在高速的科技革命和產業數字化轉型發展進程中，半導體技術被視為這場創新浪潮的關鍵支柱，引領著AI、VR、自動駕駛、數據中心等前沿應用領域加速創新，不斷顛覆人類的生活方式，創造未來新圖景。

2023新思科技開發者大會上，新思科技總裁Sassine Ghazi分享了他對于SysMoore時代下，芯片開發者面臨的五大挑戰：軟件復雜性、系統復雜性、能效、信息安全和功能安全以及產品上市時間，以及新思科技的先進技術和解決方案如何應對不同挑戰，以創新引領未來。與此同時，他也強調，中國約占全球半導體芯片消費量的50%，中國的需求和技術創新持續影響著全球技術發展的風向。未來，新思科技將繼續攜手產業上下游的合作伙伴，繼續推動著整個生態系統加速發展。

以下為Sassine Ghazi演講全文，Enjoy！

大家好，我是Sassine Ghazi，歡迎來到2023新思科技開發者大會。

非常感謝大家對我們的長期支持。我十分激動能夠與大家分享新思科技的最近動態，我們如何看待這個世界的發展，我們又是如何看待周圍正在發生的巨大顛覆和創新？

最為重要的是，作為核心科技行業，我們如何助力世界的顛覆性創新。我相信，半導體產業正處于一個對于這些顛覆和創新至關重要的時刻。如果沒有半導體芯片，沒有從芯片到系統、再到軟件的融合創新能力，可以說，許多令人興奮的，正在改變人類的創新將不可能實現。

五大領域引領科技創新航向

讓我快速給大家分享一些典型的案例。

• 移動通信與5G：回顧過去二十年，基于3G、4G到5G 在移動互聯領域的創新，以及通過提高連接能力、性能并降低功耗而帶來的巨大機遇，我們構建了諸多應用場景并創造出一個全新的行業。當前，隨著生成式AI的加速發展和產品上市周期的縮短，這些應用的創新速度會越來越快。

• 個人電腦與游戲：另一個應用領域是電腦游戲。這是在移動互聯之外，通過 PC將人與人相互連接起來的方式。這里你可以看到，全球80億人口中有20億人都通過這種方式互聯。作為電腦游戲玩家，你是否已經感受到該領域推動著網絡、云和邊緣設備快速發展，從而能夠給所有用戶不斷帶來更好的體驗？

• 消費電子：過去幾年來，業界一直在談論虛擬現實（VR），致力于改變人類的互動、工作、學習等方式。為了實現這一目標，我們需要的不僅是一個快速的網絡，而是一個能夠與大規模、高效的計算相連接的網絡，并能夠驅動邊緣層的各種應用。

• 智能駕駛：汽車行業的變革令人驚喜。過去多年來，這個行業一直沒有大的變化。直到最近5年多，我們對電動汽車的創新和期待指數級增加，從娛樂的角度來看，這是一種完全不同的體驗。

• AI和數據中心：當延申到AI和數據中心，我剛剛提到的所有應用的核心都在這里。這需要聯接性能、計算和速度。AI在效率、用戶體驗和解決問題方面提供了一個全新的機遇。這些問題以前很難解決，因為需要很長時間。這里有一個有趣的數據，AI的計算能力每100天就翻一番。想想看，大規模數據中心正在運行和升級AI應用。而每100天，巨大的需求量就要求計算能力提高一倍。所以我之前談到了一些邊緣應用。數據中心是人工智能訓練的核心，同時也是更有效并高效聯接這些邊緣設備的核心。

當前，這些領域的創新一直在停留在軟件層面。但如我們所看到的，真正驅動并加速創新步伐的根本原因在于半導體芯片的創新能力，以及其與系統和軟件連接的能力。

在這一領域，早期的革新者之一是大約15年前起步的移動設備。他們根據工作負載、軟件一直到硬件進行優化。如今，他們基于軟件應用的需求來優化硬件，許多行業也遵循相同的創新發展路徑。

這對我們意味著什么？半導體芯片的不斷增加，無論是在復雜性還是在需求量上，對我們行業來說都是好消息。從終端用戶來看，用戶體驗正以一種顛覆性的創新速度，真正改變我們的交互方式。

在這里我只展示了幾個例子，但你可以把它擴展到工業互聯，大健康，藥物研發等領域。

創新存在于芯片和軟件的交叉點

目前，半導體市場通過60多年實現了5萬億美元的規模。記住，是60年！但是現在再花7年時間，我們就能實現另一個5萬億美元的規模。這就是我們剛才談到的應用領域而產生的需求指數的商業驗證。你會聽到我經常重復這句話，縱觀整個半導體行業，我們正立于實現所有這些令人興奮的創新和機遇的核心，這是一個多么偉大的地方。

這是2020-2030年半導體芯片消費分布的預測圖。你看，驚人的消費量。而多年來，我們一直深知，半導體芯片的消費量很大一部分都集中在中國。

在過去的 60 年里，我們在“摩爾定律”的指引下前進。我們的創新有一個特定的節奏，每兩年就把集成電路中的晶體管數量翻一番。回想一下這個節奏，它不僅是半導體公司創新的核心，也是系統公司創新的核心。因為系統公司認為，他們每隔兩年就可以提高性能和功耗來升級自己的產品。

現在很多人質疑，“摩爾定律”是走到盡頭了嗎？從技術角度看，我不認為摩爾定律到了盡頭。但是，這張圖展示的是摩爾定律的可負擔性以及每平方毫米良品芯片的成本。你可以看到，在 14 和 16 納米后，每平方毫米的制造成本是呈指數級增長的。

現在，許多應用領域仍然沿著這個模型趨勢前進。這張圖中可以看到，我們有很多機會可以沿著摩爾定律的延續進行優化。這就是我們為什么需要AI加速芯片、GPU、CPU，去榨干它們的性能，然后繼續沿著摩爾定律的路徑前進。這就是我們所說的“規模復雜性”。

還有另一個優化的方向叫做“系統的復雜性”或“系統復雜性”。十多年前，業界稱之為"超越摩爾定律"。在新思科技，我們綜合考慮規模與系統復雜性的交叉點，把它們合并稱為“SysMoore”。

新思科技領先工具，應對SysMoore時代的五大挑戰

我想，我剛剛強調的那些領域，是每個芯片開發者都必須認真考慮的機遇。系統復雜性，能效，對于每個市場應用都至關重要。功能安全和信息安全，保障所有設備都已安全互連。

軟件復雜性驅動系統的軟件內容以及芯片都在增加。當然，還有上市時間。接下來，我會用一個具體案例，展示我所描述的這些價值。

我想以汽車行業為例，跟大家具體聊聊。這是一個最好的例子，因為在過去 5 年中，汽車行業在這五個方面都出現了重大的挑戰。

無論你相信與否。如今，一輛現代化的汽車上大概運行著1億行代碼，到2030年將超過3億行。3億行個什么概念呢？比如新思科技深耕軟件行業多年，產品種類豐富而全面，如今，我們公司有大約3億行代碼量。

現在，你能想象一輛汽車里的軟件有多少了嗎？首要我想問：為什么有這么多？擁有如此大量軟件的原因是，現代化汽車通過中央計算機系統連接了多個區域。傳統汽車通過一根電纜連接整個汽車的多個設備。而現代化汽車則是通過軟件將多個區域或網關連接到中央計算機系統。

這就是當前汽車領域的機遇所在！你可以像使用手機一樣更好地對汽車進行管理，對軟件和功能進行升級和更新。汽車將實現互聯和智能，汽車可以與車主相連，還可以連另一輛汽車、或是連另一個城市，而所有這些都由軟件驅動。有機構預計，到2029-2030年末，也就是7年內，軟件定義汽車也就是SDV的占比將超過汽車總量的90%。而現在這個比例僅僅接近5%。

屆時，軟件定義汽車的比例將從5%上升到90%。這個未來發展的預期，給了我們什么關鍵的信息呢？如果你是汽車制造商，如何在連接汽車的硬件上對大量軟件進行建模和驗證？

這就說到了電子數字孿生，也是新思科技持續投資的關鍵任務之一，我們對此充滿了期待。你可以從兩個方面來考慮它。一種是虛擬數字孿生，你可以通過它創建汽車整個系統的虛擬模型。該虛擬模型是在真車落地之前，在軟件層面的完整實現。一旦有了實物硬件，就可以進行硬件輔助軟件開發，還可以將兩者結合起來，其中一部分是可視化系統，另一部分是通過軟件驗證的硬件模型。基于我們在硬件輔助驗證方面的效率、性能和能力，新思科技在這兩個領域都處于領先地位。從移動領域開始，我們就一直致力于虛擬原型的開發，現在我們正在將這一理念帶入汽車領域。

我也想跟大家分享一個好消息。近期，我們剛剛宣布收購了PikeTec。PikeTec是全球軟件驅動控制系統測試自動化的領導者。如果你把汽車看作一個軟件驅動的控制系統，它需要一個非常智能的自動化測試過程，從而確保能夠在模型在環（MiL）到硬件在環（HiL）之間架起橋梁，一直到車輛在環（ViL）。

這是什么意思？在汽車數字孿生建模的抽象概念中有不同層級，它則是作用于在還沒有硬件的早期階段。這里的硬件指的是中央計算或邊緣的芯片。當硬件到位時，你就可以通過硬件和軟件的混合來驗證軟件的功能，并進行軟硬件的協同開發。

我剛剛談到了摩爾定律放緩以及摩爾定律的成本。那么，替代方案是什么？如果不按照摩爾定律的指導進行優化，如何才能繼續創新？這就是系統復雜性帶來的困難。

這里，我將展示3DIC或者叫先進封裝或者多裸晶芯片系統在高性能計算服務器和AI領域的重要作用。

出于各種原因，目前，汽車電子占整個多裸晶芯片系統份額的13%，并且正在快速增長。如果汽車的復雜度從 L0、L1提升到L4、L5，那么在汽車上的半導體投開銷將增加 50 倍，才能實現自動駕駛、高級輔助駕駛（ADAS）類型的互聯汽車。50 倍開銷可不是小數目。因此，硬件的復雜性和可負擔性就成為了一個巨大的挑戰。

汽車行業正在努力應對這一挑戰。如果是L2的ADAS，你可以采用一些早期的技術簡單實現。這里面包括CPU、GPU等模塊都需要在同一技術節點上完成。但到了L4，無論是用于計算的AI芯片、CPU、GPU，或者連接先進內存，還是聯網，都變得更加復雜而智能得多得多。我們可以采用流行的多裸晶芯片方式，選擇哪些功能需要采用最先進的技術，哪些功能可以采用 16 納米或 7 納米技術，然后把它們組合在一個系統中并整合到一個封裝內。

新思科技在5、6 年前就關注到了業界的創新正在轉向這一趨勢。據估計，到 2026 年，約20%的芯片系統將采用多裸晶芯片或 3DIC 技術，到 2030 年，這一比例將上升到 40%。

未來，在整個芯片設計中，40%的多裸晶芯片系統將是3D的。新思科技3DIC compiler，能夠助力合作伙伴對3D芯片系統進行架構的探索，并通過我們的Die-to-Die接口IP，如 UCIe 和其他HBM 接口，將這些獨立的裸晶或小芯粒組合到同一個系統中。為了監測該系統完成封裝好之后的健康狀況，我們需要對芯片生命周期進行管理(SLM)，也就是在整個封裝和系統中監測每個裸晶，每個小芯粒的健康狀況。

我們在這里討論的是汽車領域的功耗。我們可以想象，功耗在移動設備中至關重要。在數據中心里更是如此。原因很簡單，現在大多數數據中心能夠獲取的電力都相當有限，導致它們難以提供強大的計算、云以及其他和基礎設施等服務。

因此，能源效率在各方面都很重要。如果我們再看看汽車本身，2022年全球有電動汽車850萬輛，到2030年這個數字預計將達到4100萬。汽車電氣化的增長是驚人的，同時這么多車所需的用電量也將更驚人的。

一個有趣的數據是，平均每輛電動汽車消耗20千瓦時電量只能行駛100公里。

這是個什么概念呢？這大約是一個獨棟別墅一天的用電量，你只能開電動汽車行駛100公里。而電動汽車在未來的幾年里會呈指數級增長。因此，這些電動汽車行駛100公里、1000公里所需的電力供應，很大程度取決于每輛汽車的能源使用效率水平。

那么，我們該怎么辦呢？新思科技推出了端到端低功耗解決方案，可覆蓋架構、RTL、實施到簽核的完整流程。正如你所看到的，從比重來看，架構層面對能源優化的影響最大。基于新思獨一無二的Platform Architect，它可以從架構層面就確定怎樣做功耗權衡，才能實現客戶希望的最優的性能、功耗等指標的平衡。

我們有諸多全球領先的技術來完成RTL分析，如 SpyGlass 和 PrimePower。這些都是RTL級別的功耗簽核工具。進入 Fusion Compiler 后，正如你所看到的，能耗優化的機會越來越少，一直到PrimeECO 和簽核，功耗降低的比例會越來越低。到下一步，我們可以采用 ZeBu 進行硬件輔助驗證。使用ZeBu，在每一級中我們都找到正確的方向來驗證每個階段的功耗，從而構建更加穩健的系統。當然，我在這里展示的系列解決方案也適用于汽車電子以外的其他應用。

想想一輛汽車上面的3億行代碼，你首先想到的可能就是代碼的安全性。這不僅僅關系到信息安全。一旦一輛車被 “黑客”入侵了，就可能影響到汽車的功能安全。

因此，在軟件驅動汽車和代碼體量飛速增長的大背景下，我們如何看待自動駕駛汽車的功能安全和信息安全問題呢？

以下是一些統計數據。2022年，12%的網絡攻擊都是針對汽車的。如我前面提到的數據，到 2030 年，電動汽車的數量會大幅增加。2022年，超過一千萬輛汽車因功能安全隱患(在美國)被召回。其中很多都是由軟件和半導體芯片導致的功能安全隱患。因此信息安全和功能安全至關重要，是信息技術可靠性的重中之重。鑒于汽車主要由軟件和芯片、半導體驅動，汽車的可靠性就變得至關重要。

之前，我們介紹過芯片健康的重要性，也叫芯片生命周期管理。我之前談到過在多裸晶芯片或 3DIC 中的 Silicon Lifecycle Management（SLM），可以分為三個階段。

第一部分是監控芯片的健康狀況。這就是我們在芯片內部嵌入監控器、傳感器和路徑監控，以持續跟蹤和測量整個芯片的性能和功耗。因此，當芯片上運行任何軟件應用時，SLM都能給出該軟件運行的功耗與性能的報告。

然后再進行預測性維護，在芯片的整個生命周期內，當芯片在系統中運行時，SLM可以讓你深入了解系統的維護和健康狀況。這就是可靠性的來源。

芯片是否過熱？是否會造成靜電放電老化和故障？軟件運行何時會導致該類故障發生？因此，SLM具有軟件可見性并能監控芯片性能。

一旦芯片安裝到車里，我們就可以對多系統或多車輛進行應用管理，這也是提高實地車輛安全性和可靠性的另一個重要機遇。

最后，也是最重要的，是這些產品的上市時間。我們都知道，特別是在過去的五年左右，人才和資源的壓力持續存在，這不僅是因為自動駕駛的快速發展，還包括我前面提到的，移動設備和數據中心等五個不同的垂直市場的蓬勃發展。隨著半導體芯片的體量、智能化程度和復雜性的迅速增長，培養更多能夠應對系統和軟件綜合復雜性的開發者壓力極大。

我們談談SoC設計復雜性吧。如今，在西方國家，一般而言，汽車制造商生產自動駕駛汽車，如果他們從零開始為汽車開發芯片，那么從開始開發到投產的周期大約為6到7年。我知道，對于中國的一部分汽車制造商來說，這個周期要短得多。但是，這也反過來造成了半導體行業中，汽車芯片人才的嚴重短缺。中國半導體行業協會公布的一組統計數據顯示，預計半導體人才缺口將達到20萬人。

因此，整個半導體芯片產業該如何解決人才短缺的問題呢？當前，我們全行業現在都在努力探索如何利用AI來大大縮短產品上市時間、提高工作效率并實現更好的設計結果等。