AI, 大數據, 物聯網 ... 推高記憶體需求
記憶體得番三叔, Hynix, Micron 三個大莊家
識製造晶片值錢過識設計晶片
記憶體值錢過處理器
Moore's Law 行到盡頭
譚新強
正在瀏覽這個版面的使用者: 沒有註冊會員 和 22 位訪客
在未來AI世界,必先發展很多不同類型硬件,包括GPU、各種傳感器、記憶體等。除此,機器人方面更包括很多真正的機械硬件和電池等。
AI當然也需要軟件,但Nvidia老闆黃仁勛說,未來AI軟件,不再需要非常複雜動輒數萬行代碼。取而代之將是一個簡單的軟件框架,可能只有數十行代碼,然後供應大量數據給予這些AI系統,讓它自己學習。
AI系統暫時分為訓練(training)和應用(inferencing)兩階段。訓練階段GPU已完全勝出,尤其Nvidia有CUDA界面優勢,是最大贏家。
Nvidia估計未來3年,GPU在伺服器市場將增長10倍。應用階段勝負未分,Nvidia企圖說服客人在應用都採用GPU,在示範中GPU辨認圖像的速度比只用CPU的系統快100倍,但問題是GPU很昂貴,非常耗能,在高端用途如Tesla無人駕駛系統或可接受5000美元一台的超級電腦(Tesla宣布了將跟AMD開發自家AI芯片),但低端用途如穿戴式傳感器,則肯定不划算。所以除非重新設計一些較便宜和低耗能的GPU,要不然CPU必仍佔一席位。
某些特別應用,如挖比特幣礦或機器人,ASIC的性價比可能更佳,或FPGA的靈活性更強。
我認為製造商的技術含量遠比設計高,既有IP,更有如燒菜般,不能全寫下來的經驗和秘方,這正是台積電最厲害的地方。中國大陸在設計方面已追上來不少,如華為的海思和兆易創新等已貼近國際水平。但在製造方仍差很遠,最先進的中芯國際才剛開始生產28納米芯片,台積電已量產10納米,明年開始7納米。在過去10年,兩家的技術水平可說仍在愈拉愈遠。大陸肯定將能逐漸追上來,但實在殊不容易,因為半導體製造機器的出口,和技術轉移到大陸,都面對愈來愈緊的限制,基本規定是要落後兩代。
所以設計公司如Nvidia、ARM(已被軟銀收購)等光芒四射,增長快,估值超高。但更無可替代的是,在背後默默耕耘、持續增長的台積電,是更肯定的最後贏家。
從前大家把記憶體當作一門不值錢的大宗商品生意,周期性強、過度競爭、盈利不穩定,所以PE只有單位數5至8倍左右。但我已多次解釋這行業已起重大革命,AI加雲端等新應用成為新的長期增長來源,供應方早已演變成寡頭壟斷,再加上摩爾定律(Moore's Law)已接近死亡。雖然Micron、三星已不斷創新高,Hynix也接近高位,但重估PE的過程基本上還未正式開始,很多人仍在等下一個下滑波段,如調整度很淺才肯接受"This time is different"的觀點。
邏輯芯片仍將繼續增長,Nvidia的股價仍極可能再升不少,但記憶體的想像空間當然更大很多。