中国半导体的每一步发展，都历经艰辛，凝聚着无数半导体人的汗水。时间回到上世纪九十年代，当时正是摩尔定律大行其道的时候，在硅谷半导体公司是资本最热衷的方向，然而在中国，由于西方国家的技术封锁，我们的半导体业只能摸着石头过河，一步一个脚印。在那个时候，最热门的方向是微处理器CPU。以Intel为代表的微处理器领跑者们凭着数十年的技术积累，技术上已经遥遥领先，相当于在笔直航道全速行驶的巨轮，后来者想追上甚至超越它何其困难。

然而，巨轮体积大也有其不利之处，就是掉头困难。一旦全球技术风向发生了变化，原来最热门的赛道变得不再那么重要，那么转型困难的巨头往往会成为新时代的失败者。还是拿Intel为例，10年前，当PC和微处理器业务增长不再迅猛，技术风口转向移动设备时，Intel并非没有看到这个机会，然而，大公司的决策过程注定了Intel即使看好移动设备行业也没法轻装上阵从头开始。于是，想要把x86指令集以及相应架构做低功耗版放到移动设备上的战略彻底失败，在移动设备处理器领域Intel完败给了ARM，即使在通信基带方面也只是成为了备选方案进入了部分苹果手机。应当说，Intel过去的成功经验在新赛道上反而成为了包袱。另一方面，以华为海思为首的中国半导体却在移动设备领域追了上来，推出的手机SoC已经是全球一流水准。

转眼到了今天，全球科技和半导体的新热点已经是AI，物联网，区块链，自动驾驶等。半导体行业在经过多年的快速发展后，我们欣喜地看到，在这些新赛道上，已经有不少轻装上阵的中国公司在领跑了。如果我们的半导体公司能保持优势，那么，当这些新的技术热点真正落地带来巨大的市场的时候，这些中国半导体公司就能随着市场一起快速成长并跻身全球半导体领导者的行列。下面我们就来看看这些由中国半导体公司领跑的新赛道。

人工智能（AI）

人工智能从2016年开始真正成为了全球最热门的技术方向之一。这一波人工智能主要基于大数据和深度学习，使用经过海量数据训练的深度学习模型，从而能够实现一系列任务，包括物体分类、画面内物体识别、语音识别等等。这次人工智能的革命性在于，它能解决之前的机器技术难以定义的模糊问题。例如，人脸识别问题，在工程上之前最大的问题就是到底什么是人脸，很难给出一个明确定义——如果说有两个眼睛一只鼻子一张嘴就是人脸，那么猴子的脸也是这种结构。而现在使用大数据的方法就可以解决这个问题，只要给算法足够多的训练数据让深度学习算法自动从数据中提取特征，就能学习出什么是人脸。这样一来，智能化系统能处理的问题就从原来的“确定性问题”到现在的“模糊问题”。这个进步非同一般，因为我们日常生活中遇到需要处理的事务绝大多数都是像人脸识别这样的模糊问题，因此智能化系统通过新的深度学习人工智能就能实现更进一步的自动化，大大提高生产力。这次的人工智能技术可望成为21世纪最重要的技术突破之一，因此国家决策层也相当重视，在一些重要文件中反复强调AI的重要性，在政策上也大力扶持相关产业。

由于人工智能是基于深度学习算法，因此人工智能算法在运行时的计算量很大。举例来说，流行的用于图像识别的深度学习网络VGG-16做一次识别需要超过300亿次计算，而传统的CPU对于这类人工智能运算支持并不好，VGG-16即使跑在最先进的CPU上，也需要一秒以上才能完成一次运算。GPU虽然对人工智能支持较好，但是它动辄需要几百瓦的功耗，因此无法部署在移动端。因此，算力已经真真切切地成为了阻碍人工智能普及的瓶颈。

在这种情况下，人工智能加速处理器的概念就应运而生了。人工智能加速处理器是一种专门为人工智能计算优化过的处理器。与CPU芯片大部分面积都用来优化控制和暂存不同，人工智能加速处理器利用深度学习网络数据流非常规整的特点，把绝大部分芯片面积都用来放置计算单元，从而可以实现高算力。与GPU使用多线程批量存储数据从而导致内存访问能耗巨大不同的是，人工智能加速处理器对于数据流做了专门优化，从而减小了内存访问带来的功耗，最终在实现算力要求的情况下可以把功耗控制在数瓦甚至更小，从而让移动端部署人工智能成为了可能。

由于人工智能技术非常新，因此在加速器方面无论是巨头还是初创公司都站在了同一起跑线上。高通曾经在两年前推出了Zeroth神经网络处理器作为试水，然而由于其设计的架构并不成熟因此并没有获得成功。而中国的初创公司寒武纪则在人工智能加速器领域抢先拔得头筹。寒武纪的创始团队来自中国科学院计算机所，由于学术圈的前瞻性在2012年深度学习刚得到学术圈中的肯定就开始关注并研发相关硬件加速器，其学术论文多次发表在了顶级国际会议上。当人工智能真正开始商业化落地的时候，寒武纪团队做了非常成功的学术产业化，把之前的研究成果做成了成功的产品，其标志性事件是与华为合作在麒麟970 SoC中成功加入了寒武纪人工智能加速器IP。实测结果表明，拥有寒武纪加速器IP的麒麟970 SoC的人工智能相关计算性能大幅超越了苹果搭载neural engine IP的A11 SoC，真正成为了全球人工智能加移动计算的领跑者。相比寒武纪，其他半导体巨头在人工智能加速器方面的动作可谓是较为落后：就在麒麟970在九月初完成测试并公开发布后近一个月，人工智能业的半导体巨头Nvidia才发布了类似的开源NVDLA IP（至今未有相关芯片）；而Intel虽然已经号称要全面进军人工智能领域已久，但是至今仍未有面向移动端的相关产品出现。

除了寒武纪之外，中国在人工智能芯片领域的公司还包括地平线，启英泰伦等，且都已经有相关芯片问世。随着人工智能未来的趋势从云端逐渐过渡到终端，人工智能加速器相关芯片将会得到更多应用，按照目前的情势中国很有可能在相关领域诞生数家技术领先全球的成功半导体公司，让我们拭目以待。

IoT

IoT物联网是公认的未来趋势，也是中国政府的未来工作重点。因此，中国率先牵头成立了“国家队”，从通信标准、运营商到硬件方面都走在了世界前列。中国NB-IoT已经开始大规模商用，在智能水电表、共享单车等民用领域得到了广泛应用，在工业上的应用就更多了。相比而言，美国和欧洲国家的物联网应用主要还是在工业领域，在民用领域还未看到大规模实际应用。

伴随着IoT的整体铺开，中国的IoT芯片也走在了全球领先的地位。在NB-IoT协议公布后，华为海思就在全球首先发布了Boudica 120芯片组，而中兴、紫光展锐等厂商也争相跟进。一方面，中国的IoT政策优势巨大，推广力度在全球绝无仅有；另一方面，低成本芯片也一向是中国芯片厂商的长项。因此，我们可望在未来中国的IoT芯片能走在世界前沿。

无人驾驶车载传感器

无人驾驶也是热门技术方向。在无人驾驶相关硬件方面，77GHz毫米波雷达和激光雷达LiDAR也就成了兵家必争之地，也是国内资本热衷的方向。在这个资本风口上，中国诞生了不少技术领先的公司。

在77GHz毫米波雷达方面，中国的加特兰微电子的技术可谓是全球领先。加特兰的创始人来自于全球著名的加州大学伯克利分校，在博士毕业后将博士期间的毫米波电路技术带回了国内，在2014年创办了加特兰。虽然毫米波电路的技术当时主要掌握在TI等国外半导体巨头手中，但是当时77GHz的毫米波雷达在汽车中也并未得到大规模应用，还处于不温不火的状态，这也就给了加特兰以赶超的机会。而在无人驾驶真正启动77GHz雷达市场的2017年，加特兰也随之发布了使用CMOS工艺的Yosemite系列量产77GHz雷达收发芯片，在性能达到4T8R的全球领先水准的同时，因为使用了CMOS工艺因此可以有更高的集成度相比使用SiGe工艺的国外半导体厂商产品能集成更多数字处理模块，同时其成本也只有国外同类产品的1/2-1/3。

在LiDAR领域，中国厂商也毫不落后，拥有禾赛、速腾聚创、北科天绘等一批优秀的公司。目前，LiDAR行业的趋势是从机械扫描是LiDAR转向没有机械部件的全固态LiDAR，而趋势是芯片对公司的价值会越来越高，一家LiDAR公司拥有了芯片才能说是彻底把握了供应链。禾赛、速腾聚创、北科天绘等中国公司虽然还未正式发布芯片，但是预计芯片设计都已经在进行时，让我们拭目以待。