| 四月初Google公布其使用客制化ASIC设计的TPU测试报告，性能及功耗都远远胜过市场上的CPU/GPU组合（注1），非常适合人工智能及深度学习的运算。报告公布之后网上就有很多相关讨论，也有一些朋友问我，IC设计服务公司可否进入AI芯片市场？回答我的看法之前，让我先简单交代一下IC设计服务市场的演进。
在晶圆代工模式尚未诞生之前，IC产品主要来自IDM，当时的IDM都有自己内部标准产品(ASSP)，从规格订定、设计、到制造、封测全在内部完成。而不少的IDM也对外提供客制化的芯片设计(ASIC) ，如当时的IBM、TI、LSI、VLSI Technology、STM、NEC、Toshiba等等，从商业模式来看，IDM的ASIC业务也算是一种设计服务。1987年台积电率先提供晶圆代工服务之后，无晶圆厂(fabless) 的IC产品公司才像雨后春笋般的冒出来，相关的生态链包括IP、EDA、IC设计服务产业随后也因应而生。
由于IC设计服务公司提供共享的设计资源（注2）给很多初期不需要自己投资建构内部团队的新创IC产品公司以节省资金，并快速推出产品进入市场，一时之间忽然变成需求很高的产业。再加上受到全球第一家设计服务公司智原在1999年挂牌上市的激励，新创的IC设计服务公司在那几年全球成立超过30家，有的主打特定晶圆厂，有的则强调支持多个晶圆厂甚至可以协助厂与厂之间的转换(porting)。设计服务产业没过多久就供过于求，市场竞争转趋激烈。
随著Moore’s law演进，制程愈趋复杂，芯片集成度亦随之倍数成长，产品的性能及功耗规格要求也更加严厉，设计公司除了人力/物力/投资成本遽增之外，技术挑战及产品失败的风险也相对提高很多。经过几代制程的演进之后，自然淘汰了一些较弱的竞争者，留在场里的选手也大致有些分级并各有定位，呈现较为健康的竞争态势。到了16纳米及以下的节点(目前到7纳米)，更高的技术门槛不但隔绝了一些竞争者，也让较优质的IC设计服务公司增加了不少从系统公司甚至IC产品公司委外设计机会。专业先进的IC设计服务公司在晶圆代工生态链的地位，越高阶制程就越重要，市场竞争优势也就越明显。
这两年火红的应用如AR/VR、云端运算（大数据分析）、人工智能及深度学习，甚至比特币都需要高性能及低功耗的芯片。大型的系统公司、数据中心、互联网平台等公司渐渐不用市场上标准芯片(ASSP)，而倾向自己开发客制芯片(ASIC)，一来以满足其性能及功耗的需求，二来与其竞争者作差异化。Google TPU就是一个明显的例子。这种趋势更增加了IC设计服务领导厂商的机会。
IC设计服务产业因需求而诞生，又因过度供给竞争激烈而汰弱存强，走了20个年头，这个产业现在正迈入一个比较健康的供需市场而逐渐茁壮。
本篇为作者个人所观察的产业趋势，跟所担任顾问的公司无关。
注1：Google 云端平台博客：Quantifying the performance of the TPU, our first machine learning chip
注2：设计服务的分享资源定义上不属于最近所谓的分享经济。其资源并非闲置，模式为B2B，且非经过交易平台做资源分配，就象是半导体客户共享台积电或日月光的技术与产能资源一般。
|
