半导体芯片该怎么投？

    AI是未来数字化社会的核心。同时，AI又给传统的芯片计算架构提出了重大挑战。我们现在常见的AI运算，或者说深度学习（DeepLearning）的运算，和传统的计算最大的不同，就是他是一类运算逻辑简单，而数据量巨大的计算。原有的通用CPU无法适应这样的需求。而AI的广泛应用，又使得为此专门开发芯片变得有价值，这也就是计算机体系架构宗师DavidPatterson所说的DSA（DomainSpecificArchitecture，特定领域架构）。

    同时，随着人工智能的发展，整个AI体系日益在向边缘化发展。今后的AI将是一个云-边-端三级AI体系互相协同的架构，而不是全部集中到云上。这样就出现了云、边、端三级的AI芯片需求，虽然目前在云上有英伟达的GPU，边和端也有很多传统公司的各种解决方案，但还是造就了足够大的创业空间。

    AI芯片的核心问题之一是要解决由来已久的“存储墙”问题。因为按照传统计算机的冯纽曼架构，处理器要运算数据，就要将数据加载进处理器，但是存储器的访问速度和技术提升速度一直有限。事实上在深度学习出现以前，处理器和存储器速度的匹配问题就已经存在很多年，出现了一个名词叫“存储墙”，意指这两个器件之间的速度不匹配，好像一堵墙挡住了数据处理的效率。

    深度学习是巨量数据的运算，更加剧了“存储墙”问题。巨量数据先要倒进处理器，由于现在的处理器还不能一次性算完，算出来的各种中间结果又要倒出，这样数据在处理器内外来回倒腾，存储墙变得越来越高。

    解决这个问题的思路有很多，包括尽量减少数据在处理器里外的倒腾，争取一次性地搞定一批数据的处理；尽量把存储和数据放得离处理器足够近，减少倒腾；想办法把存储数据传输的速度做的尽量快，减少倒腾时间。但是都各有优劣和难度。

    为解决这个问题，现在一种新的技术思路叫做“存算一体”。就是把存储和计算放在一起，消除“存储墙”。也被称为“存内计算”，就是把存储器作为计算器来用。这是一种比较理想的解决方案，被阿里达摩院评价为十大科技趋势之一。

    值得注意的是，存内计算本质上是一种用模拟量进行的计算，也就是利用器件本身的物理特性自然进行的计算，而不是用数字化的逻辑。从大的方向上来说，人类研究中的量子计算也是属于这一类性质。模拟量的计算会比较专用，但是会有较数字计算高出数量级级别的效率。从大的方向上来说，这会是一种趋势。

在这个方向上，普华目前投资了知存科技。这是目前国内存内计算领域技术上最成熟的一家公司。中国的半导体产业除了要在技术上追平现有的国际大公司，也需要在新的赛道上有敢于走在前列的勇气。这方面我们也会持续关注。

    如果我们了解我们身边设备智能化发展的细节，我们是会惊叹的，有如此多的设备已经被智能化，而且，今后还将进一步被智能化。当然，大量的设备的智能化，并不是通过新兴的AI芯片，而是用“传统的”MCU，也就是早年我们说的单片机来完成。顾名思义，单片机就是在单个芯片上实现的最微小的计算机。MCU是我们这个智能化世界最广泛的基础力量。

    现在，我们身边哪怕是最常见的电器，从最近大火的TWS蓝牙耳机，到看着没啥智能的电扇、洗衣机，甚至手电筒，里面都有MCU在控制。也就是说，里面都有一台到几台小计算机，都是“智能的”，是某种意义上的“机器人”。当然，这些计算机的能力还不够强大，不足以实现和人直接对话交流，但是随着芯片功能的进一步强大，类似吹风机和人对话这样的魔幻场景也可以成为现实。

    “传统的”类似MCU这样的通用芯片和前面所说的AI芯片之间的分工界面也是个有意思的话题。在云端，除了通用处理器，需要独立的AI芯片来协助处理AI问题，这几乎没有疑义。但是越往边缘走，从成本和各方面考虑，通用处理芯片越有可能“一肩挑”，“一岗双责”地把AI的工作也做了。有的地方，通用处理芯片会通过集成AI功能的IP，做成SOC的形式来完成对AI功能的增强支持。甚至可以通过软件的方式，直接基于通用处理芯片来支持AI。

    既然是物联“网”，那少不了通信。通信芯片，是物联网芯片中重要的一大类。物联网领域的通信，分为长距离的广域通信和短距离的局域通信两大类。广域通信如大家耳熟能详的NB-IOT、LORA，日渐不受待见的eMTC，最近突然又大火的CAT1等等，局域通信如蓝牙、WIFI、ZigBee等。

    传感器是数字世界和真实世界的界面，是人工智能获取物理世界信息的器官和整个智能化的起点。MEMS传感器、光电传感器、这些都随着数字化的进程而迅速增长。

    在这个方向上，MCU赛道我们投资了灵动微和初创公司泰矽微。见贤思齐，如果拿现在的芯片行业龙头公司来比拟，前者走的ST路线，力争形成一种MCU的产业生态；后者走的microchip路线，结合自身在核心模拟IP开发能力方面的优势立足于泛互联网领域，力争在具有足够深度的专业赛道上跑出自己的优势。

    在上面说的让MCU更加智能化，通过软件对通用芯片进行AI赋能方面，我们投资了领先的芯片级AI引擎公司开放智能。开放智能联合中国ARM推出的Tengie，是这个领域最好用的AI引擎之一（或者没有之一）。

    在传感器领域，目前我们投资了MEMS公司通用微，这是硅麦领域名列前茅的公司之一，并且通过软件体系在声音领域建立了自己独特的生态。这里我们的投资还有很多空白，我们在热切地期待和有潜力公司的合作。