随着汽车智能化的不断发展，汽车的更新迭代周期在缩短，但对车载芯片算力的需求却在不断增加。对于芯片企业，大算力芯片的研发制造成本居高不下，一款5nm芯片的研发费用超过5亿美元，3nm的研发费用超过15亿美元。而中国智能汽车市场，产品差异化、多样化趋势愈发突显，对芯片的需求也逐渐碎片化，这让着手于其中某一市场的芯片企业一方面难以覆盖高额的研发成本，另外还面临着车企对于低成本需求的压力。对于这个看似有些“不可能三角”的问题，是否有可行的解决方案?
在7月18日举办的第五届世界智能安全大会--芯片安全分论坛上，芯砺智能科技创始人兼CEO张宏宇带来他的解决方案。
△芯砺智能科技创始人兼CEO张宏宇
以下为嘉宾演讲实录，未经本人审核，略有删减：
1
—
车端芯片需求的“不可能三角”
人工智能进入到一个大模型的时代，我认为Chiplet(芯粒)已经是一个势在必行的技术，当然我们今天还是聚焦在智能汽车的发展，在这个过程中Chiplet能够发挥什么样的作用?
在人工智能时代，智能汽车可以说是体量最大的一个信息技术终端，这里的体量不是销量，而是含“晶”量，晶体管的晶，每一辆智能汽车主芯片的晶体管数量已经远远超越了智能手机，也超越了个人电脑。所以，如果把每辆智能汽车里主芯片的晶体管数量乘以它的销量，我们会发现这是有史以来体量最大的半导体市场。
智能汽车还可以看成是一个轮子上行走的机器人，它的技术可以扩展到机器人边缘计算，甚至到云端计算，很多都是相通的，所以如果我们把这些机会都考虑起来，真的是前所未有的一个大商机。
目前推动智能汽车算力发展推动力主要有两个，第一个是智能驾驶，特别是高阶智能驾驶对算力的需求非常大。
另外，现在随着ChatGPT、大模型时代的到来，我们可以预见 AIGC大模型在智能座舱方面的快速应用，也会极大地推升智能汽车对算力的需要。
但智能汽车汽车产业有一个特点，对成本非常敏感，而且这个市场比较多元化，或者说比较的碎片化。
一家主机厂需要有高端、中端、低端很多不同的车型，才能达到足够的市场占有率，那么这些不同车型它对芯片的需求是不一样的。
另外，随着算力的不断增长和算法的快速迭代，芯片的生命周期在迅速缩短。过去10年前，我们做一颗车载芯片，它的生命周期可以是5-10年，今天可能只有2-3年。
但芯片的研发投入又是巨大的，如果最后能够做的市场区间只是高中低端中的某一部分，这样的量能不能在短短两三年之内，让我们的研发投入可以回本?这个问题是放在每一个芯片从业者面前的非常大的难题，如果这个问题不解决，商业闭环是没有办法实现的。
2
—
解决方案
所以这些矛盾怎么解决?我们认为一定要走平台化的发展路线。
所谓平台化就是把最基础的技术做到足够好，然后不断重复地使用最基础的平台化技术。
当然在后摩尔时代，我们知道芯片的研发也碰到了很大的瓶颈，算力需求的增长速度远远超过先进工艺的发展速度，而且越先进的工艺，研发投入越是巨大，还不能帮助我们有效降低芯片的生产成本。
所以在这样的三重挑战面前，我唯一能够想到的方法就是Chiplet技术。
我们今天讲Chiplet，很多时候很多人是用另外一个词叫做异构集成，叫Heterogeneous integration。这个技术其实不是那么新，最早在上个世纪70年代，就有所谓的MCM，其实就是一种的异构集成，只不过今天异构集成要解决的问题，跟50年前要解决的问题是不一样的。
我们今天要解决的问题是怎样在算力扩展的需求下，做到高性能低成本，同时还要安全可靠。
我从三个方面来讲，Chiplet可以很好满足我们车载市场的需求。
第一，可以提供很好的可扩展性。通过小芯片“搭积木”的方式，可以很容易实现算力的扩展。
第二，可以实现低成本。当单芯片面积做得很大时，良率就非常差，成本就会非常高，而如果我们把它切成几个小芯片，每个芯片的面积缩小了，良率就会成倍提升，成本就会迅速下降，所以Chiplet能够带来成本的下降。
第三，可以提供更好的灵活性。通过不同种类、不同数量的小芯片组合，可以满足车载市场碎片化、多元化的需求。
如果按照原来传统的单芯片打法，任何一个细分市场其实都很难赚钱，因为量不够大，做一颗可能亏一颗。但是假如我们用Chiplet，就能用几颗小芯片去搭积木来满足更大的市场空间需求，这是我认为在后摩尔时代针对汽车市场唯一现实可行的可持续发展的道路。
通过Chiplet的技术演进，我们可以让智能汽车实现O字型的循环迭代发展。传统汽车工业是v字型的发展模式，周期非常长，投入也非常大。但是通过Chiplet技术，如果我们能提供非常大量且便宜的算力，车企就可以做大量的算力预埋。通过算力预埋，车企更容易在车的整个生命周期里实现软件OTA，不会出现两年后因为算力瓶颈升级不动这种尴尬的情况。
当然，Chiplet满足汽车行业的需求是不容易的，因为汽车产业有自己特定的需求，今天Chiplet主要用在服务器云端，我们怎么让它从高高在上的云端走到车端，需要克服一系列的问题。
在云端做得最成功的是AMD的Chiplet技术，因为它采用了真正的异构集成，它的架构是独创的，是非常好的一个架构。但是它运用的技术依赖于先进封装。要做到Chiplet，必须要求小芯粒之间的连接是足够高效的，让它好像是在同一颗芯片内部互相连接一样。
那么最简单的方法就是 AMD的做法，它把片内的总线直接拉到片外来，再通过封装集来做连接。但是我们知道片内的总线数量很多，把它拉到封装来连接对封装就提出了很高的要求，所以它都需要用到所谓的先进封装，成本就上去了。
当然对于服务器来讲，这些成本是可以接受的，但对于车企，成本的上升就很难接受，更要命的是先进封装的可靠性不能保证，到今天为止先进封装没有哪一个能通过车规，所以如果做车端的Chiplet，我认为并行互连、先进封装不是可取之道。
我们再看英伟达，它在明年会推出它的Thor，下一代的舱驾一体芯片，它也会有一个Chiplet的方案叫做Thor Superchip，它是通过NVlink接口把两个同样的Thor拼在一起，这个接口是一个串行的接口，可以大大减少互连的数量，因此封装可以采用相对比较简单传统的封装，不一定依赖于先进封装。所以很多人都在想避免先进封装，就用串行减少互连的数量，但事情没有那么简单，当你互连的数量减少、用了串行的互连以后，你要考虑互连的性能是不是能达到多颗芯片连起来像一颗芯片一样的效果，这件事情是不容易的。
因为今天的串行互连的技术绝大部分包括NVlink，包括UCle都是同源的，它都来自于最早的PCle(一个数据通讯的接口)，而我们今天要解决的问题不是一个数据通讯的问题，而是芯片跟芯片之间连起来要能像一颗芯片一样工作，我们需要的是总线的扩展，或者叫做总线的复制，我们要把片内的总线复制到片外去，扩展到片外去，这是两个完全不一样的需求。
所以我们从第一天开始，就瞄准的是车用Chiplet技术，所以我们的Die-to-Die的互连就是跟其他所有的都不一样，我们的架构，我们的互连技术都是能够符合又是低延迟、又是低成本要求的。
上个月，我们的Die-to-Die互连IP已经流片，也是全球首个符合ASIL-D功能安全等级的车规级Chiplet。在片间互连方面取得的阶段性里程碑还包括由美国专利及商标局授予的该IP的独家专利;在车规功能安全方面，也获得了全球首个车规级ISO 26262 ASIL-D READY认证。
这张图就是简单展示我们的平台是如何帮助车企实现他们的平台化。
横轴是不同车型对自动驾驶的需求，垂直方向是不同座舱的性能需求，这两个组合起来其实是多种不同车型对算力不一样的需求。
如果我们用传统的单芯片解决方案，这么大的一个市场，你可能需要很多不同的芯片，但很难研发成本摊薄。尤其是初创企业，只选其中一个市场，市场的体量可能不足以大到让你的研发投入可以收回来。
但如果用Chiplet，我们就是用三颗不同的小芯片通过排列组合就可以满足整个汽车行业的需求。
也就是说我用大概1.5颗SOC芯片研发的投入，可以达到别人用7颗、8颗甚至9颗单芯片才能够赢得的市场机会，这是我们想到的唯一的、现实可行的、让车载芯片可以持续发展，实现商业闭环的一条道路。