我們在之前的專欄文章《一枚芯片的實際成本是多少？》中著重探討了芯片制造的硬件相關成本。今天我們將針對芯片硬件成本之外的軟性成本進行解讀。

　　芯片設計的軟成本構成

　　一家芯片設計企業的軟成本主要包括專利授權費用、開發工具費用和人力成本。購買硬核IP授權生產芯片的廠商基本只支出授權費用，自主開發的部分極少，所以這里主要討論購買軟核IP授權和指令集授權的芯片研發企業的情況。

　　授權費用

　　大部分芯片企業在研發產品時首先要考慮的就是各種形式的專利授權。以蘋果公司的A9芯片為例，這款芯片采用了蘋果自主研發，兼容ARMv8指令集的CPU核心；GPU部分則是從Imagination購買的Power VR 7系列核心。那么蘋果公司就要向ARM公司購買ARMv8的指令集兼容授權，并向Imagination購買GPU核心的代碼授權。

　　專利授權的費用并不是“明碼標價、童叟無欺”的。不同的企業在購買授權時，最終支出的費用可能有很大差異。一種情況是合作雙方通過專利互換來實現授權，例如Intel和AMD就有長期的擴展指令集互相授權協議（Intel向AMD授權SSE、AVX等指令集，AMD則提供x86-64指令集的使用許可），這種協議通常不涉及資金支出。也就是說，如果自己有對方看重的專利技術，那么就可以一分錢不花用自己的技術去換回對方的專利授權。

　　如果企業沒有條件進行專利互換，那么自然需要支付費用來獲得想要的專利授權了。不同的IP核心代碼授權、指令集授權的報價在數十萬至上千萬美元之間，有些情況下會更高，但具體的成交價格也有相當的浮動空間。比如ARM在推廣ARMv8指令集授權的過程中，就以很低的價格向一些小企業、科研機構“優惠”出售了一些授權包。一般來說，指令集和核心代碼授權的費用是與芯片的最終產量無關的，所以對于芯片廠商來說這是一項固定的成本。

　　一枚芯片，尤其是集成諸多功能的SoC（片上集成系統），其包含的IP核心種類是會有很多的。除了人們熟知的CPU、GPU外，內存控制器、協處理器、視頻編碼解碼單元、PCIe控制器、閃存控制器、基帶模塊等部分都可以是獨立的IP。幾乎沒有什么芯片廠商能夠獨自研發所有這些模塊，所以一顆芯片上存在向其他企業購買的IP核心是司空見慣的事情。當然，自主研發的部分越少，需要向第三方支付的授權成本也就越高。

　　有時企業在研發芯片過程中還會無意中用到其他公司、科研機構的技術實現方法，這時免不了要被索取專利授權費用。Intel、AMD、Nvidia等巨頭的產品都曾被小公司、學校起訴侵權，而這樣的官司最終和解費用一般是和侵權產品的實際產量掛鉤的，因此動輒數千萬美元之多。芯片做的越復雜，類似的情況越容易發生，因此對于大企業而言這塊費用也是必須要考慮的。

　　開發工具費用

　　設計一款芯片，本質上就是編寫出芯片的邏輯代碼并將代碼轉化為硅片上的電路圖的過程。做這些工作自然也需要相應的軟件工具來提高效率。芯片的開發工具統稱EDA（電子設計自動化）工具，是輔助工程師進行代碼編寫、電路設計、仿真測試等一系列工作的軟件平臺。

　　就像圖有Adobe的Photoshop、辦公有微軟的Office，業內也有很多企業專門開發EDA工具包。絕大部分芯片公司都需要購買EDA，這一部分的支出也是芯片軟成本的大頭。

　　以EDA工具的行業領導品牌Synopsys為例，其銷售的EDA工具軟件一般是按照功能的多少來定價的。每個功能模塊的報價都在數萬至十幾萬美元／年。一款復雜芯片的設計過程中需要的EDA功能模塊動輒幾十上百項，因此僅僅是購買這套工具每年的花費就會有幾百萬乃至千萬美元以上。

　　除了購買功能模塊，芯片企業有時還需要EDA工具提供商的技術支援來幫助自己快速了解工具的功能、用法，并排除bug。當然，技術支援也是需要另外掏錢的，視復雜度不同，每年的費用也可以達到幾十萬美元。

　　還有些EDA工具或支持服務是按部署工具的計算機數量，甚至按照計算機的CPU核心數量收費——于是使用工具的電腦越多，機器里面的CPU核心越多，成本也就越高。芯片企業對這樣的價格策略自然是很不滿意，不過通常情況下也只能默默接受。畢竟優秀的EDA工具選擇稀少，而這種工具對芯片設計來說幾乎是不可或缺的。

　　但并非所有的開發者購買EDA工具的成本都是一致的。除了功能模塊數量、部署計算機數量等因素的影響外，EDA工具的銷售方是有著非常靈活的價格策略的。典型的，教育機構、科研機構購買EDA時往往會有驚人的折扣，實際成交價可以低至報價的十分之一；大企業大批量購買工具也容易得到較好的優惠政策。即使是一般的訂單，最終成交價做到報價的五折或更低也幾乎是行業慣例。不過由于原始報價本身就居高不下，即使算上折扣，EDA工具的購買維護費用對于芯片設計者依舊是龐大的支出。

　　除軟件系統外，設計芯片自然也需要購買大量的硬件設施。開發過程中的有些步驟（例如仿真測試）需要很大的計算資源支持，這些任務通常會跑在高性能服務器集群上。高可靠性的存儲系統和網絡協作平臺也是必要的硬件投入。為了節省成本，企業可以將部分功能轉至第三方云平臺，即便如此每年百萬美元的成本也是稀松平常。