速度返回为半导体关键指标

在可预见的未来，一切都与性能有关。

在过去十年左右的时间里，功率和电池寿命一直是芯片设计的决定性特征。 表现仅次于那些。 这在智能手机和可穿戴设备中尤其重要，因为收费之间的时间是一个关键卖点。事实上，耗电量大的处理器杀死了第一轮智能手表。 但随着越来越多的芯片被设计用于智能手机或可穿戴设备以外的应用，性能已经成为主要目标。

有几个原因。 首先，正在设计更多芯片来处理大量数据，并且没有单个处理元件可以跟上该卷而不会使系统过热。 因此，一些最新的设计是混合加速器。 这包括用于控制的某种类型的中央逻辑，无论是CPU还是MCU（这两种处理器类型之间的分界线不再可见），以及散布在封装或封装中的不同类型的存储器。 甚至一些软件正在被可编程逻辑取代，因为它更快。 结果是，与传统的SoC设计相比，数据吞吐量和处理速度大幅提高，电阻/电容低得多，从而加热导线并降低性能。

这些变化在AI和机器学习应用中是必不可少的，其中整个想法是尽可能快地进行乘法累加功能，理想情况下使用某种类型的大规模并行系统。 但是，不是并行使用不同的芯片，缩放使得可以将多个处理器放在同一个芯片上或同一封装中。 因此，虽然传统的缩放不能提供与过去相同的功率/性能优势，但它确实提供了足够的空间以便能够在相同的芯片上或芯片之间实现这些类型的改进。

这在一些正在工作站和数据中心推出的芯片中很明显。 只需查看Apple的新Mac Pro规格或HPE ProLiant服务器规格。 整个计算领域都有类似类型的公告，以及内存频谱的改进，以实现更快的读/写时间和处理器与内存之间的吞吐量。

其次，无论发生什么样的情况，公司都准备在边缘市场上占有一席之地。 要发送到云端的数据太多，因此快速预处理这些数据至关重要。 这是在最初生成数据时完成的，还是在一系列临时计算站点和服务器场中完成，还有待观察，但处理速度将成为该细分市场的决定因素。 可以更快地完成的处理越多，云就越能够做到它最擅长的事情，即处理数据并从更多来源识别模式，而不是处理来自各地的大量计算工作。

第三，技术世界开始达到临界质量，就可以用数据串而不是单个位做什么。 数据挖掘，更好的AI / ML / DL算法以及来自更多来源的更多数据的融合为在所有业务中获得竞争优势创造了潜在的财富。 现在关键是谁可以最快地识别新的市场机会和竞争威胁，其中很大一部分取决于更多数据的收集模式。 知识的数量已经加速了几十年，尽管其中大部分都局限于特定的细分市场。 它将在未来十年内实现巨大飞跃，而且这种跳跃将跨越多个细分市场。

这并不意味着仍然不会强调可靠性，安全性，面积/成本和功率。 电源是任何带电池的必备元件，通常是设备运行速度的门控因素，以及它们能以最大速度运行多长时间。 尽管如此，速度已经成为许多设计中的关键设计指标，并且它不会很快消失。