物理AI时代 新思科技携手台积电助推AI芯片更具性价比

代工涨价和产能紧缺已经成为众多顶端AI芯片公司面临的严峻挑战，如何帮助AI芯片企业以更低成本和更稳定产能推出AI芯片特别是边缘AI的芯片产品，成为晶圆厂和EDA企业这些设计制造产业链企业追求的新方向。近日，新思科技宣布，面向台积电成本优化的 N6C 与 N4C 工艺，推出了一套广泛的半导体IP（知识产权）产品组合。此举旨在帮助工程师在降低设计风险和制造成本的同时，满足新一代边缘AI、机器人及智能制造应用对高性能计算的需求。

新思科技针对台积电 N6C（N6 v1.1）与 N4C 工艺节点制定了专属 IP 产品布局方案，产品线分为接口IP、基础 IP 与 SLM PVT 监测 IP 三大板块：接口IP涵盖了当前所有主流的传输标准，确保用户可以根据传输需求随意搭配。基础 IP 涵盖嵌入式存储编译器 IP、逻辑库 IP、IO 接口 IP 与非易失性存储器 IP，SLM PVT IP 则包含工艺检测器、电压监控器、温度传感器、分布式温度传感、超温故障传感器与热敏二极管产品；整套经过流片验证的完备 IP 体系依托成熟架构降低芯片研发风险、加速产品上市周期，同时针对台积电紧凑型工艺节点完成定制优化，适配高性价比的大批量量产落地需求。 

台积电是全球半导体工艺的领导者，目前最先进的工艺已经演进到2nm节点。但先进工艺面临着产能、成本和良率等多方面的挑战，对成本较敏感的边缘AI、机器人等芯片着实有点囊中羞涩。台积电中国公司副总经理陈平介绍，N6C和N4C在台积电原有路线图中曾经命名为N6e和N4e，是台积电的Mainstream工艺体系的重要节点，作为台积电C-Node精简路线：不改动晶体管沟道 / FinFET 器件架构、不换 EUV 光刻层数，靠精简金属掩膜层数、收紧设计规则、重编高密度标准单元 / SRAM 库、集成 RF/PMIC 嵌入式存储 IP实现降本 + 优化低功耗，保留原版绝大多数 PPA 能力。N6C另一个特点是：原生N6偏纯数字，N6C原生整合RF 射频库、PMIC 电源管理 IP、嵌入式 NVM 非易失存储、传感器模拟器件，天然适配数模混合 SoC，不用额外堆叠特殊制程。

制造成本节约的关键步骤是掩膜精简，陈平介绍，原生 N6 金属掩膜约 15~16 层，N6C 精简至10~12 层金属光罩，删减非必要冗余布线层，缩短晶圆制程周期、降低光刻成本。与此同时，台积电针对性进行了器件与电压优化，通过优化多阈值 HVTH/ULL 超低漏电晶体管，核心工作电压从 N6 典型 0.6V 下探至0.5V，I/O 域电压由 1.65V 降至 1.15V，静态漏电功耗下降 15%~22%。良率方面，复用 N6 光刻规则，标准单元面积小幅压缩≈6%，SRAM 沿用双端口架构小幅缩容，裸片面积平均缩小 5%~7%、单片晶圆良率提升 3~5 个百分点。

图 台积电C-Node工艺细节 

陈平根据实际数据介绍N6C带来的成本和PPA表现，成本方面相比标准N6下降 7%~8%；同等频率下动态功耗降低10%、漏电功耗降低20%；性能方面最高主频与 N6 持平（同电压下），不过放弃极限超频能力优先低功耗。这些特性使得N6C特别适合边缘AI端侧NPU、机器人、智能可穿戴、中低端手机AP、车载域控中低算力MCU等边缘应用。同样作为N5升级版的N4C工艺，逻辑密度相比N5提升约 15%-20%，同频下功耗降低约 15%，性能提升约 10%，芯片面积缩小约 10%-15%，更适合复杂SoC和高端处理器。 

工艺的变化带来的是设计流程的转变，这部分工作就是EDA厂商施展的舞台了。特别是台积电的N6C和N4C瞄准了边缘AI应用市场，这部分市场对产品问世和迭代的速度要求明显高于超大算力AI市场，因此对工艺配套的IP要求极高。新思科技作为EDA头部企业，早就瞄准了物理AI应用的庞大机遇，为台积电的N6C和N4C工艺量身定制了完善的配套IP组合，希望能够帮助设计企业快速基于新工艺设计面向边缘AI应用的产品。 

新思科技首席产品官Ravi Subramanian提出，Physical AI 即物理人工智能是智能系统的未来，它指代能够在现实物理世界中完成感知、决策与执行全流程的 AI 驱动系统；这类技术落地于各类软硬件设备之中，依托传感采集、算力运算、实体动作执行三大核心环节，实现机器系统和真实物理环境的交互联动。新思科技围绕 Physical AI 与边缘 AI 产品划定四大核心产品特质：其一为确定性实时性能，可在动态环境中以低时延、可预判的算力支撑感知、规划与整机控制任务；其二是高效可扩展算力，能够覆盖从电机控制到 AI 推理的异构业务负载，实现出色的单位功耗算力表现；其三是安全合规架构，面向车载、机器人与工业场景提供完备的功能安全配套；最后依托成熟落地生态，凭借完善软件底座与预集成平台，有效缩短客户产品落地周期。针对新思科技的这一系列IP组合，Ravi Subramanian直言，面向物理 AI 与边缘 AI 产品所需的计算子系统（CSS）是经过完整验证、测试与合规认证的标准化算力单元，它既可以为自动驾驶、车载座舱以及各类 AI 业务负载提供高性能算力支撑，又整合了处理器内核、高速互联总线与存储相关技术，同时针对汽车、机器人领域完成预适配配置，能够有效缩短项目研发周期、降低产品全生命周期成本。

图 新思科技首席产品官Ravi Subramanian

中国市场是新思科技的业务重心之一，新思科技围绕中国本土市场需求制定了专属 IP 产品布局策略，Ravi Subramanian介绍，针对现有 IP 产品迭代优化，打造高算力能效、低功耗、高传输速率且具备成本优势的方案。面向边缘 AI、物理 AI、车载、低成本边缘计算等新兴赛道研发全新 IP 品类；同时把成熟 IP 移植适配新一代国产工艺，遵循摩尔定律适配国内先进制程与高性价比低功耗工艺路线，还可依托 IP 定制、子系统整合、芯片集成服务，帮助国内客户更快、更低风险地完成 SoC 芯片研发落地。 

首次以中国区总裁身份在媒体面前公开亮相的新思科技全球副总裁姚尧表示，AI正在从数字世界迈向物理世界，全球物理AI市场预计到2032年规模将达到152亿美元，CAGR高达47%.如此迅猛的物理AI市场，必将引发从芯片到系统工程迎来全新变革。芯片不再是独立存在的产品或“计算能力”，而是芯片+系统+物理环境的耦合。中国作为全球物理AI重要的创新源基地，在无人机、智能汽车和具身智能等领域将成为全球技术的引领者。随着产业从 AI “能做原型” 迈向规模化落地，行业工程挑战正在重构，在 NPU/SoC 这类核心放大器芯片的研发中，产业陷入 PPA 极致博弈，需要持续平衡算力成本与芯片综合效益；如今行业竞争已从单点技术比拼升级为全链条工程体系能力的较量，芯片不再孤立设计，受制于芯片、软件、整机系统与物理环境叠加带来的系统复杂性，叠加严苛的上市周期、量产管控要求全面升级，而 Physical AI 的落地本质就是一套复杂的系统级工程难题。如今解决这套难题的理想答案，就是台积电推出的N6C和N4C先进工艺，新思科技则为广大客户提供了全套的IP组合保障客户能够将设计快速部署到这两个工艺。

图 新思科技全球副总裁兼中国区总裁 姚尧