对于造芯片,很多人说汽车芯片不就是只要跟着移动互联网跑就行了,移动互联网落后几年的芯片然后用到汽车上来就行了。其实汽车芯片并不是移动互联网芯片的降维打击,它带有自己的特殊性,而且加速了摩尔定律的终结将焦点从通用架构转移到更专业的硬件上。
目前汽车行业关于人工智能处理的高端芯片,都朝着DSA (Domain Specific Architecture) 或者ASIC(Application-specific integrated circuit)等方向发展,实现特殊应用的方向,而不是之前英特尔CPU那种通用芯片。
例如我们之前文章《理想L9的智能座舱,驾驶技术以及供应链》分享的高通的座舱芯片8155/8295就是此类,它集合了CPU/GPU/ISP/安全/通讯/蓝牙等等来实现智能座舱的总体处理,还有智能驾驶英伟达Orin,小鹏发布的图灵,蔚来发布的神玑NX9031都属于此类。它类似于小型化AI专用的计算机,将各类不同处理芯片,通讯芯片,内存,网关组合一起到一块芯片上。
当然汽车还有非高性能但讲究稳健可靠的控制类型的MCU和电驱动IGBT/SiC,他们更多来自工业控制而非互联网IT。未来中央大脑式的控制单元会将安全,实时的各种核集合形成汽车特殊的处理器。所以人工智能时代的智能汽车将从车端,路端,云端催生芯片的另外一次发展。
但目前来讲,汽车行业芯片的设计和制造流程依然没变,所以本文将整理芯片半导体产业链相关知识,为后续理解当前汽车行业暗中较劲的芯片竞争埋下科普基础。芯片半导体行业有 6 种不同类型核心产业链,这些不同的行业细分市场将其资源沿着价值链向上传递,直到最终芯片装上PCB板。
从下往上看,这些半导体芯片行业产业链可以细分如下:
- 以下部分将详细介绍这 6 个半导体行业细分市场。芯片知识产权 (IP) 核芯片知识产权 (IP) 是芯片部分或全部的逻辑、单元或芯片布局的设计规范。可以参考汽车架构,把一块完整的芯片看成一台汽车,芯片IP就是来自于不同厂商的具有某一功能的模块化零件,将他们组合起来就成为特定功能的芯片。目前汽车行业SoC芯片有几大IP
-
- 通用计算的CPU IP - 例如鼎鼎大名的ARM,有讲究实时安全的M/R核IP;有讲究计算和性能的A核IP。目前主流的汽车高性能芯片上都离不开它的影子。当前很火的
-
- AI 处理NPU (Neural Processing Unit) IP等或者叫做AI加速器 - 例如Synopsys提供的Synopsys ARC NPX6 NPU IP等。数据传输接口 IP等,毕竟AI时代,数据的
- 吞吐很大部份决定AI芯片性能。
-
- 芯片网络 IP 核 (NoC IP) - 当前芯片上堆叠很多不同的计算单元,所以需要多个信号在 NoC 上共享相同的线路和链路,允许各种数据链路同时对不同的数据包进行操作。
还有很多例如安全和存储IP等等。
目前,有超过200家公司销售芯片IP核,不少中国芯片公司的业务也在这方面开展地如火如荼。电子设计自动化 (EDA) 工具它是一种专门用于辅助集成电路芯片设计和生产全过程的工业软件,工程师可以使用这个工具在他们购买的任何 IP 核上添加自己的设计。这个汽车行业最好理解,犹如汽车机械布置画图的UG/CATIA;或者建筑行业的CAD。该行业一直由三家美国供应商主导 Cadence 、 Mentor 和Synopsys。过去两年华为应该突破封锁也有自己的EDA,国内还有华大九天、概伦电子、芯和半导体等大概100多家。现代芯片可能包括高达数十亿个半导体器件,英伟达最先进的Blackwell已经有2080亿。在没有EDA软件的帮助下,设计如此复杂的芯片几乎成为不可能任务。一个大型工程团队使用这些 EDA 工具需要 2-3 年的时间来设计一个复杂的逻辑芯片,例如手机、计算机或服务器内部使用的微处理器。(见下面的设计流程图。)
如今,随着逻辑芯片变得越来越复杂,所有电子设计自动化公司都开始引入人工智能辅助,以实现流程的自动化和加速。晶圆以及芯片材料在设计好了之后,就需要把这些设计图进行制造,变成有形的东西,制作芯片类似于拍照,将设计好的芯片拍照到材料“晶圆”上进行物理生产,“晶圆”主要是指硅晶片,高纯度的沙子,晶圆厂就是制造这些硅晶片的工厂。另外制造芯片的工厂需要购买专用材料和化学品:
使用的气体超过 100 种大宗气体(氧气、氮气、二氧化碳、氢气、氩气、氦气)和其他奇异/有毒气体(氟、三氟化氮、砷化氢、磷化氢、三氟化硼、乙硼烷、硅烷,等等……)
流体(光刻胶、面漆、CMP浆料)
光掩模等
芯片制造设备有了材料,还需要机器物理地制造芯片,就是这个拍照设备--光刻机,制作高性能芯片的光刻机主要来自于ASML,当然还有另外4家公司主导该行业——Applied Materials, KLA, LAM, Tokyo Electron.基本都来自于欧美日。
这些是地球上最复杂(和最昂贵)的机器之一。芯片的制程几nm就是靠这个东西,目前制程最高的EUV光刻机对于中国是禁售的,听说目前华为7nm芯片是采用2次光刻的方式获得,未来3nm将采用4次光刻来获得,来规避没有高制程光刻机的苦恼。芯片生产代工厂代工厂在自己的“晶圆厂”中为其他工厂生产芯片,世界最出名的莫过于TSMC台积电了,仅次其后的是三星,目前国内最火的就是SMIC中芯国际。他们购买并整合来自不同制造商的设备晶圆制造设备、专用材料和化学品,他们利用这些设备设计独特的工艺来制造芯片,但他们不设计芯片。
现在一个芯片工厂的成本超过 100 亿美元,原因之一是制造芯片所需设备的成本飙升仅荷兰公司ASML的一台先进光刻机就价值 1.5 亿美元。而一家晶圆厂大约有 500 多台机器(并非所有机器都像 ASML 那样昂贵)。另外晶圆厂建筑极其复杂,制造芯片的洁净室只是一套复杂管道的冰山一角,这些管道在正确的时间和温度下将气体、电力、液体输送到晶圆厂设备中。
而建设新一代芯片(3nm)制造厂耗资200亿美元,所以芯片厂的建设基本上要靠举国和大财团体制,例如台湾的TSMC,大陆的SMIC,韩国的三星。
芯片组装和测试在晶圆上刻蚀好了芯片之后,就是最后一步封装和测试,我们之前《中国智能汽车芯片的新希望 - Chiplet》也分享过目前芯片行业非常火的一种封装方式。测试和封装部门或者公司从代工厂获取晶圆,将其切割成单个芯片,进行测试,然后进行封装,最后芯片上市。
而我们看到汽车行业常说的他们的芯片流片成功就是意味着小批量试制的芯片出来了,开始进行应用测试,如果各项指标达标那么就意味着量产。有了IP,EDV,原材料,制造设备,制造工厂,封装和测试,这6大类就组成了芯片产业基本要素。
按照以上产业链可以组建不同的公司,同时还有一些公司整合部分产业链形成芯片行业特殊的公司,例如:“无晶圆厂”芯片公司,他们设计芯片(使用 IP 核和自己的设计),制造交给别人代工,他们不拥有晶圆制造设备,也不使用专门的材料或化学品。他们设计的芯片可能自己用,例如苹果、谷歌、亚马逊……或者他们专卖芯片,例如 AMD、Nvidia、Qualcomm、Broadcom……中国不少汽车行业芯片公司也是走这条路,例如地平线,芯驰等。
集成设备制造商 (IDM) 会设计、制造(在自己的晶圆厂)并销售自己的芯片。IDM 分为三类:存储器(例如Micron、SK Hynix)、逻辑(例如Intel)、模拟(TI、Analog Devices)他们设计,生成,销售一条龙。目前,生产一款新型尖端芯片(3nm)的平均成本为 5 亿美元制作芯片你可以把它理解成影刷书。
- 写作者使用Word或者飞书写书一样,而芯片工程师使用EDA电子设计自动化工具设计芯片作者与专门从事该类型作品的出版商签订合同,然后将文本发送到印刷厂。工程师选择适合其芯片类型(内存、逻辑、射频、模拟)的晶圆厂。印刷厂购买纸张和油墨。晶圆厂购买原材料;硅、化学品、气体印刷厂购买印刷机械、印刷机、装订机、修边机。晶圆厂购买晶圆厂设备、蚀刻机、沉积机、光刻机、测试机、封装机一本书的印刷过程需要胶版印刷、拍片、剥离、蓝图、制版、装订和修整。芯片的制造过程非常复杂,需要使用蚀刻机、沉积、光刻来操纵原子。可以将其视为原子级胶版印刷。然后切割晶圆并封装芯片。书印刷工厂生产了数百万本同一本书。这家工厂生产了数百万个同一款芯片。
下图是制造芯片所需的1000 多个步骤的简化版本。
虽然芯片制造,看起来很简单,但事实并非如此。芯片可能是有史以来最复杂的产品,它算是目前最精密的产业,首先设计方面,例如英伟达最新的Blackwell人工智能芯片,集成了2080亿个晶体管,想象EDA设计这个芯片时候的复杂和图片量;制造时候需要把这2080亿晶体管影刷到晶圆上,从晶圆各种材料的要求,到制造设备的精度要求,都是工业顶级技术。通过以上信息可以明白,汽车行业主机厂的造芯片,特别是高端芯片方面,应该更多的是走“无晶圆厂”芯片公司的模式,做好芯片需求管理,集成产业模式。MCU以及相对工业和成熟的芯片,类似于BYD,上汽等大集团采用垂直整合,投资控股的方式。
根据相关信息,目前,类似于蔚来汽车神玑NX9031 5nm芯片台积电报价都需要0.4 -0.5 亿美金,加上各种IP和开发设计费估计生产一款新型尖端芯片(5nm)的平均成本为 3-5 亿美元。所以,不管是高性能芯片还是高安全的控制芯片,投资无疑都是巨大的,它的经济上成功是需要量的支撑。但中国智能汽车发展,在地缘政治,发展趋势上,都已经催生了汽车行业的造芯运动。
未经准许严禁转载和摘录-参考资料:
-
- CMPT 450/750: Computer Architecture Fall 2023 Domain-Specific Architecture I How did we get here ? What are they ? - SFU课件Lecture 26: Domain Specific Architectures Chapter 07, CAQA 6th Edition CSCE 513 Computer Architecture - University of South Carolina Yonghong Yan课件
芯片生态系统详解 - steve blank
加入Vehicle VIP 知识星球获取智能新能源汽车以及科技海量参考资料。