獨特的核心IP才是生存之道。希望更多的半導體公司不是簡單拼湊的一些IP而是每一家公司有自己獨到IP第三。>
技術創新的變量被放大，功耗的限制、場景的需求、技術的突破—歡迎來到后摩爾時代”統治半導體行業半個世紀的摩爾定律走下神壇。半導體行業終于不再是資本和規模的無聊游戲。
從AI訓練、模型推理、云計算、邊緣計算、智能駕駛、智能中控…場景定義計算的需求屢見不鮮。后摩爾時代”場景定義計算和去中心化成為兩大最鮮明的特征。>
但是做好一個產品就足以成績一家上市公司，雖然不一定每個領域都會實現十億美金的年收入。這個市場就是這么大。中國半導體行業迎來最好的時代，這里有“天時”地利”人和”
北極光董事總經理楊磊對此深信不疑。
一家成立于2005年忠實于技術價值的投資機構，北極光創投。見證了近十余年里半導體行業的潮起潮落。執著于半導體投資，從傳感器到無線連接再到CPU從場景定義計算的SUC再到存儲，幾乎每年都參與半導體投資。
又是克制的從成立日起到2016年，與此同時。僅投了10家半導體企業，卻成績斐然：展訊、炬力、兆易創新三家公司先后勝利上市，兩家并購，五家退出。
北極光董事總經理楊磊上分享了近年來的投資經驗和行業感悟，今年的北極光半導體行業溝通會上。內容提要包括：
每當電晶體數目加倍，1半導體產業的發展離不開摩爾定律和Scale前者指半導體單位面積中的電子元件每 18-24個月會翻一倍；后者則意味著。就能達到更低功耗。
北極光的戰略開始轉向 "非摩爾定律驅動 "即尋找能夠不依賴于摩爾定律的技術—獨特的算法、特殊的工藝、軟硬件結合等都有可能建立摩爾定律以外的機會，22010年。半導體公司更像是系統公司。
如何平衡高效率與高靈活性成為關鍵。2萬億節點的端智能將低成本，3場景化計算的趨勢包括：1云與邊緣的分裂導致響應時間提高。低功耗，高平安和智能化的要求提升到極致。3ReRA M基于存儲的計算將成為主流。
守業者和投資人都需要注意：躲避低端市場陷阱、捉住品類分化的機會、掌握獨特的核心IP4中國 "造芯熱 "背景下。>
以下為楊磊就《場景定義計算》主題的演講全文及PPT經機器之心編輯。
今天如果你說我做早期科技投資，北極光是一家早期科技的投資機構。不投半導體，可能都不敢出門，因為半導體現在變成了一個巨大的熱點。但是實際情形不是這樣的
這都是十多年的老朋友，今天特別感慨看到很多老朋友。十年前我投半導體，估計可能就是兩桌，五年前的時候，從兩桌變成了一桌，也就是一桌的人在繼續投半導體。為什么半導體投資這么慘呢？
用互聯網的方法投資半導體行業死的可能性也很大。不能撒，因為半導體的投資專業性強。要精準打擊。前面已經有無數的先烈留下了汗水，留下了血，今天跟大家分享一下我認為在半導體領域投資有什么不同。
對半導體關注的人越來越多，今天是一個特殊的時點。這是大勢所趨。中國超越3千億的半導體進口，每年還在繼續增加。中興事件和中美貿易戰，這些都造成了對半導體行業的關注。半導體的產業機會就在這3千億，半導體推動十倍的產業發展，從三千億到三萬億之間會發生很多化學反應，這里面也孕育著非常多的機會。
仍然沒有大陸公司，中國的互聯網可以說在全球互聯網領域占了半壁江山；但是半導體行業呢？最近查了2018年全球最大的15家半導體公司。希望十年之后，50%以上的半導體大企業來自中國。
一個不能不提的定律”摩爾定律
不得不一位老先生摩爾，提到半導體。摩爾定律其實不是一個定律，講的半導體單位面積里面的晶體管，大概每18-24個月翻一番。
本科畢業去讀博士的時候，回顧21年前。摩爾定律的影響下，博士論文方向就是怎么把晶體管做得非常小。晶體管要做得小，其實就像篆刻一樣，刻刀一定要小，半導體里的刀不是一把刀，而是光，工藝叫做光刻，最小的波長是能夠想到X光，用X光來做半導體。IBM當時推動用X光機來做，但是X光的光源大概有多大？北京有一個高能物理所，上海有一個，全球最大的光源，直徑小的100米，大的幾公里，不能用這么大的光源，能不能找找其他所以行業20年前想出了一個東西叫EUV這基本上站在X光的門口了但還不是X光。
有酸甜苦辣，自己個人在這個行業里20多年。摩爾定律下其實致勝法則非常簡單，就是一個英文詞Scale意思就是說我希望用更先進的制程，更細的刻刀，去刻晶體管，這樣我單位面積里面放的晶體管就更多，這樣可以在單位面積里有更多的功能，每個晶體管的功耗也會更小。
一個學生做的就是這件事情，20年前。整個行業都是圍繞它其實這是非常了不起的美國有一個組織叫SIA 半導體產業協會，每年會發布一個東西是IPS就是工業半導體的路線圖，每年會把摩爾定律遇到問題，分解成幾百個問題，然后大家分門別類去解決這些問題。
簡單，摩爾定律有它優勢。但其實也很粗暴，因為在這個粗暴之下，創新變得不那么重要了這種時候更大的價值是規模和制造。北極光也有慘痛的教訓，這里面給大家列的投資的公司，曾經在摩爾定律的作用下，因為稍微晚了一拍，凈利潤從一個季度的1500萬美金到一年之后變成了0最后不得不賣給另外一個廠家，原本可以成為獨角獸的
非摩爾定律”驅動原則
當時有一個戰略叫非摩爾定律驅動。這里面大概有兩個階段，2010年我就在思考半導體應該怎么投。北極光在這個領域的思考。
什么東西不依賴于摩爾定律？第一個。>
電感電容不能把它壓得太狠，壓得太狠，這個性能會不一樣了雖然工藝進步了但是如果有獨特的算法，確實是可以獲得很高的利潤。投資了一家 NA ND閃存控制器公司叫 TidalSystem,一個是模擬電路。糾錯算法 LPDC和數據壓縮算法在全世界算是比較領先的公司僅成立了兩年就被美國最大的存儲公司Micron收購了北極光獲得了8倍的回報。除了獨特的算法，還有特殊的工藝，這些都是建立摩爾定律以外的可能。
意識到把軟件和硬件結合在一起可以發生更大的機會，2015年我開始認識到軟硬結合系統。這樣的公司往往不是保守的半導體的公司，更像是一個系統的公司。
遇到兩堵墻。摩爾定律自身遇到很多問題。>
從我讀研究生開始到現在20多年了終于EUV量產了每臺設備是1.2億美金，第一垛墻是前面的物理墻。甚至在研發設備的時候，和全球唯一的廠商，必需讓幾個大的客戶出錢，一起來研發，因為經濟性已經沒有方法證明了后面看的一個龐大的設備，大概三個人高，長度也非常長，中間這一塊其實有很多的學問，如果做光學的人知道這是反射體系，不是投射體系，已經沒有任何透鏡在EUV這個波長上面可以用了更可怕的整個EUV下面是什么，沒人知道。即使你知道上一個難題，已經花了20年，如果你不知道呢？
功耗強，第二。功耗為什么是一個問題？
但是單位面積里面的晶體管的數字在快速的增加，每個器件的功耗越來越小。隨著器件變小，單位面積的功耗在急速上升，尤其是靜態的功耗，沒在使用的時候，這個功耗在快速的上升，20納米的時候發生了一個特殊的事情，靜態功耗超越了動態功耗，這是行業遇到一個巨大的挑戰。所以大家開始想說我能不能用更復雜的器件結構，fin-Gat由此而產生，結構變得非常復雜，fin-Gat本錢更高。
摩爾定律已經悄悄地走下了歷史舞臺。半導體遇到一個前所未有的挑戰。>
這是圖靈獎得主DavidPatterson2018年ISSCC會議演講用的一張圖片。David也是投資的OurTechnologCEO譚章熹在伯克利的博士導師。
1965年提出來的前20年像一個人一樣，這張圖片講的CPU過去四十年的進展。摩爾定律有點像一個人。穩步的生長，性能在逐漸的提高。中青年的時候，1985年到2005年這個生長速度更猛了更有力量，正好是當年一樣。過了40年，2005年，生長速度開始慢慢緩慢下來，2015年的時候，基本上走不動了看來不是一個現代的人，可能是本世紀初的人，壽命就是50多歲。
半導體投資的天時地利人和”
整個行業現在面臨著巨大的挑戰，這個時候我反而覺得這是半導體投資的良機，因為在現在創新變得重要了不是一個資本和規模的游戲了怎么看未來投資的機會？
這個是趙顧的PPT總結得非常好，整個計算架構其實像鐘擺一樣在不時的擺動，這里面有兩個特點，第一個特點就是從IBM大機時代，PC去中心化時代，PC互聯網的弱去中心，移動互聯網的強中心，擺動。
現在看到整個行業在往去中心化的方向走，帶動去中心化的場景定義計算，AI和智能物聯網帶來的一系列的機會。
其實都會有新的英雄涌現進去，還有一個特點是每一次轉折。第一次涌現出來的IBMPC時代是英特爾，移動互聯網是高通，智能物聯網時代的英雄會是誰，希望是投資的企業。
會推動節點數的快速生長，看智能物聯網。為什么我關心節點數，因為節點數就是半導體，就是市場、機遇。
可能不到一千萬的機器，如果我從大機時代。移動互聯網，超越10億臺設備，現在應該是超越100億了認為從移動互聯網到智能物聯網，還有一百倍的空間，這是一個巨大的市場潛力，這也會帶來很多不同的機遇。
就是中國人講天時地利人和。現在一個投資半導體的絕好的時機。>
這個時間點，天時是摩爾定律已經走到終結。其實創新變得非常重要，而資本和規模變得不那么重要了
很多的應用場景其實都在周圍。中國，地利是智能物聯網時代很多客戶。第一次全世界最新的這些需求，首先是中國涌現的所以給我看到這些場景的機會，就像亞馬遜和阿里巴巴為什么在云計算上面能夠跑得特別快，因為他可以最先接觸到場景，智能物聯網也一樣，中國的企業可以接觸到最新的場景。
就是中國的資本涌現進去了今天來的大概有7080家基金，還有一個地利。體現了這個領域已經不是兩桌人的游戲了會是帶動一個時代的革新。
投資的很多企業都是規模工作了十年，人和。甚至時間更長的團隊，以前有產品管理的經驗，有研發的經驗，然后到中國來做自己的企業，當然人和還有一個特朗普“幫了忙，督促我去改變自己。
后摩爾時代”下的三大趨勢
講了去中心和場景定義計算帶來的趨勢，云與邊緣的分裂，端智能的崛起和基于存儲的計算，盡量用通俗易懂的語言來講我對這個產業的認識。
趨勢1:云與邊緣的分裂
今天我移動互聯網時代，先講云與邊緣的分裂。把云想成是一個大的細胞，未來會怎么樣，這個大的細胞會分化出無數個小的細胞，一群小的細胞會分裂，這就是講的云與邊緣的分裂。為什么要分裂呢？
很多物聯網的應用，分裂才干帶來響應時間的提高。對延時和功耗都有非常高的要求，而計算又非常密集，把計算從我這個房間送到鄂爾多斯，再送回來不劃算，可能更好的方法可能在這個房間就把這個計算做了或者在這個樓，這個邊緣節點上把計算做了
當我細胞分裂之后，第二點是多米諾骨牌效應。每一個細胞內部像有一個多米諾骨牌一樣，第一張牌是芯片，芯片倒了之后，一串牌都會倒掉，帶來的變化其實比云計算帶來的變化大得多，智能物聯網時代，這個變化會變得非常大。當第一張牌倒下的時候，后面很多東西都會倒下，熟悉的MangoDBHadoopElasticSearch...這些東西可能全都要推倒重來，重新去寫，這里面意味著就有大量2B機會會應運而生。
李建文在半導體行業非常資深，投資了一家不一樣的AI芯片公司登臨。很早以前就在大的半導體企業做到副總，后來自己守業一家GPU公司，賣了1億美金。北極光做了一段時間研究，當時解決的問題就是說未來的計算構建在云和邊緣會是什么樣的今天所有的解決方案都有問題。
這兩者之間存在一個矛盾關系。TPU性能非常好，比方說ASIC代表的公司就是谷歌的TPU靈活性和可編程非常高的GPU就是英偉達。但是TPU非常不靈活，谷歌可以找很多的軟件工程師幫他去解決這些遇到不靈活性的問題，大多數客戶不會愿意，所以今天大多數客戶選擇的還是英偉達，因為英偉達的靈活性對他來說是最重要的
登臨做的就是如何去平衡靈活性和效率，這種場景下。做到軟件定義的異構計算，一個異構平臺的計算上面有一個軟件，上層的軟件改變的時候，不會影響到下面底層的硬件。只有做到這種隔離，才有可能做到效率和可編程性的兩者的統一，其實非常難，不像一般做一顆芯片，有一個算法，把它AC化就可以了其實在整個系統構架的設計和軟件上面都需要非常深的功底，一般的團隊是不敢碰。
趨勢2:端智能的崛起
端智能的數量會非常多，端智能的崛起。前面提到一萬億節點里面，其實大多數會是端，所以它會呈幾何集數的增長，非常快的生長。
有人說就是智能終端，認為在端智能里面有兩個趨勢。其實在智能之前更重要的簡單化。
其實需要一個簡單化的半導體器件，大多數的端智能里面。主要是兩低一高，低成本，低功耗，高安全，這里面其實不是添加更多的功能，而是把這三個特性做到極致。
CMOS圖像傳感器、LiDA R毫米波雷達、X-rai紅外、紫外為代表的圖像相關傳感器會是最重要的傳感器。硅麥為代表的聲音相關傳感器。>
就是智能化，第二個趨勢。智能化又有兩條路，一條路是圖象和視覺，還有一條路是聲音。
有一些體會，智能終端芯片的時候。第一，端的智能往往受到電池功耗的限制，因為電池的原因，功耗受到限制，受到計算資源的限制，所以在端其實軟硬結合是一個非常重要的事情，只有軟硬結合你才干達到最高的效率。
做了半導體很長時間的人是不敢碰SOCSOC要成建制的團隊，很多人講端就是一級SOC今天冒出了很多做SOC團隊。SOC太復雜。有幸碰到這樣的公司。
如果把它零部件看起來都差不多，兩輛車。比方說一臺五萬元的國產車，還有保時捷，有輪子，有發動機，轉向系統，都有，但是每個零部件不同，之間的協調不同，造成了一個是賣5萬元，一個賣200萬，這就是SOC難度。
其實要比我說的車還要更加的難。從芯片運行的難度上面看。>
案例一：低成本、低功耗的IoT芯片
有的時候跟一些企業交流的時候，給大家講幾個例子。突然有眼睛一亮的感覺，這個就是簡單的芯片，把三個功能做到極致，低成本，低功耗，高安全。
紅框是射頻模擬電路的局部，下面這個圖是全世界最領先的低功耗藍牙芯片的廠商。這個東西很難壓，不遵從摩爾定律。第二，里面有一些存儲器件也很難壓，這兩個加在一起大概將近是50%面積。邊上還有一些IO這些IO也很難壓，換句話說，要降低成本，幾乎不可能。
說可以把RF局部做到他人的七分之一，當初跟一位開創人交流的時候。讓我非常的驚訝。做了一個芯片，聯睿（BlueX比競爭對手多40%多40%情況下，芯片的大小只有他人的三分之一，現在華米把這個芯片用到手環和一系列的產品上面。這是硬件。
Bluex很多尤其是室內的場景會用得非常多，還有軟件。軟件也做到非常多的連接節點數，應該在全世界算是最靠前的
射頻和模擬電路的體系，再就是這一套體系。其實不只僅可以用于低功耗藍牙，也可以用于wifi所以這是一個平臺技術。
案例二：智能駕駛
覺得在這個領域，無人駕駛領域投資了多家企業。中國一定要有一個自己的計算平臺，很難說臨時依靠國外的產品。黑芝麻同時在這個領域也是采取了一個軟硬結合的系統方法來解決這個問題。
包括現在車廠里面都需要的一些產品，上面是今天軟件這些結果。360環視，駕駛員的監控系統和ADA S看到輔助駕駛ADA Sdemo時候，都是一些比較簡單的場景，黑芝麻專門挑這種大雨、大雪的夜晚，逆光這些特殊的場景去展示他技術的能力。為什么他可以做到這個？
可能只是做了一個神經網絡的加速器，因為在做這個的時候。而黑芝麻做的一個軟件加上SOC整體的解決方案，這個問題其實很難，因為跨度非常大，所以對團隊整個駕馭能力和執行力都非常高。
激光雷達和毫米波雷達，黑芝麻的芯片把多路的傳感器。通過ISP再交給AI引擎去處理，ISP也很獨特，這個團隊原來跟給90%德系車提供給ISP開創人單記章常說，如果你要做一個車規芯片。做完的時候，也是完了時候，因為你做出來不是車規，基本上要從頭開始，第一顆芯片在以前的公司花了五年，第二顆芯片花了三年，這是有多艱難的一個問題。
案例三：語音智能前端
因為我覺得語音是一個巨大的入口，為什么看重語音。云這個領域我機會不大，像科大訊飛、百度、阿里、騰訊這些企業，肯定會抓住云不放，對于一個初創公司的機會在端，而端的數目其實是非常多的
其實要有兩個突破，要把一個云前端做好。第一個突破，硬件一定要好，就是麥克風要能做到最高的性噪比，Gmem產品已經和全世界最好的麥克風性能是一樣的明年初的時候70BD也就是說比樓氏還要好的產品會做出來，大家覺得6670沒有多少，其實性燥比是將近三倍的差異。
今天很多麥克風陣列都有很多的挑戰，另外就是軟件和硬件一定要強握手。一個就是說麥克風的位置必需特別確定，一換就不行，麥克風要做前調試，如果不做調試是不行的當你軟硬結合的生產商各種各樣的問題都迎刃而解的而且你可以用比別人更小的資源來達到目標。
趨勢3基于存儲的計算
這可能是最尖深的一個事。這個事也是關注了很長的時間，第三個趨勢是基于存儲的計算。大家都知道馮諾伊曼計算架構，核心是計算，存儲是一個邊緣的設備。
而不是基于計算的存儲，但是未來應該是基于存儲的計算。會問我為什么？
中間有一個總線。每個神經元都是一個存儲和計算兩者融合一體的東西。要做到這個其實非常非常難，每個人的大腦里面有300億個神經元。但沒有說里面是CPU右邊是存儲。今天這個問題其實還沒有完全解決，但是可以展望一下，如果解決了會怎么樣？
就變成了一個模組，如果解決了剛才說的IOT芯片。會帶連接，待處理的功能，帶存儲的功能。不需要模組，單芯片就是一個模組。如果發生了今天的操作系統在云和在邊緣上的操作系統要重新寫，因為我今天的操作系統其實做的都是搬運工的活。如果你有一個高速的存儲器件，這些工作都不需要做了
下一代存儲構架：ReRA M
明天也許很遙遠，今天很多AI芯片最大的瓶頸就是CPU和存儲。也許不算太遙遠，這是一個還沒有成功的投資案例。
非常辛苦，但是這個案例我已經投資了七年。和多家基金一共投資一個多億美金，2019年有可能是ReRA M得見天日的一天，今天有不少客戶在和公司合作，但是今天的良率還達不到要求。
已經等了七年，從時間上。不是能夠跑出來呢？今天你問我還不能夠沒有確定。但是如果進去了會怎么樣？
橙色是模擬電路，這個器件藍色是邏輯電路。已經有一些demo產品，可以展示怎么把一個邏輯器件和一個存儲器件合二為一，十萬張里面挑一張，還是一千里面挑一張，算的速度是一樣的所以更大的提升在基于存儲的計算。也許是2019年，也許是2020年，但是堅信基于存儲的計算會發生。
中國投資芯片的三條建議
第一點是躲避低端陷阱。下面談談我對于中國半導體投資的一些建議。
低端占很少的一部分，通常是因為做不了中高端的產品。如果我去看整個市場的需求。像一個橄欖球一樣，中高端其實是大多數，中國的現象低端是大多數，中高端其實占的比例非常小，這個領域里面我見到更多的低端惡性競爭，而不是見到一些非常獨特的創新的企業脫穎而出。
如果散著投，所以在半導體這個領域。就投到低端的陷阱里面。中高端在半導體領域里面才干掙到錢。
抓住品類分化對于中國的初創企業其實非常重要。過去其實有三大需求，第二類是品類分化。PC移動和云，剛才提到15家最大的半導體公司，幾乎都在某一個領域有非常強的拳頭產品。
因為整個公司的機制是圍繞著一年做十億美金的收入的產品和設計。對于一個大的企業，但是同時也給了機會。如果你做一年一億美金的產品，沒有意義，所以沒有人去關注品類的分化，因為品類的分化不會帶來它業績的生長，但是這恰恰是機會。
由此而帶來的一系列的場景。這邊列了一大堆，由于摩爾定律走到頭了功耗的限制、場景的需求、和技術的突破。從AI訓練、推理、云計算、邊緣計算、智能駕駛、智能中控非常多，每一個不一定是十億美金單年的收入—但是對于守業公司來說，做好一個產品可以成績一個上市公司，這個市場就是這么大。
因為客戶在中國，而這個領域其實大公司非常難打。又變化非常快，技術變化變化又非常快，軟件技術支持又要求非常快，這種情況下國外企業其實是非常難打的
