众所周知，在过去的五到十年当中，科技界发生了非常巨大的变化，不断出现的新科技不仅使我们的生活更加简单便捷，智能设备的频繁使用也使得我们的智商不断提高。“这种智商的提高不同于以往的教育所带来的提高，不是贵族化的提高，而是平民化的、普遍的智商提高。”

另一方面，诸如微信之类的社交软件的出现，使得世界上任何两个人之间的距离比以往任何时候都要短。曾经有人说过，世界上任何两个人都可以通过社交网络联系在一起，这一距离在五年前是5.3个人，而随着社交网络的普及，距离已经缩短到了3.5个人。

对于普通人来说，这意味着，人与人的实际交流更加的紧密了，距离也缩短了，沟通更加便捷了。对于设备厂商来说，这种科技的变化意味着什么呢？半导体行业又如何在这样的科技变化中完成转型呢？在MWC2017上，格芯首席执行官SanjayJha发表了自己的观点。

数据大爆炸，新的架构成为必然

在SanjayJha看来，这种变化主要产生的作用有两个方面。

首先，就是各式各样的检测设备的增多。比如说摄像机，拥有很多中不同的社会形态。在物联网浪潮的影响下，为了实现更多的功能与数据收集，这些检测设备都必须连接到网络之中。现在我们能够在市场上见到很多可以检测温度、灯光亮度等参数的监测设备，都需要连接到网络，没有了后端的数据支撑，前端的功能都没有太大的意义。

另一个显著的变化就是，无线网络上数据的消耗与数量越来越大。“在几年前我们与客户谈论无线网络数据的时候，我们对于数据的概念主要停留在图片、音频等应用方面。但是随着iPhone的出现以及智能手机变革的到来，我们发现数据的使用量正在呈几何倍数增长。无论是几年前3G网络的应用还是到现在使用的4G，亦或是即将出现的5G网络的应用。数据的传输速度越来越快，对于设备的要求也越来越高。”SanjayJha表示。

这种呈几何级数增长的爆炸式数据所带来的第一个影响就是数据中心，计算的速度越来越快，数据中心存储和交换的数据越来越快。

在最初的手机应用当中，人与人之间的连接往往是一对一的，也就是说主要是通过电话短信来进行。但是在智能手机的价值和三系吾系有网络的应用不急的情况下。数据的应用分数了，正在变得多样化。

我们注意到数据的应用已经不再仅仅局限在图片和音频方面，也涉及到了视频等多种应用当中。

以智能汽车为例，假如在不远的将来汽车足够智能化，基于对车况和驾驶行为做实时分析，系统就可以主动干预这种危险行驶，完全可以杜绝此类事故。而这一切都是基于汽车的总线技术背后的汽车数据所实现。汽车数据是整个汽车后市场生态圈的基础需求，完整的车辆数据采集、解析和分析技术，是未来智能汽车的基础。

但是智能汽车在行驶的过程中产生的数据数量是完全不同于以往的传统应用的，那么如何解决数据处理的问题呢？在SanjayJha看来，这个时候就需要人工智能技术来进行数据的处理。

“实际上，人工智能技术在不同的应用中有着不同的形态。人工智能可以是专门用来做图形处理的芯片，这类芯片并行计算做的很好，适合神经分析。人工智能也可以是专业芯片，这类芯片比较适合于深度学习。到底是哪一种形态，这主要取决于实际的应用。”

但是我们也应当注意到，无论是神经分析也好，深度学习也罢，都要求采用不同于传统应用的不同架构，这已经成为一种必然的发展趋势。

摩尔定律已破？只是经济法则

万物总有结束之时，尤其PC芯片工业最近几年的不平衡竞争下，摩尔定律失效的声音不绝于耳。这是科技发展带来的另一个变化。

“本质上，摩尔定律是一门经济学的现象，物理学尤其是半导体工业是摩尔定律的基础，引领了经济学的竞争。”SanjayJha表示。

摩尔定律的存在，让20世纪到21世纪的科技发展得到了极大的提速，更表现在我们的生活之中。电子商务、虚拟现实、网络社区、办公自动化、智能家庭……今天你身边一切的理所当然，在过去是无法理解想象的。

然而，在摩尔定律放缓、半导体技术进步速度下降的背景下，要提供更多计算能力具有很大挑战性。

纵观半导体行业发展的历史：过去的每个十年，都由推陈出新的半导体技术所驱动。70年代是MOS管存储器，成就了TI、Fairchild、IR；80年代是微处理器，成就了NEC、摩托罗拉；90年代是CPU和存储器，Intel、东芝扶摇直上；2000年以后无线互联和Fabless兴起，高通开始崛起。技术的进步造成产品更新，从本质上推动了行业的变革。

然而，时至今日，摩尔定律正在逐渐放缓，半导体的技术发展也似乎走到了一个十字路口。我们已经达到了晶体管的小型化接近物理极限的水平。

新的半导体技术节点在未来十年仍将带来显着的小型化和低功耗化，但是成本在不断提高，而且速度方面的历史性改善也未能实现。

如何解决这一问题，适应科技带来的变化呢？SanjayJha认为，这就要求我们必须能够转换思路，寻找另一种解决办法，毕竟“势”在人为！

FD-SOI，“势”在人为的另一种思路

那么另一种思路在哪里呢？

2017年2月，格罗方德与中国四川省成都市政府合组格芯成都，共同投资兴建12寸厂，总投资金额将达90.53亿美元。

5月，格芯又再一次宣布将与成都市合作，共同推动实施FD-SOI生态圈行动计划，在成都建立一个世界级的FD-SOI生态系统。

据悉，格芯成都新厂将布建全球首条22纳米FD-SOI制程生产线，产品将能广泛运用于移动终端、物联网、汽车电子等领域。

一期将建设主流CMOS工艺12英寸晶圆生产线，主要工艺为0.18um/0.13um，相关工艺技术主要从新加坡厂转来，设备也将有一部分来自新加坡，预计于2018年年底投产，月产能2万片。二期将建设目前格芯最新的22FDX22nmFD-SOI工艺12英寸晶圆生产线，相关工艺将于2018年下半年从德国德累斯顿工厂Fab1进行技术转移，设备全新采购，预计2019年第四季度投产，月产能6.5万片。格芯将与成都一起建立生态系统，预计为成都引入较为完善的IPEDA设计服务，以更好地支持22FDX系统。

除了主流的FinFET技术，在物联网浪潮下，FD-SOI（全耗尽型绝缘层上硅）技术也日渐受到重视。与FinFET相比，FD-SOI基板虽然较贵，但在掩模数量与制造工序比FinFET来得少，减少部分光罩成本也缩减了制造时间，在技术上比FinFET更适合类比/混合讯号、RF，FD-SOI还具备了低功耗的优势，因此，SanjayJha认为FD-SOI将是物联网较佳选择，或能与FinFET互补。

在SanjayJha看来，甚至在智能手机市场，FD-SOI也有着不错的作为。

一个比较好的例子就是，近期联发科传出在上攻10纳米FinFET制程技术失利之后，内部开始评估采用在大陆市场极为火热的FD-SOI制程，联发科为甩开在中、低阶手机芯片市场与展讯激烈缠斗，考虑投单格芯最新一代22纳米FD-SOI制程。

供应链业者指出，联发科内部评估在格芯开一颗22纳米FD-SOI制程芯片，主打中、低阶手机芯片市场，这将是28纳米平面式电晶体(PlanarCMOS)和16/14纳米FinFET两大技术以外的另一个新战场，并避开PlanarCMOS功耗高、FinFET成本高的缺点，利用FD-SOI制程的低功耗、低漏电、低成本优势，开创中、低阶手机芯片领域新局。

本土化，深挖中国市场潜力

作为行业3大晶圆代工厂商之一，格罗方德这几年一直在大力推广FD-SOI技术。

按照ICInsights的预测数据，2016年格芯仍以11%的市场占有率牢牢占据全球第二的位置，营收为55.45亿美元。相比来说，全球代工龙头台积电营收为294.88亿美元，市场占有率59%；第三名的台湾联华电子营收为45.82亿美元，市场占有率9%。

之所以这次在中国的12寸晶圆厂没有选择40nm/55nm工艺，是因为格芯已经看到一些40nm的需求向22nmFDX上转移。而格芯的新加坡厂已有40nm/55nm的生产，因此根据需求预测，在成熟工艺上格芯选择了0.18um/0.13um。

除此之外，如何在中国做好本土化，深挖中国市场潜力也是格芯不得不思考的问题。在SanjayJha看来，在中国建设工厂，甚至是与成都市合作建设生态圈都是做好本土化必不可少的一步。

“怎样把全球的趋势根植在中国本土的土壤中呢？这是我们一直在思考的问题。”SanjayJha如是说。“近年来，我们注意到，中国市场有着不断涌现的海量创新和中国制造。在中国，我们看到了中国创新，见证了中国在人工智能方面的大量投资，也参与了很多投资。但是我们希望更深入的参与到其中。”

与成都市政府建立良好的合作伙伴关系，打造FD-SOI生态圈系统和网络是一方面，另一方面，格芯还希望能够吸引更多的投资，吸引全天下的有志之士参与到生态圈的建设当中，共同打造创新性的产品。

总结

对于格芯来说，“势”在人为这一词汇，大概是对于格芯未来发展驱动力的最好描绘。

在格芯看来，把握科技变化对半导体行业的影响，在互联互通的前提下推动智能化的发展，需要注意以下要素：首先是低功耗。对于非标准网络来说，尤其是神经元网络来说，低功耗是非常重要的。其次是内存。通过内存与带宽之间的配合，我们能够实现更好的内存与处理速度，这样也能够降低功耗。

无论是人工智能还是将来出现的其他技术，都有一个最基本的条件，就是我们必须用最基本、最具体的技术去支持它的运行。而晶圆厂就是所有基础架构当中最核心的。

“所以我们在这里希望能够让在中国的业务获得成功，在全球的业务也能成功，作为晶圆厂、晶圆制造、晶圆代工领域领军型的公司，我们希望跟大家通力合作，能够让人工智能成为现实，能够进入真正下一代的“势”在人为的人工智能世界！”SanjayJha表示。