向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

三星解散CPU团队,折射出ARM路线潜藏风险

时间:2019-11-14 阅读:
此前,媒体报道三星最终决定放弃自家的Mongoose内核,已经解散了位于德州奥斯汀的整个研发团队,此次三星大概要解雇300人,未来将全面使用ARM的设计方案。对于三星解散了位于德州奥斯汀的整个研发团队事件,折射出几个问题。

此前,媒体报道三星最终决定放弃自家的Mongoose内核,已经解散了位于德州奥斯汀的整个研发团队,此次三星大概要解雇300人,未来将全面使用ARM的设计方案。

对于三星研发ARM CPU的历程,铁流引用一段媒体的报道:

该团队从7420之后,就开始上了第一代“自研”架构(M1)CPU的芯片:8890,不过当时从各方面的拆解与测试来看,并不是是完全自研,与A57有很多方面的痕迹,8895的M2依旧有ARM公版的痕迹。到了9810的M3参数规格以及跑分测试,与苹果自研的CPU架构有着并驾齐驱的态势,一度让外面认为安卓阵营终于有追上苹果的脚步,而被称之为:安卓之光。随着用户在购买了实际产品,而上手体验则发现,所谓的高性能,只能坚持10秒左右就不行了,也让其用户所体验的“安卓之光”变成外表光鲜的称号,又被戏称为骁龙810之2.0。三星随后又在M3基础上,优化推出了M4,但是市场反应依旧是表现一般。之后媒体又爆出M5,紧接着是三星把团队解散了。估计是三星也等不及戓者说没有耐心了,据说很多核心成员被别的企业挖走了。而明年三星推出的9830大致确定是4xA77+4xA55的组合,三星的自研就到此为止了。

对于三星解散了位于德州奥斯汀的整个研发团队事件,折射出几个问题。

技术研发只能迭代演进 一口气吃成胖子又100%代码自己写违背客观规律

从实践上看,技术只能迭代演进,不可能一口气吃成胖子。因为后一代都是针对前一代发现的问题进行改进,而每一代改进源码量一般不会超过25%。而很多问题,都是需要规模化应用才能发现的。正因如此,铁流在以前的文章中强调,规模化应用对国产CPU非常重要,是国产CPU进步的阶梯。

从Intel、AMD、IBM、ARM等公司的CPU发展历程看,都是迭代演进几十年。苹果属于中途插入,也不是一口气吃成胖子,而是拿ARM A8、A9、A15改了三代,经过A4、A5、A5X、A6、A6X数代处理器之后,才出自己的CPU核。三星所谓的自主CPU核,直到第三代的M3开始才逐步脱离ARM公版的痕迹,之后M4继续改。伯利克这么牛,RISC-V也是迭代演进,一步一个脚印,不存在一步登天的情况。参照国内自主路线的龙芯和申威,也是19/18年如一日迭代演进技术,根据前代的不足有针对性的改进,内核一代一代提升。

013ednc20191114.jpg

这里提一个参照,凯为的Thunder X2倒是实现了跨越式发展,性能大跃进,不过,Thunder X2并非是Thunder X1的技术演进,而是基于凯为从Broadcom购买的Vulcan。

非常有意思的是,全世界唯独中国公司,出现了一批横空出世性能不错,且宣传自主研发、自主可控的CPU。比如宏芯,虽然大家都知道宏芯技术源自IBM Power8,但并不妨碍宏芯宣传CP1符合自主可控。又比如华芯通,虽然大家都知道华芯通的ARM服务器CPU技术源自高通,但并不妨碍华芯通宣传昇龙CPU自主可控......

014ednc20191114.jpg

类似的,某公司标榜ARM服务器CPU自主可控,也存在违背事物发展客观规律的问题。

该公司第一款ARM CPU为买A57做集成,第二款ARM CPU同样为买A57做集成,第三款ARM CPU为买A72做集成,第四款CPU宣传为自主设计。虽然PPT上看起来迭代了4代,但问题是,前几代的CPU核是从ARM购买的,该公司只做了SoC设计,即便要说技术迭代,也是ARM完成了从A57到A72的迭代。

至于第四款所谓的自主设计CPU,铁流咨询了一位老师,得到回复的大致意思是,SoC设计部分是国内做的,源代码我(咨询的老师)看过......CPU核部分是美国那边(研究所)设计的,我不了解具体情况。

铁流又咨询了关于技术迭代演进和该ARM CPU横空出世的问题,这位老师的回复是“无法回答”。

铁流认为,那种几年搞一个较高性能的内核一步登天,还宣传源代码100%自己写,就好比一个原来连米格21这个级别的飞机都没有独立设计和制造经验的工厂,宣传自己花了几年就能独立设计和制造了J20一样不靠谱。

(没有技术迭代,一口气吃成胖子造个J20痴人说梦,只能造出LCA)

从实践上看,那种几年时间吃成胖子,一步登天,比较类似的模式是美国盟友引进F35的技术,并用多年时间学会部分技术,依靠进口核心器件和自制部分零件进行组装,这才是正常的技术发展规律。

诚然,站在巨人肩膀上并非不可以,但不宜操之过急,比如迭代研究几代以后,相对于原始设计取得明显性能提升以后,再标榜自主研发,比如类似苹果那样开发出Cyclone之后宣传自主。

当下,国产CPU横空出世一口气吃成胖子并标榜自主可控,完全自主研发,并大举进军体制内市场,这在国外是没有的,这已经是中国特色了。

ARM技术路线存在不小商业和政治风险

从三星的例子看,购买ARM指令集授权设计CPU的路线存在一个技术风险,那就是你自己设计的CPU核未必比ARM设计的CPU核要强。诚然,ARM阵营中也有苹果这样的成功范例,但也有三星这样的失败范例。如果技术演进速度跟不上ARM,那么,自主设计的CPU核在商业上就缺乏竞争力,因为你的竞争对手可以基于ARM公版内核快速切入,而且由于近年来ARM设计的A72、A73、A75、A76、A77等都比较给力,这使得三星自主设计非但没能取得CPU性能上的比较优势,反而使自家的CPU陷入比较尴尬的处境。

以国内来说,某单位的ARM CPU在2014年问世后,IPC在过去5年里进步非常有限,只提升了20%左右,不见得比A72强多少,而如今ARM的技术已经演进到了A77,自己的CPU核演进速度已经明显落后于ARM了。

ARM的政治风险也不容小觑。在本轮贸易摩擦后,中方付出了较大的代价,换取了产业升级的时间,可谓是花钱买时间。铁流希望这些时间不要随意挥霍。就ARM来说,这玩意就是洋人的技术,是不符合自主可控标准的,何况ARM制裁中兴和华为历历在目,不能因现在ARM发布一个声明就彻底洗白了。对于ARM应该列入不可靠实体清单,而不是像现在这样,“ARM虐我千百遍,我待ARM如初恋”,这实在太自轻自贱,没骨气。

虽然ARM中国的高管各种表态ARM没问题,但正如抗日剧中伪军给的承诺,鬼子可以随意推翻,ARM中国说的话,着眼点是商业市场多赚钱,真到了非常时刻,最终还是ARM说的算。

ARM说的很清楚,前提是必须“合规”————只要合规,ARM就卖授权,只要不合规,ARM就制裁。至于什么时候合规,什么时候不合规,从实践上看,这个川普说了算。

在这类制裁事件中,西方科技公司也是在赚钱和政治风险找平衡,当政治风险大的时候,打着“不合规”的旗号,立马翻脸制裁你。当政治风险变小了,就一幅“中国人民的老朋友”的样子,标榜“合规”,在中国做生意,从中国赚取高额利润。甚至和联合中国合资企业或合作伙伴高举自主可控旗帜。可谓司马昭之心,路人皆知。大家千万不能好了伤疤忘了疼。

作为商业公司,基于市场惯性和ARM在移动端具备较好的性能、功耗和生态,将ARM用于商业市场是没有问题,但ARM也只能局限于商业市场。在体制内市场和8大行业央企市场,切不可把ARM这个特洛伊木马往里塞。而应当把真正自主可控的技术送到体制内市场,实现自主技术的螺旋式提升。

(原作者为EDN博客资深博主铁流,原文授权转载自铁流公众号铁君,本文仅代表作者观点;责编:Demi Xia)

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 如何调整现有设计以应用于物联网 通常,仅需将连接元素和安全元素添加到现有设计中即可实现物联网连接。无需从头开始设计解决方案,而是可以通过快速转换现有设计来连接到物联网。可以通过采用软件编程领域公认的技术高效完成这项任务,从而简化和加速开发过程。
  • 高效电源管理架构加速量子计算机商用化 迄今为止还没有成熟的量子计算机出现,文章讨论了超级计算机的电源需求、百亿亿级(Exascale)计算机、以及量子计算机的电源需求。电源管理设计人员面临的挑战将很快从Exascale计算机转换到量子计算机,而后者的电源管理将更具独特的挑战性。
  • AI如何改变边缘计算的未来 每个物联网设备都会持续收集数据,因此需要快速分析,达到实时决策,特别是对于自动驾驶汽车、电网、远程手术、石油钻井平台,甚至军用无人机等应用。
  • 细数工业自动化和机器人技术的创新 现在工业自动化的最终目的是要在工厂里做到员工越少越好,甚至做无人工厂。但即使是做无人工厂,里面也未必没有人,哪怕有一个员工在里面,自动化也需要有安全性,以保证员工不会受到伤害。
  • 绕着汽车转一圈,你能想到哪些电子技术? 不论是车厂、系统集成商还是半导体供应商,每个厂商的PPT都有一个共同的口号:更安全、更环保绿色、更智能。这些技术和方向的实现需要依靠大量高精度的传感和测量。这就是“三化”背后一个非常重要的基础性工作。可能很多人了解人工智能这些数字类的技术。但数字类的技术再牛,也需要有很好的信号源。
  • AI硬件加速需要详细的需求计划 从云端的大数据处理到边缘端的关键字识别和图像分析,人工智能(AI)应用的爆发式增长,正在推动专家们争先恐后地开发最佳架构来加速机器学习(ML)算法的处理。由于新兴的解决方案多种多样,因此在选择硬件平台之前,设计人员必须对应用及其需求进行明确定义。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告