要多久

尽管芯片行业非常苦，但我们认为在大环境下有很大的发展机会。目前芯片一直被国外垄断，中国每年进口额达2000亿美元以上，超过了石油。因此，芯片行业对于国家来说是战略发展方向。

一颗芯片从纸面设计到实际的物，到批量生产，再到大规模商用，每一步都是一个台阶。此外，即使芯片流片成功，进入量产阶段，如何提高良品率也存在非常高的挑战。

具体来看，制造芯片有以下几个关键节点：一、首先需要设计一个芯片架构。1992年到1994年我参与了奔腾（586）芯片的设计，当时一个芯片上有500万个晶体管，现在芯片有5000万到1个亿的晶体管，增长了数10倍，工艺非常复杂。

二、具体电路设计。目前有很多半导体设计软件以及模拟工具，设计芯片需要EDA（electronic design automation）这个软件工具，没有这个工具什么都做不了。EDA的工具软件厂商目前全部在美国，分别是Cadence、Synopsys和Mentor Graphics。目前这一点对于芯片行业的创业者来说挑战非常大。这好比木匠要去生产一个桌子，但是刀具却掌握在别人手里。

三、具体线路排版。现在的芯片相当于有80块电能板堆在一起，纵截面有80个不同的线路设计，这80层之间要布线，需要在台积电等这类加工厂中完成。从芯片设计到把最终的设计方案交给工厂，又是一个非常复杂的流程。

过去三四十年中国在芯片行业投资了几千亿，但很多都打水漂了。因为芯片的更新迭代非常快，技术发展日新月异。一家斥重资建设的芯片制造工厂，过了5年就已经跟不上最新的技术了，又需要重新建设生产线。华虹NEC当时投资了近千亿，更新迭代跟不上，过了几年技术就过时了，只能生产一些低端产品。

芯片行业投入非常高，成为了“术有专攻”的行业，其中有专门设计芯片的企业、有专门生产制造芯片的企业。近期，我们投资了AI芯片公司燧原科技，这个项目让我们感到非常兴奋。

AI所承担的任务，归纳起来就是两个步骤：一、学习过程。学习过程需要将大量的数据放到一个“黑匣子”里，通过神经网络归纳总结一个模型。早期AI的做法全部是基于规则的，譬如告诉机器猫长什么样子，现在的做法是把一万张猫的照片放到黑匣子里，通过神经网络自动总结出一只猫长什么样。二、演绎。芯片通过识别一张猫的照片后，根据规律判断照片上是不是猫的过程是演绎。

AI芯片计算需求最大的是推导过程，即学习的过程。目前，在这个领域只有英伟达一家公司能够提供这类芯片。我们判断认为燧原科技团队最适合，它的核心团队成员来自于AMD（AMD和英伟达是全球唯一两家生产GPU的公司）并且总部设在张江。如果中国企业能够做出自主可控的AI芯片，燧原科技就是其中之一。2005年我最早关注芯片行业的时候，当时大家都在设计MP3的芯片，或是手机里面的一些多媒体芯片以及生产基带芯片。

问题在于，很多企业到最后变成一招鲜，只有一个拳头产品。譬如一家企业生产MP3的芯片生产的非常好，只买 3元美金，但是过了6个月，MP3的芯片价格降就低至至1元美金。芯片一旦变成了商品后，门槛也就越来越低，价格也会越来越低，非常残酷。在美国真正成功的芯片企业，譬如高通做到最后就是卖IP，英特尔和英伟达都做到了平台化的产品。

英伟达除了芯片做的很好之外，更主要的是它的生态系统也做的非常好。现在AI算法都需要用英伟达的设计和汇编语言，有很多的应用围绕着他的芯片设计。这一点很关键。创业者一定要考虑到不光要做出芯片，更重要的是建立一个生态环境。只有生态化建立起来之后才能逐步成为一个平台化的公司，而不是只做一招鲜产品的公司。

目前，类似地平线这类企业的发展机会也挺大。地平线做更加边缘端，所需的算力各方面稍微简单一点的芯片，但面向的市场非常广阔，特别是IoT、智能硬件等。

芯片产业和基础科学的相关度非常高。现在美国的半导体行业之所以这么发达，历史基础在于美国的基础科学更加先进。威廉·肖克利在1956年因为发明了晶体管获得了诺贝尔奖，上世纪60年代初他从在新泽西搬到硅谷，在硅谷开出了第一家实验室，后来培育了仙童，英特尔、AMD。

这一事实告诉我们，只有在基础学科不断投入、有突破和积累后，芯片行业才能发展起来。当下中国的芯片产业仍处于早期阶段，距离崛起至少还需要10年。