NE时代

从数据中心的光与电，到汽车和人形机器人，这家代工厂押注的是算力之外的一切。

这两年谈 AI，绕不开 GPU。

9 月 22 日，格罗方德技术大会（GTS）期间，格罗方德光子与射频业务高级副总裁 Shankaran Janardhanan 却给出了另一种判断：“现在制约 AI 发展的瓶颈不再是算力，而是互联和供电。”

格罗方德说这句话，有它的立场。早在 2018 年，这家晶圆代工厂就暂停了 7 纳米研发，退出最先进制程的竞赛。它不做 GPU，也不争 3 纳米、2 纳米，而是把筹码压在了算力之外：数据怎么传出去，电怎么送进来，AI 走进真实世界以后需要的传感、控制和低功耗计算由谁来做。

当天，来自中国区、亚太和全球业务的五位高管轮番登场，话题从汽车一路谈到数据中心和人形机器人。场景跨度不小，但细看下来，格罗方德要解决的始终是两件事：连接和供电。

先从车说起。

01.

车：车没多，芯片多了

“对于任何一个技术圆桌或者技术峰会来说，在中国不谈汽车是不完整的。”格罗方德全球高级副总裁 Faisal Saleem 一开场就这么说。

格罗方德全球高级副总裁 Faisal Saleem

他总结了汽车行业正在发生的四个变化。一是车越来越“聪明”，对周边环境的感知越来越强，车内部件之间、车与人、车与云之间的连接也越来越多。二是软件定义汽车，功能可以远程开启、关闭和升级，过去分散在整车上的几百个 MCU，正在被区域架构取代。三是电气化，中国已有超过一半的新车是某种形式的电动车，背后是整车电力架构的根本变化。四是供应链韧性，经历过缺芯之后，车企既要本地供应链，也要全球供应链兜底。

Faisal 还提到一组很有意思的数字。过去五年，用上格罗方德芯片的汽车数量几乎没变；变的是每辆车上的芯片越来越多，而且还在增加。

多出来的芯片从哪里来？摄像头、激光雷达、毫米波雷达、超声波和座舱传感器源源不断地产生数据，这些数据要处理，也要传输。于是，域传感器、区域传感器、网络芯片、以太网芯片、SerDes 和电源管理芯片都在变多。说到底，还是“连”和“电”。

芯片多了之后，新的问题开始出现，那就是“没有一种工艺能通吃”。

毫米波雷达收发器和电池监测芯片，对工艺的要求完全是两回事。在 Faisal 看来，专用工艺平台会越来越重要：FDX（FD-SOI）做低功耗和射频，BCD 做电池管理，氮化镓做功率。

另外在竞争力方面，车规芯片核心卖点是信任

“客户购买汽车，买的不仅仅是技术，更多买的是一种信任。”Faisal 说。一辆车要开 10 年、15 年甚至 20 年，还常常要在极端温度下工作，质量和可靠性是第一位的。格罗方德为此搭建了 AutoPro 平台，把车规要求贯穿到设计、工艺、PDK、IP 和制造运营的每个环节。

格罗方德做汽车已经超过 15 年，工艺覆盖 180 纳米到 FinFET。用 Faisal 的话说，“可以不夸张地说没有一个整车厂车上没有搭载我们的产品”。

亚太制造及新加坡厂区高级副总裁兼总经理陈耀光

信任最终要靠工厂来兑现。格罗方德新加坡厂区年产能中超过 40% 的产量是车规级产品。亚太制造及新加坡厂区高级副总裁兼总经理陈耀光分享了厂区在制造质量、生产效率及交付可靠性方面的表现，展现了格罗方德对汽车芯片质量与稳定供应的重视。

谈到 AI 上车，格罗方德中国区总裁胡维多认为，车里的核心仍然是 MCU，这也是格罗方德在国内重点投入的方向。算力要提升，功耗效率也要提升，但“基础还是以稳定性、可靠性、安全性作为所有汽车相关产品的重点支柱”。

格罗方德中国区总裁胡维多

02.

云：同样的难题，放大了几个量级

从车到数据中心，格罗方德面对的其实是同一道题：功率越来越大，电和数据都越来越难送。只不过到了 AI 数据中心，量级翻了好几番。

电力方面，趋势是从 48V 到 800V。

Shankaran 把数据中心供电的变化概括为三点：电流密度更高，电压升到 800V 高压直流，功率密度更高。这和汽车从 12V 走向 48V 是一个道理，功率上去了，就得靠提高电压来压低电流和损耗。

麻烦在于，这几件事互相牵制。数据要传得更远、更快，供电就得离机架更近。格罗方德在这里的底牌是 BCD、氮化镓等电源与功率平台，也就是车上已经在用的那几套工艺。

通信连接方面，趋势是铜退光进。

连接的压力更大。数据中心正从单个机架走向多机架互联，要连起来的 GPU 从十几块变成成百上千块。单通道速率已经从 100G 走到 200G，接下来是 400G；功耗则要压到每比特 5 pJ 以下。

Shankaran 把互联分成三层。机架或集群内部的纵向扩展（scale-up），铜缆已经跟不上带宽需求，正在“铜退光进”；机架和集群之间的横向扩展（scale-out），以及跨数据中心、跨园区的跨域扩展（scale-across），本来就是光的天下。形态上，眼下主流是可插拔光模块和 NPO（近封装光学），下一步是 CPO（共封装光学）。

这是格罗方德最有底气的一块。它的硅光和硅锗（SiGe）技术都已量产，其中 200G/λ 已经出货，400G/λ 及以上正在研发，路线图上还有 12 英寸硅光。此前，格罗方德还收购了新加坡硅光代工厂 AMF。按陈耀光的说法，如果只算纯硅光收入，格罗方德已经是全球第一。

光和电越靠越近，最后比拼的是异构集成，这恰好是格罗方德还在补课的地方。陈耀光说得很坦白：“先进封装是我们还有待进一步拓展能力的领域。我们现在已经完成了一半，还有更多工作要做”。

已经做到的部分里，TSV（硅通孔）从 2014 年起就已规模量产，SLATE 晶圆对晶圆（W2W）混合键合也具备了量产能力。未来，格罗方德还计划进一步推进芯片对晶圆（D2W）混合键合技术，并探索与氮化镓和硅光技术的集成。

03.

人：车的底子，加上 AI 的脑子

“数据中心还会有进一步的增长，而且人工智能将跨出数据中心，走入真实世界推动物理 AI 发展。”说这番话的是 MIPS 首席执行官 Sameer Wasson，MIPS 如今已是格罗方德旗下公司。

Sameer 把物理 AI 看成一个闭环：感知、思考、行动、通信。格罗方德接下来的投资，就围绕这四个环节展开。

人形机器人是这个闭环最完整的样本。格罗方德在大会上给了两个数字：一台人形机器人的半导体用量是汽车的 3 到 4 倍；要做到接近人的灵巧操作，需要 40 个以上的自由度。

不过把机器人用的拆开来看，还是汽车那套。

感知靠视觉、声学、激光雷达、毫米波雷达和运动位置传感器；思考靠多模态 AI 和传感器融合，要求低时延；行动靠高效、精准的执行器和电机控制；能源靠电池管理和电源管理芯片。

这张清单，和一辆智能电动车的芯片清单相差无几。就连架构思路也一样，格罗方德给人形机器人标注的是“分布式智能与区域化架构”，和汽车正在走的是同一条路。

陈耀光在回答汽车相关提问时也点到了这一点：“我们关注的 MCU 不仅用于电动汽车，也用于人形机器人。”高压 BCD 工艺同样如此。他还特别提到，人形机器人要和人日常打交道，安全性非常重要。而安全，正是车规体系磨了十几年的东西。

格罗方德不造 GPU，但造“小脑”。

物理 AI 和数据中心最大的区别，在“思考”这一环。Sameer 认为，大型 GPU、NPU 当然还会存在，但未来的系统会更多地走向分布式智能，物理世界需要的是大量分散、功耗极低的智能。

他举了个例子：“电机控制不是一个新鲜的事物，但如果是用生成式 AI 或者 AI 来驱动电机控制，这就是一个新的事物。”

这也解释了格罗方德为什么要收购 MIPS。去年买下 MIPS 之后，过去 12 个月里格罗方德又收购了 ARC 处理器 IP，Sameer 形容“我们的能力翻倍了”。

基于这些 IP，格罗方德推出了三个计算参考平台：推理原生的 Acies，采用 100% RISC-V 架构；面向汽车和机器人实时应用的 Actus，基于 FDX 工艺和 Arm；以及安全原生 CPU Aegis，同样是 100% RISC-V。

这背后是客户边界的外扩。Sameer 表示，芯片设计公司仍然是格罗方德的重要客户，但公司也在把客户群扩展到一级供应商（Tier 1），把价值链往后延伸。

一家纯晶圆代工厂开始提供 CPU IP 和参考平台，在行业里并不多见。格罗方德押的是：在物理 AI 时代，谁能以最低的成本把计算、传感和供电集成到一起，谁就能拿到更多设计。

尾声：落子广州

车、云、人三个场景跨度很大，格罗方德拿出来的却是同一套家底：FDX、BCD、氮化镓、射频和硅光这些差异化工艺，把它们封在一起的异构集成能力，MIPS 和 ARC 带来的自有 IP，以及分布在多地的工厂。

最后一项对中国客户尤其要紧。陈耀光举例说，40 纳米、55 纳米工艺在新加坡和德国德累斯顿的工厂都能生产，客户换厂不必从头设计和验证。现在，这张地图上又多了一个点：广州。

9 月初，格罗方德在广州设立办公室，并与广州增芯科技展开合作。从大会披露的信息看，增芯是格罗方德的制造合作伙伴，为客户提供“China for China”产能选择；技术转移由格罗方德新加坡主导，初期聚焦汽车领域。

Faisal 在回答提问时说，汽车电子是本地化需求较为明确的领域之一，客户都希望“既有一套全球供应计划，又有一套本地供应计划”。这篇文章从车说起，格罗方德在中国的这一步，也从车开始。

胡维多在沟通会开场时说过一句话：“你可以在半导体节点中看到，数字背后是有差异化的功能和性能。”在 GPU 的聚光灯之外，AI 需要的芯片远不止算力芯片，格罗方德想做的，正是这些。