E119｜英伟达与芯片史上的大赢家们：凡是伟大的，都是叛逆的
48:53 Share

欢迎 收听 硅谷 101， 这是 一档 分享 当下 最 新鲜 的 技术 知识 与 思想 的 科技 博客。 我是 红军。 嗨 大家好。 之前 我们在 节目 里面 介绍 过 一个 投资人 的 培训 项目， 叫做 venture squad program， 简称 V S P。 还有 挺 多 小伙伴 挺 感兴趣 的那 这个 项目 现在 正在 招收 新一期 的 学员， 非常适合 想 了解 VC 行业 的 小伙伴 们。 它的 主要 课程 是 学习 V C 投资 的 方法论， 投资人 是 如何 去 分析 项目， 如何 做 尽职调查 的。 当然 也会 关注 现在 的 很多 热点 垂直 行业， 比如 我们 播客 经常 聊到 的 AIGC 和 生物医药 等等。

课程 的 时间 是 八周， 方式 是 通过 zoom 来 线上 授课， 也就是说 大家 无论 在 全球 的 任何 地方 都 可以 参加。 八周 之后， 学员 也可以 加入 校友 社群， 也会 不定期 在 全球 各地 组织 一些 线下 的 校友 聚会。 这个 项目 的 主办方 也是 硅谷 一零一 的 老朋友 skill asian ventures。 他的 创始 合伙人 是 jasper 点 A I 的 早期 投资人 沃利 王。 这是 一家 非常 年轻 的 硅谷 基金， 它 重点 关注 欧美 市场 的 软件 和 A I 赛道， 在 成立 不到 三年 的 时间 里， 已经 投 出了 四家 入选 AI100强 的 人工智能 公司。 它的 三十多家 被 投 企业 中 已经 有 两个 并购 退出 和 一个 独角兽。

再说 回到 我们 刚刚 提到 的 投资人 培训 课程 V S P。 沃利 跟 我说 参与 的 这些 学员 超过 40% 拥有 博士 或者 M B A 学位， 平均 的 工作 年限 超过 八年。 现在 这个 课程 已经 开展 到 第六期 了， 新一期 是 今年 的 九月底 开课。 如果 大家 想要 了解 详细信息， 可以 发邮件 到 V S P 艾特 S A V 点 V C 来 询问。 我 再说一遍， 邮件 的 地址， V S P 艾特 S A V 点 V C。 当然 这个 项目 的 官方 介绍 和 报名 链接 我 也会 放在 show notes 当中。 下面 就请 收听 我们 今天 的 节目。 这 期 我们 来 聊 一 聊 芯片， 跟 我们在一起 的 是 资深 芯片 研究 专家 汪波。 Hello 汪波 老师你好。

hello 鸿钧。

最近 其实 我们的 节目 还 做了 蛮 多 关于 生成式 A I 的 题目。 然后 生成式 A I 爆火， 我们 可以 说 芯片 公司 是 他 背后 的 大赢家， 尤其是 英伟 达。 我 今天 还在 录 节目 前 特意 去 看 了 一下 这个 英伟 达。 它的 市值 也是 在 这 一轮 人工智能 的 热潮 里面 突破 了 1万亿美元， 是 第一家 市值 突破 万亿 的 芯片 制造商， 所以 整个 跟 芯片 还是 挺 相关 的。 汪 老师 其实 也是 芯片 简史 这 本书 的 作者， 对 吧？

对我 写 了 回顾 新篇 历史 的 这样 一本书。

你 可不可以 讲 一下 你 自己的 经历， 以及 你为什么 要 写 这 本书。

我是 1998年 毕业 之后 就 参加了 工作， 然后 在 华为 工作 了 三年。 之后， 我 就 去 法国 留学， 学习 微电子 集成电路， 获得 了 硕士 和 博士学位。 之后 在 法国里昂 的 国家实验室 工作 了 两年。 之后 回国 来到 了 北京大学 深圳 研究生院， 之后 就 从事 集成电路 方面 的 研究。

从 2020年 开始， 我 就 写 了 这样 一本 芯片 简史。 那 为什么 写 呢？ 是因为 在 2020年 的 5月17号， 美国 宣布 第二轮 对华 为 的 制裁。 华为 从此以后 就 再也 没法 使用 台积电 的 先进 的 7纳米、 5纳米 的 工艺 去 制造 它 自己的 麒麟 的 芯片。 所以 从 那时候 起， 我 就 开始 产生 了 向 公众 介绍 芯片 是 怎么样 诞生， 怎么样 发展到 今天 的 这样的 一个 想法。 所以 就 写 了 这本 芯片 简史。

当时 其实 制裁 华为 是一个 开始。 像 现在 其实 这 一轮 我们 经常 聊到 的 生成式 人工智能， 它 其实 芯片 跟 芯片 所 提供 的 算 力 也是 在 这 一轮 竞争 中 非常 关键 的 因素。 刚刚 其实 在 片头 的 时候， 我 有 提到 英伟 达 这家 公司。 首先 可能 我们 需要 给 听众 们 做 一个 科普， 为什么 大家 都在 抢 英伟 达 的 A 100或者 H 100？ 就是 为什么 G P U 这么 重要？ 你 可不可以 先 跟 大家 讲 一下？

好的， G P U 的 全称 叫做 图形 处理单元。 为什么 这种 听起来 像是 做 显示 处理 的 芯片， 反而 能 成为 人工智能 这么 抢手 的 这样 一种 工具？ 我 给 大家 简单 科普 一下， 早先 我们在 电脑 上、 手机 上用 的 都 叫 C P U， 就是 中央 处理单元。 这 处理器 它是 一种 通用 处理器， 它 可以 处理 任何 的 任务， 包括 音频 的、 视频 的、 文本 的 都 可以 处理。 他 像 一个 大管家 一样， 它 除了 可以 做 计算， 还 可以 做 控制， 所以 它的 功能 是一种 全能型 的。

但 这种 全能型 也有 它 自己的 缺陷， 就是 它的 计算能力 并不是 特别 强。 如果我们 把 C P U 的 能力 分成 100份的话， 它 可能 只有 4分之1 的 能力 用来 做 计算， 剩下 75% 是 用来 做 控制， 用来 做 缓存。 而 G P U 刚好 相反， 它 就是 专门 用来 做 计算。 它 可能 90% 的 能力 都 用来 做 计算， 剩下 5% 用来 做 控制， 还有 5% 用来 做 缓存。 所以 他们的 侧重点 非常 不一样。 在 人工智能 方面 需要 非常 大规模 的 这种 计算， 反而 它 不需要 特别 去 控制 某 一个 设备， 像 我们 控制 的 一个 耳机 或者 控制 一个 话筒， 它 就是 专门 用来 做 计算 的。 而且 它的 计算 还有一个 特点， 就是 它是 并行处理 的。

为了 理解 并行处理， 我们 可以 先 看一下 C P U。 C P U 它是 一个 串行 处理。 C P U 的 想法 要 追踪 到 2战结束 后 英国 的 著名 数学家 图灵。 他 提出 一个 叫做 图灵机 的 一个 想法。 在 这个 想法 的 基础上， 人们 建立了 冯诺依曼 的 C P U 的 架构， 然后 诞生 了 第一台 后面 的 电子计算机。 在 这个 基础上 不断 的 发展， 有了 个人电脑 等等， 是 这样 一路 走过来 的， 所以 他 就 一路 延续 着。

图灵 提出 的 图灵机 的 假货。 这种 图灵机 是 采用 串行 的 结构， 它 想象 有 一条 无限 长 的 纸带， 在 这条 纸带 上 把 算法 一个 一个 的 放上去 去 执行。 它 当然 有 它的 优点， 就是 它 任何 可以 写成 算法 的 程序 都 可以 放在 这条 纸带 上去 执行。 但 他的 缺点 就是 他 必须 先 执行 完 一个 任务 再 执行 下一个， 就 导致 它的 效率 比较 低下。 那 在 以前， 在 个人电脑 这些 上面 表现 的 不是 很 突出， 因为 它 计算 量 不是 很大。 但是 像 在 人工智能 这样 非常 庞大 的 计算 数据 的 情况下， C P U 就 不如 G P U 的 这种 并行计算 更加 的 高效。

并行计算 的 一个 特点 就是 它是 起源于 这个 G P U。 为什么 起源于 G P U 呢？ 因为 G P U 我们 以前 是 用来 处理 一个 屏幕 上 的 一个 图像 以及 点阵。 每个 点阵 都 需要 并行 的 去 处理， 这样 才 更加 高效。 比如说 打游戏 要 同时 显示 一些 什么 画面， 战斗 的 场景 等等， 要 并行 的 显示， 对 它的 实时性 要求 很高。 所以 英伟 达 在 1999年 提出了 这种 G P U 的 概念。 它 可以 同时 的 并行 的 处理 每一个 像素点 上 它的 颜色、 亮度， 甚至 包括 后来 3D的 这样的 一些 计算， 所以 它的 侧重点 放在 这个 并行 的 计算 上面， 它的 效率 会 更高。

那你 觉得 现在 英伟 达 的 G P U 它 有 护城河 吗？ 因为 我们 看到 像 A M D 他们 现在 也 在 去 推 这种 训练 大 模型 的 芯片， 叫做 MI300X。 在 这 几家 芯片 公司 中， 现在 英伟 达 它的 核心 的 护城河 是什么 呢？

它 最大 的 护城河 就是 您 刚才 提到 它 这个 库 大 的这 一套 开发 系统。 那 为什么 这套 开发 系统 这么 重要 呢？ 它 相当于 给 自己 建立 一套 生态系统， 就像 苹果 他 有 自己的 开发 的 系统对 用户 的 这种 生态， I O S 的 这种 生态。

英伟 达 的这 套 酷 大 的 系统 主要是 面向 开发者。 他的 G P U 芯片， 刚才 说 我 本来 是 用来 处理 一个 点阵 的 这种 图像， 它 本来 是 不 适合 这种 通用 的 编程 的， 就是 像 生成式 人工智能 是 处理 文本 的对 吧？ 那 它 一旦 有了 这个 扩大， 它 就可以 用 我们 程序员 非常 熟悉 的 编程语言 去 对 G P U 进行 编程 操作。 就是 程序员 不需要 改变自己 的 编程 习惯， 它是 可以 使用 自己 熟悉 的 语言， 这套 系统 就可以 去 控制 处理 这个 G P U。 所以 用户 一旦 习惯了 这个 G P U 的 编程， 那 他 就 没有 动力 再去 学习 其他 公司。 比方说 A M D 或者 其他 公司 的这 一套 编程 系统。

因为 软件 是 不一样的。

对， 使得 这些 公司 A M D 公司 不得不 去 适配 英伟 达 的 酷 达。 他们 编写 了 适配 的 一些 软件， 可以 把 它 转到 英伟 达 的 酷 达 上面。 但 这 也有 一个 问题， 就是 他们 总会 比 英伟 达 会要 慢一拍。 因为 英伟 达 每 推出 一代 新的 酷 达， 其他 的 公司 跟进 至少 要 隔 上 一段时间 才能 跟进。 所以 尽管 其他 公司 也 在 猛烈 的 追赶， 但是 仍然 要 比 英伟 达要 慢一拍。 所以 这就是 英伟 达 它的 最大 的 一个 护城河， 就是 它 这 一套 酷 达 的 开发 系统对。

所以 我们 看上去 它 其实 是一个 硬件 公司。 但是 归根究底， 它的 核 新 护城河 是 他的 这套 软件 跟 大家 在 上面 建立 的 一套 习惯。

对， 是的。 那 有了 这些 软件 和 习惯 的 用户 就可以 粘 在 上面。

科大 大概是 在 2007年 的 时候 开发 的。

对， 是的， 在 2007年 左右 提出来。

他们 当时 是 为什么 要 去 开发 这套 系统？ 为什么 只有 英伟 达 想到 了， 而 其他 的 公司 没有 想到 呢？

因为 英伟 达 的 创始人 黄仁勋 也 跟 学术界 保持 了 一些 联系。 学术界 当时 他 跟 一些 教授 去 合作， 他 发现 学术界 做 一些 科学计算 的 时候， 用到 了 英伟 达 的 G P U 的 显卡。 他 当时 也 觉得 挺 新奇 的。 当时 很多 公司 都 其实 在 已经 推出 了 G P U。

英伟 达 想 做出 一些 差异化 的 产品， 就 想 往 学术 方面 去 发展。 如果 每一个 高校， 每一个 实验室 都 买 了 很多 的 G P U， 那 对 英伟 达 市场 是一个 巨大 的 开拓 作用。 所以 他们 就 想 推向 着 学术 科学 市场， 所以 就 想到 了让 更好 的 让 这些 科研人员 去 使用 英伟 达 的 G P U。 所以 就 提出了 这样的 一个 扩大 的 开发 平台， 可以 让 这些 学生 研究生 更容易 的 去 学习 使用 G P U。 如果 他们 毕业 之后 已经 养成 这个 习惯了， 去 找 工作 的 时候， 还会 继续 使用 这个 库 的那 对于 英伟 达 是 一件 好事， 因为 他们 会 劝说 新公司 继续 的 购买 英伟 达 的 G P U， 所以 是 基于 这样的 一个 想法， 提出了 这个 裤裆。

所以 我 理解 当时 英伟 达 把 这些 高校 的 实验室 作为 他的 客户 之一。 因为 我们 说 英伟 达 它 其实 是一个 做 G P U 起家 的 公司。 你 也 在 解释 概念 的 时候 提到 了， G P U 最 开始 是 用于 游戏 的。 所以 其实 英伟 达 在 刚 开始 做 芯片 的 时候， 它是 一个 非常 小的 芯片 厂商。 他 也是 只 针对 游戏 厂商 卖 G P U 的 一个 芯片 厂商， 当时 主流 的 市场 还是 C P U 的 市场。 从 游戏 公司 到 你说的 07年 高校 也是 他的 客户， 对 吧？ 他 现在 的 一个 主要 客户 会 是谁 呢？

现在 的 客户 就 非常 广泛 了。 一方面 是一种 生成式 的 人工智能， 这些 大公司 谷歌、 百度、 华为 等等。 另一方面 高校 继续 是 他的 一个 很大 的 客户。 因为 现在 有一个 说法 叫做 A I for science， 就是 用 A I 的 方式 去 研究 科研， 研究 这些 物质 里面 的 规律， 研究 比方说 蛋白质 的 结构。 因为 光靠 人的 计算 的话， 它是 需要 非常 大 的 计算 量， 是 忙不过来 的， 所以 也 需要 A I 的 帮忙。 很多 高校 里面 会 继续 的 购买 这个 G P U 用作 A I 的 计算。

另外一个 就是 行业 里面 的 一些 应用， 比方说 像 医疗 领域 需要 去 识别 一些 比方说 X 光 的 图片 是不是 有 肿瘤， 或者 是 有 癌症 的 这些。 那 也 需要 一些 GPU 来 提供 后台 的 支持。 那 另外一个， 就是 行业 里面 包括 天气预报， 像 华为 的 盘古 3.0， 它是 针对 天气预报 做了 一些 优化， 就 专门 针对 特定 行业 的 应用。 当然 还有 其他 的， 就 包括 自动驾驶 等等 很多 细分 的 这些 领域。

每个 领域 其实 都 包括 当时 比特币 火 的 时候 挖矿。

是的。

对， 因为 达 这家 公司 特别 逗， 他们是 押 中 了 好多 轮 的 这种 技术 的 热潮。 好 对 吧？ 是的， 自动驾驶 押 中 了 一轮， 区块 链 押 中 了 一轮， 然后 这 一轮 生成式 A I 又 押 中 了 一轮， 其实 每一步 都 踩得 很 准。 我 很 好奇 当 英伟 达 他 看到 了 他的 G P U 上面 需要 有 酷 达 这 一套 软件系统 的 时候， 像 A M D 这样的 公司， 他们 有 看到 这个 方向 吗？ 他们 有 在 软件 上去 发力 吗？

应该 也是 有的， 只不过 他 总会 比 库达 慢半拍。 但是 他 一开始 并没有 抓住 这个 机会， 是 等到 库达 展现出 对 科 人员 的 这种 吸引力 之后， 才 开始 跟上去 的。 其实 库纳 提出 前几年 是 没有 太多 的 市场 的， 就 除了 在 科研 领域 有 一些 订单 之外， 在 其他 地方 是 没有 很大 的 市场。 所以 在 那几年的 英伟 达， 黄仁勋 承受 了 很大 的 压力， 因为 他们 投入 了 很大 的 人力物力 资金 去 研发 这个 扩大。 但是 在 好几年 之内 都 没有 获得 很大 的 回报。 所以 在那 几年， 其他 公司 是 没有 意识到 这个 问题 的那 真正 等到 库达 火 了 以后 才 跟进， 但 那时候 已经 晚 了。

对， 因为 您 写 芯片 简史 的 时候， 也 在 研究 整个 芯片 的 历史。 就 从 您 对 这个 历史 的 研究 来看你 觉得 当时 黄仁勋 他在 这么 大 的 压力 之 下去 坚持 研发， 他的 动力 是什么？ 或者 他的 判断 是什么 呢？

确实 从 这个 历史上 看， 英伟 达 和 其他 的 芯片 的 一些 发明 的 先驱 都有 这些 相似之处。 他们 都 是在 这项 发明 刚刚 推出 来 的 时候， 遇到 很大 压力 的 时候， 他们 坚持 了 下来。 这方面 例子 有 很多， 比方说 貌似 晶体管 的 发明者 是在 贝尔实验室， 那 现在 貌似 尽管 占 全世界 经济 的 99% 的 份额， 但是 在 当时， 这个 项目组 被 公司 裁撤 了。 他的 发明人 阿 塔拉 在 两年 之后 也 离职 了。

还 包括 集成电路 的 发明， 芯片 在 天通 半导体 也 遭遇 了 很 不公平 或者 是 很大 的 一个 挫折。 这个 项目组 也是 受到 了 公司 副总裁 的 指责， 指责 他们 浪费 了 100万， 但是 什么 收获 都 没有。 所以 这个 拉斯特 就 辞职 了， 他们 去 自己 开创 了 一家 小 公司， 然后 就在 硅谷， 就在 仙童 的 周边 不远 的 地方 成立 一家 新的 公司。

当然 这个 也 不能说 完全 是 一件 坏事， 就是 这个 促进 了 硅谷 整个 其他 企业 不断 的 从 信通 跳槽 出来。 然后 在 信通 周围 成立 了 很多 小 公司， 逐渐 的 发展 起来。 然后 这些 公司 又有 了 A M D， 就是 仙童 的 前 员工 来 创办 的那 包括 黄仁勋 也是 在 A M D 毕业 之后， 他 也 在 A M D 工作 了 好几年 之后 才 创立 自己的 公司 的。 所以 硅谷 它 本身 就有 这样的 一个 氛围。 就是 很多 的 这种 研发 人员 或者 是 创业者， 他们 有 这种 叛逆 的 想法， 他们 愿意 去 坚持 自己的 想法。 黄仁勋 本人 也是 很 有 自己的 想法， 或者说 很 有 自己的 目标。

他的 目标 是在 30岁之前 成立 自己的 公司。 然后 在 30岁那年， 他 真的 是 创办 了 自己的 英伟 达 公司。 尽管 是 一家 非常 小的 公司。 这 可能 是 这些 创业者 或者 是 前期 的 这些 发明人 的 一个 共性， 他们 愿意 去 坚持 自己的 想法。

在 您 的 观察 中， 就是你 觉得 黄仁勋 在 英伟 达 整个 崛起 过程 中的 几次 重大 决策 是什么？ 其实 我们 刚刚 有 讲到 2007年 对 库 大 系统 的 研发 很 重要。 然后 他在 最 开始 也是 不 被 看好 的， 还有 过 其他 这样的 时刻 吗？

早期 他 准备 出来 创业 的 时候 才 二十多岁， 结婚 的 时候 跟 他 妻子 定下 一个 誓言， 就是 30岁准备 创业。 然后 他 去 找 了 他的 老板 谈 这件 事情， 老板 说 要不 这样， 我给你 加薪， 你 还是 继续 留在 我们 公司。 黄仁勋 就 说服 他的 老板， 老板 一开始 也不 看好， 说 世界上 没有 显卡 这个 市场。 当时 只有 C P U， 没有 这个 G P U。 黄仁勋 还是 说服 了 自己 老板， 然后 老板 就 给他 介绍 了 一个 投资者， 然后 他 又 拿到 了 一笔 钱。 当时 他 去 创业， 也 问 了 自己的 母亲， 他 母亲 也是 非常 的 不 同意， 希望 他 能够 做 医疗 方面 的 工作， 因为他 觉得 这个 比较 保险。

后来 英伟 达 创办 公司 之后， 也是 遇到 了 几次 挫折。 其中 一次 就是 跟 日本 的 十家 公司 合作， 合作 了 几年 之后， 但是 微软 入局 了。 微软 提出了 一套 自己的 标准。 因为 微软 的 这个 实力， 很多 大公司 其他 的 公司 都 加入 了 这个 标准。 但是 那时候 黄仁勋 还是 坚持 想要 做自己 的 标准 或者 是 开发 系统， 结果 就 输 的 很惨。

微软 的 显示 规范 这个 是 指 什么？ 你的 那个 标准 是 指 什么？

有一个 direct x 这样的 一个 规范。 因为 后来 微软 又 推出 了 它的 x box 这样的 一个 游戏机， 英伟 达 就 抓住 这个 机会 赢得 了 微软 的 订单， 所以 这 让 英伟 达 一下子 进入 了 一个 快车道。

而且 我记得 他们 当时 公司 账 上 好像 都 快 没钱 了。

是的， 之后 他 现在 就 赶上 了 游戏 的这 一 班车， 有了 一个 快速 的 发展。 再 往后， 就是 他 推出 了 互打 之后， 一开始 也没有 很 好的 一个 应用。 然后 到了 2013年， 这个 人工智能 的 一个 算法 突然 被 提 了 出来。

著名 的 人工智能 的 科学家 辛 顿 提出了 一个 深度 学习 的 一个 算法。 我们 知道 这个 人工智能 它是 三个 方面 互相 影响 的， 一个 是 算法， 一个 是 算 力， 然后 还有一个 是 数据， 这 三 方面 是 缺一不可 的那 早期 的话 这个 C P U 是 非常 弱 的， 没有 什么 算 力。 有了 G P U 这个 算 力 提升 起来 了， 已经 不是 一个 主要矛盾 了。 但是 算法 一直 是一个 瓶颈， 就 没有 一个 很 好的 人工智能 算法。 所以 人工智能 我们 现在 说有 三起三落， 每一次 都 是在 算法 上 遇到 瓶颈。

到了 2013年， 著名 的 人工智能 科学家 辛 顿 和 他的 学生 提出了 一种 新的 深度 学习 的 算法， 叫做 alex net。 这种 算法 突然 把 图像识别 的 效率 提高到 一个 很高 的 一个 水平， 比 之前 要 高 好几倍 的 一个 水平。 之前 的 这种 算法 可能 连 识别 一些 猫、 狗 这些 简单 的 都 识别 不 出来。 这样的 一个 新的 阿兰 算法 就 突然 让 人工智能 看到 了 新的 希望。

这时候 辛 顿 这个 团队 就 想 验证 一下， 他们 开始 选的是 C P U 这种 芯片， 发现 需要 非常 多块 的 C P U 才能 验证 这样 一个 想。 但是 如果 G P U 的话， 它 需要 的 量 可能 只需要 C P U 的 10分之1 甚至 1%， 就可以 很 好的 完成 这种 算法 的 训练。 所以 业界 一下子 发现 了 GPU 居然 有 这么 大 的 好处， 对于 人工智能 的 训练 生成 有 这么 大 的 好处。 所以 英伟 达也 抓住 这个 卖点， 根据 人工智能 又 推出 了 新的 产品， 这样 一下子 又 继续 抓住 了 这个 市场。 经过 这 十年， 从 13年到23年， 这 十年 就是 一个 英伟 达 快速 发展 的这 一段时期。

感觉 跟 整个 人工智能 的 快速 发展 也是 相辅相成。

的对 人工智能 就是 在 这 十年 有了 算法 的 突破， 而 深度 学习 不断 的 加深 层 的这 深度， 让 我们 可以 做出 越来越多 的 事情。

你 刚刚 其实 有 提到 他 除了 在 学术 自动驾驶 挖矿 领域 的 应用， 它 还有 医疗 对 吧？ 总体 听 下来， 我 感觉 现在 G P U 的 应用 是 非常 广泛 的。 因为 现在 英伟 达 它是 在 芯片 领域 第一家 市值 过 万亿 的 公司。 你 是否 认为 现在 G P U 已经 是一个 比 C P U 更大 的 市场 呢？

对， 从 现在 看 是， 但是 他们的 市场 面对 的 销售 对象 不一样。 因为 G P U 的 销售 对象 更多 的 是 这种 大公司， 像 谷歌、 华为 这种 要 做 人工智能 的 训练 的 这种 大公司。 普通 的 消费者 当然 也会 买 一部分 G P U， 主要是 用来 打游戏 的 一些 玩家， 但是 不会 占 到 特别 大 的 一个 比例。 对于 C P U 来说， 它的 市场 更多 的 是 普通 的 消费者， 像 个人电脑， 像 平板 电脑 等等， 用到 的 主要 还是 C P U。 从 量 上 来看， 当然 是 G P U， 因为 它是 客户 很大， 那 一下子 可能 下 好 几万块 的 订单， 每块 可能 好几万 人民币， 一个 订单 可能 就 好几亿。 它 体量 非常 的 大， 但是 它 面对 的 消费 人群 不一样。

所以 市场 其实 也 不太好 算， 对 吧？

是的， 他们 最近 几年 是 由于 消费类 电子 比较 疲软， 想 大家 换手机 的 频率 变得 越来越 慢， 个人电脑 迭代 的 周期 越来越 长。 所以 C P U 的 销量 就在 下降， 或者 是 增长 的 没 那么 快了。 但 G P U 由于 有的 声称 是 人工智能， 然后 大家 都想 搭 这 班车， 所以 就是 有一个 非常 飞速 的 一个 增长。

OK 其实我 有一个 问题是， 我不知道 你 有没有 研究 过， 按照 现有 的 大家 对 G P U 的 这种 采购， 加上 人工智能 的 训练， 我不知道 他 对 能源 是不是 一个 特别 大 的 消耗。 我 之前 看 马斯克 在 twitter 上 说说 未来 两年 我们 可能 会 从 缺 硅 演变成 缺电。 我 还 挺 好奇 这么 大 的 G P U 的 采购 量 跟 这么 多大 公司 去 训练 它 会有 多 耗电。

是的， 我记得 在 挖矿 的 时候， 其实 有 这种 说法， 就是 挖矿 机 占用 了 很大 的 电量。 当时 的话 很多 的 这个 店 都 是从 煤炭 来 火力发电 的， 污染环境 造成 很大 的 压力。 其实 生成式 人工智能 也是 类似的， 它 也是 同样 用到 很多 的 C P U 去做 这种 大规模 的 计算。

这种 耗电量 跟 G P U 本身 的 结构 有关。 看 这个 G P U 通常 外面 都 有一个 很大 的 风扇， 它 不像 C P U 就是 一个 单独 的 芯片。 G P U 外面 通常 都是 需要 庞大 的 一个 风扇 给 它 散热， 这个 是 摩尔定律 来决定 的。

摩尔定律 里面 有 个 非常重要 的 限制 就是 P P A， 我们 业界 简称 叫 P P A 分别 代表 performance 性能， 还有一个 P 是 power 功耗， 另外一个 A 就是 它的 面积。 这 三者 是 互相 折中 的 关系， 像 一个 三角形， 那你 把 一个 提升 之后 就要 牺牲 另外 两个。 现在 G P U 是 提升 它的 性能， 就是 performance。 但是 牺牲 了 它的 功耗， 牺牲 了 它的 面积， 面积 就 意味着 成本， 意味着 价格 也很 高。 所以 这是 固定 的 这样的 一个 限制， 它 只能 去 折中， 这是 受 当前 的 这种 硅 晶体管 的 一个 限制。 只能 去 为了 让 他 有 更好 的 性能， 让 它 更快 的 速度， 只能 用 提高 功耗 的 方式 付出 这样的 一个 代价。

未来 的话， 像 刚才 您 提到 的 一个 twitter 的 马斯克， 对 吧？ 他 之所以 这么说， 是 他 寄希望于 未来 有 更好 的 芯片， 更好 的 半导体器件。 它的 功耗 更 低， 性能 跟 G P U 差不多， 有可能 会 替代 掉 现有 的 这种 G P U。 当然 这个 是一个 比较 长 的 一个 过程， 未来 可能 三五年 还 没法 做到。 但是 现在 很多 的 实验室 在 大学 里面， 实际上 是在 研究 这些 新型 的 低功耗 的 计算 的 器件 和 芯片， 包括 一个 神经 形态 芯片， 它是 模拟 人脑 的 这种 工作方式。 因为 人脑 的 功耗 是 非常低 的， 整个 人脑 的 功耗 只有 20到30 瓦， 就是 一个 电灯泡 的 这样的 一个 功耗。 但是 它 能 计算 一个 G P U， 可能 需要 花费 1000瓦的 才能 计算 的 这样的 一个 能力。 这种 模拟 人脑 的 方式 是 通过 脉冲 的 方式， 因为 人脑 是 通过 神经 的 脉冲 来 发送 信号处理 数据 的， 它 这种 脉冲 是 非常 窄 的， 所以 在 这个 窄 的 脉冲 下， 它的 需要 消耗 的 功耗 就 非常低。 所以 有种 叫做 脉冲 神经网络 的 这样的 人工智能 的 一种 算法。

和 对应 的 芯片 结构， 这种 正在 研究 当中。 这种 芯片 使用 的 不是 传统 的 硅 这种 材料， 而是 使用 的 其他 的 氧化物 的 半导体 材料。 它 可以 做到 功耗 更 低， 并且 它的 尺寸 跟 现在 硅 制作 的 晶体管 尺寸 是 接近 的， 甚至 比 硅 的 那个 尺寸 还要 小 一些， 也是 几个 纳米。 所以 这 可能 是 未来 的 一个 新的 趋势， 也 包括 其他 类型 的 现在 芯片 正在 研究 的 一些 晶体管， 包括 用 碳纳米管 做 的 晶体管， 也是 现在 甚至 都 做出 了 对应 的 C P U， 能 做 一些 加减乘除 控制 已经 做出来 了。 只不过 它 还 没法 大规模 的 量产， 如果 大规模 量产 的话， 成本 会 比较高 一些， 可能 会 比 现在 的 C P U G P U 还要 再 贵 一些。 所以 我们 现在 面临 的 其实 就是 我们在 原理 上 已经 实现 了 这些 更 低功耗 的 芯片。 只不过 它的 价格、 性能 还 没法 跟 G P U 或者 C P U 去 对 标。

未来 如果 是 像 马斯克 说 的 那样， 未来 几年 之内 会 耗尽 我们 很多 的 电量 的话， 那 这种 新型 的 低功耗 的 芯片 就有 可能 会 登上舞台。 确实 是 有 一些 这样的 数据。 我 看到 有 前几年 发表 了 一篇 学术论文， 认为 在 2030年， 我们的 微电子 设备 的 耗电量 将 达到 全世界 耗电量 的 4分之1。 有 4分之1 的 电量 都会 消耗 在 我们 这些 电子设备， 包括 机房 里面。

这个 是 哪一年 的 论文？

应该 是 18或者 19年 的 论文。

他 还没有 估算 到 这 轮 人工智能 爆发式 发展 的 计算 量。 我们 刚刚 其实 是 聊 了 G P U， 然后 聊 了 英伟 达那 现在 你怎么看 整个 中国 芯片 行业 的 发展？ 你 觉得 现在 中国公司 他们 如果 要 去做 芯片 创业 的话， 为什么 那么 难？

一方面 的 芯片 它 本身 是一个 综合性 的 学科， 它 需要 工程师 或者 是 科研 员 具备 多方面 的 一个 知识结构 和 能力。 像 在 1970年 英特尔 的 法 金 发明 第一颗 C P U 的 时候， 是 他 自己 设计 C P U 的 结构， 然后 设计 里面 的 电路， 自己 绘制 版图， 然后 把 它 加工 出来 自己 测试。 他 还要 需要 知道 背后 制造 方面 的 一些 知识， 他 甚至 提出了 一种 新的 制造 的 一个 方法。 所以 那时候 对于 工程师 的 要求 是 非常 高 的那 随着 工具 的 进步， 尤其是 设计 工具 的 进步， E D A 我们 把 它 叫做 E D A， 就是 在 电脑 上去 设计 芯片 的 一种 软件。 随着 这个 软件 有了 进步， 工程师 可以 不需要 知道 怎么 制造 的， 他 只需要 把 这个 想法 想 出来 就可以 了。 使得 这个 工程师 的 效率 得到 提高， 并且 有 更多 的 人 可以 进入 到 这个 领域。

再到 后来， 芯片 设计 变得 越来越 容易 了。 因为 有了 E D A 的 工具， 也有 了 相应 的 一些 I P 就是 一些 模板 电路 的 一些 模板。 那 很多 公司 就可以 自 研 芯片 了。 包括 很多 中国 的 公司， 最近 几年 也 开始 进入 到 自 研 芯片 的 领域。 很多 我们 现在 知道 的 平头 哥， 前几年 的 OPPO， 更 早 的 华为、 比亚迪 等等， 都 进入 到 自 研 芯片 的 这个 领域。 那 自 研 芯片 就 变得 可能 了。

但是 我们 也 面临 着 一些 挑战， 就是 这些 E D A 的 工具 并不是 中国 的 公司 研发 出来 的。 一方面 要 缴纳 很 高昂 的这 使用 的 费用， license 的 费用。 另外 一方面 可能 会 担心 将来 某天 不能 使用 了， 被 禁止 使用 了， 就是 我们 面临 的 一方面 的 一个 担心。 另外 一方面 的 担心 是在 制造 方面， 我们 芯片 设计 出来， 但是 我们 现在 国内 的 最 先进 的 加工厂 只能 制造 14纳米 的 工艺。 如果 是 需要 制造 更 先进 的 7纳米、 5纳米， 就 需要 交给 台积电 或者 交给 其他 的 制造 公司 来 制造。 但 这个 不是 我们 可控 的， 所以 这也是 另外一个 担心 的 问题。 所以 在 这 两方面 我们 要 更多 的 取得 一些 突破， 这样 才能 解决 掉 我们的 后顾之忧。

对， 我记得 之前 我们 聊天 的 时候， 你 还 提到 了 专利 也是 一个 很难 绕过去 的 问题。

对， 是的， 包括 很多 芯片。 我 举 一个 例子， F P G A 芯片 可能 现在 我们 消费者 很难 直接接触 到 这个 芯片， 但 这个 芯片 也是 用于 训练 人工智能 的 一个 方面。 要 开发 人工智能 方面， 如果我 买不到 英伟 达 的， 我可以 先 用 F B G 展示 替代 一下。

如果 只是 中 端 或者 低端 的 这些， 那 这种 芯片 是 1985年 美国 的 sillies 发明 的， 在 当时 也是 一家 小 公司， 但是 他们 就 申请 了 很多 专利。 所以 后续 的 公司 再 想 加入 这个 领域 的话， 就 不得不 绕开 silin x 的 这些 专利。 有些 专利 可能 过期 了， 一九八几年 的 专利 可能 过期。 但是 他 后续 不断 的 提出 新的 专利， 所以 就 构建 了 一条 像 之前 英伟 达 的 这种 护城河， 只不过 这个 护城河 是 由 专利 构成 的。 这样 新兴 的 公司， 虽然 他 也 可能 自己 独立 的 产生 这样的 想法， 但 发现 这个 想法 已经 被 前面 的 公司， 包括 像 silly's 已经 申请 了 专利 了， 然后 就 没法 使用 了。 除非 你 去 缴纳 比较 高昂 的 专利 使用费。 这样的话 也 对 我们 自己 进一步 的 发展， 更好 的 来 B J 芯片 造成 了 很大 的 困难。 其实 I P G A 这个 技术 并不是 特别的 难， 难 就在于 它 前面 有 一些 专利 方面 的 一些 壁垒。 对， 我们 只能 绕过去， 这样 绕过去 就要 付出 更大 的 代价。

专利费 大概 会有 多 高。

看 你的 使用量， 就是 它 看 你的 授权 的 使用量。 对于 这个 芯片 公司 来说， 它 一方面 人力 成本 是 非常 高 的， 它 供应 工程 是 很高 的。 另外 一方面 就是 他 还要 付给 加工 的 费用， 所以 他 尽量 是 能 省 一点 就 省 一点。

那你 觉得 整个 中国 现在 的 芯片 创业 公司， 他们 未来 的 机会 在哪里 呢？

我们 从 历史上 看， 就是 很多 的 新兴 的 公司， 他 要 想 打败 这些 比较 老牌 的 公司， 其中 一个 策略 就 是从 中低端 发起 进攻， 不是 直接 去做 最难 的 功能 最强 的 芯片， 而是 先 占领 低端 的 市场。 其中 一个 例子 就是 C P U。 我们 现在 讲 的 C P U 有 很多 高端 的 C P U 在 服务器 上。 但是 英特尔 在 1971年 发明 迪克 C P U 的 时候， 它 功能 很 简单， 就 只能 做 加减乘除 这 四则运算。 更 复杂 的 一点， 它 就 做不了， 因为 它 只有 2300个 晶体管。

当时 英特尔 主流 业务 并不是 C P U， 因为 它 刚刚 做出来， 主流 又是 做 存储器 的， 做 d RAM 存储器 的那 当时 公司 就 引起 一个 很大 的 争论， 就是 我们 到底 要不要 投钱 去做 C P U？ 在 我们 现在看来， 这个 想法 好像 不可思议 的。 现在 C P U 是 英特尔 的 最 主流 最 核心 的 业务。 那 当时 为什么 有 这样的 一个 争论 呢？ 就是 因为 他们 觉得 一旦 投钱 进 到 C P U， 那 C P U 的 市场份额 是 非常 小的。 因为 当 只有 I B M 这种 生产 巨型机， 过去 那种 巨型机 的 公司 才会 使用 CPU。 但是 英特尔 的 C P 我 只能 做 加减乘除， 根本无法 满足 I B M 这种 需求。

另外一个 市场 就是 计算器， 他们 评估 了 一下 计算器， 全世界 可能 每年 只能 卖 2万套。 芯片 也是 非常 小的 一个 容量， 所以 逼迫 着 他们 不得不 去寻找 一些 其他 的 应用。 然后 他们 就 找到 各种各样 的， 比方说 去 控制 电梯， 用 C P U 去 控制 交通灯， 就是 非常简单 的 这些 应用， 不断 的 在 这些 低端 领域， 因为 它 进不了 这个 I B M 这种 高端 的 巨型机 的 应用， 不断 的 去 扩展。

到了 1976年 出现了 个人电脑， 然后 就 用 在 了 最早 的 像 苹果 那个 lisa 电脑， 还有 其他 的 公司 推出 类似的 个人电脑 上。 到了 80年 81年， I B M 推出 了 I B M 这种 P C 兼容机。 用 在 低端 的 P C 兼容机 上 是 个人电脑。

在 当时 人们 看来， 个人电脑 是 很 low 的 一个 产品， 不是 我们 今天 认为 的。 所以 他 就 从 低端 上 开始 发起 进攻。 所以 我 觉得 我们的 一些 芯片 的 公司 也可以 采用 这种 策略， 先 从 中低端 的 开始 是 进入。 比方说 包括 人工智能， 我们 不一定 非要 一下子 就 做大 模型 的 这种。 除了 一些 大公司 很 有 资金， 有钱 可以 买得起 这么 贵 的 显卡， 其他 的 公司 可以 先 从 这种 行业 应用， 就是 专门 针对 某 一个 行业 的， 它 不需要 那么 大规模 的 计算， 比方说 医疗， 或者 是 其他 方面 的 一些 应用。 然后 逐渐 占领市场， 尽量 的 去 推出 自己 开发 的 平台， 类似 普达 这种 培养 消费者 的 习惯。 当 有了 消费者 的 习惯 之后， 他在 逐渐 的 扩展 到 其他 更多 的 领域， 这样 可能 是一个 比较 稳妥 的 一个 策略。

简单 来说 就是 先 在 细分 市场 里 站住脚 跟， 先 赚钱， 培养 行业 生态。 然后 我们 有了钱， 有了 生态， 有了 人才， 我们在 一个 合适 的 市场 时机 再去 占领 高端 的 市场， 一步一步 来， 你 觉得 这个 追赶 大概 要 多长时间？

这个 追赶 可能 不是 线性 的 一种 方式。 如果 回顾历史 的话， 很多 情况下 就是你 在 十几年 甚至 很长 的 时间 内 就 没有 什么 进展， 就是 处于 一种 活着 的 状态。 我只是 能够 生存 下来， 然后 突然 可能 传统 的 技术 遇到 了 一个 瓶颈， 它 就 发展 不 下去 了。 或者 是 功耗 特别 高， 或者 是 遇到 一个 什么 瓶颈。 新兴 的 技术 突然 发现 有 这个 优势， 它 一下子 就 起来 了。

就 比方说 我们 现在 经常 用 的 一种 叫 cmos 的 技术， 它是 1963年 发明 的， 直到 1983年 才 突然 火 起来。 那 在 这 20年 中， 他 就 处于 一种 默默无闻 的 一种 活着 的 一种 状态。 为什么 1到1983年 突然 起来？ 就是 因为 那时候 的 一颗 芯片 上， 晶体管 数量 已经达到 了 20万个 晶体管， 它的 功耗 变得 非常 的 大。 如果 不去 解决 这个 问题， 这个 芯片 就要 烧 起来 了， 就要 冒烟 了。 人们 突然 发现， cmos 的 这种 紧急 管 有 很低 的 功耗。 它 有 这样的 一个 特点， 一下子 他 就 用 起来 了。 现在已经 是 95% 以上 的 芯片 都 是用 的 cmos 的 这种 技术。

所以 未来 可能 会有 什么样 的 突破， 它 可能 真的 不是 一个 线性 的， 就 可能 是 将来 遇到 某 一个 瓶颈。 比方说 G P U 现在 很大 的 功耗， 但 它 还 能够 维持下去， 它 不断 的 去 弥补 它， 去 修正 它。 到 某一天 实在 没法 弥补 掉 这么 大 的 功耗 的 时候， 那些 低功耗 的 刚才 提到 的 神经 形态 芯片 或者 是 其他 低功耗 的 晶体管 就可以 登上 历史舞台。 曾经 有一个 计算机 专家 说过 一句话， 他说 过 叫做 预测 未来 最好的 方式 就是 把 它 发明 出来。 就是你 把 它 做出来， 然后 去 打败 它， 打败 这种 传统 的 技术。

讲 的 非常 好。 我 也很 好奇， 在 你 写作 芯片 简史 的这 本书 的 过程中， 你 觉得 是什么 在 引领 整个 芯片 行业 的 创新？

这 是一个 非常 好的 问题。 在 最后一章 我 简单 的 提 了 一下， 其实 有 两个 趋势 在 引领 芯片 的 创新。 一个 就是 底层 的 推动力， 就是 来自于 基础科学 的 向上 蓬勃发展 的 力量， 推动 着 半导体技术， 半导体技术 又 推动 了 芯片 的 发展， 这 是一个 自下而上， 就像 树 的 树根， 这些 基础科学 就像 树根 一样， 有了 它们的 突破， 才 可以 吸收 更多 的 养分 供给 上面 的 树枝 和 树叶。 对于 芯片 来说， 它的 这个 树根 的 就是 量子物理学。 有了 在 1900年 量子物理学 的 突破， 我们 才有可能 明白 为什么 半导体 能够 很 容易 做 零一 的 切换， 有时候 导通， 有时候 可以 截止。 然后 我们 就可以 做出 晶体管， 然后 再 集成 成 芯片。 那 这是 一方面， 就是 基础科学 的 突破。

另外 一方面 就是 应用 的 拉动。 我们 可以 把 应用， 比方说 A I 这些 方面 的 应用 比喻 成 一片 一片 的 树叶， 就在 树冠 上 的 这些 树叶。 这些 树叶 需要 经 光合作用， 需要 蒸腾 水汽， 蒸发 出 水分 之后， 就 需要 下面 的 树根 树干 去 继续 给他 供应 更多 的 水分。 这个 就是 一个 拉动 的 作用。 包括 我们的 人工智能， 无人驾驶 等等， 都 属于 这种 可以 拉动 底层 的 芯片 发展 的这 一类 应用。 当我们 看到 这种 希望， 看到 生成式 人工智能 无人驾驶 的 这种 希望 之后， 我们 就 对 芯片 提出 更多 的 需求， 我需要 算 力 更大 的 芯片， 需要 功耗 更 低 的 芯片， 那 就会 促使 人们 去 研发 这种 性能 更好 的、 功耗 更 低 的、 带宽 更 宽 的 这些 芯片， 所以 这是 第二 方面 的 力量 在 驱动 着 芯片 的 发展。

OK, 你 在写 你的 书 的 过程中， 最 打动 你的 一个 部分 是什么 呢？

对我 觉得 其实 有 很多 让 我想 一个 跟 我们 现在 比较 相关 的， 就是 一个 叫做 积木 式 光刻机 的 发明。 它是 一位 华裔 科学家 发明 的， 他 叫 林 本 坚。 他 发明 的 这种 筋膜 式 光刻机， 可以 让 我们的 光刻机 技术 从 之前 的 45纳米 一直 推进 到 7纳米。 我们 知道 现在 7纳米 也是 比较 厉害 的 一种 芯片 的 工艺 的 节点。

那 为什么 他 会 发明 这样的 一个 筋膜 式 光刻机？ 是因为 当时 遇到 了 一个 非常 严重 的 困难。 这个 林 本 坚 他是 一位 在 越南 出生 的 中国 的 华侨， 之后 去 美国 留学 就 开始 读 博士学位。 他 博士学位 学 的 就是 光学， 毕业 之后 就 进入 到 I B M 研究 光刻， 因为 它的 光学 方面 的 知识 刚好 可以 用 在 光刻 上面。 他 小的 时候 其实 就 非常 喜欢 这种 照相机。

在 六七十年代 还 不是 现在 数码 拍照， 是 胶卷 的 拍照。 他 发现 其实 这个 胶卷 的 拍照 跟 光刻 的 原理 是 类似的。 那 我们 这 光刻 是 把 掩膜 板 上 的图案， 就 电路 的 走线 的图案 转移到 硅片 上面 来， 变成 硅片 里面 的 电路 的 走线。 那 胶卷 把 它 洗出 照片 也是 一样的， 就是 把 这个 胶卷 上 的 这个 图案， 把 它 转移到 我们的 相纸 上面 来。 我们是 通过 化学 显影 的 方式， 相纸 泡 在 这个 溶液 里面 把 图案 显示 出来。 它是 通过 光照 的 方式 透过 相机 转移到 胶片， 然后 再 把 胶片 转移到 相纸 上。 光刻 也是 类似的， 我们 把 这样的 一个 图片 从 研磨 板， 研磨 板 就是 电路 的 版图 转移到 硅片 上来。

通过 光照 的 方式， 他 发现 有 这样的 一个 相似性， 所以 他 就 决定 做 光刻机。 到了 一九八几年代， 他 就 发明 了 一种 叫做 D U V 的 光刻机， 就是 深 紫外 的 光刻机。 我们 知道 光刻 的 原理 就是 通过 光 来 刻石 上面 的 光刻胶， 然后 形成 图案。 这个 光 的 波长 决定 了 我 加工 尺寸 的 大小。 早期 用 的 是 紫外线， 因为 紫外线 的 波长 最短， 大概 只有 400纳米。 但是 当我们 的 晶体管 尺寸 越来越 小， 甚至 小于 400纳米 的 时候， 那 400纳米 的 紫外光 就 不用 了， 所以 就 研发 出 365纳米 的 紫外光。 再到 80年代， 365纳米 也 不够 用了， 所以 林 本 坚 就 研发 出了 245纳米 的 深 紫外光。 它的 波长 更 短， 所以 可以 加工 更 小 尺寸 的 加工 300纳米 以下 的 晶体管。 到了 2000年 左右， 已经 前进 到了 193纳米， 也 叫 深 紫外。

但是 下一步 这个 业界 准备 研究 157纳米 的 紫外线 光刻机， 就 遇到 了 一个 严重 的 瓶颈。 就是 157纳米 的 紫外光 会 被 空气 中的 氧气 吸收 掉， 就 没法 照射到 晶圆 上面， 没法 照射到 光刻胶 上面， 这样 光刻机 就 失效 了。 所以 林 本 坚 就 想 找到 另外一个 方法 去 解决。 但是 业界 还是 坚持 要 做 157纳米， 因为 他们 已经 投入 了 几十亿美元 去 研发 157纳米 的 光刻机。 他们 想 把 光刻机 里面 的 空气 抽干， 或者 是用 其他 的 一些 方法。

那林 梦洁 提出 一个 方法 是什么 呢？ 他是 说 把 这个 光路 上面 从 光 透镜 下来 到 晶圆 表面 变成 水， 就在 晶圆 上 敷上 一层 薄薄的 水。 那 光 进入 到 水 里面 之后， 它的 波长 会 缩小， 会 从 193纳米 直接 缩 到 134纳米， 甚至 比 刚才 提到 157纳米 还要 短。 这样 就 跳过 了 157纳米， 甚至 比 他的 性能 更好。 但是 业界 对 林 本 坚 的 想法 存有 很大 的 疑虑， 因为 我们 所有的 芯片 的 加工 都是 没有 水 的。

现在 林美 坚 突然 提出 要在 晶圆 上 敷上 一层 水， 这个 是 业界 无法 接受。 因为 上面 都是 电路， 就像 我们 现在 不能 随便 在 电脑 上 泼水 泼 咖啡 一样。 这个 想法 就 好像 在 我们的 键盘 上 泼 上 一层 水， 然后 在 这 上面 工作 一样。 所以 业界 非常 的 不 理解， 而且 他们 投入 了 几十亿美元 在 157纳米 这个 技术 上面。 所以 非常 不 赞成 你 门店 的 这个 想法， 甚至 有 很多 的 人 光刻机 或者 是 业界 的 厂商 打电话 给 台积电。 当时 林 本 坚 在 台积电 打电话 给 台积电 的 副总裁， 让 这个 副总裁 去 劝说 林 本 坚 放弃 这个 想法， 不要 来 搅局 了， 我们 已经 投入到 几十亿 了。 当时 台湾 有 一所 大学 的 校长 形容 这个 林 本 坚 的 做法 就是 在 一艘 航母 前 把 它 叫停， 就是 这个 航母 已经 出发 了， 投入 了 几十亿美元 打造 的 157纳米 的 技术 零部件， 一个人 站在 这个 航母 前 把 它 叫停。

然后 他 不停 的 在 全世界 飞来飞去， 向 人们 去 证明 这个 静默 式 光刻 就是 把 它 敷上 一层 水 的 这种 光刻 技术 的 好处。 向 人们 证明 他 特别 喜欢 下棋。 他 其实 已经 预判 了 如果 加上 一层 水会 出现 什么 问题， 然后 怎么 解决 这些 问题， 去 说服 这些 光刻机 的 厂家。 终于 有 一家 公司 接受 了 他的 建议。 当时 是 一家 小 公司， 但是 现在 我们都知道 他的 名字 了， 就是 阿斯 麦， 荷兰 的 光刻机 的 巨头。 当时 阿斯 庙 是 一家 非常 小的 公司， 当时 的 光刻 巨头 一方面 是 美国 的， 一方面 是 日本 的， 佳能、 索尼 等等。 那 阿斯 妙 就 抓住 这个 机会 了， 听从 林 本 坚 的 建议， 首先 就 研发 出了 禁 默 式 的 光刻机， 然后 一下子 占领 了 一半 以上 的 市场， 后来 又 占领 了 70% 多 甚至 更多 的 市场。 紧接着 其他 的 巨头， 像 日本 的、 美国 的， 就 北 阿 寺庙 竞争 超越 远远 的 赶不上 这个 阿斯 庙， smail 就 靠 这个 静 模式 的 光刻机 卷 起来 了， 所以 我们 现在 知道 smail 它 就是 靠 人灵 稳健 的 近 模式 光刻 卷 起来。

这个 进步 式 的 光刻 一下子把 波长 从 193 缩短 到 134纳米。 因为 它 透过 这个 水 之后 就会 让 波长 缩短， 就 绕过 了 之前 157纳米 的 这个 问题。 后来 工程师 又 想 出新 的 办法， 现在 我们的 光刻 技术 是 7纳米、 5纳米， 深更 小， 那 134纳米 其实 是 直接 加工 不 出来 7纳米、 5纳米 的 心 片 的。 工程师 又 想出 用 多重 曝光 的 技术， 就是 在 一层 研磨 板 曝光 一次 可能 达不到 精度， 再加 一层 研磨 板 再 曝光 一次， 通过 多重 曝光 就可以 让 它的 加工 精度 一直 缩小 7纳米。 所以 这个 都是 靠 林 本 坚 的 技术， 让 芯片 的 加工， 光刻 的 工艺 从 45纳米 一直 前进 到 7纳米， 整整 延续 了 七代。 如果 没有 这项 技术， 我们 可能 在 45纳米 的 这个 地方 就 卡住 了。 现在 全世界 最 先进 的 芯片 就是 45纳米， 而 不是 现在 的 5纳米 或者 3纳米。

如果我们 沿着 原始 的 道路 前进 的话， 沿着 几十亿 计划 的 道路 前进， 就 没有 现在 的 7纳米。

是的。

非常 精彩 的 故事。 其实我 看到 你 在 书 中说 的 有 一段话 特别 打动 我。 你 就说 很多 发明 他们 一开始 都 不受 待见， 就是 因为 芯片 的 发展 离不开 持续的 创新 和 超越。 但是 创新 越 大对 传统 的 叛逆 和 颠覆 就 越大， 遭到 传统 势力 的 抵制 也 更大。 所以 芯片 的 发展史 其实 是 一部 创新 史 与 叛逆 史。

是的， 对， 这也是 这 本书 想 表达 的 一个 主题。 因为 不 只是 刚才 我 讲 的 这个 例子， 实际上 还有 很多很多 的 例子 都是 类似 这样的。 因为 他们是 非常 叛逆 的 想法。 我们 芯片 的 创新 可能 是在 所有的 行业 里面 最 密集 的 一个 创新。 所以 为了 有 这些 创新， 用 传统 的 方法 是 不行 的。 但是 这些 创新 的 方法 是对 传统 方法 的 一种 背叛。

我们 单独 看 某 一个 例子 的话， 觉得 是不是 一个个 例， 但是 把 它们 连 起来 就会 发现 不是 的。 尤其是 像 贝尔实验室 这样的 大公司， 他的 对 新兴 技术 的 抵制 或者 压制 反而 是 最大 的。 我们 现在 觉得 贝尔 山 是 可能 是一个 非常 有 创新 的 这样的 一个 企业。

但是 在 芯片 历史 发展 的 过程中， 很遗憾 它是 很多 技术 的 抵制 者。 包括 集成电路 的 技术， 包括 moss 刚才 说 的 mos 晶体管 的 技术， 还 包括 这 另外一个 华裔 提出来 的 叫做 福山 晶体管 的 技术。 这个 福山 晶体管 是 现在 我们的 flash u 盘 的 里面 所有的 用 的 都是 福山 晶体管。 刚刚 提出来 的 时候， 也是 在 贝尔实验室 受到 了 抵制， 不 被 重视， 甚至 不 允许 去 在 外面 发表文章。 如果我们 回顾历史 的话 就会 发现， 原来 他们 居然 有 这么 多 的 共性。

讲 的 非常 好。 然后 我 想到 了 木星 的 一句话， 他说 凡是 伟大的 都是 叛逆 的。

是吗？ 没想到 这样 一个 诗人 也会 说出 类似的 这样的话， 很高兴。

对我 觉得 非常 的 精彩。

我 基本 的 一个 观点 就是 要 理解 我们 当前 的 这些 热点问题， 像 G P U 的 问题， 人工智能 的 问题， 我们 需要 稍微 远离 一点。 从 较长 的 一个 历史 的 一个 几十年 甚至 上百年 的 历史 的 角度 去 回顾 去 看待 的话， 我们 就可以 更好 的 理解 当下 面临 的 这些 挑战， 以及 可能 看清楚 未来 可能 解决 的 这些 途径。 这样 会给 我们 更多 的 一些 思路。

如果 大家 想 了解 芯片 的 发展 历史， 也 推荐 王波 老师 写 的 芯片 简史 的这 本书， 欢迎 大家 阅读。 好的， 好， 谢谢 王老师。

也 谢谢 红军。 非常高兴 今天 跟你聊 天。

这就是 我们 今天 的 节目。 如果 大家 喜欢 我们的 节目， 欢迎 在 你 所 收听 的 音频 渠道 来 订阅。 我们 中国 的 听众 可以 通过 小宇宙、 苹果 播客、 喜马拉雅、 蜻蜓 F M、 荔枝 F M、 网易 云 音乐 来 收听。 我 海外 的 听众 可以 通过 苹果 播客、 spotify、 google podcast、 amazon music 来 收听。 我们 感谢 大家 的 收听， 谢谢。