2016年12月，Morgan Stanley的硅谷投資銀行業務部門總經理Marl Edelstone對半導體產業整合提出了自己的一些看法。他說，“在五年內，半數專營上市半導體公司將被收購，并且前三大供應商市場份額可能會在未來十幾年內從其今天的約30%，增加一倍至60%”。不過，隨著博通收購高通被叫停，高通并購恩智浦(NXP)被否，2017年的實際整合與收購(M&A)金額創下了7年來的新低。

這意味著，對IC收入增長來說，整合似乎正變得無關緊要。

然而，一個不可思議的事實是：從2017年起，IC行業實現了22.2%的增長，遠遠超過2011-2016年2.8%的年復合增長率。不僅如此，2017年半導體行業的研發費用增長了9.8%，Fabless半導體初創公司的風險資本投入從2009-2012年的平均9.2億美元/年，增長至2018年18.02億美元。

2017年，存儲器是行業增長的重要推動力

相對于2016年27%的占比，存儲器在2017年幾乎占據了IC收入的40%。Walden Rhines指出，歷史上存儲器IC單元出貨量趨勢幾乎沒有變化，IC單元出貨量和存儲器單元始終保持同樣的總出貨量趨勢。但2017和2018年上半年，存儲器平均銷售價格在大幅增加，并在2018年第一季度達到頂峰，預計存儲器平均銷售價格走低可能會在2018年第4季度開始。

同樣是在2017年，FLASH和DRAM資本投資增長了35%。其中，中國的年復合增長率為37%，高居榜首。數據顯示，晶圓廠持續增加的投資主要用于存儲器，使得NAND和DRAM存儲器容量迅速增加。但從2018年第2季度開始，資本投資呈現出放緩跡象。

值得欣喜的是，此次資本投資相對需求增長的過剩程度比以往要少，意味著整體的產業發展處于一個相對健康的發展環境中。

如果從晶體管增量來看，存儲器占所有晶體管的百分比早在2015年就達到了99.7%，是3D NAND推動存儲器實現了比Logic或SoC更快的發展速度。然而，盡管2017年存儲器行業收入增長55%，但存儲器單元體積增長是低于長期趨勢線的。

持續強勁的非存儲器市場

存儲器平均售價降低時，非存儲器增長是否仍會保持強勁？

Walden Rhines不但給出了“YES”的回答，還將引入“特定域處理器”、初創企業活動的加速、IC設計企業有新參與者和中國對半導體的投資，形容為引領全球半導體市場發展的“四駕馬車”。

· 進入半導體領域的新公司

Elon Musk在Tesla 2018年第2季度營收電話會議上提出“專為自主操作設計的世界上最先進的計算機”、“我們希望盡快發展芯片團隊的規模及增加芯片投資”等目標，并決定用自動駕駛系統的定制處理器取代通用GPU。其實不止Tesla，目前，進入半導體設計領域的新公司越來越多，例如Facebook、Apple、小米、華為、Amazon、Tesla、Google、ZTE等。

Walden Rhines認為，現今互聯網連接數超過220億，81%為物-物連接。隨著智能化不斷向下層延伸，以及“非馮諾依曼”計算機體系結構的演變，物聯網智能邊緣設備需要不斷提高處理速度，降低功耗，并整合更多存儲器。以最典型的可穿戴式手環產品為例，通常，在這樣一個設計復雜且對成本極其敏感的產品中，會包含MEMS傳感器、A/D轉換器、模擬信號處理、數字接口、無線電射頻通信、微控制器等多種IC，接近零功率的要求更是帶來了巨大挑戰。

· 中國政府對半導體投資的激勵

2014年，中國集成電路投資基金(政府支持)投入200億美元，私募股權、地方政府、區域政府投入970億美元；到了2018年，中國集成電路投資基金(政府支持)470億美元，配套資本預計將更多。

這一舉措吹響了“中國半導體創新企業組建之戰的號角”。Walden Rhines提供的數據顯示，中國IC設計企業數量已經從2015年的715家激增到2017年的1380家，有935個按照市場細分的獨特公司，>500人規模的企業從2006年的0.4%上升為2015年的6.1%，100-500人規模企業則從9.8%上升為43.3%。

· 特定領域體系結構主導的初創公司

全球Fabless公司風險投資基金(1-3)在2018年Q2已達到11.86億美元，相比之下，2012年Q1僅有1.42億美元。其中，AI&機器學習所獲得的風險投資最多，從2012年-2018年年初至今共有11.63億美元，其次為加密貨幣4.65億美元，高速通訊/5G 3.01億美元；

2018至今，共有14家Fabless AI公司獲得風險投資資金，而根據全球各地區Fabless公司在第1、2、3輪風險投資中的表現來看，中國占據比例最大，數額近10億美元。

最重要的是，2018年年初至今的資金，中國是美國的6.1倍。

· “特定域處理器”

Alphabet公司董事長John Hennessy提出，“摩爾定律的終結，以及更高速通用計算的到來，標志著新的黃金時代已開啟。”傳統無論是以軟件為中心，還是以硬件為中心的思想都存在局限，特定域語言和架構則更有希望。

Walden Rhines列舉了一些特定領域的AI/深度學習控制器，其中，39款面向視力/面部識別，23款面向數據中心/云AI/HPC，21款面向邊緣計算，17款面向自動/輔助駕駛，分列1-4位。Mentor中國區總經理凌琳在接受《電子工程專輯》采訪時表示，中國有足夠的市場容量來承載這些公司與產品，現在的市場格局是健康的，即便發生一些兼并、收購和重組，也是正常的市場經濟行為，外界不必對此加以過度解讀。但無論如何發展，重“質”而非“量”，是需要牢牢把握的基本原則。

特定域架構和學習曲線將實現下一波增長

Gordon Moore曾說過，“沒有一種指數是永恒的。”事實也的確如此，從1965年至2005年，摩爾“定律”對于晶體管數量的描述也數次發生變化。可為什么摩爾定律50年來長盛不衰？Walden Rhines的觀點是，當兩件事情都真實時，基于真實的“自然法則”，即“學習曲線”：1. 生產的累計晶體管隨著時間呈指數增長；2. 幾乎所有成本降低均來自縮小特征尺寸以及增加晶片直徑。

他在演講中提出了以十九世紀數學家Benjamin Gompertz發明的Gompertz曲線(姜氏曲線)數學模型來對各種新興應用，特別是物聯網(IoT)相關設備的產品生命周期進行預測。根據這一理論，數據中心處理、智能表計、汽車電子(夜視系統、駕駛員防困倦系統)等行業仍處于市場發展早期，擁有極大的發展潛力。且總晶體管數量的增率仍在上升，拐點至少要在2038年才會到來。

“特定領域體系結構需要新的設計方法和工具，我鼓勵設計師用HLS進行更多探索，提供比編寫VHDL或Verilog更高的質量。”在凌琳看來，AI/機器學習需要進入下一步抽象和功耗分析，而HLS結果不比手動編寫的RTL差，甚至更強，時間更快(能夠縮短4倍)。此外，HLS易于重映射多種技術，例如可以針對各種技術重映射相同C代碼，輕松切換工藝，快速探索可行的替代技術并確定最優實現。

人工智能、7nm與EDA

中國已經成為人工智能的全球第二大市場。市場的發展一方面驅動了人工智能專用芯片的需求，另一方面，在大數據驅動的人工智能新型計算方式下，EDA也正在進入新的時代，新的設計方法和工具層出不窮。

“每家企業都在積極適應這個劇烈變化的市場，2017年12月Siemens為Mentor的發展收購了總部位于加拿大薩斯卡通的Solido Design Automation公司就是最好的說明。”凌琳說。

Solido是一家基于機器學習的對變化性可感知的設計和特征提取軟件的領先供應商，目前已有40多家大型公司在其生產中使用Solido的機器學習產品，使他們能夠設計、驗證和制造比以往更具競爭力的產品。

他認為，這一收購行為表明，Mentor正通過收購、調整投資方向等多種舉措，為已有的領先的模擬混合信號電路驗證產品注入新的方法論和新的功能，共同打造業內功能最強大的解決方案組合。2018年，Mentor僅為其旗艦產品Calibre就啟動了7個新研發項目，用以增強機器學習算法在EDA工具中的有效性，包括提升模型收斂(Model Convergency)速度、建模精度、優化流程等等。

在談及格芯、聯電等晶圓廠紛紛放棄7nm等先進制程工藝時，凌琳認為對代工廠而言，尖端制程工藝并非唯一選擇，像TowerJazz這樣具有獨特技術的晶圓廠也做的非常出色。盡管對那些追求極致性能的企業而言，代工廠的減少的確讓他們少了一些選擇，但對于另外一些IC設計企業來說，他們會在拓展成熟工藝的應用“寬度”上下功夫，創新出一些“More Than Moore”的新應用，反而會出現“多點開花”的局面，這對代工廠而言未嘗不是件好事。

而且，對EDA公司來說，商機也并不會減少。追求尖端工藝的客戶在7nm以下會需要更強大的算力和計算量，會遇到更復雜的設計規則和流程，對先進EDA工具的需求只會有增無減；另一方面，那些追求成熟節點工藝的客戶由于拓展了應用領域，對EDA工具也提出了更多新的要求。