英媒:美芯片业敲警钟 中国大举投入“重塑市场”

美国此前对中兴的制裁，让国内通信行业首次感到 “ 无芯之痛 ” ，也看到了中美芯片产业的巨大鸿沟。殊不知，为了维系 “ 美国芯 ” 的霸主地位，太平洋彼岸也倍感焦虑。

“ 美国 芯片业 敲响警钟 ” ，英国《金融时报》 29 日发表如题文章，指出作为美国科技领先的关键支柱之一，这个行业却显露出自信心崩溃的迹象。

一方面，摩尔定律风光不再，芯片性能改善持续减弱，芯片公司艰难应对研发回报下降的局面；另一方面，美国政府则担心中国企业依托政府支持，带来 “ 重塑市场的威胁 ” 。

“ 受命于危难之间 ” ，美国国防高级研究计划局（ DARPA ）上周宣布要砸 15 亿美元，重振美国芯片产业，这也是该机构四十年来首次大规模介入芯片领域。

文章指出，经常有人预言摩尔定律（ Moore‘s Law ）即将失效， DARPA 首席微电子专家比尔 · 查普尔（ Bill Chappell ）更指出，摩尔定律 “ 早在十年前就死了 ” 。

“ 统治 ” 了晶体管发展 50 多年的摩尔定律，由英特尔联合创始人戈登 · 摩尔（ Gordon Moore ）在 1965 年提出，预言大约每两年芯片上的晶体管数量会翻倍。

摩尔定律创始者戈登 · 摩尔

在随后 30 年中，通过缩小芯片上元件的尺寸，芯片发展一直遵循着摩尔定律。然而进入 21 世纪，单纯依靠缩小尺寸的做法已经明显走到尾声。

图表均来自英国《金融时报》，观察者网汉化

谷歌母公司 Alphabet 董事会主席约翰 · 亨尼斯（ John Hennessy ）表示，过去十年芯片性能提高轨迹落在摩尔定律的指数级增长曲线之下，如今芯片上的晶体管密度只是 “ 应有密度 ” 的十分之一。

文章指出，如今美国芯片业正开始直面一个令人不安的现实。长期以来，芯片性能稳定的提升支撑着行业发展，并提供了计算能力开辟新的技术市场。但一段时间以来，这种性能改善在持续减弱。

卡内基梅隆大学（ Carnegie Mellon University ）工程和公共政策教授埃丽卡 · 富克斯（ Erica Fuchs ）指出，这一现象从 2004 年起就很明显了。

在旧金山上周举行的 DARPA 会议上，福克斯指出，芯片公司也一直艰难地应对研发回报下降的局面：

“ 投入越来越大，然而收入却没有跟上投资的步伐。 ”

拥有 60 年历史的美国芯片业，好像眼睛都没眨一下，就已经度过了这段不详的时期。周期性的繁荣和硅的新市场 —— 从无人驾驶汽车到机器学习，提升了行业销量。

自 2016 年初以来，费城半导体指数翻了一番，标普 500 指数也涨了 38% 。

然而，报道称，作为美国科技领先的关键支柱之一，这个行业却显露出自信心崩溃的迹象。

去年初发布的一份总统顾问小组的报告， “ 明确 ” 了危险所在。

除了 “ 基本技术限制 ” 导致创新放缓，撰写该报告的行业带头人还警告称，中国正依托大规模政府资金支持的产业政策， “ 有序不紊地重塑市场 ” ， “ 威胁到美国工业的竞争力 ” 。

在这种背景之下， DARPA 上周宣布支持一系列研究项目，以帮助指导该芯片行业的长期发展方向。一直以来， DARPA 以其研究成果为互联网和自动驾驶汽车等领域带来突破而闻名。

在 DAPRA 这项耗资 15 亿美元的计划中，一部分是拨款给学术界和企业界的相关研究人员，这也是该机构四十年来首次大规模介入芯片领域。

查普尔指出，这种干预是必要的，因为该行业正处在一个 “ 拐点 ” ，需要将目光转向更长期的影响因素。

《金融时报》评论称，其实早该转移注意力了。

富克斯教授指出，美国芯片行业一个主要组织十多年前就提议拨款 6 亿美元作为长期研究预算，而最终承诺投入的经费仅为 2000 万美元。

DARPA 的研究项目涵盖芯片架构、新材料和设计，这些项目让人得以一瞥可能在今后十年推动发展的技术。

这些研究项目也预示着，芯片行业面貌可能发生重大转变，因为在摩尔定律下运行的旧的确定性已然消失。

例如，在芯片架构方面，该行业正面临着通用芯片收益递减的问题，而通用芯片一直是数字时代的主力，比如英特尔的 CPU 。虽然以计算能力来说，通用芯片有着无与伦比的性价比，但它们却不能针对特定任务进行优化。

英特尔的研发负责人迈克尔 · 梅伯里（ Mike Mayberry ）认为，异构性将在未来更加突出。

DARPA 研究的一个重点是兼顾计算能力和灵活性的新芯片架构。这包括 “ 软件定义的硬件 ” （ SDH ），或可以动态重新编程的芯片 —— 如今的 “ 现场可编程门阵列 ” （ FPGA ）的延伸，后者是制成后可调整并具有一定灵活性的集成电路。

查普尔表示，机器学习的兴起让人得以一瞥这个新世界的可能面貌。由于人工智能的深度学习系统在训练时需要用到海量数据，市场对能处理海量数据的专用芯片的需求，为英伟达（ Nvidia ）带来了新活力。

此外，英伟达的图形处理单元最初是为了处理视频而设计的。这种需求也为谷歌打开了一扇门，谷歌推出了一种名为 TPU 的大数据芯片设计。

与此同时，英特尔正利用 FPGA 来提高其用于机器学习的 CPU 的性能 —— 这是微软在 “