独特的核心IP才是生存之道。希望更多的半导体公司不是简单拼凑的一些IP而是每一家公司有自己独到IP第三。>

技术创新的变量被放大，功耗的限制、场景的需求、技术的突破—欢迎来到后摩尔时代”统治半导体行业半个世纪的摩尔定律走下神坛。半导体行业终于不再是资本和规模的无聊游戏。

从AI训练、模型推理、云计算、边缘计算、智能驾驶、智能中控…场景定义计算的需求屡见不鲜。后摩尔时代”场景定义计算和去中心化成为两大最鲜明的特征。>

但是做好一个产品就足以成绩一家上市公司，虽然不一定每个领域都会实现十亿美金的年收入。这个市场就是这么大。中国半导体行业迎来最好的时代，这里有“天时”地利”人和”

北极光董事总经理杨磊对此深信不疑。

一家成立于2005年忠实于技术价值的投资机构，北极光创投。见证了近十余年里半导体行业的潮起潮落。执着于半导体投资，从传感器到无线连接再到CPU从场景定义计算的SUC再到存储，几乎每年都参与半导体投资。

又是克制的从成立日起到2016年，与此同时。仅投了10家半导体企业，却成绩斐然：展讯、炬力、兆易创新三家公司先后胜利上市，两家并购，五家退出。

北极光董事总经理杨磊上分享了近年来的投资经验和行业感悟，今年的北极光半导体行业沟通会上。内容提要包括：

每当电晶体数目加倍，1半导体产业的发展离不开摩尔定律和Scale前者指半导体单位面积中的电子元件每 18-24个月会翻一倍；后者则意味着。就能达到更低功耗。

北极光的战略开始转向 "非摩尔定律驱动 "即寻找能够不依赖于摩尔定律的技术—独特的算法、特殊的工艺、软硬件结合等都有可能建立摩尔定律以外的机会，22010年。半导体公司更像是系统公司。

如何平衡高效率与高灵活性成为关键。2万亿节点的端智能将低成本，3场景化计算的趋势包括：1云与边缘的分裂导致响应时间提高。低功耗，高平安和智能化的要求提升到极致。3ReRA M基于存储的计算将成为主流。

守业者和投资人都需要注意：躲避低端市场陷阱、捉住品类分化的机会、掌握独特的核心IP4中国 "造芯热 "背景下。>

以下为杨磊就《场景定义计算》主题的演讲全文及PPT经机器之心编辑。

今天如果你说我做早期科技投资，北极光是一家早期科技的投资机构。不投半导体，可能都不敢出门，因为半导体现在变成了一个巨大的热点。但是实际情形不是这样的

这都是十多年的老朋友，今天特别感慨看到很多老朋友。十年前我投半导体，估计可能就是两桌，五年前的时候，从两桌变成了一桌，也就是一桌的人在继续投半导体。为什么半导体投资这么惨呢？

用互联网的方法投资半导体行业死的可能性也很大。不能撒，因为半导体的投资专业性强。要精准打击。前面已经有无数的先烈留下了汗水，留下了血，今天跟大家分享一下我认为在半导体领域投资有什么不同。

对半导体关注的人越来越多，今天是一个特殊的时点。这是大势所趋。中国超越3千亿的半导体进口，每年还在继续增加。中兴事件和中美贸易战，这些都造成了对半导体行业的关注。半导体的产业机会就在这3千亿，半导体推动十倍的产业发展，从三千亿到三万亿之间会发生很多化学反应，这里面也孕育着非常多的机会。

仍然没有大陆公司，中国的互联网可以说在全球互联网领域占了半壁江山；但是半导体行业呢？最近查了2018年全球最大的15家半导体公司。希望十年之后，50%以上的半导体大企业来自中国。

一个不能不提的定律”摩尔定律

不得不一位老先生摩尔，提到半导体。摩尔定律其实不是一个定律，讲的半导体单位面积里面的晶体管，大概每18-24个月翻一番。

本科毕业去读博士的时候，回顾21年前。摩尔定律的影响下，博士论文方向就是怎么把晶体管做得非常小。晶体管要做得小，其实就像篆刻一样，刻刀一定要小，半导体里的刀不是一把刀，而是光，工艺叫做光刻，最小的波长是能够想到X光，用X光来做半导体。IBM当时推动用X光机来做，但是X光的光源大概有多大？北京有一个高能物理所，上海有一个，全球最大的光源，直径小的100米，大的几公里，不能用这么大的光源，能不能找找其他所以行业20年前想出了一个东西叫EUV这基本上站在X光的门口了但还不是X光。

有酸甜苦辣，自己个人在这个行业里20多年。摩尔定律下其实致胜法则非常简单，就是一个英文词Scale意思就是说我希望用更先进的制程，更细的刻刀，去刻晶体管，这样我单位面积里面放的晶体管就更多，这样可以在单位面积里有更多的功能，每个晶体管的功耗也会更小。

一个学生做的就是这件事情，20年前。整个行业都是围绕它其实这是非常了不起的美国有一个组织叫SIA 半导体产业协会，每年会发布一个东西是IPS就是工业半导体的路线图，每年会把摩尔定律遇到问题，分解成几百个问题，然后大家分门别类去解决这些问题。

简单，摩尔定律有它优势。但其实也很粗暴，因为在这个粗暴之下，创新变得不那么重要了这种时候更大的价值是规模和制造。北极光也有惨痛的教训，这里面给大家列的投资的公司，曾经在摩尔定律的作用下，因为稍微晚了一拍，净利润从一个季度的1500万美金到一年之后变成了0最后不得不卖给另外一个厂家，原本可以成为独角兽的

非摩尔定律”驱动原则

当时有一个战略叫非摩尔定律驱动。这里面大概有两个阶段，2010年我就在思考半导体应该怎么投。北极光在这个领域的思考。

什么东西不依赖于摩尔定律？第一个。>

电感电容不能把它压得太狠，压得太狠，这个性能会不一样了虽然工艺进步了但是如果有独特的算法，确实是可以获得很高的利润。投资了一家 NA ND闪存控制器公司叫 TidalSystem,一个是模拟电路。纠错算法 LPDC和数据压缩算法在全世界算是比較领先的公司仅成立了两年就被美国最大的存储公司Micron收购了北极光获得了8倍的回报。除了独特的算法，还有特殊的工艺，这些都是建立摩尔定律以外的可能。

意识到把软件和硬件结合在一起可以发生更大的机会，2015年我开始认识到软硬结合系统。这样的公司往往不是保守的半导体的公司，更像是一个系统的公司。

遇到两堵墙。摩尔定律自身遇到很多问题。>

从我读研究生开始到现在20多年了终于EUV量产了每台设备是1.2亿美金，第一垛墙是前面的物理墙。甚至在研发设备的时候，和全球唯一的厂商，必需让几个大的客户出钱，一起来研发，因为经济性已经没有方法证明了后面看的一个庞大的设备，大概三个人高，长度也非常长，中间这一块其实有很多的学问，如果做光学的人知道这是反射体系，不是投射体系，已经没有任何透镜在EUV这个波长上面可以用了更可怕的整个EUV下面是什么，没人知道。即使你知道上一个难题，已经花了20年，如果你不知道呢？

功耗强，第二。功耗为什么是一个问题？

但是单位面积里面的晶体管的数字在快速的增加，每个器件的功耗越来越小。随着器件变小，单位面积的功耗在急速上升，尤其是静态的功耗，没在使用的时候，这个功耗在快速的上升，20纳米的时候发生了一个特殊的事情，静态功耗超越了动态功耗，这是行业遇到一个巨大的挑战。所以大家开始想说我能不能用更复杂的器件结构，fin-Gat由此而产生，结构变得非常复杂，fin-Gat本钱更高。

摩尔定律已经悄悄地走下了历史舞台。半导体遇到一个前所未有的挑战。>

这是图灵奖得主DavidPatterson2018年ISSCC会议演讲用的一张图片。David也是投资的OurTechnologCEO谭章熹在伯克利的博士导师。

1965年提出来的前20年像一个人一样，这张图片讲的CPU过去四十年的进展。摩尔定律有点像一个人。稳步的生长，性能在逐渐的提高。中青年的时候，1985年到2005年这个生长速度更猛了更有力量，正好是当年一样。过了40年，2005年，生长速度开始慢慢缓慢下来，2015年的时候，基本上走不动了看来不是一个现代的人，可能是本世纪初的人，寿命就是50多岁。

半导体投资的天时地利人和”

整个行业现在面临着巨大的挑战，这个时候我反而觉得这是半导体投资的良机，因为在现在创新变得重要了不是一个资本和规模的游戏了怎么看未来投资的机会？

这个是赵顾的PPT总结得非常好，整个计算架构其实像钟摆一样在不时的摆动，这里面有两个特点，第一个特点就是从IBM大机时代，PC去中心化时代，PC互联网的弱去中心，移动互联网的强中心，摆动。

现在看到整个行业在往去中心化的方向走，带动去中心化的场景定义计算，AI和智能物联网带来的一系列的机会。

其实都会有新的英雄涌现进去，还有一个特点是每一次转折。第一次涌现出来的IBMPC时代是英特尔，移动互联网是高通，智能物联网时代的英雄会是谁，希望是投资的企业。

会推动节点数的快速生长，看智能物联网。为什么我关心节点数，因为节点数就是半导体，就是市场、机遇。

可能不到一千万的机器，如果我从大机时代。移动互联网，超越10亿台设备，现在应该是超越100亿了认为从移动互联网到智能物联网，还有一百倍的空间，这是一个巨大的市场潜力，这也会带来很多不同的机遇。

就是中国人讲天时地利人和。现在一个投资半导体的绝好的时机。>

这个时间点，天时是摩尔定律已经走到终结。其实创新变得非常重要，而资本和规模变得不那么重要了

很多的应用场景其实都在周围。中国，地利是智能物联网时代很多客户。第一次全世界最新的这些需求，首先是中国涌现的所以给我看到这些场景的机会，就像亚马逊和阿里巴巴为什么在云计算上面能够跑得特别快，因为他可以最先接触到场景，智能物联网也一样，中国的企业可以接触到最新的场景。

就是中国的资本涌现进去了今天来的大概有7080家基金，还有一个地利。体现了这个领域已经不是两桌人的游戏了会是带动一个时代的革新。

投资的很多企业都是规模工作了十年，人和。甚至时间更长的团队，以前有产品管理的经验，有研发的经验，然后到中国来做自己的企业，当然人和还有一个特朗普“帮了忙，督促我去改变自己。

后摩尔时代”下的三大趋势

讲了去中心和场景定义计算带来的趋势，云与边缘的分裂，端智能的崛起和基于存储的计算，尽量用通俗易懂的语言来讲我对这个产业的认识。

趋势1:云与边缘的分裂

今天我移动互联网时代，先讲云与边缘的分裂。把云想成是一个大的细胞，未来会怎么样，这个大的细胞会分化出无数个小的细胞，一群小的细胞会分裂，这就是讲的云与边缘的分裂。为什么要分裂呢？

很多物联网的应用，分裂才干带来响应时间的提高。对延时和功耗都有非常高的要求，而计算又非常密集，把计算从我这个房间送到鄂尔多斯，再送回来不划算，可能更好的方法可能在这个房间就把这个计算做了或者在这个楼，这个边缘节点上把计算做了

当我细胞分裂之后，第二点是多米诺骨牌效应。每一个细胞内部像有一个多米诺骨牌一样，第一张牌是芯片，芯片倒了之后，一串牌都会倒掉，带来的变化其实比云计算带来的变化大得多，智能物联网时代，这个变化会变得非常大。当第一张牌倒下的时候，后面很多东西都会倒下，熟悉的MangoDBHadoopElasticSearch...这些东西可能全都要推倒重来，重新去写，这里面意味着就有大量2B机会会应运而生。

李建文在半导体行业非常资深，投资了一家不一样的AI芯片公司登临。很早以前就在大的半导体企业做到副总，后来自己守业一家GPU公司，卖了1亿美金。北极光做了一段时间研究，当时解决的问题就是说未来的计算构建在云和边缘会是什么样的今天所有的解决方案都有问题。

这两者之间存在一个矛盾关系。TPU性能非常好，比方说ASIC代表的公司就是谷歌的TPU灵活性和可编程非常高的GPU就是英伟达。但是TPU非常不灵活，谷歌可以找很多的软件工程师帮他去解决这些遇到不灵活性的问题，大多数客户不会愿意，所以今天大多数客户选择的还是英伟达，因为英伟达的灵活性对他来说是最重要的

登临做的就是如何去平衡灵活性和效率，这种场景下。做到软件定义的异构计算，一个异构平台的计算上面有一个软件，上层的软件改变的时候，不会影响到下面底层的硬件。只有做到这种隔离，才有可能做到效率和可编程性的两者的统一，其实非常难，不像一般做一颗芯片，有一个算法，把它AC化就可以了其实在整个系统构架的设计和软件上面都需要非常深的功底，一般的团队是不敢碰。

趋势2:端智能的崛起

端智能的数量会非常多，端智能的崛起。前面提到一万亿节点里面，其实大多数会是端，所以它会呈几何集数的增长，非常快的生长。

有人说就是智能终端，认为在端智能里面有两个趋势。其实在智能之前更重要的简单化。

其实需要一个简单化的半导体器件，大多数的端智能里面。主要是两低一高，低成本，低功耗，高安全，这里面其实不是添加更多的功能，而是把这三个特性做到极致。

CMOS图像传感器、LiDA R毫米波雷达、X-rai红外、紫外为代表的图像相关传感器会是最重要的传感器。硅麦为代表的声音相关传感器。>

就是智能化，第二个趋势。智能化又有两条路，一条路是图象和视觉，还有一条路是声音。

有一些体会，智能终端芯片的时候。第一，端的智能往往受到电池功耗的限制，因为电池的原因，功耗受到限制，受到计算资源的限制，所以在端其实软硬结合是一个非常重要的事情，只有软硬结合你才干达到最高的效率。

做了半导体很长时间的人是不敢碰SOCSOC要成建制的团队，很多人讲端就是一级SOC今天冒出了很多做SOC团队。SOC太复杂。有幸碰到这样的公司。

如果把它零部件看起来都差不多，两辆车。比方说一台五万元的国产车，还有保时捷，有轮子，有发动机，转向系统，都有，但是每个零部件不同，之间的协调不同，造成了一个是卖5万元，一个卖200万，这就是SOC难度。

其实要比我说的车还要更加的难。从芯片运行的难度上面看。>

案例一：低成本、低功耗的IoT芯片

有的时候跟一些企业交流的时候，给大家讲几个例子。突然有眼睛一亮的感觉，这个就是简单的芯片，把三个功能做到极致，低成本，低功耗，高安全。

红框是射频模拟电路的局部，下面这个图是全世界最领先的低功耗蓝牙芯片的厂商。这个东西很难压，不遵从摩尔定律。第二，里面有一些存储器件也很难压，这两个加在一起大概将近是50%面积。边上还有一些IO这些IO也很难压，换句话说，要降低成本，几乎不可能。

说可以把RF局部做到他人的七分之一，当初跟一位开创人交流的时候。让我非常的惊讶。做了一个芯片，联睿（BlueX比竞争对手多40%多40%情况下，芯片的大小只有他人的三分之一，现在华米把这个芯片用到手环和一系列的产品上面。这是硬件。

Bluex很多尤其是室内的场景会用得非常多，还有软件。软件也做到非常多的连接节点数，应该在全世界算是最靠前的

射频和模拟电路的体系，再就是这一套体系。其实不只仅可以用于低功耗蓝牙，也可以用于wifi所以这是一个平台技术。

案例二：智能驾驶

觉得在这个领域，无人驾驶领域投资了多家企业。中国一定要有一个自己的计算平台，很难说临时依靠国外的产品。黑芝麻同时在这个领域也是采取了一个软硬结合的系统方法来解决这个问题。

包括现在车厂里面都需要的一些产品，上面是今天软件这些结果。360环视，驾驶员的监控系统和ADA S看到辅助驾驶ADA Sdemo时候，都是一些比较简单的场景，黑芝麻专门挑这种大雨、大雪的夜晚，逆光这些特殊的场景去展示他技术的能力。为什么他可以做到这个？

可能只是做了一个神经网络的加速器，因为在做这个的时候。而黑芝麻做的一个软件加上SOC整体的解决方案，这个问题其实很难，因为跨度非常大，所以对团队整个驾驭能力和执行力都非常高。

激光雷达和毫米波雷达，黑芝麻的芯片把多路的传感器。通过ISP再交给AI引擎去处理，ISP也很独特，这个团队原来跟给90%德系车提供给ISP开创人单记章常说，如果你要做一个车规芯片。做完的时候，也是完了时候，因为你做出来不是车规，基本上要从头开始，第一颗芯片在以前的公司花了五年，第二颗芯片花了三年，这是有多艰难的一个问题。

案例三：语音智能前端

因为我觉得语音是一个巨大的入口，为什么看重语音。云这个领域我机会不大，像科大讯飞、百度、阿里、腾讯这些企业，肯定会抓住云不放，对于一个初创公司的机会在端，而端的数目其实是非常多的

其实要有两个突破，要把一个云前端做好。第一个突破，硬件一定要好，就是麦克风要能做到最高的性噪比，Gmem产品已经和全世界最好的麦克风性能是一样的明年初的时候70BD也就是说比楼氏还要好的产品会做出来，大家觉得6670没有多少，其实性燥比是将近三倍的差异。

今天很多麦克风阵列都有很多的挑战，另外就是软件和硬件一定要强握手。一个就是说麦克风的位置必需特别确定，一换就不行，麦克风要做前调试，如果不做调试是不行的当你软硬结合的生产商各种各样的问题都迎刃而解的而且你可以用比别人更小的资源来达到目标。

趋势3基于存储的计算

这可能是最尖深的一个事。这个事也是关注了很长的时间，第三个趋势是基于存储的计算。大家都知道冯诺伊曼计算架构，核心是计算，存储是一个边缘的设备。

而不是基于计算的存储，但是未来应该是基于存储的计算。会问我为什么？

中间有一个总线。每个神经元都是一个存储和计算两者融合一体的东西。要做到这个其实非常非常难，每个人的大脑里面有300亿个神经元。但没有说里面是CPU右边是存储。今天这个问题其实还没有完全解决，但是可以展望一下，如果解决了会怎么样？

就变成了一个模组，如果解决了刚才说的IOT芯片。会带连接，待处理的功能，带存储的功能。不需要模组，单芯片就是一个模组。如果发生了今天的操作系统在云和在边缘上的操作系统要重新写，因为我今天的操作系统其实做的都是搬运工的活。如果你有一个高速的存储器件，这些工作都不需要做了

下一代存储构架：ReRA M

明天也许很遥远，今天很多AI芯片最大的瓶颈就是CPU和存储。也许不算太遥远，这是一个还没有成功的投资案例。

非常辛苦，但是这个案例我已经投资了七年。和多家基金一共投资一个多亿美金，2019年有可能是ReRA M得见天日的一天，今天有不少客户在和公司合作，但是今天的良率还达不到要求。

已经等了七年，从时间上。不是能够跑出来呢？今天你问我还不能够没有确定。但是如果进去了会怎么样？

橙色是模拟电路，这个器件蓝色是逻辑电路。已经有一些demo产品，可以展示怎么把一个逻辑器件和一个存储器件合二为一，十万张里面挑一张，还是一千里面挑一张，算的速度是一样的所以更大的提升在基于存储的计算。也许是2019年，也许是2020年，但是坚信基于存储的计算会发生。

中国投资芯片的三条建议

第一点是躲避低端陷阱。下面谈谈我对于中国半导体投资的一些建议。

低端占很少的一部分，通常是因为做不了中高端的产品。如果我去看整个市场的需求。像一个橄榄球一样，中高端其实是大多数，中国的现象低端是大多数，中高端其实占的比例非常小，这个领域里面我见到更多的低端恶性竞争，而不是见到一些非常独特的创新的企业脱颖而出。

如果散着投，所以在半导体这个领域。就投到低端的陷阱里面。中高端在半导体领域里面才干挣到钱。

抓住品类分化对于中国的初创企业其实非常重要。过去其实有三大需求，第二类是品类分化。PC移动和云，刚才提到15家最大的半导体公司，几乎都在某一个领域有非常强的拳头产品。

因为整个公司的机制是围绕着一年做十亿美金的收入的产品和设计。对于一个大的企业，但是同时也给了机会。如果你做一年一亿美金的产品，没有意义，所以没有人去关注品类的分化，因为品类的分化不会带来它业绩的生长，但是这恰恰是机会。

由此而带来的一系列的场景。这边列了一大堆，由于摩尔定律走到头了功耗的限制、场景的需求、和技术的突破。从AI训练、推理、云计算、边缘计算、智能驾驶、智能中控非常多，每一个不一定是十亿美金单年的收入—但是对于守业公司来说，做好一个产品可以成绩一个上市公司，这个市场就是这么大。

因为客户在中国，而这个领域其实大公司非常难打。又变化非常快，技术变化变化又非常快，软件技术支持又要求非常快，这种情况下国外企业其实是非常难打的