四月初Google公布其使用客制化ASIC設計的TPU測試報告，性能及功耗都遠遠勝過市場上的CPU/GPU組合（注1），非常適合人工智能及深度學習的運算。報告公布之后網上就有很多相關討論，也有一些朋友問我，IC設計服務公司可否進入AI芯片市場？回答我的看法之前，讓我先簡單交代一下IC設計服務市場的演進。

在晶圓代工模式尚未誕生之前，IC產品主要來自IDM，當時的IDM都有自己內部標準產品（ASSP），從規格訂定、設計、到制造、封測全在內部完成。而不少的IDM也對外提供客制化的芯片設計（ASIC） ，如當時的IBM、TI、LSI、VLSI Technology、STM、NEC、Toshiba等等，從商業模式來看，IDM的ASIC業務也算是一種設計服務。1987年臺積電率先提供晶圓代工服務之后，無晶圓廠（fabless） 的IC產品公司才像雨后春筍般的冒出來，相關的生態鏈包括IP、EDA、IC設計服務產業隨后也因應而生。

由于IC設計服務公司提供共享的設計資源（注2）給很多初期不需要自己投資建構內部團隊的新創IC產品公司以節省資金，并快速推出產品進入市場，一時之間忽然變成需求很高的產業。再加上受到全球第一家設計服務公司智原在1999年掛牌上市的激勵，新創的IC設計服務公司在那幾年全球成立超過30家，有的主打特定晶圓廠，有的則強調支持多個晶圓廠甚至可以協助廠與廠之間的轉換（porting）。設計服務產業沒過多久就供過于求，市場競爭轉趨激烈。

隨著Moore’s law演進，制程愈趨復雜，芯片集成度亦隨之倍數成長，產品的性能及功耗規格要求也更加嚴厲，設計公司除了人力/物力/投資成本遽增之外，技術挑戰及產品失敗的風險也相對提高很多。經過幾代制程的演進之后，自然淘汰了一些較弱的競爭者，留在場里的選手也大致有些分級并各有定位，呈現較為健康的競爭態勢。到了16納米及以下的節點（目前到7納米），更高的技術門檻不但隔絕了一些競爭者，也讓較優質的IC設計服務公司增加了不少從系統公司甚至IC產品公司委外設計機會。專業先進的IC設計服務公司在晶圓代工生態鏈的地位，越高階制程就越重要，市場競爭優勢也就越明顯。

這兩年火紅的應用如AR/VR、云端運算（大數據分析）、人工智能及深度學習，甚至比特幣都需要高性能及低功耗的芯片。大型的系統公司、數據中心、互聯網平臺等公司漸漸不用市場上標準芯片（ASSP），而傾向自己開發客制芯片（ASIC），一來以滿足其性能及功耗的需求，二來與其競爭者作差異化。Google TPU就是一個明顯的例子。這種趨勢更增加了IC設計服務領導廠商的機會。

IC設計服務產業因需求而誕生，又因過度供給競爭激烈而汰弱存強，走了20個年頭，這個產業現在正邁入一個比較健康的供需市場而逐漸茁壯。

本篇為作者個人所觀察的產業趨勢，跟所擔任顧問的公司無關。

注1：Google 云端平臺博客：Quantifying the performance of the TPU， our first machine learning chip

注2：設計服務的分享資源定義上不屬于最近所謂的分享經濟。其資源并非閑置，模式為B2B，且非經過交易平臺做資源分配，就象是半導體客戶共享臺積電或日月光的技術與產能資源一般。