年年低迷的IC产业为何突遇8倍爆发式增长？

2016年12月，Morgan Stanley的硅谷投资银行业务部门总经理Marl Edelstone对半导体产业整合提出了自己的一些看法。他说，“在五年内，半数专营上市半导体公司将被收购，并且前三大供应商市场份额可能会在未来十几年内从其今天的约30%，增加一倍至60%”。不过，随着博通收购高通被叫停，高通并购恩智浦(NXP)被否，2017年的实际整合与收购(M&A)金额创下了7年来的新低。

这意味着，对IC收入增长来说，整合似乎正变得无关紧要。

然而，一个不可思议的事实是：从2017年起，IC行业实现了22.2%的增长，远远超过2011-2016年2.8%的年复合增长率。不仅如此，2017年半导体行业的研发费用增长了9.8%，Fabless半导体初创公司的风险资本投入从2009-2012年的平均9.2亿美元/年，增长至2018年18.02亿美元。

2017年，存储器是行业增长的重要推动力

相对于2016年27%的占比，存储器在2017年几乎占据了IC收入的40%。Walden Rhines指出，历史上存储器IC单元出货量趋势几乎没有变化，IC单元出货量和存储器单元始终保持同样的总出货量趋势。但2017和2018年上半年，存储器平均销售价格在大幅增加，并在2018年第一季度达到顶峰，预计存储器平均销售价格走低可能会在2018年第4季度开始。

同样是在2017年，FLASH和DRAM资本投资增长了35%。其中，中国的年复合增长率为37%，高居榜首。数据显示，晶圆厂持续增加的投资主要用于存储器，使得NAND和DRAM存储器容量迅速增加。但从2018年第2季度开始，资本投资呈现出放缓迹象。

值得欣喜的是，此次资本投资相对需求增长的过剩程度比以往要少，意味着整体的产业发展处于一个相对健康的发展环境中。

如果从晶体管增量来看，存储器占所有晶体管的百分比早在2015年就达到了99.7%，是3D NAND推动存储器实现了比Logic或SoC更快的发展速度。然而，尽管2017年存储器行业收入增长55%，但存储器单元体积增长是低于长期趋势线的。

持续强劲的非存储器市场

存储器平均售价降低时，非存储器增长是否仍会保持强劲？

Walden Rhines不但给出了“YES”的回答，还将引入“特定域处理器”、初创企业活动的加速、IC设计企业有新参与者和中国对半导体的投资，形容为引领全球半导体市场发展的“四驾马车”。

· 进入半导体领域的新公司

Elon Musk在Tesla 2018年第2季度营收电话会议上提出“专为自主操作设计的世界上最先进的计算机”、“我们希望尽快发展芯片团队的规模及增加芯片投资”等目标，并决定用自动驾驶系统的定制处理器取代通用GPU。其实不止Tesla，目前，进入半导体设计领域的新公司越来越多，例如Facebook、Apple、小米、华为、Amazon、Tesla、Google、ZTE等。

Walden Rhines认为，现今互联网连接数超过220亿，81%为物-物连接。随着智能化不断向下层延伸，以及“非冯诺依曼”计算机体系结构的演变，物联网智能边缘设备需要不断提高处理速度，降低功耗，并整合更多存储器。以最典型的可穿戴式手环产品为例，通常，在这样一个设计复杂且对成本极其敏感的产品中，会包含MEMS传感器、A/D转换器、模拟信号处理、数字接口、无线电射频通信、微控制器等多种IC，接近零功率的要求更是带来了巨大挑战。

· 中国政府对半导体投资的激励

2014年，中国集成电路投资基金(政府支持)投入200亿美元，私募股权、地方政府、区域政府投入970亿美元；到了2018年，中国集成电路投资基金(政府支持)470亿美元，配套资本预计将更多。

这一举措吹响了“中国半导体创新企业组建之战的号角”。Walden Rhines提供的数据显示，中国IC设计企业数量已经从2015年的715家激增到2017年的1380家，有935个按照市场细分的独特公司，>500人规模的企业从2006年的0.4%上升为2015年的6.1%，100-500人规模企业则从9.8%上升为43.3%。

· 特定领域体系结构主导的初创公司

全球Fabless公司风险投资基金(1-3)在2018年Q2已达到11.86亿美元，相比之下，2012年Q1仅有1.42亿美元。其中，AI&机器学习所获得的风险投资最多，从2012年-2018年年初至今共有11.63亿美元，其次为加密货币4.65亿美元，高速通讯/5G 3.01亿美元；

2018至今，共有14家Fabless AI公司获得风险投资资金，而根据全球各地区Fabless公司在第1、2、3轮风险投资中的表现来看，中国占据比例最大，数额近10亿美元。

最重要的是，2018年年初至今的资金，中国是美国的6.1倍。

· “特定域处理器”

Alphabet公司董事长John Hennessy提出，“摩尔定律的终结，以及更高速通用计算的到来，标志着新的黄金时代已开启。”传统无论是以软件为中心，还是以硬件为中心的思想都存在局限，特定域语言和架构则更有希望。

Walden Rhines列举了一些特定领域的AI/深度学习控制器，其中，39款面向视力/面部识别，23款面向数据中心/云AI/HPC，21款面向边缘计算，17款面向自动/辅助驾驶，分列1-4位。Mentor中国区总经理凌琳在接受《电子工程专辑》采访时表示，中国有足够的市场容量来承载这些公司与产品，现在的市场格局是健康的，即便发生一些兼并、收购和重组，也是正常的市场经济行为，外界不必对此加以过度解读。但无论如何发展，重“质”而非“量”，是需要牢牢把握的基本原则。

特定域架构和学习曲线将实现下一波增长

Gordon Moore曾说过，“没有一种指数是永恒的。”事实也的确如此，从1965年至2005年，摩尔“定律”对于晶体管数量的描述也数次发生变化。可为什么摩尔定律50年来长盛不衰？Walden Rhines的观点是，当两件事情都真实时，基于真实的“自然法则”，即“学习曲线”：1. 生产的累计晶体管随着时间呈指数增长；2. 几乎所有成本降低均来自缩小特征尺寸以及增加晶片直径。

他在演讲中提出了以十九世纪数学家Benjamin Gompertz发明的Gompertz曲线(姜氏曲线)数学模型来对各种新兴应用，特别是物联网(IoT)相关设备的产品生命周期进行预测。根据这一理论，数据中心处理、智能表计、汽车电子(夜视系统、驾驶员防困倦系统)等行业仍处于市场发展早期，拥有极大的发展潜力。且总晶体管数量的增率仍在上升，拐点至少要在2038年才会到来。

“特定领域体系结构需要新的设计方法和工具，我鼓励设计师用HLS进行更多探索，提供比编写VHDL或Verilog更高的质量。”在凌琳看来，AI/机器学习需要进入下一步抽象和功耗分析，而HLS结果不比手动编写的RTL差，甚至更强，时间更快(能够缩短4倍)。此外，HLS易于重映射多种技术，例如可以针对各种技术重映射相同C代码，轻松切换工艺，快速探索可行的替代技术并确定最优实现。

人工智能、7nm与EDA

中国已经成为人工智能的全球第二大市场。市场的发展一方面驱动了人工智能专用芯片的需求，另一方面，在大数据驱动的人工智能新型计算方式下，EDA也正在进入新的时代，新的设计方法和工具层出不穷。

“每家企业都在积极适应这个剧烈变化的市场，2017年12月Siemens为Mentor的发展收购了总部位于加拿大萨斯卡通的Solido Design Automation公司就是最好的说明。”凌琳说。

Solido是一家基于机器学习的对变化性可感知的设计和特征提取软件的领先供应商，目前已有40多家大型公司在其生产中使用Solido的机器学习产品，使他们能够设计、验证和制造比以往更具竞争力的产品。

他认为，这一收购行为表明，Mentor正通过收购、调整投资方向等多种举措，为已有的领先的模拟混合信号电路验证产品注入新的方法论和新的功能，共同打造业内功能最强大的解决方案组合。2018年，Mentor仅为其旗舰产品Calibre就启动了7个新研发项目，用以增强机器学习算法在EDA工具中的有效性，包括提升模型收敛(Model Convergency)速度、建模精度、优化流程等等。

在谈及格芯、联电等晶圆厂纷纷放弃7nm等先进制程工艺时，凌琳认为对代工厂而言，尖端制程工艺并非唯一选择，像TowerJazz这样具有独特技术的晶圆厂也做的非常出色。尽管对那些追求极致性能的企业而言，代工厂的减少的确让他们少了一些选择，但对于另外一些IC设计企业来说，他们会在拓展成熟工艺的应用“宽度”上下功夫，创新出一些“More Than Moore”的新应用，反而会出现“多点开花”的局面，这对代工厂而言未尝不是件好事。

而且，对EDA公司来说，商机也并不会减少。追求尖端工艺的客户在7nm以下会需要更强大的算力和计算量，会遇到更复杂的设计规则和流程，对先进EDA工具的需求只会有增无减；另一方面，那些追求成熟节点工艺的客户由于拓展了应用领域，对EDA工具也提出了更多新的要求。