芯片設計的雲端戰事

原標題：芯片設計的雲端戰事

5月的摩根大通全球技術大會，新官上任的英特爾CEO陳立武分享了一點管理心得[1]：芯片只給兩次流片機會，超過馬上開除。

看似新領導狠抓KPI，實際上是陳總心慈手軟。按照IBS估算，5nm製程芯片設計成本已經超過4億美元，3nm最高接近6億美元，其中僅流片這道工序，就要消耗1-2億美元的預算。

對全球90%的芯片公司來説，以自己的財務水平挑戰先進製程，流片一次失敗停發工資，兩次失敗公司解散，到時候大家一起完蛋，也不用開除員工了。

2023年，英特爾發佈第四代Xeon Scalable處理器，這款芯片原定2021年發佈，結果測試階段問題頻發，版本從A0、A1、B0一路干到E5，流片整整12次才成功[3]。

這起事故直接讓英特爾把數據中心市場讓給了AMD，加上先進製程研發還落后臺積電，隔壁黑色皮衣身價屢創新高，臨危受命的陳立武力排眾議，重拾工程師文化。

新官上任三把火，映襯着整個集成電路面前的大坑：居高不下的流片風險。

去年三月，西門子EDA首席驗證科學家Harry Foster公佈了一組令人揪心的數據[7]：整個半導體行業流片成功率已經進入歷史低點，2020年，全新ASIC芯片首次流片成功率已經降到32%，2024年又進一步下滑到14%[7]。

ARM也在招股書中援引IBS的數據，從28nm量產的2011年到如今的2nm，芯片整體設計成本上漲了1500%[5]。

摩爾定律逼近極限，Chiplet、CoWoS封裝、混合鍵合等曲線救國手段層出不窮，共同推高了芯片設計的複雜性，代價是暴增的成本和風險，每個步驟都是一道坎。

怎麼避免在流片環節栽跟頭，怎麼加快研發效率，產業界摸索出了兩個方向：雲和AI。

雲計算、移動終端和AI是過去二十年最重要的三次技術浪潮，它們都由繁榮的芯片產業孕育。如今，雲和AI又在改變芯片的未來。、

01.沒那麼快

芯片是一個非常適合雲計算的產業，也曾經是對上雲最抵觸的行業。

過去十多年里，芯片公司一直在試圖解決流片這個大坑。流片的特點是容錯率為零，只有*和完蛋兩種結果，一處細節出問題，整塊晶圓報廢。

芯片公司都有既定的產品路線圖，下游客户也要按時拿到芯片指引產品開發，流片失敗，上下游的節奏都會被打亂。一直以來，行業通行的解決方案是EDA仿真。

所謂EDA仿真，就是把設計圖紙送到晶圓廠流片之前，先在模擬的生產環境里測試，提前找出問題，提高流片成功率。這個步驟有多重要？芯片設計中60%的時間，都用在了仿真與驗證環節。

EDA仿真確實省下了流片失敗的錢，但省下來的錢全都花在了算力上。

EDA仿真的算力消耗極大，但又不是常態化的消耗。芯片設計公司的算力需求有明顯的波峰波谷。先進製程設計中，寫代碼搞設計圖，四五千核就夠用；后期迴歸測試階段，需求通常會暴增至數十萬核。

2024年，內存大廠美光做客EDA企業Cadence，分享了一組數據：EDA仿真任務一次需要幾千顆CPU核心，但每次只運行幾周，之后就是4-6個月的算力閒置。

按平均需求儲備算力，EDA仿真階段一定捉襟見肘；倘若按峰值需求配置，算力又會閒置吃灰，橫豎都是自己虧。因此，芯片算得上為雲計算公司量身打造的客户。

不僅雲計算公司虎視眈眈，EDA公司也頻頻給自己的客户做思想工作。早在2017年，三大EDA廠商Synopsys、Cadence、Mentor就為上雲奔走呼喊，推行雲原生EDA，提供彈性的雲端License計費。

與此同時，亞馬遜、微軟、谷歌三大雲服務廠商也對芯片公司虎視眈眈，積累了一些落地方案。但行業整體的上雲進度，依然不甚樂觀。哪怕兩三年前，跟芯片公司談上雲這件事，后者的反應大概率是「大可不必」。

2020年，Cadence發佈了一份名為《雲：EDA的未來》的白皮書，號召客户上雲之余，也道出了行業對雲服務愛恨交織的關鍵原因：客户擔心自己「獨特且關鍵的IP」搬到公有云上，帶來安全問題。

02.安全是件大事

專利和技術文檔是芯片公司的命根子，RTL代碼、芯片網表、工藝設計套件和IP一旦泄露，相當於幾年研發成果拱手讓人。英偉達、三星、AMD這些巨頭都經歷技術外泄，打官司是家常便飯。

因此在很多芯片公司老闆們心目中，最安全的方法就是把機房放在公司樓下，服務器和網線近在咫尺。門上掛一把大鐵鎖，鑰匙放在枕頭下面。

火山引擎半導體行業解決方案負責人袁寶勛談到：芯片行業對於雲和AI的使用上非常謹慎，因為有一系列的安全阻礙或者安全考量，芯片數據有天然的專業性、稀缺性和私有性。

即便有心上雲的芯片公司，也會因為芯片行業的特殊性，客觀上成為難伺候的甲方。

EDA仿真階段會同時運行大量相互獨立的測試任務，設計修改一次，測試集就要重新跑一遍，這就需要足夠多的CPU同時參與調度。這個過程中產生的巨量小文件，對雲服務的存儲容量、IO性能提出了極端要求。

可以説，能啃下芯片公司的訂單，是雲計算公司自身實力最直觀的體現。

今年6月，雲與AI服務商火山引擎與安謀科技達成合作，雙方僅前期溝通、協調和測試，就花了近半年時間。火山引擎是最早涉足芯片行業的廠商之一，需要一個有説服力的標杆案例。安謀科技主攻芯片IP設計，有大量EDA仿真場景，對數據安全的要求是行業之最，極富挑戰性。

想在數學考試拿高分，就必須做出最后一道大題。在與安謀的合作中，火山引擎設計了一套「存算分離」方案：

核心IP與設計源文件放在安謀科技本地存儲，雲端算力基於裸金屬機器部署，專機專用。數據在雲端只用來計算，滿足算力調用的同時，避免核心數據泄露。

安謀科技有自己的本地算力資源，火山引擎還需要打通雲端算力與安謀科技本地的系統，統一調度。研發任務提交后，優先使用本地算力，算力不足時調度雲上算力。

爲了解決行業內*的小文件與元數據性能問題，火山引擎提供了NetApp雲上託管存儲服務。

NetApp是一家專做半導體行業數據存儲的公司，目前在國內主流公有云服務商中，只有火山引擎提供這一服務。

目前，安謀雲端峰值算力擴展至8萬多核，臨時新增約2萬核新機型需求時，兩個月的線下采購時間在雲端可以壓縮到3天。

芯片是雲計算產業的基石，雲計算公司也是芯片的*買家。時過境遷，曾經的甲方搖身一變，又開始推動芯片的增長。

03.安全重要，時間更重要

安謀科技位於半導體產業鏈的最上游，選擇上雲的動機之一，就是自有機房在峰值階段，已經難以覆蓋公司的算力需求。

芯片是個非常強調時間窗口的行業，芯片的研發周期與晶圓廠的流片/回片、產能安排緊密綁定，流片和量產的節奏又直接關係到下游客户的產品交付，牽一發動全身。

2024年，英偉達在Blackwell GPU里上馬先進封裝，成功拉低良率，產品出貨延后了半年。眼瞅着下游客户拿不到貨，應收賬款不斷積壓，黃仁勛應該比誰都着急。

2024年，英偉達發佈Blackwell GPU

如果身處半導體產業，會發現在今年芯片公司對雲的態度明顯來了個180度大轉彎，完整參與了安謀以及眾多半導體芯片公司與火山合作交付流程的袁寶勛道出了原因所在：

在今年芯片產業鏈的大周期里面，供應鏈的持續緊張讓越來越多的芯片公司，在考慮如何把固定的CapEx算力投資轉為彈性可調度的 OpEx，同時爭分奪秒，用龐大的算力加速產品的上市周期。

人工智能疊加半導體的超級周期，催生了讓人望而生畏的市場需求。怎麼加快研發進度，讓產品快速上市，是縈繞在每一個芯片公司CEO腦海中的頭等大事。

舉例來説，A公司用雲計算壓縮了研發時間，B公司爲了加速產品上市，也會被「倒逼」。如果產品無法應對市場競爭，安全就是一句空談，研發拖沓帶來的損失，遠遠超過對安全的顧慮。

因此在上雲這件事上，芯片公司的首要訴求從「節約成本」變成了「提高效率」，由此衍生出兩個新命題。

一是Cloud for IC：即如何用算力換時間。半導體超級周期之下，「機房+大鐵鎖」派的老師傅們已然紛紛動搖，開始在上雲浪潮里嘗試一個療程。

EDA仿真階段，研發團隊手里的算力越多，測試的效率就越高。越早發現問題並解決，就能越快流片投入量產。金錢買不到的時間，算力真的可以換來。

與安謀科技合作落地后，火山引擎的混合雲方案又進入了GPU設計公司沐曦股份的開發流程，提前鎖定流片前的算力資源，節約寶貴的研發資金。

二是AI for IC：即怎樣讓AI融入越來越複雜的芯片設計流程。

袁寶勛談到了一個很現實的問題：芯片設計的複雜度不斷上升，有先進製程，有先進封裝，算力需求帶來複雜度指數級上升，組織和人才依然在線性擴張，邊際收益不斷趨於平緩。

芯片邏輯設計的實質是寫代碼，除了需要遵循芯片時鍾設計、考慮芯片的物理實現外，與軟件代碼工作並無太大不同。而編程恰恰是當下人工智能滲透速度最快，商業價值最高的領域。

在與天數智芯的合作中，火山引擎將TRAE一站式AI開發平臺嵌入芯片軟件研發流程，通過SOLO模式與行業Skill集成，覆蓋代碼理解、生成與優化等環節，大幅提升了研發效率。

基於這種合作，Coding等AI能力逐步滲透進芯片軟件研發流程，用指數級的手段解決指數級的問題，大大提高了研發效率。

與此同時，火山引擎也在提高面向芯片研發的數據合規與安全能力，讓芯片公司既能夠享受SOTA模型能力，又能夠兼顧數據和安全的合規要求。

在國內雲計算廠商里，火山引擎是過去幾年在半導體行業落地相對更快、案例也更密集的一家。除了熨平算力波動的Cloud for IC場景，火山引擎在AI Coding為代表的AI for IC領域，也在頻繁落地。

按照袁寶勛的判斷，從硬件研發還是軟件研發，再到生產工藝、製造、封裝、測試，這些場景會隨着模型能力的提升，一個一個被解鎖。超級周期里，芯片被拽進了人工智能時代。

市場不會説謊，「雲」已經是半導體產業前赴后繼的當下，「AI」是他們註定融入的未來，后摩爾定律的時代，新的變革正在發生。

04.變革將至

作為火山引擎總裁，譚待有一種非常強烈的感受：過去幾年，AI最耀眼的故事在芯片下游，但今天，故事正向上游延伸。作為上游的芯片是雲計算產業的基石，如今，雲計算又開始改變芯片。

2017年至今，英偉達遊戲業務年收入從40億美元增長到113億美元，數據中心業務從8.3億美元暴增到1150億美元。即便如此，英偉達GPU依然供應緊張。

從黃仁勛手指縫漏出來的份額，也足夠養活大批芯片公司了。目前，AI芯片只佔全球芯片產量大盤的0.2%，卻拿走了全行業50%的收入。任何人都能意識到，這是多麼大的市場空間。

也就是説，席捲半導體產業的人工智能浪潮，把本就壯觀的市場規模又擴大了幾十上百倍。

淘金客正在你追我趕。MarketsandMarkets預計[11]，光是數據中心加速器市場，到2030年就會增長到3727億美元，只切下10%的份額，也是一個接近400億美元營收的大生意。

技術催生新的市場，市場又會反過來推動新的技術。當雲計算從芯片的甲方變成乙方，雲和AI，也在成為半導體公司新的生產力來源。

譚待提出了一個超前的判斷：AI會一定程度改變半導體產業的商業模式。

目前在芯片設計語境下，用AI寫RTL、補testbench、出Tcl這些生成動作，已經在隨AI能力提升而加速，半導體工程師的精力從而解放，用在價值更高的「判斷」上：

「能編譯不等於功能正確，功能正確不等於形式等價，形式等價不等於可綜合、PPA達標。知道該把標準卡到哪一層，這種判斷沉澱在工程師幾十年的經驗里，在AI時代更加有價值。」

當一個Agent能頂上工程師的部分產能，半導體行業通行多年的按license/席位的商業模式，很可能會走向按產出/等效人力。

行業未來呈現何種面貌，上下游都在探索。目前，國內主流的芯片設計公司如天數智芯、華勤技術、沐曦股份等企業，都已經「落户」火山引擎，上了IC上雲這條船。

不出意外，中國大陸會是*的增量市場。去年，國內芯片設計公司共計3800多家，增速全球最高。

今年是中國芯片行業的大年，芯片公司排隊IPO，大量芯片步入流片量產階段。無論是對關鍵技術環節的攻堅，還是市場化的競爭，都將進入關鍵階段。

晶體管和集成電路塑造了現代社會，「計算」則是全世界的剛需。摩爾定律氣喘吁吁的時代，雲計算正在探索着與「計算」有關的新的可能。

全文完，感謝您的耐心閲讀。

參考資料

[1] Intel Corporation (INTC) Presents at J.P. Morgan 54th Annual Global Technology, Media and Communications Conference Transcript

[2] Building Intel: Pat Gelsinger on Engineering the AI Era, Apple Podcasts

[3] Intel's Sapphire Rapids Had 500 Bugs, Launch Window Moves Further, Tom's Hardware

[4] 英特爾財報

[5] 剛剛，4500億芯片巨無霸上市！今年*IPO誕生，芯東西

[6] Cloud—The Future of Electronic Design Automation, Cadence

[7] First-Time Silicon Success Plummets, semiengineering

[8] Intel, AMD notify customers in China of lengthy waits for CPUs, Reuters

[9] Battle for the AI Data Center: Deep Dive on the Semiconductor Supercycle with Stacy Rasgon, Apple Podcasts

[10] Automotive semiconductors for the autonomous age, McKinsey & Company

[11] Data Center Accelerator Market Industry worth $372.68 billion by 2030, MarketsandMarkets