2019年01月15日 | 工艺、AI引领手机芯片百花齐放

2018年，对中国的集成电路而言，是不平静、也是不平凡的一年。有中美贸易战爆发的震惊和思考，也有AI和5G等推进的振奋和憧憬；有芯片业的紧迫和焦灼，也有社会力量和资本的关注和热捧……告别2018，迎来2019，集微网特推出「盘点2018」和「展望2019」两大系列专题，将围绕技术、投资、产业（包含台湾IC）等多个维度展开。

随着照相，游戏等手机应用不断催生对芯片的压力，使两三年前的机型突然就像到了耄耋之年般无力，在此情况下对于芯片厂商们来说挤牙膏的升级方式已然行不通。

为了应对应用对手机芯片的需求，各大手机芯片平台都使出了吃奶的力气，有的在手机芯片工艺上追求突破，有的则在架构上变换思路，也有的在技术上寻求创新，真可谓百花齐放。

2018，百花齐放的手机芯片

那么来看看各大手机芯片平台今年都有哪些变化。

首先，苹果推出了A12芯片。据了解，该芯片采用台积电7nm制程，包含六核CPU（由两个“性能”核心和四个“效率”核心组成），一个四核GPU，神经引擎更是多达八个核心，每秒可以处理5万亿次操作。具体来讲，2个性能CPU核心快15%，功耗降低40%，4个效率CPU核心功耗降低最高50%；4核心GPU比A11的GPU快50%。

其次，高通在年底推出了全新的骁龙855。该芯片采用7nm制程工艺打造的1+2+3架构，拥有1个超级内核，主频达到2.84GHz，而三个性能内核主频为2.42GHz，最后效率内核主频为1.8GHz。此外，骁龙855支持的第四代多核人工智能引擎AI Engine，可以实现每秒超过7万亿次运算。

提到高通就不得不提到其竞争对手三星。三星的Exynos 9820采用8nm LPP 工艺制成，核心架构方面采取2 ＋ 2 ＋ 4的三丛式设计。对比 Exynos 9810，Exynos 9820的多核性能提升 15%，单核性能提升了 20%，能效提升 40%，功耗降低 10%。此外，Exynos 9820首次在Exynos 9系中集成了NPU单元，AI运算能力是9810的7倍。

不过要说到AI运算，华为就是个绕不开的话题。此次华为推出的麒麟980采用台积电7nm制程，CPU方面，有别于传统的四大四小核的系统架构，麒麟980设计了“2超大核+2大核+4小核”的三档能效架构。同时，进一步升级NPU为双核架构，带来更强大的AI处理能力。

当然，最后还有不得不提的联发科。今年联发科推出的Helio P90采用12nm制程工艺，采用八核架构, 集成两个ARM A75处理器。还拥有旗舰级AI算力, 运算性能高达1127 GMACs (2.25TOPs)，相较于Helio P70和Helio P60，不仅能够带来全新的AI体验，且算力提高4倍。

至此，我们可以看到，除了联发科定位中端市场的P90芯片仍旧沿用12nm制程工艺之外，其他四家芯片的制程工艺都迈入了一个新的台阶，而今年的芯片除了制程工艺的提升外，NPU的升级带来AI运算能力的提升也成为芯片厂商争相炫耀的一大热点。

先进制程工艺大比拼

那么先进制程能给手机芯片带来怎样的进步呢？

据台积电描述，与10nm FinFET工艺相比，7nm FinFET工艺具有逻辑密度1.6倍、速度提升约20%、功耗降低约40%的特点。

如今到了7nm时代，业界使用了砷化铟镓取代了单晶硅沟道来提高器件性能，不过每一步进步的难度一直在增加，未来的7nm以下的工艺恐怕非极紫外光刻(EUV)不能搞定了。

而目前台积电7nm还是内建DUV技术，三星计划是跳过非EUV技术的7nm LPP制程，直接推出内建EUV技术的7nm LPP。

据三星官方宣布内建EUV技术的7nm LPP制程，除了比10nm制程减少40%芯片面积，还能大幅降低50%的功耗，并使效能提升20%，由于加入EUV技术，使用光罩数量和生产成本都跟着下降。可见7nm LPP制程的性能确实大幅超前8nm LPP制程。

不管是三星还是台积电都将用上EUV技术，并且制程工艺将会逐步提高，挑战摩尔定律。台积电宣布将开始5nm制程的“风险生产”，时间将是明年上半年。

为了5nm制程，今年年初台积电就建设了一座全新的5nm晶圆厂，台积电打算将在2020年开始批量生产。根据目前的消息显示，台积电已经准备使用极紫外光刻（EUV）技术来生产5nm芯片。

随着制程工艺不断挑战极限，未来芯片性能与能耗比不断提升，面积也将会不断减小，对于终端设备而言厂商将能更好地设计内部零部件布局，进一步降低发热，提升续航。

比拼AI性能的时代已到来

今年芯片除了先进制程工艺外，AI运算能力也是得到大幅提升，近年来，人工智能发展迅速，得益于AI算法使得某些终端应用带来新的体验，比如人脸识别与照相。

除了联发科与高通在原先的AI引擎进行升级外，其余三家芯片都搭载了神经网络处理器（NPU）单元。

独立的神经网络引擎单元带来的就是强大的数据吞吐量，和运算能力，得益于此我们才能看到iPhone X上的Face ID安全机制即识别人脸解锁的瞬间，需要对前置摄像头扫描到的数万个参考点进行扫描比对，然后判断解锁；iPhone XR上单镜头也能拥有双摄的景深效果；华为拍照应用中的双摄人像，降噪等场合，在处理这些应用时NPU将拥有几十倍的性能和能效优势。

当然这些事情交给传统处理器同样能做，比如专门处理影像数字信号的ISP，虽然每年芯片都会对ISP进行升级，但面对摄像头不断升级的像素，4K 60FPS的超高清摄录，明显ISP的能力已触及天花板，再往后，AR、3D实时扫描再加入已无法想象会对芯片造成多大的压力。如果能将这些运算工作都交给NPU，理论上情况就会大为改观，因为它的特点，就是为超大数据量吞吐运算而生。

高通和联发科则没有集成专门处理人工智能任务的硬件单元，而是在已有的硬件单元上进行优化和改进。原因在于AI相关的技术和算法都还不够成熟，高通和联发科作为手机SoC的提供方，在确定到底哪种算法以及数据类型最适合深度学习之前，押注其中一种不仅不是明智的选择，还可能因为硬件跟不上算法迭代而无法满足市场的需求缺乏竞争力，因此除了借助工艺制程、CPU、GPU的持续升级满足AI应用，高通和联发科还针对目前比较热门的AI图像应用在已有的硬件上进行优化来更好地适应不同手机厂商的需求。。

可以预见未来芯片将会在原有性能上不断提升外，AI运算能力也会是焦点。不可否认，一个芯片的AI时代已经到来。

明年又是5G元年，在更快的数据传输速度与更高的数据流量下将会加速AR，AI，VR等应用落地，届时移动终端作为应用载体也将发挥不小的作用，芯片作为定海神针也将会上升到新的高度为用户带来新的体验。