国产芯片的“算力之困”，确实撕开了一道口子。

当下的AI赛场上，英伟达无疑是最闪灼的一颗明星。

十多年来，英伟达在生产能够执行庞大AI义务（如图像、面部和语音识别）的芯片方面，确立了险些无法撼动的*职位。

然而，凡事总有转变。

近期，随着谷歌、IBM等巨头最先在芯片方面一齐发力，GPU领域的竞争名目，最先有了些玄妙的改变。

最近，IBM推出一款全新的14nm模拟AI芯片，效率到达了最*GPU的14倍。

其*的亮点，就是借助神经网络在生物大脑中运行的要害特征，来削减能耗。从而*限度地削减人们在盘算上破费的时间和精神。

同样的，身为科技巨头的谷歌，也在8月尾的GoogleCloudNext2023大会上，公布了一款全新AI芯片CloudTPUv5e，专为大模子训练推理所设计。

详细来说，CloudTPUv5e允许多达256个芯片互连，聚合带宽跨越400Tb/s和100petaOps的INT8性能。

凭证速率基准测试，在CloudTPUv5e上训练和运行人工智能模子的速率提高了5倍。

由此可见，各大巨头着实并不甘于在算力问题上永远被英伟达“卡脖子”，并最先纷纷推出了各自的芯片，对英伟达的GPU霸权职位提议了“围攻”。

那么，在英伟达深不见底的护城河眼前，这样的挑战远景事实若何？

01 “霸主”的远虑

英伟达的山河还能坐多久？

从某种水平上说，决议这件事的，不仅仅是英伟达自己的创新能力，尚有科技生长固有的定律。

作为盘算机行业的黄金定律，摩尔定律一直指导着芯片开发。

然则随着芯片工艺升级速率的放缓，围绕在这一定律身上的争议也在不停扩大。

所谓摩尔定律，指的是集成电路上可以容纳的晶体管数目在约莫每经由18个月到24个月便会增添一倍。

然而，随着芯片手艺的不停生长，摩尔定律正逐渐遭遇瓶颈。

CIC灼识咨询曾披露，受制于芯片尺寸的物理极限、光刻手艺、隧道效应、功耗和散热、供电能力等问题，从5nm到3nm再到2nm，其距离都跨越了2年时间。

面临这种情形，纵然是以“刀法精湛”著称的黄仁勋，也不得不无奈地宣布“摩尔定律已死”，涨价身不由己！

其在去年公布的 AD102（RTX4090） 芯片，尺寸为 608mm，这仅比 628mm 的 GA102（RTX3090Ti）略小。

根据这样的手艺路径，传统GPU的天花板，似乎已经越来越近。

也正因云云，各路巨头在解决算力之困的同时，也在努力地“另辟蹊径”，找到一条有别于传统蹊径的破局之策。

前面提到的IBM模拟人脑神经结构的类脑芯片，就是这样的实验之一。

然而，在面临传统芯片瓶颈方面，业界存在着许多种差其余方案，好比量子芯片、光子芯片、类脑芯片，但犹如昔时GPU取代CPU，成为今天AI盘算的主力一样，在多种手艺路径的博弈中，最终往往会有一个“*”的路径胜出，成为新时代通用的芯片范式。

而这样的“*”路径，则理应是一种在手艺成熟度、通用性和市场需求等方面，都做到了较好兼顾的一种方案。

就现在的情形来看，量子芯片、光子芯片、类脑芯片等都还处于研发阶段，其手艺成熟度尚有待实践的磨练。

此外，量子芯片、光子芯片、类脑芯片等都是针对特定的盘算问题而设计的，其在通用性、兼容性上，往往还存在着一定的不足，

例如量子芯片适合解决一些经典盘算机难以解决的主要问题。光子芯片适合解决一些高速数据处置和传输的问题，如光通讯、光互连、光盘算等。

而综合对照下来，现在最有可能胜出的方案，则是多种芯片模块组合的超异构盘算。

02 新的赛道

什么是超异构盘算？

简朴来说，就像是一个拼图游戏，把差其余芯片模块（如CPU、GPU、FPGA等）根据差其余规则和目的来拼接，形成差其余盘算方案。从而处置差异类型的数据和事情负载的手艺。

超异构盘算的目的是实现盘算的*化，即在性能、功耗、延迟等方面到达*的平衡。

在CPU同构盘算阶段，100%事情由CPU完成；

但在GPU异构阶段，80%事情由GPU完成，CPU只完成剩余的20%的事情；

而在超异构盘算阶段，则80%的事情由种种更高效的DSA完成，GPU只完成剩余20%事情的80%，即16%的事情，剩余的4%交给CPU。

茅台大举做LP

这里的DSA，是一种针对特定领域和场景的盘算单元，可以实现高效的数据处置和算法加速。例如神经网络处置器（NPU）、图形处置器（GPU）、数字信号处置器（DSP）、视觉处置器（VPU）、平安处置器（SPU）等 。

这些“术业有专攻”的特定芯片可以比传统的GPU更快、更省电、更小巧、更天真。

但同时，由于高度特化的DSA不太适合做其他方面的事情。以是，还需要用到一些GPU和CPU来辅助和协调这些芯片，完成剩下的一些盘算事情。

这样，在“专人专职”的分工搭配下，芯片就可以实现盘算的*化，即在性能、功耗、延迟等方面到达*的平衡。

在面临AI大模子、自动驾驶、元宇宙等新兴的领域和应用场景时，AI要做的事情越来越多，越来越难，而传统的同构芯片已经跟不上AI的措施，难以给AI提供足够的算力和速率。

而超异构盘算可以提供更高的天真性和可扩展性，能够凭证差其余数据和事情负载，动态地分配和调剂盘算资源，实现盘算的自顺应和智能。

详细来说，超异构盘算可以分为两种模式：静态超异构盘算和动态超异构盘算。

静态超异构盘算，是指在设计阶段就确定好各个处置器之间的分工和协作方式，适用于一些稳固且可展望的场景，如视频编解码、图像处置等；

动态超异构盘算是指在运行时凭证实时数据和事情负载来动态地选择和调剂最合适的处置器，适用于一些更具转变的场景，如云盘算、边缘盘算、物联网等；

通过这类“消息连系”的方式，超异构盘算就能天真调整负载，实现高效地算力调剂。

除此之外，从成本上说，超异构盘算同样是一种有用降低大算力芯片成本的方案。

随着传统GPU芯片尺寸的不停缩小，人们就需要更多的研发投入和更周详的制造装备，这就导致了成本的上升。

着名半导体研究机构Semiengingeering统计了差异工艺下芯片所需用度，其中7nm节点需要的用度已经到达了2.97亿美元；

但超异构盘算，却依附多种芯片间天真的分工、协作，巧妙地解决了这一难题。

用一个形象的比喻来说，传统GPU芯片就像是一辆跑车，要想让它跑得更快，就需要不停地改善发念头、轮胎、刹车等部件，因而制造成本会成倍上升。

而超异构盘算就像是一辆多功效汽车，它可以凭证差其余路况和需求，切换差其余驱动模式，如越野、运输、载客等，云云一来，就不用一味地改善发念头（缩小芯片尺寸）来提高性能了。

03 弯道超车

正是由于这样的优势，超异构盘算不仅突破了传统GPU的瓶颈，而且也对了国产大算力芯片提供了“弯道超车”的历史时机。

就现在来看，在超异构盘算的赛道上，英伟达等巨头的结构也异常努力和周全，推出了Hopper超级芯片，与GraceCPU和BluefieldDPU集成，组成一个完整的超异构系统。

但海内厂商也同样最先在这一偏向举行了发力，如华为推出了鲲鹏920处置器，这是一款基于ARM架构的高性能CPU，可以与华为自研的升腾 AI 芯片和昆仑 AI 芯片实现异构协同，支持云、边、端等多种场景。

尚有一些海内厂商也在研发自己的超异构芯片，例如紫光展锐推出了虎贲 T7520处置器，这是一款集成了CPU、GPU、NPU、ISP等多种盘算单元的超异构芯片，专为5G终端而设计。

从总体来说，超异构盘算是否会给海内芯片厂商提供弯道超车的时机，主要取决于以下几个因素：

·海内芯片厂商在差异类型的盘算单元上的手艺水平和竞争力，例如CPU、GPU、DPU、FPGA等，以及它们之间的协同和优化能力。

·海内芯片厂商在高速互连和先进封装方面的创新能力和成本控制能力，例如 2.5D和3D堆叠手艺，以及对差异工艺节点和架构的兼容性和可扩展性。

·海内芯片厂商在统一软件平台方面的开发能力和生态建设能力，例如支持多种异构装备的编程框架和治理平台，对差异场景和应用的适配能力。

在这三个方面，现在的海内企业虽然有一定的探索和希望，但总体而言，仍面临不小的挑战。

例如，差异类型的盘算单元上的手艺水平上，海内仍存在着一定的短板，例如华为的鲲鹏920处置器虽然在性能上有所提升，然则在兼容性和生态方面尚有不足。

在高速互连和先进封装方面，对于2.5D和3D堆叠等要害手艺，现在海内芯片厂商还没有完全掌握，而且还依赖于外洋供应商。

而现在海内厂商现在突破*，也*潜力的偏向，是软件平台的开发能力上。

由于，超异构盘算的硬件多样性和庞大性，给开发者带来了很大的挑战。

若是有一个统一的软件平台，可以屏障底层的细节，提供高效的编译、调剂、优化等功效，那么就可以大大降低开发者的肩负，提高明异构盘算的可用性和普及性。

现阶段，阿里云的异构盘算产物家族，包罗GPU云服务器、FPGA云服务器和弹性加速盘算实例 EAIS 等，提供了一系列的异构盘算服务息争决方案。

而华为的Atlas异构盘算平台，基于自研的升腾AI处置器，也提供了从芯片到云服务的全栈异构盘算解决方案。

综合以上种种因素，以及英伟达自身的研发能力这一“动态变量”举行思量，未来芯片市场的竞争名目，大致会出现如下态势：

海内芯片厂商未来5年在超异构盘算上的竞争水平，会有一定水平的提升和突破，解决部门算力“卡脖子”问题，然则还无法完全脱节对英伟达等外洋巨头的依赖。

在一些特定的场景和应用上，海内芯片厂商可以与英伟达 等巨头形成有用的竞争，例如在5G、物联网、边缘盘算等领域，海内芯片厂商可能会推出更适合内陆化需求和环境的超异构盘算解决方案。

可以说，超异构盘算，确实为国产芯片的“算力之困”撕开了一道口子，但从久远来看，要想完全解决“卡脖子”问题，并与英伟达等巨头形成对等竞争，仍是一个任重道远的历程。