两大趋势：另眼看半导体行业发展史

半导体发展史可以追溯到19世纪。尽管当时的化学与物理尚未在微观层面建立完整的理论体系，但1833年法拉第对于电磁学的研究几乎可以视为半导体行业的开端。1873年，电气工程师发现硒电阻具有光电导性，并在后续几年又发现了硒的光伏效应。在此基础上，许多科学家开始发起对不同材料电气性质的研究。Dm4esmc

1897年，人类发现了电子，载流子移动为固态材料导电理论提供了重要依据。1910年，“半导体(Semiconductor)”尚未正式被命名为“半导体”，有研究人员称其为“可变导体(Variable Conductor)”。1931年，能带理论的提出首次以科学模型解释了固体材料导电机制，金属半导体结特性首度有了建模，随即p-n结、少数载流子的概念随之出现。Dm4esmc

固态二极管隆重登场，施加电压后，电子从晶体的“发射极(emitter)”一侧走向“集电极(collector)”一侧，这种现象开始被称作“半导电(semiconduction)”。商业企业、知名高校都投入到半导电的相关研究中，锗也成为最初构建二极管的“完美”选择。对二极管耗尽区认知的深入，让研究人员意识到在发射极(emitter)和集电极(collector)之外，还需要第三极用于控制跨结的电子流动行为。Dm4esmc

Dm4esmc

图1：1947年问世的晶体管；来源：WikipediaDm4esmc

所以在1947年，p-n-p锗晶体管出现，“晶体管(transistor)”一词登上历史舞台，着手这项研究的几名核心团队成员也因此获得了诺贝尔奖（图1）。受制于锗的温度敏感性和纯度与良率问题，硅很快成为半导体材料的更优选择。德州仪器(TI)开发出了首个基于硅的晶体管。20世纪50年代的晶体管每年都在不断升级，现在我们所知的平面晶体管结构脱颖而出，对整个半导体行业的影响一直延续到了今天。Dm4esmc

基于当时结型晶体管的实用性问题，前沿技术研究人员普遍认为场效应晶体管(FET)会成为下一步。加上给硅晶圆涂覆氧化硅绝缘层——也就是金属氧化物半导体(MOS)工艺，1959年首个MOSFET问世。不久，德州仪器(TI)又很快造出了最早的集成电路(IC)，或者叫芯片。仙童半导体(Fairchild Semiconductor)则采用平面工艺真正造出了全球首个单片集成电路。Dm4esmc

1963年，仙童半导体推出了名为互补金属氧化物半导体(CMOS)的新技术，这真正成为后续摩尔定律推进的基础，让更多的晶体管能够集成在单片芯片上。20世纪70年代，首个计算机微处理器的出现也就变得顺理成章了。超过10,000个晶体管集成在同一片芯片上，名为“超大规模集成电路(VLSI)”的芯片广为人知，家电、通讯设备、商用机器都开始使用这样的芯片。20世纪70年代到80年代，个人电脑(PC)的风潮也随即到来。Dm4esmc

以上我们简单回顾了电子、半导体和芯片的发展史。20世纪80年代《国际电子商情》的创刊至今已有40年的历史，也才有了更进一步书写的余地。不过，仅基于历史节点和技术里程碑来介绍这几十年，无论如何也有些无趣。因此，笔者决定从观察到的两个有趣的市场与宏观趋势出发，来观览这高速发展、属于人类技术与生产力变革史的后续四五十年。Dm4esmc

时代之变：技术的“逆流”趋势

人们常常意识到，战争、军事、航空航天等领域是推动科学技术进步的重要动力。人类历史上的三次科技革命都遵循了这一规律：一项先进技术往往首先诞生于军事或其他尖端领域，随着技术成熟度的提升，产品逐渐实现大规模量产并降低成本，最终流向商用或民用市场。这种“自上而下”的技术普及模式在多个行业中都普遍存在。Dm4esmc

通常我们将这称作“自上而下”的技术普及、流向过程——实际上，不只是科学技术领域，很多行业都有相似的发展模式。一个可能许多人耳熟能详的例子是：如今人手至少一台的智能手机。摩托罗拉于二战期间制造出了手持的AM SCR-536无线电通信设备，对于战争期间的通信起到了相当大的作用。摩托罗拉也是二战军事生产合同中美国TOP 100企业之一。Dm4esmc

值得注意的是，1969年尼尔·阿姆斯特朗(Neil Armstrong)代表全人类登月时，通过通信设备说出的那句“这是个人的一小步，却是人类的一大步”，也是借助摩托罗拉的收发器完成的。这些都可以说是手机作为移动通信设备的雏形或早期技术储备。因此，直到1973年摩托罗拉展示首个手持移动电话也就不足为奇了。到1983年左右，其首个蜂窝数据移动电话商用，1998年手机营收已占到其总营收的三分之二。Dm4esmc

以上例子充分体现了电子科技具备“自上而下”的流向特点。如果单独观察半导体技术，则更容易发现这些技术最初自军事、航天、国家安全应用开始，后续才逐渐走向民用的特点。例如，当年推动真空管进化的正是二战期间的军事工程师，由真空管检测超过4,000MHz射频频率的限制尝试做技术突破所带动。而最初锗晶体管的诞生和完善，也是由战争期间的军事雷达系统需求推动的。Dm4esmc

半导体技术也遵循了这一发展路径。例如，真空管技术的进化得益于二战期间军事工程师的努力，而锗晶体管的诞生和完善则是由战争期间的军事雷达系统需求推动的。二战结束后，半导体和晶体管技术开始转向商用市场。20世纪50年代，西电(Western Electric)是最早实现锗晶体管商用化量产的企业。随后，晶体管技术逐渐在个人用户中普及，收音机成为晶体管技术全面实现量产和普及的开端。Dm4esmc

二战结束后，半导体、晶体管技术成果开始转向商用。20世纪50年代，西电(Western Electric)是最早具备点触锗晶体管商用化量产能力的企业。在“自上而下”的技术尚未全面触达消费级市场时，锗晶体管最早应用于Sonotone的助听设备及AT&T的通信设备中——这已经是最早的商用案例了。Dm4esmc

晶体管、半导体全面触及个人用户，是在收音机这类设备上，或者说收音机是晶体管技术全面实现普及和量产的开端。1953年，德国企业Intermetall首次展示了晶体管收音机原型产品，这个原型设备中有4个纯手工制造的晶体管；1954年，首个商用晶体管收音机问世，名为“Regency TR-1”，其中的锗晶体管来自德州仪器(TI)。Dm4esmc

Dm4esmc

图2：当年的晶体管收音机内部结构；来源：WikipediaDm4esmc

日本的东京通信工业株式会社(现在的索尼)于1957年发布了全球首个大规模量产的晶体管收音机TR-63，到20世纪60年代中期，其销量达到了700万台，占据了当年便携式收音机市场的绝大部分份额。随后，夏普、东芝之类的企业也相继进入消费电子市场。类似的例子在半导体、电子领域不胜枚举，比如20世纪60年代早期，集成电路诞生之初主要供应美国空军和NASA使用。Dm4esmc

但到了近代，尤其是千禧年以后，这种“自上而下”的大趋势发生了一定程度的“逆转”。这种“逆转”趋势与半导体制造技术、芯片设计难度持续增加有很大关系。如今，半导体制造领域一个比较典型的特征是：尖端制造工艺几乎仅适用于消费电子设备和一部分高性能计算(HPC)数据中心市场。甚至在台积电3nm工艺走向市场的一年时间里，占据大部分产能的也仅有苹果这一个面向消费电子市场的大客户。Dm4esmc

这是因为半导体、芯片及更多上层技术的复杂度已经到了“不走规模化量产路线，就不足以支撑其天价成本”的程度，即使是对成本相对不那么敏感的航天、军事市场也是如此。Dm4esmc

笔者在下文中列举了两个技术趋势逆流的例子，展示了从“自上而下”变为“自下而上”的有趣变化。Dm4esmc

其一是，应用在火箭、卫星、宇宙飞船等航天设备中的半导体及芯片，需要经过“航天级”的大量初样实验才有资格真正走向太空。与军工级产品相比，航天级产品还需要考虑抗辐射、抗干扰能力，可以说是最高级别的规格标准。传统的封装方案对芯片的保护有限，在遭遇太阳风高能粒子流时容易发生穿透性损伤，导致芯片内部电路功能失效。因此，抗辐射加固需要从设计和工艺两方面进行。Dm4esmc

但在SpaceX全面验证了航天产业商业化的可行性之后，该公司的模式在很大程度上颠覆了火箭开发的全流程。SpaceX把更多的精力投入到仿真算法和软件领域，期望用仿真技术来解决更多问题，而不是主要依赖传统的高成本实物实验。基于这样的前期投入，现如今SpaceX敢于使用一些传统意义上的非宇航级器件，比如其主控会考虑选择Xeon E5这类工业级芯片，并且做到了充分验证。Dm4esmc

这一案例相当大程度地体现了当代技术“自下而上”的逆流。Dm4esmc

而谈到数字仿真，顺带提到第二个例子。2020年，Epic Games曾在其官网发表过一篇题为《SimCentric用虚幻引擎批量开发军事战术模拟训练》的文章，提到澳大利亚的SimCentric Technologies公司为世界各地的军事组织提供模拟军事训练服务。早在2020年之前，这家公司就开始采用虚幻引擎作为他们所有模拟产品的基础，加速产出种类更多的产品。Dm4esmc

实际上，部分国家和地区开始采用游戏开发引擎或者借助游戏MOD(游戏模组)建立军事仿真系统可能比这一时点还要早数年。尤其是以《战地4(Battlefield 4)》为代表的3D游戏展现出惊人的逼真环境，更高分辨率的纹理和粒子效果，甚至连游戏中的子弹物理下坠系统都得到了加强。Dm4esmc

部分游戏对现实世界的场景还原近乎1:1的呈现，也令早年“自上而下”的技术模式感到了惊叹。民用领域图形与物理引擎技术栈的成熟度此时已经相当高——或者说其经济性和实用性至少高于某些国家级单位或机构所能拿出的解决方案。仿真效果支持技术，主要聚焦效果渲染、体验增强等方面。这些技术的运用在军事仿真中极大地提升了作战效果的呈现，为参训者提供了逼真的沉浸式体验。Dm4esmc

Dm4esmc

图3：步步高升的芯片行业，正面临转向Dm4esmc

更不用说近两年还常有美军使用改装版的Xbox游戏手柄作为各类先进系统控制器的新闻见诸报端。这些都能体现早年“自上而下”趋势在这一时代的相当程度的逆流。这种逆流趋势在千禧年后逐渐显现威力，并在本世纪10年代变得屡见不鲜。Dm4esmc

尤其在21世纪10年代期间，AlexNet借助GPU进行神经网络计算加速，塑造了新一轮AI技术趋势，而这一技术完全诞生于“下位”。直至生成式AI以及在NVIDIA眼中的“下一个ChatGPT时刻”的机器人AI技术，都将极大地为原先的“上位”应用赋能。换言之，第三次技术革命发展至今，技术前行的原始驱动力已经从以前的“上位”，换到了现在的“下位”，商业化盈利成为当代半导体技术迭代的主要驱动力。Dm4esmc

摩尔定律：从发动机，到拖油瓶

技术走向“逆流”的趋势原因探究起来很复杂。仅从本行业的角度探讨，原因就是电子构建起的整个技术帝国正变得越来越复杂、成本越来越高。这似乎与第三次科技革命——即信息技术革命的主旋律是不符的。高中历史书明确提到，第三次科技革命的特点包括产品生命周期短、迭代速度快，同时相同产品及技术含量的成本随时间推移大幅下降，带动单位时间内的生产力成本下降。Dm4esmc

而第三次科技革命滚滚向前的底层动力，正是半导体制造领域著名的“摩尔定律”。依托摩尔定律的推进，电子科技也能梳理出一篇属于自己的独有历史。每12-18个月，单位面积内的晶体管数量就翻番，且成本不断下降，正是推动芯片、硬件系统、软件及应用快速发展的基础。Dm4esmc

绝大部分读者对摩尔定律所反映的半导体技术升级没有明确的量级概念。如果要举例的话，1976年DRAM领域的热门产品，容量仅16Kb的Mostek MK4116，其每平方英寸PCB仅有1.5个器件，功耗大约是0.432W，售价10美元。Dm4esmc

如果我们假定摩尔定律并不存在，那么现在PC个人电脑中已经普及的16GB内存，若将1976年的MK4116进行暴力的规模化放大，则其占地面积会达到3.7万平方英尺，售价为8,000万美元，耗电为惊人的3,500kW。Dm4esmc

Dm4esmc

图4：发表于1974年Electronic Design杂志的Mostek 4K DRAM介绍Dm4esmc

按照每千瓦时电费0.1美元计算，对于这样一颗想象中的16GB内存，每个月要为其付出的电费就要达到25万美元。而实际上，现在电商平台的16GB DDR4内存售价只需两三百元。不知当年Gordon Moore在《Electronics》杂志发表有关摩尔定律的文章时，是否想过几十年后16GB DRAM对普通个人用户而言也变得唾手可得。Dm4esmc

如果加上通胀的考量，从1976年至今，DRAM成本下降了99.9999995%，功耗则下降了99.9999993%，每bit成本下降数量级达到了1,000万倍。这还是在当代人们总谈起存储墙及存储器件的发展速度远不及数字逻辑电路的情况下。实际上，就数字处理器领域来看，从1971年的Intel 4004到当代的处理器，其经济效率提升幅度超过了10亿倍。Dm4esmc

这样的案例让我们看清了摩尔定律在过去几十年的发展威力。再回头看当代IP、EDA和芯片设计企业所说的“未来10年要实现芯片性能的千倍提升”，也感觉稀松平常了。这时的摩尔定律无疑是第三次科技革命的发动机。Dm4esmc

摩尔定律的根本，说穿了无非是半导体器件的持续微缩，以及集成电路在单位面积内的晶体管堆得越来越多。从另一个角度来看，这一趋势表现的绝不只是芯片性能的提升和功耗、成本的下降，还在于芯片设计与制造复杂度的显著提升。Dm4esmc

芯片复杂度的提升至少带来了两个后果：Dm4esmc

(1)行业细分，更多市场角色出现，原有商业模式也随之发生变化。因为靠一家企业已经无法解决所有问题，且更高的成本也要求市场多角色来分摊风险。Dm4esmc

早年像IBM这样一家企业就能包揽芯片设计、制造与封装的时代一去不复返——毕竟在20世纪70年代之前，连像样的CAD工具都没有，光掩膜都靠手工刻。即便CAD参与设计辅助，初期的设计工具也可以完全自己解决，那时也无从谈起Fab制造厂作为芯片或半导体企业的资格。Dm4esmc

1979年，《超大规模集成电路系统导论(Introduction to VLSI Systems)》一书发布，并在行业中风行以后，首个Silicon Compiler编译器软件就出现了，这使得基于用户需求和规格生成集成电路设计成为可能。“Fabless”的概念走向现实，芯片设计与制造可以分开进行。半导体公司在根据客户需求设计完芯片以后，完全可以将制造流程外包给代工厂。Dm4esmc

EDA/IP这类市场角色及半导体供应链及价值链上的不同参与者出现，以及更多商业模式的涌现，在市场高速发展的大环境下，可以视作分摊风险并将蛋糕持续做大的过程。但当芯片复杂度再上一个台阶时，半导体技术更多地向物理极限看齐，情况就不再这么乐观了。Dm4esmc

Dm4esmc

图5：2010-2024年iPhone所用AP SoC芯片工艺变迁 制图/来源：电子工程专辑Dm4esmc

(2)此时，摩尔定律也开始从原本是第三次科技革命发动机的角色，逐渐走向平庸，甚至沦为拖油瓶。那么芯片复杂度究竟提升到了何种程度呢？去年，笔者在《国际电子商情》姊妹刊《电子工程专辑》以iPhone为标尺发文总结过“关于人们常说的摩尔定律放缓，究竟缓到了何种水平(图5)”。Dm4esmc

当时，笔者总结称，从2010年iPhone 4的手机AP SoC采用45nm工艺，到去年iPhone 16的AP SoC基于3nm工艺的这14款iPhone手机及其芯片，7nm工艺用在了两代产品上，5nm则延续了3代(包括5nm改良款的4nm)，3nm用上4年也不是不可能。Dm4esmc

另一方面，半导体制造的尖端工艺节点成本每年持续攀升。美国半导体行业协会前些年的数据显示，过去25年，新工艺节点成本每年推升13%——而近些年这个数值估计还有大幅蹿升。半导体尖端工艺制造成本的推升速度已经超过了市场价值的年复合增长率(CAGR)。Dm4esmc

所以，技术迭代速度放缓、技术与产品价格上涨成为必然。Marvell前些年就明确提到，芯片之上的每亿门(100 million gates)制造成本在28nm工艺前还在稳步下降，但自20nm之后，这个数字就逐年持平，甚至还有小幅攀升。换句话说，芯片之上单位器件的造价现在是在提升的。Dm4esmc

所以，2017年苹果首次将iPhone X的顶配价格提到万元人民币高度时，市场还表现出一片哗然。而2025年的今天，iPhone旗舰款的普通配置过万已经被市场视为常态。另一个相似的例子是，10年前的GeForce“甜品卡”还锚定在千元水平，显然和现在甜品卡价格涨了至少1.5倍已经不是一回事了；民用市场旗舰级显卡标定1.5万元人民币都是寻常。Dm4esmc

至此，我们可以认为，以摩尔定律为依据的电子与半导体行业过去四五十年的发展，是从一度的超高速，发展到了现在的趋缓甚至步履蹒跚。那么，以技术自下而上流动为现象——阐明商业化、盈利是现如今技术发展的最大驱动力；到追本溯源看半导体技术复杂度及成本攀升，令原有发展模式举步维艰……Dm4esmc

从种种迹象来看，这是否都意味着第三次科技革命已经行进至终章？Dm4esmc

需求与供给：全社会数字化转型、AI

这里我们不做“超越摩尔”“More than Moore”之类的常规延伸。所谓先进封装带动的摩尔定律持续迈进，乃至半导体制造价值链的变迁，并不是真的在延续摩尔定律。因为摩尔定律的根本就是以器件微缩为依托的，封装或“中道”技术的加入，并不能达成这一目标，即便它们能在一定程度上缓解问题。Dm4esmc

但要回答这个问题，我们的确有两个角度的思考。一是为什么人们这两年都爱谈异构集成、加速计算、Chiplet、先进封装、RISC-V，以及从通用走向DSA架构的市场趋势；过去一年则已经明确到了以应用为导向的芯片设计——说白了也就是根据场景来设计芯片。Dm4esmc

仔细想一想，这些“趋势”出现的根本原因无非就是摩尔定律的放缓。或者说，唯有通过架构设计、上层软件及系统层面的通力优化，才能在摩尔定律放缓的大前提下，满足人类对数字技术依旧饥渴的发展需求。Dm4esmc

毕竟，社会的数字化程度还远低于人们的预期：比如药物发现、生命科学、航空航天这些领域的数字仿真技术普及率，有些连1%都还不到。传统行业的数字化转型机遇对半导体及整个电子产业而言，还是具备广阔的市场空间的。这是需求层面的前提。Dm4esmc

所以在第二点的“供给侧”，即满足这一需求的新技术层面，Chiplet、先进封装、DSA专用计算、从系统层面考虑问题等方案自然一个也不能少，还有CFET、量子计算之类更具未来感的技术。Dm4esmc

不过我们认为，回答这个问题，可以相对脚踏实地地借助GeForce显卡来管中窥豹。GeForce显卡作为民用领域的加速器产品，应用Chiplet也是迟早的事，在上述“超越摩尔”和“以应用为导向”(尤其Transformer引擎的加入)、“DSA”等方向上都具有代表性。Dm4esmc

Dm4esmc

图6：为什么我们总说行业的未来要看AI？Dm4esmc

在GeForce RTX 20系及更早的GPU芯片上，NVIDIA无疑是吃到了摩尔定律红利的，尤其在性能提升和功耗下降上。只不过抛开图形学及相关软件技术和标准上的功夫不谈，那时的GeForce的确极度仰仗摩尔定律来发展图形渲染性能和功能。Dm4esmc

但这两年，NVIDIA对于GeForce显卡堆料的重点已经不在图形渲染单元上了，因为受制于摩尔定律放缓，在图形计算上堆料虽然可行，但收益却小了很多。所以NVIDIA选择把晶体管堆料重心转向了Tensor Core这样的AI加速单元。Dm4esmc

RTX 40系显卡问世时，NVIDIA宣称这代产品的游戏性能提升了4倍。其中至少有2-3倍的提升是AI带来的，即借助AI技术来实现帧率和分辨率的提升。到RTX 50系，更是每16个像素中，就有15个是AI生成的，只有1个是GPU渲染的。可见在AI方向上堆料的收益，已经远高于传统思路的图形及通用计算单元堆料。Dm4esmc

这在我们看来，或许就是一个时代的写照。虽然许多人还不承认AI生成的像素或帧属于性能提升，但在我们看来，摩尔定律的放缓会迫使一代人不得不承认AI的价值。而AI显然会在后续10年内，成为接替摩尔定律，在全社会数字化转型及算力提升需求面前扮演核心角色，即便摩尔定律及“超越摩尔”依旧十分重要。Dm4esmc

半导体及整个电子产业也将迎来一轮新的变革。Dm4esmc