“今天好多学生在选专业时，听到要做硬件、做芯片，就会有一种恐惧感，我们希望能改变这种状态。”
说这话的人是中国科学院计算技术研究所研究员、先进计算机系统研究中心主任包云岗，几年前他所在的中国科学院大学有 35% 的学生不喜欢做芯片，现在不少学生已经开始热衷于做芯片，并已经有学生“带芯毕业”。
2020 年 6 月，五位 95 后本科生，带着自己设计的处理器芯片“果壳（NutShell）” ，从中国科学院大学毕业，这在国内非常罕见。
整个芯片从设计到研发，耗时仅仅 4 个月，如此高效率的研发，得益于包云岗团队研发的开源芯片设计平台——SERVE。
在 2020 中关村论坛未来青年论坛现场，DeepTech 专访包云岗，并请他重点阐述了 SERVE 开源芯片设计平台的现状。
图 | 包云岗（来源：中关村论坛未来青年论坛）
SERVE 的诞生，要从 2012 年开始，这是一个摸索着长大的产品。2016 年，负责团队耗时 4 年，终于研发出 SERVE 第一版。
同时，包云岗和团队核心成员张科博士、常轶松博士也在继续探索。在明确开源方向后，他们决定把 SERVE，打造成开源芯片设计平台。2019 年，SERVE 发布第三版，并发挥作用至今。
SERVE 的主要作用，是在芯片设计结束以后，对芯片进行开发验证。由于 SERVE 的研究人员，本身也是高校老师，他们“就地取材”，围绕教学场景针对教学中遇到的需求，寻找技术实现手段。
此前，芯片验证一般得用 FPGA 仿真硬件基础设施，并且芯片上面还得运行软件，因此要想测试芯片是否有问题，就得让它跑起来。跑的过程中遇到问题，就要反馈给设计人员进行修复。
包云岗在教学实践中发现，上述做法面临的痛点是，不是每个学生拿到的开发板都很稳定，这样就会导致很多无解类问题。
而 SERVE 的作用，正是用于寻找无解类问题。它能通过联网来给芯片做验证，芯片的开发流程也会因此加快。
之所以具备该功能，是因为 SERVE 使用了一种新架构——SoC-FPGA，相比亚马逊 F1 FPGA 云平台，SERVE 的密度更高，一个平台上可以集成 32 个 FPGA，并且每个 FPGA 上面还有强大的计算力。这样既有较高的密度，又有较强的计算能力，整个芯片系统可以获得更好的性价比。
包云岗介绍称，SERVE 在远程教学中，也发挥了重要作用。2020 上半年，学生都在家学习，而 SERVE 让学生们即便不在学校，也照样可以完成硬件实验。
截止目前，在疫情期间，128 位该校学生登录 SERVE 近两万次，并借此进行了近两千小时的实验。
过去几年，中国科学院大学一直让本科生用 SERVE 去做教学实验，学生对计算机组成原理教学实验平台的满意度，也从 27% 增长到 88%。
把芯片设计搬到云上来
SERVE 的目标，是要把芯片设计过程搬到云上去。未来，该平台有望实现所有的芯片设计，都能在云上完成。
届时，开发人员只需一个帐号，就能在云平台里面，制作芯片开发的基础组件，并能完成开发和验证等所有过程，从而产出芯片设计版图。版图设计出来后，就可以交给芯片制造厂商去制造。
据包云岗介绍，在云上做芯片设计，也是未来的趋势，如果再融入开源要素，还能帮助降低芯片设计和验证的成本。
而降低设计成本，正是降低芯片制造门槛的首要因素。当前芯片的生产要素如 EDA、IP、仿真验证平台等造价都非常昂贵，如果生产要素特别难获取，生产门槛就会非常高。
他举例称，以 14 纳米芯片为例，一般需要几千万甚至上亿元的研发经费。这样的投入，只有少数企业才能承担。如果是创业公司，还没开始创业就要花这么多钱购买设备，那么芯片行业自然难以注入新鲜力量。
说到这里，包云岗说开发 App 的要素都是开源的，三五位工程师下载一些开源组件，很快就能做出一款 App。同样，通过开源和云上设计的方式，也能让芯片设计像开发 App 一样简单。
“让天下没有难做的芯片”
2019 年 10 月份，《经济学人》杂志有篇文章提到：过去十年开源软件让智能手机实现了大爆发，未来十年新的开源硬件有可能让物联网设备实现类似的爆发。
包云岗介绍称，开源芯片已经是大家比较关注的新趋势。
它背后有三大驱动力，第一是当前技术发展的整体趋势，如 2020 年中国半导体行业明显“变热”；
第二是人才，和美国相比，近十年在芯片设计领域里面，中国仍有 20 倍人才差距；
第三是产业，如果把领域专家的知识实现到芯片里面，就能把芯片性能功耗比提升几百倍。
谈及芯片和开源的结合，包云岗表示，一枚芯片的诞生，包括设计、制造和封装等三个阶段，这和出版小说的过程很相似。
设计阶段，就好比把小说写出来；制造阶段，相当于写完后把电子稿发给印刷厂、并把它印出来；封装测试好比把它封装成一本书。
他举例称，以寒武纪公司为例，他们把人工智能、深度神经网络和机器学习的设计固化到硬件里面，最终做出的 AI 芯片，比通用芯片的各方面性能都高出一个数量级。
由于寒武纪芯片针对的是某一类大领域，公司需要投入上千研发人力。但还有很多场景，不需要面对复杂应用，也不需要投入过多人力，可能只是做窗帘里面一个小处理器，这个小处理器只需感知光线是强还是弱，并根据光的强弱、接收手机发来的请求，从而实现窗帘的自动开关。
而用多快好省的方式快速做出芯片，便是降低芯片门槛的主要意义所在。对于有较强应用需求的小芯片来说，它们将在未来实现门槛低、成本低、周期迭代的能力。这样，便能最大程度激发芯片领域的创新活跃度。
包云岗继续分析称，现在全中国有 400 多万个 App，App 拥有量位居世界首位，每个 App 都需要团队开发，未来这些 App 可直接跟芯片关联起来。仍以窗帘为例，假如开发一个 App 控制窗帘，那么与窗帘对应的芯片，也可以打包形成一个软硬结合的解决方案。
比如，一家窗帘公司不仅可以给用户提供智能窗帘，还能给用户一个 App，用户在手机上可以很容易地控制窗帘。与此同时，窗帘公司还能很快做出一款小芯片，并嵌入到的窗帘里面。
这样，窗帘跟 App 是紧耦合的关系，它们之间可以通信，App 里面的请求可以发送到芯片里面，进而通过芯片来控制窗帘。这类芯片的出货量会比较大，相应的场景需求也比较多。包云岗表示，希望未来能把门槛降低到连窗帘公司都可以自己做芯片。
相比中低端芯片，高端芯片的制造门槛更难以降低。以建筑为例，假如要造大兴机场，就不是以成本为中心来考虑，因为它是非常高端的明星项目，需要先进的工程设备来做。
而大量存在的普通居民楼和写字楼，会更加重视经济适用。而包云岗团队目前正在解决的问题，是怎么把量大面广的芯片生产门槛降下来。
他认为，假如造一个普通房子，都需要尖端人员来做，那么房子的推广成本就会非常高。
而把制造量大面广的芯片，跟计算机体系结构（Computer Architecture）对应起来，事情就会更加容易。
在计算机体系结构领域中做开源，相当于把很多预制件都做好、并加以储备，以备随时使用。比如，仅用 10 天就可以造出雷神山和火神山医院，此前长沙还曾用 7 天造出 10 几层楼的酒店。
为什么能做到这一点？因为已经标准化，有了预制件就能很快构建出建筑。包云岗认为，当 AIoT（人工智能物联网）得到进一步普及后，芯片也应朝此方向发展，因为它跟建筑一样，也有量大面广的需求。届时，芯片制造就会更快更便宜，造出来的芯片也会更适用。
开源芯片死结有望打开
但就开源芯片的研发，还面临着“死结”。由于投入很大，大家不愿意开源，没有可用的开源资源，就只能花高价去买 IP。
与此同时，大家又都希望一次流片成功，所以会花更多的时间去验证它，导致人力成本高企。如今，这个死结有望打破。
开源芯片设计平台 SERVE，相当于一群人合伙做出预制件，根据这些预制件就能快速搭出产品。从宏观角度来看，开源就像基建一样需要有投入，投入以后不见得能看到回报，因为做完以后就要贡献给大家使用。
从商业模式角度来看，开源芯片设计平台，就像是国家建设高速公路，前期投入很大，但是建好以后大家的出行会很方便。
正所谓要想富先修路，高速公路一旦建成，就可以促进很多产业的发展，这便是基础设施的作用。开源芯片设计平台也是同样的道理，芯片门槛降低以后，平台就可以变成公共设施，厂商就可以在平台上做自己的芯片。
图 | 国科大组成原理教学实践（来源：受访者）
包云岗指出，构建开源芯片生态，需要四大元素：开源开放的指令集、开源的 EDA 工具链、敏捷开发语言、操作系统和编译器。
以开源开放的指令集这一元素为例，得益于开放和免费，RSIC-V（一个基于精简指令集原则的开源指令集架构）已经逐渐为人所知。
打个比方，指令集相当于一种语言的语法和词汇，而每一种语言都有一本字典，去解释这种语言的语法和词汇的便是指令集手册。
指令集手册都比较厚，以 X86 指令集手册为例，页数多达 5000 多页，而 RISC-V 指令集手册只有 200 多页，本科生就可以读懂。页数少且浅显易懂，这样就可以用较少的人才投入，用它去做处理器芯片设计。
不同指令集的规模差别也很大，X86 如今已有 3000 多条指令，但事实上并不需要这么多。而 RISC-V 基础指令只有 47 条，且可以完成很多功能。
与此同时，RISC-V 是模块化的，虽然只有 47 条基础指令，但其可以像搭积木一样，根据需求构建出定制的处理器。
仍以高速公路为例，路面可以行驶各种各样的车辆，车主也可以基于不同的目的来使用高速公路，有的是做物流，有的是出去旅游。
对于开源芯片设计平台来说，厂商也可以在上面发挥各种想象力和创造力，从 0 到 1 开拓出新业务。
可以说，开源芯片是一个生态基础，而包云岗的工作则是构建一个类似于公共服务的生态，让芯片设计可以有更多创新。
芯片门槛降低以后，“良禽”才会“择木而栖”。相比如日中天的互联网行业，芯片行业研发人员收入普遍不高，但是芯片人才的要求却很高，他们既需要懂设计流程，又需要懂前端、后端等一系列技术。
包云岗认为，中国还没有像英特尔和英伟达这样的 GPU 纯设计公司，中国的 GPU 跟美国的差距也在十年以上。
其中一个原因正是因为芯片门槛过高，人才很难保持活跃度，资本也不太愿意进去。只有降低芯片门槛，学生才会不再害怕做芯片，人才参与一旦增多，资本也更愿意加入。
不过他同时指出，门槛也不能降得过低，移到中间某一个位置时，就会形成较好的业界态势，这时便可以创造更大价值。
