解鎖晶片宇宙：ASIC 淘金熱，從一個想法到你手中的超級晶片

Sonya
8月6日
讀畢需時 17 分鐘

我們數位世界的隱形建築師

每當您滑開智慧型手機、向智慧音箱下達指令，或是看著一輛自動駕駛汽車在街頭穿梭，您其實都在見證一顆高度特製化、量身打造的大腦所創造的奇蹟。這些並非您電腦中常見的普通晶片；它們是特殊應用積體電路，也就是 ASIC。

圖片來源：LiveWireInnovation - CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=16755063

ASIC (Application-Specific Integrated Circuit) 是一種為了特定目的而生的晶片，它不像通用處理器那樣「樣樣通、樣樣鬆」，而是專注於一項任務，並將其執行到極致，本文將揭開 ASIC 的神秘面紗，帶您走一趟從一個「如果…會怎樣？」的靈感火花，到驅動這一切的複雜全球供應鏈，最終成為您手中超級晶片的完整旅程，我們將探索它們是什麼、如何誕生、由誰打造，以及這個價值數十億美元的產業將走向何方。

ASIC 的身分認同 — 不是所有晶片都生而平等

專家與通才：為每項任務量身打造的晶片

要理解 ASIC，最好的方式是將它與其他類型的晶片進行比較，想像一下，ASIC 是一輛為了在賽道上奪冠而生的 F1 賽車，而中央處理器 (CPU) 則是一輛多功能的家庭房車，F1 賽車在賽道上無人能敵，但若想開它去超市採買，那簡直是天方夜譚。

ASIC vs. CPU (系統大腦)：CPU (Central Processing Unit) 是一個通才，被設計來處理各式各樣的任務，並管理整個系統的運作，它功能強大，但對於任何單一、重複性的工作，其效率並非最佳。
ASIC vs. GPU (平行運算巨獸)：GPU (Graphics Processing Unit) 比 CPU 更專業，它擁有數千個簡單的核心，專為大規模平行處理而設計，這讓它在圖形渲染和 AI 訓練等領域大放異彩；然而，它本質上仍是一個可編程的通用平行處理器，在執行單一固定任務時，其效率仍不如 ASIC 那般冷酷無情。
ASIC vs. FPGA (可編程的原型)：FPGA (Field-Programmable Gate Array) 就像一塊數位黏土，它是一種通用晶片，工程師可以在產品出廠後對其進行編程甚至重新編程，以執行不同的功能，這使得 FPGA 成為產品原型設計、驗證想法和少量生產的完美選擇；而 ASIC 則是這個想法的最終定型版本，它犧牲了 FPGA 的靈活性，以換取無與倫比的效能、更低的功耗和更小的體積。

這一切都回歸到半導體設計的核心權衡：效能 (Performance)、功耗 (Power) 和面積 (Area)，簡稱 PPA，ASIC 的設計哲學就是透過剝離所有不必要的組件，為特定應用提供極致的 PPA 表現，相比之下，FPGA 的可編程性帶來了額外的功耗和速度損失，而 CPU 和 GPU 的架構則是為了靈活性而生，而非單一任務的極致效率。

十億美元的問題：何時該走向客製化？

打造一顆 ASIC 晶片，需要一筆龐大的一次性前期投資，稱為「非經常性工程費用」(Non-Recurring Engineering, NRE)，這就像是進入客製化晶片俱樂部的「入場費」，而且價格不菲。

NRE 的帳單主要由以下幾項構成：

光罩組 (The Stencils)：這通常是 NRE 中最昂貴的項目，晶片製造過程類似於網版印刷，每一層電路都需要一副極其精密的「模板」，也就是光罩，對於先進製程而言，一套完整的光罩組成本可能高達數百萬美元。
矽智財授權 (The Blueprints)：公司通常不會從零開始設計所有東西，它們會購買預先設計好的「矽智財」(Intellectual Property, IP) 模組授權，例如一個 USB 控制器或 Arm 的處理器核心，以節省時間並降低風險。這些授權費用可能高達數十萬美元。
EDA 工具 (The Software)：沒有來自新思科技 (Synopsys) 或益華電腦 (Cadence) 等公司的頂尖電子設計自動化 (EDA) 軟體，現代晶片的設計根本無從談起，取得這些工具鏈的授權是設計團隊一筆可觀的開銷。
工程時間 (The Brainpower)：一個由頂尖工程師組成的龐大團隊，花費數月甚至數年時間進行設計、驗證和測試，他們的薪資也是 NRE 的重要組成部分。

這就引出了 ASIC 產業的核心經濟原則：量產規模決定一切，FPGA 沒有 NRE 費用，但每顆晶片的單價較高；ASIC 則相反，有著天價的 NRE，但一旦投入量產，每顆晶片的成本極低，當產量達到數十萬甚至數百萬顆時，採用 ASIC 的總成本將遠低於 FPGA，這就是為什麼您的 iPhone 使用的是 ASIC，而不是 FPGA。

這種巨大的前期成本不僅是進入市場的障礙，更是一種戰略武器，像蘋果和 Google 這樣財力雄厚的公司，能夠負擔數百萬美元的 NRE，打造出獨一無二的客製化晶片，為其產品帶來無可匹敵的效能和效率優勢，這形成了一道競爭護城河，讓那些只能依賴現成晶片的小型對手難以跨越，NRE 成本本身，已成為其商業模式的一部分，是一種利用資本建立技術壁壘的投資行為。

同時，FPGA 和 ASIC 並非純粹的競爭關係，它們更像是一個發展連續體的兩端，許多產品的生命週期始於 FPGA，用於快速原型開發和市場驗證，一旦設計被證明可行且市場需求得到確認，公司便會「升級」到 ASIC，以達到大規模生產所需的成本、功耗和效能，這種共生關係意味著，FPGA 市場的活躍程度，往往可以視為未來 ASIC 設計需求的領先指標。

案例研究：比特幣淘金熱與 ASIC 的軍備競賽

要理解 ASIC 的顛覆性力量，沒有比比特幣挖礦更好的例子了，比特幣挖礦本質上是一場競賽，看誰能最快解出一個特定的數學難題（使用 SHA-256 演算法進行雜湊運算），你的算力越強，獲勝的機率就越大。

挖礦工具的演進歷程完美展示了專用工具的優勢：

CPU 時代：最早，人們用個人電腦的 CPU 進行挖礦。
GPU 時代：礦工們很快發現，GPU 的大規模平行處理特性，其挖礦速度遠超 CPU。
FPGA 時代：一個短暫的過渡期，FPGA 提供了比 GPU 更佳的能效比。
ASIC 時代：遊戲規則的改變者，工程師設計出只做一件事的 ASIC 晶片：以驚人的速度和極高的能源效率執行 SHA-256 演算法。

結果是毀滅性的，ASIC 礦機的出現，讓使用 GPU 挖礦在一夜之間變得無利可圖，這是一個真實世界的完美示範：對於一個特定的、大規模的、效能至上的任務，客製化的專用工具永遠會擊敗通用工具，這場「軍備競賽」突顯了驅動整個 ASIC 產業發展的殘酷經濟學和效能優勢。

晶片的誕生 — 從藍圖到矽晶的旅程

一顆 ASIC 的誕生過程，是一趟從抽象概念到具體物理實體的精密旅程。這個過程可以被清晰地劃分為兩個世界：前端設計與後端設計。

設計的兩個世界：建築師與營造商

我們可以將晶片設計比喻為建造一棟摩天大樓：

前端設計 (邏輯設計)：這是建築師的工作，他們繪製藍圖，定義大樓有多少層、每個房間的功能是什麼、人們如何在大樓內移動，他們關心的是功能與邏輯。這個階段的最終產物是一份邏輯計畫書（稱為「網表」）。
後端設計 (物理設計)：這是結構工程師和營造團隊的工作，他們拿著建築師的藍圖，思考如何用鋼筋、水泥和玻璃將它實現，他們需要處理物理世界的現實問題：柱子要多粗、電線怎麼走、水管如何佈局，他們將邏輯計畫轉化為一個可以實際建造的物理實體（稱為「GDSII 檔案」），這種分工至關重要，因為兩個領域所需的技能和工具截然不同。

前端 — 夢想階段 (邏輯設計)

規格與架構：這是旅程的起點，客戶與架構師共同定義晶片需要完成的任務、效能目標、功耗預算和尺寸限制 (PPA)，這是整個專案的「設計委託書」。
RTL 設計 (編寫晶片的 DNA)：工程師使用硬體描述語言 (Hardware Description Language, HDL)，如 Verilog 或 VHDL，來編寫描述晶片行為的程式碼。這是在「暫存器傳輸級」(Register-Transfer Level, RTL) 進行的，它描述了在每一個時脈週期，資料如何在暫存器之間流動。
功能驗證 (抓蟲大作戰)：這是最耗時也最關鍵的階段之一，工程師會建立一個虛擬的「測試平台」(testbench)，對 RTL 程式碼進行模擬，模擬各種可能的使用情境，以求在設計變成昂貴的實體晶片前，找出所有邏輯上的瑕疵。業界的座右銘是：「儘早驗證，頻繁驗證」。
邏輯合成 (轉譯成邏輯閘)：EDA 工具（如 Synopsys Design Compiler）會將人類可讀的 RTL 程式碼，自動轉譯成「閘級網表」(gate-level netlist)。這是一份龐大的清單，詳細列出了構成晶片的數百萬個基本邏輯閘（如 AND、OR、NOT）以及它們之間的連接方式。這是前端團隊交給後端團隊的最終藍圖。

後端 — 現實階段 (物理設計)

佈局規劃 (Floorplanning，規劃城市)：後端團隊首先會對晶片進行高層次的佈局規劃，決定主要功能區塊（如 CPU 核心、記憶體、I/O 接口）的擺放位置，這就像在建造房屋前，先對城市進行區域劃分。
佈局與繞線 (Placement & Routing，連接萬點)：這是魔法與複雜性交織的階段。
- 佈局 (Placement)：EDA 工具會將網表中的數百萬個獨立邏輯閘，精確地放置在矽晶圓的平面圖上。
- 繞線 (Routing)：接著，工具會在多個金屬層上，細緻地繪製出微小的金屬「導線」，將所有邏輯閘依照網表的定義連接起來。這就像為整座城市鋪設電網。
時脈樹合成 (CTS，心跳同步)：時脈訊號是晶片的「心跳」，它必須在同一瞬間抵達數百萬個觸發器 (flip-flops)，CTS 的任務就是建立一個特殊的訊號分發網路，透過插入緩衝器來確保完美的同步，並將「時脈偏移」(skew) 降至最低。
物理驗證與簽核 (Sign-off，最終檢驗)：在將設計送往製造之前，它必須通過一系列嚴格的最終檢查，這包括「設計規則檢查」(DRC)，確保佈局沒有違反晶圓廠的物理製造規則；以及「佈局與電路圖比對」(LVS)，確保物理佈局與原始的邏輯網表完全一致。這就是關鍵的「簽核」時刻。

最終章：下線 (Tape-Out)

這是「破釜沉舟」的一刻，最終的設計檔案，稱為 GDSII 檔案，會被「下線」(tape out)，正式送往半導體晶圓廠（如台積電）進行製造，在此之後發現的任何錯誤，都意味著需要一套全新的、價值數百萬美元的光罩，以及數個月的延遲。

整個 ASIC 設計流程就像一個成本放大漏斗，在 RTL 程式碼階段發現的錯誤，修復成本可能只是一個工程師的時間；同樣的錯誤如果在邏輯合成後才發現，追蹤起來就更為複雜；如果在佈局後發現時序問題，則可能需要大規模的重新設計；而如果在下線後才發現功能性錯誤，那將是一場財務災難。

這解釋了為何業界極度重視「左移」(Shift-Left) 理念 — 也就是將驗證和分析工作盡可能地推向設計流程的早期階段，龐大的 EDA 產業之所以存在，正是為了管理這種隨著設計從邏輯走向物理而呈指數級增長的錯誤成本。

此外，前端（邏輯）與後端（物理）的明確分工，不僅催生了技能的專業化，也創造了不同的商業模式，有些公司專注於前端設計，交付經過驗證的網表；另一些則專精於後端，將網表轉化為可製造的 GDSII 檔案；而像世芯、創意這樣的設計服務公司，則通常提供一站式的「統包」(Turnkey) 服務，為客戶管理從頭到尾的整個流程，對於那些擁有絕佳系統構想但缺乏龐大專業晶片團隊的公司來說，這是一個極具價值的服務。

產業生態 — 眾志成城方能鑄就晶片

一顆 ASIC 的誕生，絕非單一公司能獨立完成，它需要一個全球化的村莊協力合作。整個供應鏈環環相扣，每個參與者都扮演著高度專業化的角色。

供應鏈地圖：從夢想家到終結者

客戶 (夢想家)：這些公司擁有一個特定的需求，而這個需求只有透過客製化晶片才能滿足；例如，像 Google (用於 AI 的 TPU)、Amazon (用於伺服器的 Graviton) 和 Microsoft (用於 AI 的 Maia) 這樣的雲端巨頭，他們需要為其資料中心打造最佳化的硬體、或是像蘋果這樣的垂直整合巨頭，他們設計 A 系列和 M 系列晶片，以創造獨特的用戶體驗並掌握產品的命運。
設計公司 (建築師)：這些是實際執行晶片設計的公司。
- 無廠半導體巨頭 (Fabless)：如博通 (Broadcom)、輝達 (NVIDIA) 和聯發科 (MediaTek) 等大型公司，他們設計並銷售自有品牌的晶片（通常是針對特定市場的 ASIC），但將製造外包。
- ASIC 設計服務公司：如世芯-KY、創意電子和智原科技等專業公司，他們的核心業務就是為其他公司設計客製化晶片，是矽晶世界的「傭兵建築師」。
賦能者 (工具與藍圖供應商)：提供基礎工具和建構模塊的關鍵角色。
- 矽智財 (IP) 供應商：Arm 在此領域至關重要，他們不賣晶片，而是出售使用其處理器設計的授權（藍圖），這使得其他公司可以在一個經過驗證的標準化架構上進行開發。
- EDA 供應商：新思科技 (Synopsys)、益華電腦 (Cadence) 和 西門子 EDA (Siemens EDA) 這「三巨頭」形成了一個寡占市場，提供設計、驗證和測試晶片所必需的軟體工具，沒有它們，現代 ASIC 的設計將寸步難行。
製造商 (晶圓代工廠)：擁有價值數十億美元晶圓廠 (Fab) 的公司。
- 台積電 (TSMC) 是該領域無可爭議的領導者，尤其是在先進製程上，其他主要廠商包括三星 (Samsung)、英特爾 (Intel)（晶圓代工領域的新進者）和聯電 (UMC)，他們是將 GDSII 檔案轉化為實體矽晶圓的「營造商」。
封裝測試廠 (OSAT，終結者)：供應鏈的最後一哩路。
- 像日月光 (ASE) 和艾克爾 (Amkor) 這樣的公司，會從晶圓廠接收已完成的晶圓，將其切割成獨立的晶片，進行封裝（我們看到的黑色外殼），並執行最終的測試。

ASIC 供應鏈關鍵參與者

下表清晰地展示了這個複雜生態系統中的主要參與者及其角色，凸顯了特定環節（如晶圓代工、EDA）的高度市場集中度。

供應鏈環節	角色 (他們做什麼)	全球主要參與者 (他們是誰)
客戶	為取得特定產品優勢而委託設計客製化晶片。	蘋果 (Apple)、Google、亞馬遜 (Amazon)、微軟 (Microsoft)、Meta、汽車製造商
設計公司	規劃並實現晶片的邏輯與物理佈局。	無廠半導體：博通 (Broadcom)、輝達 (NVIDIA)、聯發科 (MediaTek) 設計服務：世芯-KY、創意電子、智原科技
IP 供應商	授權預先設計好的功能模塊 (如 CPU 核心)。	Arm、新思科技 (Synopsys)、益華電腦 (Cadence)、芯原微電子 (VeriSilicon)
EDA 供應商	提供貫穿整個設計流程的必要軟體工具。	新思科技 (Synopsys)、益華電腦 (Cadence)、西門子 EDA (Siemens EDA)
晶圓代工廠	在矽晶圓上實際製造晶片。	台積電 (TSMC)、三星 (Samsung)、英特爾晶圓代工 (Intel Foundry)、聯電 (UMC)、格羅方德 (GlobalFoundries)
封裝測試廠 (OSAT)	進行晶片的組裝、封裝與最終測試。	日月光 (ASE)、艾克爾 (Amkor)、長電科技 (JCET)

這個生態系統建立在「共生寡占」的基礎之上，供應鏈的每一個環節幾乎都由少數幾個關鍵參與者主導，例如晶圓代工領域的台積電、行動 IP 領域的 Arm，以及 EDA 領域的新思科技和益華電腦；這並非巧合，而是因為巨大的研發投入、資本支出和專業知識形成了極高的進入門檻，這些巨頭不僅佔據主導地位，彼此之間更是深度依存；蘋果晶片的成功離不開 Arm 的 IP 授權、新思科技和益華電腦的 EDA 工具，以及台積電的製造工藝；這創造了一個穩定但僵化的生態系統，轉換成本極高，使得不同層級之間的合作關係與共同優化（例如創意電子與台積電的緊密合作）成為了至關重要的競爭優勢。

新前線 — 形塑客製化晶片未來的趨勢

ASIC 的世界正以前所未有的速度演進，由幾個強大的趨勢共同推動。

巨人的崛起：為何科技巨頭親自下場造晶片？

對於雲端服務商（如 Google、Amazon）和垂直整合公司（如蘋果）而言，標準的現成晶片已無法滿足其野心；要在 AI、雲端運算和消費性電子產品的競賽中勝出，他們需要與自家軟體和服務完美契合的硬體。

案例：Google 的 TPU：Google 的張量處理單元 (Tensor Processing Unit, TPU) 是一款專為加速其 TensorFlow AI 框架而設計的 ASIC，它為 Google 雲端內的 AI 訓練和推論提供了巨大的性價比和能效優勢，使其在與依賴通用 GPU 的競爭對手面前佔據上風，Google 決定不大規模對外銷售 TPU，表明他們將其視為戰略性的內部資產，而非商品。
案例：蘋果晶片 (Apple Silicon)：蘋果從英特爾 CPU 轉向自研的 M 系列 ASIC，是垂直整合的經典之作，透過掌握晶片設計，他們得以將硬體和軟體 (macOS/iOS) 進行協同優化，創造出競爭對手難以複製的卓越效能和電池續航力。

用樂高蓋晶片：Chiplet 革命

隨著晶片變得越來越大、越來越複雜，單一微小瑕疵就可能毀掉整片晶圓，導致良率急劇下降，這就是「單晶片」(Monolithic Chip) 的困境。為此，產業正轉向一種「小晶片」(Chiplet) 的模組化設計模式，一個複雜的系統被分解成多個較小的、模組化的裸晶 (die)，然後再將它們組裝在同一個封裝中。

這種方法的優勢顯而易見：

更高的良率與更低的成本：製造幾個完美的小晶片，遠比製造一個巨大的完美單晶片來得容易且便宜。
異質整合：設計師可以「混搭」採用不同製程技術的晶片。例如，將一顆以先進 3 奈米製程打造的高效能 CPU 核心，與一顆以較便宜的 22 奈米舊製程打造的 I/O 控制器，整合在同一個封裝內。這在成本和靈活性上帶來了巨大優勢。
加速產品上市：公司可以在不同產品中重複使用相同的晶片模組，從而縮短設計週期。

AI 設計 AI：終極回饋循環

現代晶片的設計空間極其龐大，要從中手動找出功耗、效能和面積 (PPA) 的最佳平衡點，已超出人類的能力範圍。EDA 公司正在將 AI 技術（特別是強化學習）直接整合到他們的工具中。這些 AI 能夠自主探索數百萬種設計方案（如佈局規劃或邏輯合成選項），找出比人類工程師更優的解決方案，且時間大幅縮短。

這是一個典範轉移。AI 不再僅僅是 ASIC 的應用，更成為創造 ASIC 的基礎工具。它有助於自動化重複性任務，讓工程師能專注於更高層次的架構設計，並使超複雜晶片的設計成為可能。

邁向 2 奈米的量子跳躍：挑戰物理定律

摩爾定律正在放緩。邁向更先進的製程節點（如 3 奈米和 2 奈米）所帶來的效能提升和功耗降低效益，已不如以往顯著。這背後是巨大的挑戰：

物理挑戰：在如此微小的尺度下，量子效應、製程變異和散熱成為巨大的難題，新的電晶體架構，如環繞式閘極 (Gate-All-Around, GAA)，成為必需品。
經濟挑戰：建造一座能生產 2 奈米晶片的工廠耗資數百億美元，而設計一顆 2 奈米晶片的成本同樣是天文數字，只有具備龐大市場規模和明確投資回報的應用（如高階智慧型手機和 AI 加速器）才能支撐這樣的成本。

這意味著，先進製程的極高成本和複雜性，將進一步將權力集中在少數晶圓代工廠（如台積電）和少數大客戶（如蘋果、輝達）手中，強化了第三部分所探討的生態系統格局。

這四大趨勢並非獨立存在，而是形成了一個強大的、自我強化的創新循環，對更強大 AI 的需求 (趨勢 1)，推動了單晶片效能的極限，使得 Chiplet 架構 (趨勢 2) 成為必要；而設計這些複雜多晶片系統的複雜性 (趨勢 2 & 4)，又反過來需要 AI 驅動的 EDA 工具 (趨勢 3) 才得以實現；最終，在技術最前沿進行開發的巨大成本 (趨勢 4)，只有像 AI 這樣能帶來巨大市場和效能回報的應用 (趨勢 1) 才能證明其合理性；這個循環正在加速半導體產業的創新步伐，並拉大領導者與追隨者之間的差距。

結論：客製化的必然時代

總結來看，ASIC 代表了矽晶專業化的頂峰，它以犧牲靈活性為代價，換取了無可比擬的效能和效率。這種專業化之所以可能，完全仰賴於一個複雜、協作且高度集中的全球生態系統；

在一個日益被 AI 等特定、高要求工作負載所主導的世界裡，「一體適用」的通用計算時代正逐漸讓位於客製化晶片的時代；ASIC，這個曾經的利基產品，如今已然站上技術競爭與創新的中心舞台，科技巨頭的親自下場、Chiplet 的模組化革命、AI 驅動的設計流程，以及對物理極限的不斷挑戰，正在共同擘劃未來十年的藍圖，科技的未來，將建立在這些量身打造的超級大腦之上。

參考資料

www.ansys.com, https://www.ansys.com/zh-tw/simulation-topics/what-is-asic-design#:~:text=ASIC%20%E6%98%AF%E7%89%B9%E5%AE%9A%E6%87%89%E7%94%A8%E7%9A%84,%E9%9B%BB%E8%B7%AF%E9%9C%80%E6%B1%82%E9%99%8D%E8%87%B3%E6%9C%80%E4%BD%8E%E3%80%82
什么是ASIC应用特定集成电路 - CSDN博客, https://blog.csdn.net/limengshi138392/article/details/141726668
哪个网工还分不清CPU、GPU、ASIC和FPGA？原创 - CSDN博客, https://blog.csdn.net/SPOTO2021/article/details/143504573
三种自动驾驶主流架构方案对比（GPU、FPGA、ASIC） - 宸优创芯, https://www.cycxic.com/p/7d2a774bc6111.html
FPGA、ASIC、GPU，谁是最合适的AI芯片？ - 虎嗅, https://m.huxiu.com/article/2510954.html
www.quora.com, https://www.quora.com/What-is-the-difference-between-FPGA-and-ASIC-design-in-VLSI#:~:text=ASIC's%20are%20customised%20for%20a,when%20the%20volume%20is%20less .
Difference between FPGA and ASIC - GeeksforGeeks, https://www.geeksforgeeks.org/software-engineering/fpga-vs-asic/
ASIC vs. FPGA: What's the difference? | ASIC North Inc, https://www.asicnorth.com/blog/asic-vs-fpga-difference/
FPGA vs. Microcontroller vs. ASIC - Nandland, https://nandland.com/lesson-2-fpga-vs-micro-vs-asic/
ASIC vs FPGA: A Comparison of Hardware Solutions, https://lembergsolutions.com/blog/asic-vs-fpga-comparison-hardware-solutions
ASIC 設計流程：ASIC 設計是什麼？| Ansys, https://www.ansys.com/zh-tw/simulation-topics/what-is-asic-design
ASIC设计流程：什么是ASIC设计？ - Ansys, https://www.ansys.com/zh-cn/simulation-topics/what-is-asic-design
ASIC是什麼？ASIC概念股有哪些？客製化的AI晶片「ASIC」解密 - 數位時代, https://www.bnext.com.tw/article/80157/asic-design-service-explanation
Non-recurring engineering - Wikipedia, https://en.wikipedia.org/wiki/Non-recurring_engineering
Explaining NRE's - Tekmos' Blog, https://www.tekmos.com/about/blog/explaining-nre-s
hdl - How much does it cost to have a custom ASIC made ..., https://electronics.stackexchange.com/questions/7042/how-much-does-it-cost-to-have-a-custom-asic-made
Part II CST SoC D/M Slide Pack 3 (Design Partition): ASIC Costs: RE and NRE., https://www.cl.cam.ac.uk/~djg11/socdam-patterns-hls-touchstones/soc-design-patterns/sp3-partition/zhp7fd3cc4d5.html
【專題研究】矽智財-科技躍進的關鍵資源-20220610 - PressPlay, https://www.pressplay.cc/project/C35C4E040F83E3B15643CA8D09B0EC77/articles/F55E6813624193838887F6995084613A
Arm 安謀是做什麼的？Arm 股票可以買嗎？業務介紹、估值與優缺點分析, https://finguider.cc/Article/ArticleIndex/1748
ASIC Project Cost, https://www.eng.auburn.edu/~nelson/courses/elec5250_6250/slides/Lecture%202%20-%20ASIC%20Cost.pdf
How Synopsys and Cadence are fueling the semiconductor industry's growth engine, https://www.wing.vc/content/how-synopsys-and-cadence-are-fueling-the-semiconductor-industrys-growth-engine
Tensor Processing Units (TPUs) - Google Cloud, https://cloud.google.com/tpu
Apple's Plan To Dominate Silicon - Moor Insights & Strategy, https://moorinsightsstrategy.com/apples-plan-to-dominate-silicon/
FPGA vs. ASIC: choosing the right technology for your project - reflex ces, https://www.reflexces.com/newsroom/fpga-vs-asic-choosing-the-right-technology-for-your-project
Application-Specific Integrated Circuit (ASIC) Miner - Investopedia, https://www.investopedia.com/terms/a/asic.asp
Application-Specific Integrated Circuit (ASIC) - River, https://river.com/learn/terms/a/application-specific-integrated-circuit-asic/
ASIC - Bitcoin Wiki, https://en.bitcoin.it/wiki/ASIC
What are Application-Specific Integrated Circuits? (ASICs) - Bitstamp, https://www.bitstamp.net/learn/blockchain/what-are-application-specific-integrated-circuits-asics/
ASIC vs GPU：需要考慮的主要區別有哪些 - Bitdeer, https://www.bitdeer.com/zhtw/learn/asic-vs-gpu-what-are-the-main-differences-to-consider
IC前端和后端设计的区别 - 拓驰猎头, http://www.touchhr.com/article/view/id/10094.html
IC设计的前端和后端是如何区分的? 原创 - CSDN博客, https://blog.csdn.net/nuoweishizi/article/details/135496774
IC设计前端到后端的流程和eda工具。 - mfrbuaa - 博客园, https://www.cnblogs.com/mfrbuaa/p/4198688.html
IC后端设计流程，看完就清楚了…--来自EDN电子技术设计的文章 - 行家说, https://www.hangjianet.com/topic/14906102728360000
荐书|数字IC后端工程师推荐用书！ - IC行业知识分享 - E课网, https://www.eecourse.com/article/631
ASIC Design: A Step-by-Step Guide from Specification to Silicon, https://www.wevolver.com/article/the-ultimate-guide-to-asic-design-from-concept-to-production
ASIC Design Flow – The Ultimate Guide - AnySilicon, https://anysilicon.com/asic-design-flow-ultimate-guide/
Tutorial 1 - Introduction to ASIC Design Methodology, http://www.ece.virginia.edu/~mrs8n/soc/SynthesisTutorials/NCSU-asic.pdf
Tutorial 6: ASIC Front-End Flow - ECE 6745 Complex Digital ASIC Design, https://cornell-ece6745.github.io/ece6745-docs/ece6745-tut06-asic-front-end/
VLSI Design Flow - GeeksforGeeks, https://www.geeksforgeeks.org/electronics-engineering/vlsi-design-flow/
How Google Cloud TPUs Solved the AI Bottleneck and Transformed IT - Kartaca, https://kartaca.com/en/how-google-cloud-tpus-solved-the-ai-bottleneck-and-transformed-it/
Apple silicon - Wikipedia, https://en.wikipedia.org/wiki/Apple_silicon
全球IC设计公司（fabless）最新排名- 集成电路，IC，芯片设计 - E课网, https://www.eecourse.com/article/361
無廠半導體公司- 維基百科, https://zh.wikipedia.org/zh-tw/%E7%84%A1%E5%BB%A0%E5%8D%8A%E5%B0%8E%E9%AB%94%E5%85%AC%E5%8F%B8
[News] China Revenue at Risk as U.S. Curbs Slam EDA Giants: Impact on Synopsys, Cadence and More | TrendForce, https://www.trendforce.com/news/2025/06/02/news-china-revenue-at-risk-as-u-s-curbs-slam-eda-giants-impact-on-synopsys-cadence-and-more/
Taking Stock of the EDA Industry - Embedded, https://www.embedded.com/taking-stock-of-the-eda-industry/
Q1全球前5大晶圓代工業者排名出爐兩台廠入列台積穩居市占龍頭 - 工商時報, https://www.ctee.com.tw/news/20250610700066-439901
全球十大芯片代工厂最新排名中芯国际冲击世界第二三星亚军地位恐不保 - cnBeta.COM, https://www.cnbeta.com.tw/articles/tech/1506224.htm
全球前十大晶圓代工最新排名出爐：台積電第一中芯國際擠進第五 - 香港01, https://www.hk01.com/%E5%8F%B0%E7%81%A3%E6%96%B0%E8%81%9E/969710/%E5%85%A8%E7%90%83%E5%89%8D%E5%8D%81%E5%A4%A7%E6%99%B6%E5%9C%93%E4%BB%A3%E5%B7%A5%E6%9C%80%E6%96%B0%E6%8E%92%E5%90%8D%E5%87%BA%E7%88%90-%E5%8F%B0%E7%A9%8D%E9%9B%BB%E7%AC%AC%E4%B8%80-%E4%B8%AD%E8%8A%AF%E5%9C%8B%E9%9A%9B%E6%93%A0%E9%80%B2%E7%AC%AC%E4%BA%94
2024全球十大封测厂排名：日月光第一，长电科技第三，通富微电第四, https://www.icsmart.cn/91794/
《科技》封測營收前十大日月光占45%領先、陸廠具威脅 - 翻爆, https://turnnewsapp.com/livenews/finance/20250513003152-260410
全球封測前十大4台廠入列日月光市占率44.6％居冠 - 工商時報, https://www.ctee.com.tw/news/20250514700175-439901
TPU Deep Dive, https://henryhmko.github.io/posts/tpu/tpu.html
TPU Deep Dive - Hacker News, https://news.ycombinator.com/item?id=44342977
What is a Chiplet? A Technology That Will Change the Structure of the Semiconductor Industry! | Report Series | Telescope Magazine - Tokyo Electron Ltd., https://www.tel.com/museum/magazine/report/202304_01/
How Do Chiplets Work? - Synopsys, https://www.synopsys.com/glossary/what-are-chiplets.html
Chiplet - Wikipedia, https://en.wikipedia.org/wiki/Chiplet
All About Chiplet Technology | Advanced PCB Design Blog | Cadence, https://resources.pcb.cadence.com/blog/2023-all-about-chiplet-technology
What is AI Chip Design? – How it Works - Synopsys, https://www.synopsys.com/glossary/what-is-ai-chip-design.html
How AI Will Impact Chip Design And Designers - Semiconductor Engineering, https://semiengineering.com/how-ai-will-impact-chip-design-and-designers/
AI Chip Design – AI-Driven EDA Solutions | Synopsys, https://www.synopsys.com/ai/ai-powered-eda.html
Siemens turbocharges semiconductor and PCB design portfolio with generative and agentic AI, https://newsroom.sw.siemens.com/en-US/siemens-eda-ai-dac-2025/
3 nm process - Wikipedia, https://en.wikipedia.org/wiki/3_nm_process
Design Challenges in Single-Digit Technology Nodes - AnySilicon, https://anysilicon.com/design-challenges-in-single-digit-technology-nodes/
TSMC's 2nm Venture: A Testament to Innovation Amid Complexity - Astute Group, https://www.astutegroup.com/news/industrial/tsmcs-2nm-venture-a-testament-to-innovation-amid-complexity/
2024中国IC设计Fabless 100榜单公布，涵盖3项综合实力指数、10大技术类别企业- 我爱音频网, https://www.52audio.com/archives/195742.html
The State Of The EDA Industry In 2024 - Semiconductor Engineering, https://semiengineering.com/the-state-of-the-eda-industry-in-2024/
全球前十大封测厂排名出炉，合计营收年增3% - 澎湃新闻, https://m.thepaper.cn/newsDetail_forward_30810086

Fin & Tech Note