中國半導體的每一步發展，都歷經艱辛，凝聚著無數半導體人的汗水。時間回到上世紀九十年代，當時正是摩爾定律大行其道的時候，在硅谷半導體公司是資本最熱衷的方向，然而在中國，由于西方國家的技術封鎖，我們的半導體業只能摸著石頭過河，一步一個腳印。在那個時候，最熱門的方向是微處理器CPU。以Intel為代表的微處理器領跑者們憑著數十年的技術積累，技術上已經遙遙領先，相當于在筆直航道全速行駛的巨輪，后來者想追上甚至超越它何其困難。

然而，巨輪體積大也有其不利之處，就是掉頭困難。一旦全球技術風向發生了變化，原來最熱門的賽道變得不再那么重要，那么轉型困難的巨頭往往會成為新時代的失敗者。還是拿Intel為例，10年前，當PC和微處理器業務增長不再迅猛，技術風口轉向移動設備時，Intel并非沒有看到這個機會，然而，大公司的決策過程注定了Intel即使看好移動設備行業也沒法輕裝上陣從頭開始。于是，想要把x86指令集以及相應架構做低功耗版放到移動設備上的戰略徹底失敗，在移動設備處理器領域Intel完敗給了ARM，即使在通信基帶方面也只是成為了備選方案進入了部分蘋果手機。應當說，Intel過去的成功經驗在新賽道上反而成為了包袱。另一方面，以華為海思為首的中國半導體卻在移動設備領域追了上來，推出的手機SoC已經是全球一流水準。

轉眼到了今天，全球科技和半導體的新熱點已經是AI，物聯網，區塊鏈，自動駕駛等。半導體行業在經過多年的快速發展后，我們欣喜地看到，在這些新賽道上，已經有不少輕裝上陣的中國公司在領跑了。如果我們的半導體公司能保持優勢，那么，當這些新的技術熱點真正落地帶來巨大的市場的時候，這些中國半導體公司就能隨著市場一起快速成長并躋身全球半導體領導者的行列。下面我們就來看看這些由中國半導體公司領跑的新賽道。

人工智能（AI）

人工智能從2016年開始真正成為了全球最熱門的技術方向之一。這一波人工智能主要基于大數據和深度學習，使用經過海量數據訓練的深度學習模型，從而能夠實現一系列任務，包括物體分類、畫面內物體識別、語音識別等等。這次人工智能的革命性在于，它能解決之前的機器技術難以定義的模糊問題。例如，人臉識別問題，在工程上之前最大的問題就是到底什么是人臉，很難給出一個明確定義——如果說有兩個眼睛一只鼻子一張嘴就是人臉，那么猴子的臉也是這種結構。而現在使用大數據的方法就可以解決這個問題，只要給算法足夠多的訓練數據讓深度學習算法自動從數據中提取特征，就能學習出什么是人臉。這樣一來，智能化系統能處理的問題就從原來的“確定性問題”到現在的“模糊問題”。這個進步非同一般，因為我們日常生活中遇到需要處理的事務絕大多數都是像人臉識別這樣的模糊問題，因此智能化系統通過新的深度學習人工智能就能實現更進一步的自動化，大大提高生產力。這次的人工智能技術可望成為21世紀最重要的技術突破之一，因此國家決策層也相當重視，在一些重要文件中反復強調AI的重要性，在政策上也大力扶持相關產業。

由于人工智能是基于深度學習算法，因此人工智能算法在運行時的計算量很大。舉例來說，流行的用于圖像識別的深度學習網絡VGG-16做一次識別需要超過300億次計算，而傳統的CPU對于這類人工智能運算支持并不好，VGG-16即使跑在最先進的CPU上，也需要一秒以上才能完成一次運算。GPU雖然對人工智能支持較好，但是它動輒需要幾百瓦的功耗，因此無法部署在移動端。因此，算力已經真真切切地成為了阻礙人工智能普及的瓶頸。

在這種情況下，人工智能加速處理器的概念就應運而生了。人工智能加速處理器是一種專門為人工智能計算優化過的處理器。與CPU芯片大部分面積都用來優化控制和暫存不同，人工智能加速處理器利用深度學習網絡數據流非常規整的特點，把絕大部分芯片面積都用來放置計算單元，從而可以實現高算力。與GPU使用多線程批量存儲數據從而導致內存訪問能耗巨大不同的是，人工智能加速處理器對于數據流做了專門優化，從而減小了內存訪問帶來的功耗，最終在實現算力要求的情況下可以把功耗控制在數瓦甚至更小，從而讓移動端部署人工智能成為了可能。

由于人工智能技術非常新，因此在加速器方面無論是巨頭還是初創公司都站在了同一起跑線上。高通曾經在兩年前推出了Zeroth神經網絡處理器作為試水，然而由于其設計的架構并不成熟因此并沒有獲得成功。而中國的初創公司寒武紀則在人工智能加速器領域搶先拔得頭籌。寒武紀的創始團隊來自中國科學院計算機所，由于學術圈的前瞻性在2012年深度學習剛得到學術圈中的肯定就開始關注并研發相關硬件加速器，其學術論文多次發表在了頂級國際會議上。當人工智能真正開始商業化落地的時候，寒武紀團隊做了非常成功的學術產業化，把之前的研究成果做成了成功的產品，其標志性事件是與華為合作在麒麟970 SoC中成功加入了寒武紀人工智能加速器IP。實測結果表明，擁有寒武紀加速器IP的麒麟970 SoC的人工智能相關計算性能大幅超越了蘋果搭載neural engine IP的A11 SoC，真正成為了全球人工智能加移動計算的領跑者。相比寒武紀，其他半導體巨頭在人工智能加速器方面的動作可謂是較為落后：就在麒麟970在九月初完成測試并公開發布后近一個月，人工智能業的半導體巨頭Nvidia才發布了類似的開源NVDLA IP（至今未有相關芯片）；而Intel雖然已經號稱要全面進軍人工智能領域已久，但是至今仍未有面向移動端的相關產品出現。

除了寒武紀之外，中國在人工智能芯片領域的公司還包括地平線，啟英泰倫等，且都已經有相關芯片問世。隨著人工智能未來的趨勢從云端逐漸過渡到終端，人工智能加速器相關芯片將會得到更多應用，按照目前的情勢中國很有可能在相關領域誕生數家技術領先全球的成功半導體公司，讓我們拭目以待。

IoT

IoT物聯網是公認的未來趨勢，也是中國政府的未來工作重點。因此，中國率先牽頭成立了“國家隊”，從通信標準、運營商到硬件方面都走在了世界前列。中國NB-IoT已經開始大規模商用，在智能水電表、共享單車等民用領域得到了廣泛應用，在工業上的應用就更多了。相比而言，美國和歐洲國家的物聯網應用主要還是在工業領域，在民用領域還未看到大規模實際應用。

伴隨著IoT的整體鋪開，中國的IoT芯片也走在了全球領先的地位。在NB-IoT協議公布后，華為海思就在全球首先發布了Boudica 120芯片組，而中興、紫光展銳等廠商也爭相跟進。一方面，中國的IoT政策優勢巨大，推廣力度在全球絕無僅有；另一方面，低成本芯片也一向是中國芯片廠商的長項。因此，我們可望在未來中國的IoT芯片能走在世界前沿。

無人駕駛車載傳感器

無人駕駛也是熱門技術方向。在無人駕駛相關硬件方面，77GHz毫米波雷達和激光雷達LiDAR也就成了兵家必爭之地，也是國內資本熱衷的方向。在這個資本風口上，中國誕生了不少技術領先的公司。

在77GHz毫米波雷達方面，中國的加特蘭微電子的技術可謂是全球領先。加特蘭的創始人來自于全球著名的加州大學伯克利分校，在博士畢業后將博士期間的毫米波電路技術帶回了國內，在2014年創辦了加特蘭。雖然毫米波電路的技術當時主要掌握在TI等國外半導體巨頭手中，但是當時77GHz的毫米波雷達在汽車中也并未得到大規模應用，還處于不溫不火的狀態，這也就給了加特蘭以趕超的機會。而在無人駕駛真正啟動77GHz雷達市場的2017年，加特蘭也隨之發布了使用CMOS工藝的Yosemite系列量產77GHz雷達收發芯片，在性能達到4T8R的全球領先水準的同時，因為使用了CMOS工藝因此可以有更高的集成度相比使用SiGe工藝的國外半導體廠商產品能集成更多數字處理模塊，同時其成本也只有國外同類產品的1/2-1/3。

在LiDAR領域，中國廠商也毫不落后，擁有禾賽、速騰聚創、北科天繪等一批優秀的公司。目前，LiDAR行業的趨勢是從機械掃描是LiDAR轉向沒有機械部件的全固態LiDAR，而趨勢是芯片對公司的價值會越來越高，一家LiDAR公司擁有了芯片才能說是徹底把握了供應鏈。禾賽、速騰聚創、北科天繪等中國公司雖然還未正式發布芯片，但是預計芯片設計都已經在進行時，讓我們拭目以待。