為什麽半導體產業難逃寡頭壟斷？

我們知道，此前在半導體產業，一般的芯片公司都隻專注於少數幾種種芯片，但近年來，芯片公司除了之前的縱向發展提升速度外，也越來越注重橫向發展，開始整合各種不同類型的芯片。

前不久，英偉達發布了其機器人平台——Jetson Xavier，我們可以看到，這個平台包含了6種處理器：1個Volta TensorCore GPU、1個8核ARM64 CPU、2個NVDLA深度學習加速器、1個影像處理器、1個視覺處理器和1個影片處理器。

我們再來看之前英特爾的AI大會，其AI平台也包括一票不同的處理核心，包括：CPU、GPU、DSP、NNP、FPGA等。

手機SoC也是功能不斷的豐富，在傳統的CPU、GPU、ISP、基帶芯片之外，現在越來越多的廠商還會加入另外的加速DSP、用來加速AI的NPU等處理核心。

隨著應用越來越多樣化，這種通過多種芯片進行異構計算已經成為行業的主流，目前看來這種趨勢可能會繼續加速。

摩爾定律越來越接近物理極限

摩爾定律是由英特爾（Intel）創始人之一戈登·摩爾（Gordon Moore）提出來的。其內容為：當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍。換言之，每一美元所能買到的電腦性能，將每隔18-24個月翻一倍以上。

這一定律到今天為止，基本上準確預測了半導體行業的發展節奏。此前摩爾定律幾乎每年都會推動微處理器的性能提升50%，而半導體的物理學限制卻讓其放慢了腳步。如今，CPU的性能每年只能提升10%左右。英偉達CEO黃仁勳在每年的GTC上都會提到同一件事——摩爾定律失靈了。

現在最先進的處理器為10nm製程，目前壟斷半導體光刻市場的ASML 將光刻機的技術藍圖推至 2030 年 1.5 納米，給了摩爾定律10年左右的壽命，誰也不知道最後的極限到底是多少，但是維持摩爾定律越來越難一家是業界共識。

在這樣的情況下，單純的提升一種芯片性能變的代價越來越高，我們可以看到，目前可以支持高端芯片研發的企業已經越來越少，因為芯片的研發成本已經超過了一般商業公司的承受能力。

當單一芯片發展遇到瓶頸時，橫向的發展就變得更加重要，拓展多種芯片可以將自己的市場快速擴大，現在已經成為芯片廠商的主流發展方向。

單一芯片應對不同形式計算力不從心

在移動和雲時代到來之前，大家對計算的需求主要集中在運行順序執行的桌面應用程式，而娛樂需求，催生了專門用於3D計算的顯卡。

那時的計算設備更多的放在固定的地方，沒有太多的移動需求，因為連接著電網，其對功耗的控制也沒有太多的需求。但是移動和雲時代的到來改變了這種情況。

移動設備需要處理各種各樣的資訊，包括通訊、執行程式、處理圖片、娛樂遊戲、處理各種傳感器的資訊等等。傳統依靠類似CPU這樣通用處理器來處理這些資訊的效率非常低。

一個是時間上效率低，CPU這種為順序計算而設計的處理器，一旦被佔用，其他處理請求就只能等待。這樣任務一多，很多請求就得不到及時處理。另外一個是能源使用上效率低，為了應對各種不同的情況，CPU的功耗會比專門處理相應數據的處理器更高，這也是為什麽 iPhone在5S引入了協處理器來處理陀螺儀等傳感器的數據，來為設備省電。

於是一開始就精通SoC技術的高通，在移動市場到來時便如魚得水。高通一直以集成度高著稱。高通的SoC裡麵包括了各種各樣的處理單元：包括加速3D的GPU，處理照片的ISP，處理通信的基帶芯片，處理音頻的編解碼器，加速向量計算的DSP等。

在移動平台上，各種芯片各司其中，大大提升了手機等移動設備各項功能的響應速度，同時其功耗也可以得到保證，畢竟依靠電池的移動設備對用電非常敏感。

而到數據中心這一端，處理海量數據成為數據中心的主要工作，而傳統的處理器並行計算能力受限，超級電腦常常要並聯上萬顆處理器。特別是AI計算越來越受重視後，CPU並行能力差的弱點更加暴露無疑。

而這個時候，更適合並行計算的GPU就成了很好的選擇，2008年前後，通過GPU構造的超級電腦越來越多，而2013年之後來爆發的AI計算熱潮，更將GPU應用推向了高潮。於此同時，像FPGA這樣的產品，也被發現可以很好的加速於AI算法，成為數據中心的常客。

相對於個人，數據中心也十分在意能耗，電費開支是數據中心的一個大項開支出。所以利用特別的硬體加速算法，節省用電，也是數據中心的追求，這和移動的的需求類似。所以在雲端，越來越多不同種類的芯片也開始被應用。

資本本為紐帶，大整合時代到來

正是由於計算需求的多樣化，不同的應用需要不同的芯片來支持，也使得芯片廠商不得不進行橫向擴展。

我們看到，近幾年，高通32億美元收購了Atheros，25億美元收購了英國芯片廠商CSR公司，還開出380億美元來收購MCU龍頭老大恩智浦。另外還有很多小型的公司也陸續被高通收購。雖然收購恩智浦這個巨型收購還沒被批準，還有博通意圖收購高通的驚天合並案被美國政府否決，但是芯片行業的大整合從這些收購案中便可見一斑。其實相比以業務拓展為目的來不斷收購的高通，博通才是近年來通過資本杠杆不斷並購公司，並且將市值推高的資本高手。

再來看英特爾，簡直就是買買買的典範。153億美元收購自動駕駛公司Mobile Eye；130億美元收購Altera；4.08億美元收購人工智能(AI)創業公司Nervana Systems，還有做視覺處理器的Movidius，英特爾已經將各種人工智能芯片全部買齊。

而國內這邊，以紫光為代表的財團，也開始大力整合，紫光集團在2013年-2015年收購了展訊、銳迪科、新華三。並擬38億美元投資硬碟龍頭西部數據成為為大股東、並通過西部數據190億美元收購存儲芯片商Sandisk。2016年，紫光集團通過二級市場低調收購FPGA芯片企業萊迪斯6.07%股權。也大有買遍天下的氣勢。

從資本角度看，由於摩爾定律基本失效，低於28nm的工藝已經無法降低成本，必須通過企業的整合來擴大規模來獲得規模優勢，才能在市場競爭中獲得成本優勢，否則就會被市場淘汰。所以，近年來芯片行業並購異常激烈，並購規模屢創新高，並且沒有看到有停歇的意思。

在技術和商業的雙重因素推動，將半導體行業真正帶入了寡頭壟斷階段。無數創業公司競相鬥豔的時代日漸遠去，大概只有在AI等新興領域還有吉光片羽。

從整個行業的資本湧動來看，大多數的芯片企業都已經拋棄了之前偏居一隅細心經營自己的一畝三分地的做法而開始大肆整合，之後全面出擊，不同領域之間的競爭也越來越激烈。我們看到，高通和英特爾在筆電和基帶上已經開打，英偉達和英特爾在數據中心開打，但這種衝突可能才剛剛開始，真正的大戲可能還在後頭。