比特币挖矿为什么要用GPU?苹果力推的M1芯片,究竟因何受到关注?CPU、NPU、AP……半导体的种类为什么这么多?上一篇讲了系统半导体与存储半导体市场有何不同,本文将继续介绍有哪些值得关注的半导体。
? ?
◇ 存储半导体的核心是DRAM与NAND闪存
先看存储半导体。存储半导体分为易失性存储器和非易失性存储器,其中DRAM与NAND闪存是两大核心。DRAM在断电后数据无法保存、会全部丢失,但其速度远快于NAND闪存。NAND闪存速度相对较慢,但即使不通电也能保存信息。NAND闪存是近来替代HDD的SSD的核心零部件。
DRAM与NAND闪存不仅用于我们日常生活使用的设备,数据中心也必不可少。数据中心指处理搜索、电子邮件、网上购物等互联网作业的空间。随着各类云服务和流媒体服务使用量大幅增加,数据中心的需求也在增长。
近来有预测称存储半导体需求将上升,原因也在于市场期待谷歌、微软、亚马逊等提供云服务的企业可能着手建设新的数据中心。
◇ 电脑的大脑CPU,智能手机的大脑AP
系统半导体方面,电脑的CPU和智能手机的AP是代表。CPU是控制电脑系统、运行并处理程序的最核心半导体芯片。它与DRAM、SSD等存储半导体以及负责图形的GPU等一起驱动电脑。
而AP则是将CPU、GPU以及通信芯片等多种功能集成于一体的形态。一句话说,它是最直接体现智能手机性能的核心零部件。
通常认为CPU领域的最强者是英特尔,AP领域的最强者是高通。
◇ 曾只是辅助角色的GPU……重要性为何日益提升
然而近来GPU的重要性已与CPU相当,甚至超过CPU。GPU的最强者英伟达在2020年下半年超越英特尔,跃居全球半导体企业市值第二位。事实上,GPU这一概念也是英伟达提出的。1999年,英伟达推出自家首款显卡GeForce256,并把其中的半导体芯片命名为GPU。
GPU,即Graphics processing unit,最初正如其名,是为处理图形而设计的。随着电脑画面构成愈发绚丽,电脑游戏也开始使用越来越高规格的图形,仅靠CPU来承担已有些勉强。
CPU以控制为主要目的,性能出色,但由于在中央依次处理所有数据,需要计算的内容越多,速度就越慢,且耗电量大。相反,GPU无法进行极其复杂的运算,但被设计成可同时处理海量数据的并行处理结构。
所以可以把CPU比作1名数学家解题,把GPU比作1000名小学生解题。需要解高难度题目时GPU无能为力,但若要把1+1、2+2这样简单的题解1000遍,那么比起1人解1000遍的CPU,1000人同时解题给出答案的GPU能更快得出结果。
但与从登场起就担当核心角色的CPU不同,GPU刚出现时并未受到多少关注。因为人们认为,与充当大脑的CPU不同,GPU只是辅助角色。
然而进入2010年代,情况变了。这始于对人工智能深度学习的研究全面展开。深度学习是人工智能学习(机器学习)的一个分支,指使机器能够“像人一样”学习和推理的技术。简单来说,就是教机器“直觉”。
而深度学习是通过机器处理海量数据并给出结果值的方式实现的。也就是说,与此前认为要实现“直觉”就应开发性能更强的CPU的预想不同,擅长简单运算重复、能够轻松消化海量数据的GPU才是深度学习的实际核心。
进一步说,自动驾驶技术同样与深度学习原理相同,因为汽车必须不断识别和处理周边的海量数据并给出结果值。这也是GPU更受关注的原因。
还有一点。GPU在比特币方面也是一大热点。由于由简单运算重复构成的比特币挖矿使用中低端规格的GPU,GPU一度在全球范围内出现供不应求、价格飙升的现象。
◇ 不断扩大的人工智能市场,崛起的NPU
好,不过还有一种半导体值得我们关注。那就是被称为Neural Process Unit、即NPU的半导体芯片。NPU指跳出既有半导体结构、模仿人脑制造的半导体。它像脑神经网络一样,以神经元和突触结构来设计半导体,是比GPU更为契合人工智能深度学习的半导体。仅就效率而言,NPU的性能达到GPU的10倍、CPU的40倍。
还没什么概念?NPU一旦商用化,我们手中的Siri和Bixby首先就会大不一样。现在它们常常听不懂提问,即便听懂了,也要把我们的指令发送到数据中心、在那里计算出答案,再把答案取回来回答,所以速度并不快。没有联网甚至无法运行。
但如果NPU芯片技术得到发展,即使网络中断,人工智能助手也能自行思考。真正意义上的助手就此诞生。进一步说,如果NPU不仅搭载于手机,还搭载于众多家电设备,真正的物联网就将实现。这种单个设备可独立实现人工智能的情形被称为端侧AI。
随着物联网、大数据、自动驾驶汽车领域快速成长,NPU作为未来技术的核心零部件备受瞩目,但相关技术仍处于起步阶段。以2019年为准,NPU比人类大脑慢100倍。
因此,众多企业为尽早抢占技术、掌控NPU市场而展开激战。不过,这些企业中不仅有既有的半导体企业,还包括各类IT企业。它们与长期只专注半导体一个领域的企业交手并取胜,现实中可能吗?
◇ 三星电子·苹果·华为……设备制造企业为何着手自研AP
事实上,它们已有制造半导体的经验。
先从AP说起吧?刚才说过AP的最强者是高通。但与高通的最强者头衔不相称,近来AP市场呈现寡占状态。因为Samsung Electronics、苹果、华为等主要智能手机制造商都在自主开发用于自家产品的AP。
怎么会连AP都自己造了?就在几年前,AP市场还被高通掌控。这得益于其独占2G、3G无线通信的核心原始技术(CDMA)。高通通过对技术使用过度收取专利费或搭售AP芯片来扩大市场份额。甚至利用这种商业模式,在2019年也赚取了丰厚的授权收入。由于AP是占成本很大比重的核心零部件,智能手机制造商的损失不可避免地十分巨大。对此,苹果还曾对高通提起世纪诉讼。
最终,此前几乎是向高通白送钱的智能手机制造商,趁向4G过渡的换代时点开始开发自有通信芯片。
◇ IT巨头之间掀起自研半导体芯片热潮
用于PC的CPU也正迎来类似变化。近来苹果公开了搭载自家M1芯片的iMac和iPad系列,这是去年11月首次公开M1芯片之后的第二步。当时M1芯片性能最高达到英特尔既有CPU的6倍,电池使用时间增加2倍,备受关注。尤其是它由用于智能手机的AP改良而成,这一点令人惊讶。因为AP一直被评价为耗电少但性能较低、难以用于PC。而苹果却给出了打破这一公式的成果,英特尔只能一脸茫然。
苹果怎么可能比英特尔更快地做出更好的半导体?
1980年代PC普及之后,半导体市场一直由传统强者主导。设备制造商能够参与的空间很小。按照半导体公司提供的半导体性能来推出产品,是当时的惯例。
但随着设备发展并趋于多样化,情况变了。像英特尔这样的半导体企业既要考虑价格,也要考虑半导体芯片的兼容性;而像苹果这样的IT企业对价格的顾虑相对较少,只需打造“专门”服务于自家产品的定制半导体即可。
事实上,硅谷的自研芯片热潮是从2018年开始的。继苹果、谷歌、亚马逊之后,脸书也加入这一行列,到2020年,谷歌和苹果甚至发布了半导体独立宣言。特斯拉、亚马逊、百度等大多数IT企业都在开发自家芯片。
这样看来,IT企业投身NPU芯片开发是不是就显得理所当然了?更何况NPU市场上,传统半导体企业还处于落后状态。
苹果开始在智能手机上搭载NPU是在2017年。Face ID之所以成为可能,正是因为如此。事实上,IT企业在NPU开发上更具优势,因为它们拥有PC、智能设备、各类服务等众多测试平台。开发出的NPU可立即试验,为人工智能学习收集大数据也容易得多。芯片设计经验丰富但缺少实现与应用平台的传统半导体企业反而处于不利地位。半导体产业的规则正在彻底改写。
◇ 不断变化的半导体市场,未来会是什么样
除此之外,半导体市场大大小小的变化也从未停止。
传统半导体企业也不能坐视不动吧?英特尔正摩拳擦掌,称将推出彻底打破CPU与存储半导体既有运行方式的全新体系半导体;英伟达则通过收购半导体基础设计公司ARM,计划构建新的制造结构。
不止如此。美国和欧洲以降低对亚洲代工依赖为由,正在国家层面着手构建自有供应链;为在各领域更快开发出更出色的半导体,企业间的并购也在积极酝酿。
复杂却同样引人入胜的半导体产业故事。今后半导体市场还将迎来怎样的变化,又会出现哪些创新技术来改变我们的生活,是否令人期待?
/记者 郑民秀 minsoojeong@sedaily.com,记者 金贤智 local@sedaily.com






