超大规模业者(hyperscale companies)主宰了电子世界。这些简称为“FANG”──包括Facebook、亚马逊(Amazon)、苹果(Apple)、Netflix、Google，以及“BAT”——阿里巴巴(Alibaba)、腾讯(Tencent)、百度(Baidu)，还有微软(Microsoft)──的公司，无论你选择哪一种指标来衡量，都比世界上最大的芯片制造业者来得有份量；我们在接下来十年可以确定，这些巨擘将以我们很少人能想得到的方式重塑这个产业。
苹果与台积电(TSMC)之间的关系就是一个例证；苹果的订单占据了这家全球晶圆代工龙头销售业绩的五分之一左右，还有一半以上的7奈米制程产能。而随着越来越多FANG为了人工智能(AI)与高性能运算(HPC)应用量身订制芯片，这种趋势将为半导体产业带来变革，也对该产业领域的传统业者带来更多压力。
那些颠覆商业、改变文化的“全球最大公司”，正开始重塑半导体产业；而它们到底做了什么前所未见的事情、为什么要这么做？又可能会产生哪些后果？
两年前，Google发表了自家开发的张量处理器(TPU)，在机器学习测试上超越了英特尔(Intel)的Xeon处理器以及Nvidia的GPU好几个等级；Google的TPU芯片是委托台积电以28奈米制程技术生产。
大约一年前，亚马逊发表了用以驱动其客户网站以及其他服务的Graviton服务器芯片，该芯片也是在台积电以28奈米制程生产。Gravitron的表现超越了英特尔与AMD现有的通用处理器，能在亚马逊的环境中以高效率运作，有助降低成本；使用以Gravitron驱动之服务器的客户，也能将某些服务的开销节省一半。
现在，Facebook也正着手自己设计芯片。而像是英特尔、AMD与Nvidia等公司必须注意，FANG公司已经踩到它们的地盘。
可以确定的是，FANG们不太可能会加入收购行列，在半导体产业掀起另一次“整并疯”；那些因特网巨擘已经是美国政府“反垄断”行为审查的对象。但是它们有可能会尝试其他低调一点的作法，例如从芯片业挖角人才──这它们完全负担得起。FANGs通常都会与IC设计服务业者合作，它们能轻易地与例如台湾的无晶圆厂IC业者接触，延揽关键人才。
到目前为止，大多数由FANG设计的AI芯片是针对数据中心应用；今年稍早，高通(Qualcomm)也宣布进军该领域的计划，估计数据中心市场到2025年可达到170亿美元的规模。英特尔预期会在今年稍晚发表Nervana NNP-L1000，但该款AI芯片恐怕在性能表现上难以超越Nvidia最新的数据中心应用GPU。
影像与语音识别以及大数据处理等应用，正在让芯片的功能性延展到PC之外；AI芯片能有助于降低数据中心的功率消耗──数据中心的功耗每年以倍数增加，以一种不应该永续发展的速率。而全球有超过40家公司正在开发AI专用加速器，大多数是为了推论而非模型训练；后者以Nvidia为霸主，囊括数十亿美元市场。
当越来越多公司为边缘装置打造AI芯片，会发生什么事？虽然现在这种案例还没有到非常多，但时机已经到来；大多数专家预期，边缘AI会是一个比数据中心AI更大的市场。
“在现实世界所布署的边缘AI应用究竟需要多大的运算力，现在还没有答案；”Arm的机器学习事业群副总裁Steve Roddy 表示，在车用领域可能需要数个分布式系统或是单一个中央化系统，在工厂则可能需要每一台智能装置以无线链接到后端的中央CPU或分布式计算。
Roddy也指出城市中的相同问题：在5G网络中需要多大密度的运算？集中化程度有多高？“Arm的目标之一是打造一种系统，在中间件层可允许应用程序无缝地从不同的运算模式中转换，而且那些模型会随着时间进化。”
显然Arm打算在分布式AI领域扮演关键角色，Google也是一样──Google的TensorFlow行动/嵌入式团队领导人Pete Warden表示：“能支持智能功能如语音控制接口或加速度器的传感器，正朝向低功耗、低价发展，因此它们将随处可见。”
“由AI驱动的运算装置将以各种可能的方式进入我们的生活，”《AI at the Edge: A GigaOm Research Byte》一文的作者Byron Reese表示：“那些在数据被收集的边缘执行推论之装置，在功耗、安全性与速度方面的要求，会让那些在我们日常生活中扮演要角的数字装置，以一种越来越普及的方式扩张规模。”
包括意法半导体(ST)、赛灵思(Xilinx)以及其他许多传统芯片业者，也以进军规模可望远胜数据中心AI的边缘AI市场为目标，但它们才刚起步。这些传统业者与那群规模更大的“新人”站在同一条起跑在线，而我赌赢得胜利的会是后者。
(原文发表于ASPENCORE旗下EDN姐妹媒体EETimes，参考链接： The FANGs & the Foundries，编译：Judith Cheng)
最前沿的电子设计资讯
