2017年年由人工智能大潮引領的新一輪技術創(chuàng)新，迅速帶動全球半導體創(chuàng)新加速。中國IC設計公司迎來了與海外IC設計公司同步起飛的時代機遇。同時，由中國率先提出并倡導的“一帶一路”戰(zhàn)略，迅速成為全球經(jīng)濟和科技發(fā)展的新亮點與新看點。

在可預測的未來，全球半導體行業(yè)將呈現(xiàn)高速發(fā)展趨勢歐洲以德國，法國，英國為代表，仍將持續(xù)關注智能制造，智慧城市，區(qū)塊鏈等熱門技術;而在北美的硅谷，波士頓，不僅見證著初創(chuàng)企業(yè)的蓬勃發(fā)展，生命科學，環(huán)境科學，航天科學等學科也突飛猛進;作為全球最具活力的市場，亞太區(qū)對CPU，GPU和存儲器的需求尤其旺盛而當前全球最重要的發(fā)展熱點來自AI和物聯(lián)網(wǎng)，人與機器達到了空前的融合，物聯(lián)網(wǎng)正演變?yōu)?ldquo;我聯(lián)網(wǎng)”，這需要云端，電信端和終端的密切配合。

“上知天文，下知地理，文經(jīng)武律，以立其身”。憑借高科技資本，技術人才和全球最佳市場的優(yōu)勢，中國IC業(yè)者近些年創(chuàng)造出了一系列令人矚目的成就，例如中國自主研發(fā)的CPU已經(jīng)運行在國產(chǎn)超級計算機中，長江存儲3D NAND存儲芯片量產(chǎn)在即，清華大學推出的可重構計算處理器，兆易創(chuàng)新的非易失性存儲芯片都已成為明星產(chǎn)品。那么，中國IC廠商如何在“一帶一路”的利好政策下，走向全球市場，占領IC時代巔峰？在AI時代，中國IC廠商是否能夠和國際對手處于同一起跑線？本次峰會將為您一一解開心中的疑惑。

物聯(lián)網(wǎng)，5G和人工智能市場下的中國IC機遇

“回顧歷史，物聯(lián)網(wǎng)這個概念提出近20年，商業(yè)化嘗試也有10年，但現(xiàn)在既有的物聯(lián)網(wǎng)連接只有10億個，根本問題出在哪里？”夏硯秋分析認為，技術上來看，最重要的就是原有的物聯(lián)網(wǎng)技術過于簡單，無法在全球范圍內(nèi)實現(xiàn)普遍覆蓋，從而導致商業(yè)化的不成功。而物聯(lián)網(wǎng)的新時代在于低功耗廣域物聯(lián)網(wǎng)的誕生和標準的確立，使得全球范圍內(nèi)的覆蓋成為可能，運營商擁有大規(guī)模的服務提供能力，可以形成真正可持續(xù)的盈利模式，把垂直行業(yè)應用融合起來，把智能生活帶給每個人，每個家庭。

在物聯(lián)網(wǎng)新舊時代轉(zhuǎn)換的過程中，各國政府和運營商在其中起到了主導作用，一個定標準，一個修路?？梢钥吹?，物聯(lián)網(wǎng)的產(chǎn)業(yè)鏈條復雜多樣，但芯片產(chǎn)業(yè)占比非常低，單獨從芯片本身也看不到賺大錢的機會，全球只有少數(shù)玩家參與。但反觀人工智能這一波產(chǎn)業(yè)浪潮中，芯片技術在其中發(fā)揮的驅(qū)動力和商業(yè)機會則大不一樣。

在物聯(lián)網(wǎng)新舊時代轉(zhuǎn)換的過程中，各國政府和運營商在其中起到了主導作用，一個定標準，一個修路?？梢钥吹?，物聯(lián)網(wǎng)的產(chǎn)業(yè)鏈條復雜多樣，但芯片產(chǎn)業(yè)占比非常低，單獨從芯片本身也看不到賺大錢的機會，全球只有少數(shù)玩家參與。但反觀人工智能這一波產(chǎn)業(yè)浪潮中，芯片技術在其中發(fā)揮的驅(qū)動力和商業(yè)機會則大不一樣。

與2011年物聯(lián)網(wǎng)概念第一次出現(xiàn)在觸發(fā)期，且被認為還需要5 - 10年的時間才能成熟不同的是，物聯(lián)網(wǎng)已經(jīng)變成了物聯(lián)網(wǎng)平臺，成熟的時間也變成了2- 5年，但仍然處于技術發(fā)展的早期。物聯(lián)網(wǎng)芯片當然是不可或缺的，但驅(qū)動力更多的是來自于產(chǎn)業(yè)各方如何達成共識。但反觀人工智能相關的技術卻一下子多了起來，綠框中，無論是還處于早期的強化學習，神經(jīng)擬態(tài)硬件，還是處于炒作巔峰的深度學習，機器學習，自動駕駛，認知計算都和AI芯片強相關，無論是在學術界和產(chǎn)業(yè)界，我們都可以深切地感受到芯片對于人工智能相關技術的關鍵推動力量。

那么人工智能芯片市場到底有多大呢？JP摩根認為未來5年將保持60％的年化增長速度，從2017年的30億美元到2022年的330億美元; Nvidia更加激進，認為在2020年這個市場就會達到300億美元，其中訓練市場110億美元，推理市場150億美元，高性能計算市場40億美元;英特爾把數(shù)據(jù)中心的CPU，GPU，內(nèi)存，網(wǎng)絡，光芯片全放在一起，認為2021年要到650億美元; IDC和Gartner的給出的數(shù)據(jù)是5年后大概100億-150億美元的新增AI芯片市場。

也就是說，無論按照誰的標準，這塊市場的增長都遠遠超過了IC產(chǎn)業(yè)的平均增速，而這樣一塊新市場的誕生，在過去十幾年半導體產(chǎn)業(yè)發(fā)展的過程中是非常不同尋常的，所以不僅吸引了老牌的IC廠商廣泛參加，也吸引了非常多的創(chuàng)業(yè)公司參加，可以說對于AI芯片市場比較樂觀的一個判斷，幾乎成了產(chǎn)業(yè)界的共識。

對于未來的樂觀預測不是拍腦袋想出來的。根據(jù)2017年全球服務器和GPU的出貨量來看，服務器出貨量達1100萬臺，其中云計算廠商大概占到了40％，Nvidia的數(shù)據(jù)中心GPU出貨量32萬塊，按照一臺服務器配4個GPU來估計，去年具備AI加速能力的服務器出貨量只有7萬臺，和總得出貨量相比，滲透率不足1％。

夏硯秋強調(diào)說，這個數(shù)字很重要。從一個角度來看，可以理解為數(shù)據(jù)中心的GPU市場仍然是一個利基市場，很多服務器并不需要AI功能。但如果換一個角度來思考，那就是數(shù)據(jù)中心的AI芯片市場還遠遠沒有到頂，如果誰能提供價格合適，性能強大的AI芯片，客戶沒有理由不買。

如果從利潤的角度來看，機會就更加明顯了。左圖曲線是Nvidia GPU的每瓦性能提升趨勢曲線，斜率還是比較穩(wěn)定的;右圖是GPU的售價和性能的曲線，從斜率來看，這個性價比是越來越差的，但這也是Nvidia公司的利潤源泉。

2017年，Nvidia公司的毛利率達到了62％，而5年前只有52％，考慮到數(shù)據(jù)中心業(yè)務在Nvidia的總收入中占比只有20％，所以毛利率應該更高;而老對手AMD近5年來毛利率也就是在30％上下。因此，如果誰能夠挑戰(zhàn)的Nvidia現(xiàn)在的霸主地位，不僅市場規(guī)模會做到很大，利潤方面也將遠遠超越一般的半導體廠商。

AI芯片最大的挑戰(zhàn)來自于市場定位，如何平衡性能與靈活性？是贏者通吃還是深耕長尾？這是夏硯秋在現(xiàn)場對行業(yè)提出的問題。這其實代表了AI芯片的兩種商業(yè)選擇，換句話說，由于芯片產(chǎn)業(yè)的歸一化標準，大家實際上只有兩個選擇：在數(shù)據(jù)中心市場擊敗Nvidia公司，或者是構建垂直領域的端到端護城河

贏者通吃的代表是來自英國的Graphcore公司，它在2017年10月底公開宣布其IPU達到了之前的設定目標，相比于其它AI加速處理器性能提高10倍至100倍，在訓練和推理都表現(xiàn)出色，最大程度地支撐開發(fā)者的創(chuàng)新模型和算法，實現(xiàn)其它硬件架構無法實現(xiàn)的任務。

而以下數(shù)據(jù)則告訴我們深耕長尾的價值：

數(shù)據(jù)中心：30億美元

安防監(jiān)控：1億攝像頭出貨量，傳統(tǒng)監(jiān)控芯片市場規(guī)模20億美元

自動駕駛：9000萬汽車出貨量，未來ADAS市場10億美元，L2 / L3市場20億美元，L4 / L5市場50億美元

智慧家庭：智能音箱（2017年數(shù)千萬出貨），智能攝像頭，游戲機

智能手機：15億出貨量，AP市場規(guī)模400億美元，美顏相機，AR和語音助手

AI醫(yī)療：醫(yī)學影像診療，高性能計算

機器人/無人機：數(shù)百萬出貨量

但夏硯秋認為，目前的AI芯片還不能解決安防領域遇到的所有問題，而在自動駕駛領域又恰恰相反，是AI芯片運算性能過剩，例如當前的GPU已經(jīng)能夠具備支持L5自動駕駛的性能，人們探討更多的是如何將可靠性從99.9％提升到99.9999％，這需要從更高的系統(tǒng)層面進行思考。深耕長尾的價值在于垂直整合解決實際商業(yè)問題，而在這一波浪潮中，中國IC廠商將首次和國際對手處于同一起跑線。

北京芯愿景有限公司總經(jīng)理張軍援引知名美劇“權力的游戲”的主題，從規(guī)則，攻略和裝備三方面闡述了三大法律法規(guī)，如何建立有效的攻防體系以及兩種時效性非常強的專利工具。

他強調(diào)稱，與集成電路行業(yè)相關的包括專利權，布圖設計權和商業(yè)秘密權。在布圖設計權中，保護“思想的表達”而非“思想”本身，也就是說，按照“條例“第五條的規(guī)定：”布圖設計的保護，不延及思想，處理方法，操作方法或者數(shù)學概念等。“;如果按照”條例“第四條：”受保護的布圖設計應當具有獨創(chuàng)性性，即該布圖設計是創(chuàng)作者自己的智力勞動成果，并且在其創(chuàng)作時該布圖設計在布圖設計創(chuàng)作者和集成電路制造者中不是公認的常規(guī)設計。”，那么，保護布圖設計中的獨創(chuàng)性部分，而非其它;第三點，按照“條例”第七條：該法規(guī)保護“集成電路布圖設計，含有該布圖設計的集成電路或者含有該集成電路的物品”。 ，闡明了布圖設計保護的三個層次。

而根據(jù)獨立創(chuàng)作性要求，布圖設計只要求獨立完成，并不要求首創(chuàng);不排斥兩個獨立完成的內(nèi)容相近甚至相同的布圖設計;布圖設計侵權鑒定時，不能僅憑相似度來判定侵權，還需要確定雙方是否獨立完成 - “接觸+相似”的判定原理而在創(chuàng)造性概念中，布圖設計的工業(yè)產(chǎn)權屬性，決定受保護客體需要一定的創(chuàng)造性;布圖設計的作品屬性，決定受保護客體不僅要有“個性”，還要有一定的“質(zhì)量”;布圖設計的創(chuàng)作性略高于著作權，遠低于專利權。

而專利戰(zhàn)略的目的，是為了自身的長遠利益和發(fā)展，運用專利制度提供的法律保護，在技術競爭和市場競爭中謀取最大經(jīng)濟利益，并保持自己競爭優(yōu)勢的整體性戰(zhàn)略觀念與謀略戰(zhàn)術的集成總和體。

在運用專利戰(zhàn)略攻擊時，既可以使用專利無效訴訟（即利用現(xiàn)有技術進行創(chuàng)新性否定）或技術壟斷訴訟（通過訴壟斷而得到免費專利授權），也可以使用產(chǎn)品侵權訴訟，包括侵權訴訟自有專利訴競爭對手產(chǎn)品侵權），專利購買（購買專利訴競爭對手產(chǎn)品侵權），聯(lián)合專利池（通過企業(yè)之間合作建立共同的專利池）和NPE策略（利用“非關聯(lián)”企業(yè)進行訴訟） 。而文獻公開，宣告無效，外圍專利，設計侵權規(guī)避和共享專利池則形成了專利防御體系。

而反向工程在證據(jù)鏈中的作用體現(xiàn)在使用公開：即通過反向工程查找公開銷售產(chǎn)品中的公知技術，以及通過反向工程查找產(chǎn)品中的侵權證據(jù)具體到集成電路行業(yè)，則包括系統(tǒng)專利侵權分析，封裝專利侵權分析，制造工藝侵權分析，MEMS器件侵權分析，數(shù)字算法侵權分析，嵌入式軟件侵權分析，F(xiàn)PGA代碼侵權分析等等。

專利概要分析報告IPreportor是芯愿景公司推出的兩種“游戲裝備”之一，主要跟蹤通信，MEMS等幾大領域的芯片產(chǎn)品，力求芯片產(chǎn)品面世兩周內(nèi)推出概要分析報告，可以按照領域以會員制方式進行服務。

而IPsense系統(tǒng)則是芯愿景研發(fā)的專利查詢和挖掘系統(tǒng)。在IPsense系統(tǒng)的云端包含有超過42000個芯片的海量數(shù)據(jù)資料。在任意的客戶端通過瀏覽器連接IPsense服務，可以快速查詢芯片的各種數(shù)據(jù)信息并通過瀏覽器呈現(xiàn)給客戶。通過IPsense獨有的智能匹配算法，能夠利用客戶指定的專利內(nèi)容在數(shù)據(jù)庫中進行挖掘和匹配，并將和專利相關聯(lián)的芯片細節(jié)信息呈現(xiàn)給客戶。

目前，憑借高智能的自主研發(fā)的專利同電路的匹配軟件系統(tǒng)，芯愿景已經(jīng)能夠?qū)崿F(xiàn)自主分析重點領域關鍵芯片（主要關注國際前10大設計公司），建立了三層次芯片電路信息庫，做到同國家專利局專利信息同步更新，實時為客戶提供所需的侵權證據(jù)。

Cadence公司中國區(qū)總經(jīng)理徐昀在演講中表示，EDA發(fā)展的歷史就是芯片設計方法學發(fā)展的歷史，整體來看是自下而上，從物理層設計，到電路層設計，再到系統(tǒng)層設計，接下來是人工智能來怎樣幫助設計的下一步發(fā)展。那么，EDA工具的下一步，該走向何方？

過去一年我們看到了人工智能的快速發(fā)展，尤其是中國已經(jīng)成為了人工智能的全球第二大市場，市場的發(fā)展也驅(qū)動了人工智能專用芯片的需求。在需求上來看，最重要的兩個方面，是怎樣在靈活度和性能中達到最優(yōu)的結果。

既然人工智能芯片的主要目的是獲得更高的性能，那一個重要的課題就是，如何在設計的每一個環(huán)節(jié)不斷提升性能，爭取達到能實現(xiàn)的極限。這里所說的性能，主要包括了兩個方面，也是人工智能芯片最關注的兩個方面：能效比（Power Efficiency）和吞吐量（Throughput）。

與數(shù)字后端設計相關的優(yōu)化有兩個方面，要同時考慮功耗和算法兩個因素。而對數(shù)字后端有影響的則是以下幾種重要的方法：1。合理使用存儲單元，包括片上緩存和臨近存儲，從而提高能效比; 2。增加吞吐量包括兩點，一是算力，計算單元的絕對數(shù)量，二是數(shù)據(jù)存儲和訪問的效率。從這樣的前提來看，我們看到了對數(shù)據(jù)流處理的需求。