2024 年，該行業將專注于 AI/ML、RISC-V、量子、安全等發展趨勢。

今年年初，大多數人從未聽說過生成式人工智能?，F在整個世界都在競相利用它，而這僅僅是個開始。量子計算、6G、智能基礎設施等新市場領域專用處理正在加速對更快、更高效、更多數據的需求。

與每隔幾年等待下一個工藝節點的日子相比，未來幾年的事件將與電話或汽車的引入一樣重要。但可能不會只有一種創新技術，將會有很多技術一起以一種將讓科技界驚訝的方式相互作用。

我們正在進入一個定制硬件、異構集成、軟件定義系統的時代，所有這些都依賴于半導體。況且芯片本身也在發生變化。芯片正變得更專用、更復雜，并且可能構成更大的安全威脅。

所有這些趨勢都將迫使芯片設計師重新思考工作流程、架構和商業模式。其中一些在 2023 年有些苗頭，2024變得明顯，并且開始真正加速。

AI/ML

2023 人工智能/機器學習（AI/ML） 以谷歌 Gemini AI 的發布而告終，這既是對 ChatGPT 的追趕，也是對多模態 AI 的突破性推動。很多公司也試圖將圖像和視頻納入他們的生成式人工智能工作中。

很多大規模企業都有一個定制的人工智能生態系統，預計這一趨勢將加速，越來越多的公司在多個領域開發自己的人工智能芯片。

所以，新的一年你將看到更多令人興奮的新應用和突破來自開發自己的定制人工智能芯片的公司。例如，甚至像特斯拉這樣的公司開發自己的定制人工智能芯片，以幫助實現自動駕駛的訓練。

人工智能正在從根本上改變我們的生活和工作方式，這種轉變會在2024年加速。到2024年，圍繞人工智能的對話將變得更加微妙，重點關注不同類型的人工智能、以及至關重要的是，我們需要建立什么樣的技術基礎才能使未來的人工智能世界成為現實。

先進的專用芯片將在推動當今的人工智能技術部署的中發揮關鍵作用。CPU 在所有 AI 系統中都至關重要，無論是完全處理 AI 工作負載還是作為協處理器（如 GPU 或 NPU）結合使用。

2024年，人們將更加重視這些算法的低功耗加速，以及在大型語言模型、生成式人工智能和自動駕駛等高計算能力領域運行人工智能工作負載的芯片。

此外，許多人正在尋求人工智能來增強現有流程并提高生產力。在芯片設計流程中，有幾個機會可以通過引入人工智能來優化生產力。工藝節點的減小帶來了一系列挑戰，但設計芯片的時間又要保持不變。

根據預測，到2030年，勞動力將出現嚴重短缺，芯片設計師將減少20%至30%。像人工智能這樣的變革性技術可以幫助填補這一空白。

AI的影響力正在蔓延

能夠運行AI的芯片類型也在發生變化，這在邊緣尤為重要。例如，DSP 在視覺、音頻和激光雷達等垂直市場中執行一種特定類型的處理非常有效。

現在，隨著人工智能在各地的推廣，人們正在推動擴大這種能力。這里需要減少 SoC 面積并控制整體功耗。在基于邊緣和設備端的人工智能應用中，獨立 DSP 或 DSP 與高效加速器相結合，對于從微型耳塞到自動駕駛的一系列應用來說是非常理想的。

雖然人工智能加速器可能或多或少獨立工作，但趨勢是將其與具有人工智能功能且高度可編程的 DSP 配對，以作為面向未來的有效后備，以防不斷發展的人工智能工作負載引入新的神經網絡。

定制

與此同時，定制芯片的驅動正在提高人們對軟件定義架構 （SDA） 的興趣，其中功能由軟件定義?？纯刺厮估椭懒?。有大量的芯片，數百個處理器，但軟件定義了這一切。軟件是預先設計和構建的，然后芯片執行它。

RISC-V 在最近的 RISC-V 峰會上得到了推動，當時 Meta 宣布將在其路線圖中的所有產品中使用 RISC-V。我們看到芯片設計人員對RISC-V越來越感興趣，因為它給了他們自由。

RISC-V軟件生態系統繼續發展，并取得了許多里程碑式的成就。另外，不僅僅是關于RISC-V。人們正在構建混合架構的SoC，這帶來了一系列完全不同的挑戰。

突然之間，你從一個稍微封閉的生態系統轉向了一個必須在所有標準之間互操作的東西。我們如何將它們縫合在一起？這是關鍵挑戰之一。

答案可能是chiplets，它最終會變得更加標準化。

隨著晶圓代工工藝的進步和摩爾定律的放緩，半導體行業需要找到實現性能提升、成本降低和良率提高的新方法。這就是為什么chiplets將在 2024 年成為整個行業的焦點，

隨著chiplets技術的普及和市場的日益多樣化，重點將轉向標準化和互操作性，以確保這些定制化芯片的最快上市，從而在不同市場中實現復用。到2024年，希望看到整個行業齊心協力，更清楚地定義系統級功能和基礎標準，使chiplets能夠在更廣泛的系統中使用，而不會出現碎片化的風險。

繼續向左移動

chiplets和RISC-V扎根的關鍵原因之一是，在新的工藝節點上，性能和功耗的優化不再得到保證。SoC 正在被分解為不同的部分，它們都需要作為一個系統來運行。這需要更多的定制、更多的協同設計，以及在流程的早期更好地理解整體架構。

隨著軟件定義架構的出現，你必須更加關注前期系統設計。你不能讓它以后碰運氣。從驗證一直到流片的整個工作流程，都必須預先確定、定義和設計。

你不能只是希望并祈禱它最終會走到一起。

復雜性穩步增加的趨勢將繼續存在。因此，關于“左移”的需求會更加強烈。在這里，一個關鍵的支柱是EDA，它面臨著各種挑戰，例如

用于chiplets的EDA

用于 high-level digital synthesis的EDA

用于數?；旌显O計和驗證的EDA。

將所有這些部分融合在一起是一件不平凡的事情，需要專注于真正的系統級設計以及所有部分的連接。

真正的系統級設計的挑戰之一是如何在域之間進行通信。你如何抽象出一個詳細的模型，使其在另一個領域可用？當你開始左移時，如何獲取流程信息并使其可供系統設計工程師使用？

結論

盡管取得了所有突破和興奮，但工程和商業的基本面仍然存在。每個人都必須在設計和實施過程中提高效率才能一起改變世界。

如果你不夠快，別人會打敗你。

隨著新問題的出現，企業整合是另一個可能繼續下去的趨勢，市場上充斥著尋求解決這些問題的初創公司，而大公司收購它們要么是因為他們的技術，要么是他們的人才，兩者兼而有之。

這一切發生的速度隨著新技術的推出，正在加速，半導體是這些技術發揮作用的引擎。

審核編輯：黃飛