半导体产业变革 - 半导体产业正经历前所未有的变革，摩尔定律渐趋极限，AI爆发式增长对计算架构带来全新机遇与挑战 [1] - 行业转向创新替代方案如定制芯片、计算子系统(CSS)和芯粒(chiplets)，以持续提升性能与能效 [2] - AI工作负载需求增加使能效成为首要考量，芯片设计整合优化内存层次结构、先进封装技术和电源管理技术 [2] AI计算底层逻辑 - AI计算底层逻辑发生质变，从超大规模集成电路(VLSI)到移动SoC，再到AI优化定制芯片 [1][5] - 当前芯片技术发展集中在三个方向：高效计算优化、定制芯片广泛采用、CSS和芯粒技术崛起 [5] - 芯片设计从晶体管级优化到系统级封装异构设计，再到生态层级软件协同，重塑AI计算底层逻辑 [5] 定制芯片趋势 - 定制芯片成为满足多样化AI场景需求的重要解法，全球云服务提供商积极投资定制芯片 [5] - 2024年全球云服务器采购支出中定制芯片占近半数份额 [6] - 微软Azure Cobalt和Google Cloud Axion基于Arm Neoverse平台打造，应对数据中心复杂工作负载 [6] Chiplet技术 - Chiplet成为推动定制芯片普及的关键技术，通过模块化设计提升灵活性、良率和复用潜力 [7] - 系统拆分为芯粒并通过3D堆叠集成，带来设计灵活性、功能优化、良率提升和产品复用等机遇 [7] - Arm推动芯粒系统架构(CSA)标准化，确保不同供应商芯粒互操作性 [7] 算力与能效优化 - AI工作负载计算需求极大，能耗主要来自计算和数据传输，需全栈式优化路径 [7][10] - 从晶体管层到架构层、SoC设计、封装及数据中心软件层实现智能负载均衡 [10] - 行业需摆脱依赖算力堆砌的"蛮力式"发展路径，转向更高能效的芯片解决方案 [10] 芯片设计成功要素 - 芯片设计成功依赖IP提供商、晶圆代工厂与系统集成商紧密合作 [12] - 需实现计算、内存与电源传输的系统级优化，以及接口标准化支持模块化设计 [12] - 针对特定工作负载的专用架构和强大安全框架是关键 [12] Arm的行业角色 - Arm以SoC设计能力、标准化生态和开放式合作策略，为行业打造AI计算新根基 [13] - 从移动芯片到数据中心，Arm引领下一代AI计算架构演进 [14]