在半導體產業面臨歷史性轉折的當下，領先的計算平臺公司Arm于近日發布的《芯片新思維：人工智能時代的新根基》行業報告揭示了AI時代芯片技術的演進路徑。芯粒與先進封裝技術的崛起正突破傳統摩爾定律的物理極限，為架構創新、能效革命與安全范式重構提供了新的可能性，從而為人工智能的爆發式增長構建新型算力基座。

隨著傳統縮放技術的終結，先進的封裝技術已逐漸成為摩爾定律的真正繼任者——盡管其本身也面臨著諸多限制。芯粒設計趨勢的興起，實際上并不是為了讓芯片變得更小。事實上，隨著晶體管數量的增長速度超過單純縮放技術所能支持的速度，系統整體尺寸仍在持續加大。Arm解決方案工程部執行副總裁Kevork Kechichian指出，這一技術演變始于2010年代，當時臺積公司推出了CoWoS技術，使系統能夠突破晶圓廠光刻設備的物理尺寸限制，實現系統擴展。

Arm 解決方案工程部執行副總裁 Kevork Kechichian

現代芯片設計正經歷從平面集成到3D堆疊的質變。通過先進封裝將計算、存儲單元進行空間重構。Microsoft Azure Cobalt與Google Axion定制芯片的實踐表明，Arm Neoverse計算子系統（CSS）正成為架構創新的核心載體：其模塊化設計允許SoC設計人員圍繞經過驗證的核心計算功能以及靈活的內存與 I/O 接口配置，在確保軟件一致性的同時，使其能夠基于CSS周圍新增定制子系統，以打造差異化的解決方案。

這種變革正在顛覆傳統制造范式。當CFET（互補場效應晶體管）等3D集成技術突破7納米以下制程瓶頸，芯片設計商與代工廠的協作深度達到空前水平。Arm在報告中指出，企業已無法在不了解 IP 如何在實際芯片中實現的情況下，進行芯片IP設計。設計與制造之間曾經的界限正在逐漸消融，取而代之的是原本各自獨立運作的領域之間必須展開緊密協作。

能效：AI計算的生死線

高盛最新研究顯示，AI數據中心電力消耗將在2030年消耗美國7.5%的供電量。從芯片設計的角度來看，最主要的能耗來源有兩個：計算和數據傳輸。此外，還需要對過程中所產生的熱量進行冷卻處理。Arm在報告中提到了三大技術趨勢：全行業推動采用FP4（4位浮點數）靈活架構并推出新指令集和功能，帶來了增量收益，并有助于實現更高效的AI計算；芯片堆疊技術和3D封裝技術的發展，也催生了諸如芯粒等更高能效的芯片設計方案。此外，業界已經證明，更小型、更高能效的AI模型是完全可行的。

高盛預計 AI 將推動數據中心的電力需求增長達 160%

可以預見，無論是現在還是將來，AI都需要在云端和端側進行混合處理。邊緣處理將與數據中心處理相輔相成，以更節能的方式完成推理任務。通過智能分配工作負載，可以提高整體系統能效。從移動端到物聯網，一系列采用了更小型、更高能效 AI 模型的設備正在推動 AI 轉向邊緣側。例如，Arm 與 Meta 的優化合作使得Meta Llama 3.2大語言模型能夠以前所未有的速度在基于Arm架構的移動設備上運行。

而在底層架構方面，新的指令集和功能的引入，能夠為AI帶來重大的創新機遇。比如，Arm在Armv9架構中引入的SME（可伸縮矩陣擴展）功能，通過量化技術減少AI和ML模型的內存帶寬、占用空間以及計算復雜性，進而提高其效率。 

安全：對抗AI驅動的威脅與攻擊

DarkTrace 在2024年的安全報告中一組數據揭示了變革的緊迫性：近74%的受訪者表示AI驅動的網絡威脅對他們所在的組織已帶來顯著沖擊，60%的受訪者擔心其所在組織尚未做好充分準備來應對這類AI驅動的威脅與攻擊。半導體行業正在通過構建多層級的軟硬件防護體系，升級其防御能力。從嵌入在芯片中的加密技術，到經AI強化的安全監測系統，現代SoC架構正不斷加固防線，以抵御傳統攻擊與新一代威脅。

專用計算的興起催生了對定制芯片解決方案的空前需求，每種芯片解決方案都針對特定應用進行量身打造。這種定制化在顯著提升性能優化的同時，對安全性提出了更高要求。因此，穩健的安全框架對于確保這些專用芯片依然符合嚴格的保護標準是必要條件。Arm 推出的PSA Certified 認證項目已成為安全芯片設計領域的黃金標準。通過對安全啟動、加密服務以及更新協議等方面制定全面的要求，PSA 認證項目為芯片制造商提供了清晰的路線圖，使其能將安全機制深植于定制芯片解決方案的基礎架構中。

此外，隨著AI從集中式數據中心向網絡邊緣延伸，邊緣計算不僅是一場技術革新，它還從根本上改變了我們對數據保護的思考方式。由于其本地處理能力，邊緣計算大幅減少了在網絡中傳輸敏感信息的需求，這種本地化的特性天然地強化了隱私與安全性，并縮小了潛在數據泄露的攻擊面。然而，邊緣側的數據保護需要成熟的硬件解決方案。現代SoC集成了安全飛地和可信執行環境 (TEE)，在芯片內部構建了加固的數字保險庫。這些隔離環境能夠有效保護敏感的 AI 運算，尤其是推理處理，使其免受未經授權的訪問或篡改。

重構計算邊疆的生態革命

Arm 在報告中指出，當前行業正處于一種全新基礎模型范式的關鍵轉折點，這不僅會增加AI推理的復雜性，還將催生對更多對專用CPU架構的需求。AI時代，AI工作負載正在改變多計算模塊的需求格局。因此，唯有通過 CPU、GPU、加速器及網絡等技術的共生協作，才能夠最好地滿足這些需求。而Arm計算平臺的靈活性讓三大層面的工作得以實現：

1） 異構計算：基于Arm架構的CPU正成為GPU和TPU等AI加速器的理想搭檔——既能高效管理數據流和通用計算任務，又能應對工作流程中遇到的瓶頸。

2） 推理效率：大型AI模型的訓練通常依賴高性能GPU，而Arm的高能效處理器則非常適合在端側和數據中心執行推理任務。

3） 可擴展性：Arm架構支持CPU、GPU與專用加速器的無縫集成，這對于打造優化的AI系統至關重要。

在這場芯片變革的躍遷中，Arm正以架構創新為支點，帶動整個計算產業的范式重構。當3D堆疊芯片突破物理限制，當開源框架消融生態壁壘，半導體行業的游戲規則已被改寫。正如Kechichian在報告的結語中強調："未來幾年，半導體行業持續創新并適應AI需求的能力變得至關重要。唯有通過整個生態系統的協作，我們方能構建起必要的技術基石——既能釋放AI的變革潛力，又能有效管控其計算成本與復雜度。"