手机版|
二维码|
集微网报道 从百花齐放到群雄环伺，从资本追捧到热度降温，快速奔跑的AI芯片产业正日渐向硬件提出更高要求。
机构预测，2025年中国人工智能核心产业市场规模将达到4000亿元人民币，其中基础层芯片及相关技术的市场规模约1740亿元。同时，随着大算力中心的增加以及终端应用的逐步落地，中国AI芯片需求也持续上涨。
身处以存储为中心的AI时代，随着人工智能市场的热度渐高，智能手机、平板电脑、汽车等市场都需要不同算力，加之大模型走向产业落地，均意味着大算力的AI芯片随即进入角逐赛。随之而来的就是AI大模型算力瓶颈待解，而且在技术追赶的过程中，如何在创新中生存并发展，更是企业需要直视的方向。
AI大模型算力瓶颈何解？
当前智能计算呈现出从提高性能到降低能耗、从计算密集型到数据密集型、从结构化数据到半结构化或非结构化数据的发展趋势。而随着AI技术逐渐进入软件与硬件并进的时代，更是对硬件提出更高算力、高并行、低功耗等需求。
与此同时，在AI时代之下，传统CMOS芯片也面临着诸多挑战。北京大学集成电路学院院长蔡一茂认为，一方面是器件程度的瓶颈，由于器件本身支撑芯片制造的尺寸缩小，接近物理极限，也就是通常所说的摩尔定律面临失效的风险；其次是架构瓶颈，即计算与存储单元分离带来的数据交换存在存储墙和功耗墙问题。
第三则是能耗瓶颈，基于目前器件尺寸越小且密度越大的趋势，若产品功耗无法等比例缩小或大致缩小，那么其功耗便会面临较大问题。数据显示，预计到2040年，大数据1040次运算需要1027焦耳的能耗。此外，除了工艺之外，冯诺依曼等瓶颈可说是从底层上限制了神经网络和AI智能芯片的进一步发展。
他强调，芯片不仅仅是底层器件，还是SOC架构的创新。“存储器和先进封装技术是AI芯片的重要助推器，尤其是大容量、高速、高带宽的存储器是瓶颈，先进封装更是支撑AI芯片走向AI系统的基础。”
不过上述瓶颈有望在日后被突破。集微网了解到，当前AI芯片领域的存算一体架构创新方向，不仅获得了业界资本的频频投资，更使得AI算力能效提升数倍，有望突破传统算力瓶颈。
相较传统计算架构，存算一体架构可实现百万、千万级并行计算，这就意味着可将AI算力的能效提升至多到数十倍，也具备了更高能效和更大算力。
然而这一方向也并非全无瑕疵，根据亿铸科技创始人、董事长兼CEO熊大鹏介绍，目前实现存算一体架构主要通过模拟、数模两种方式，其中，模拟能够提高两个数量级以上的能效比，数模混合能部分解决精度问题，“不过这两种方式会牺牲部分精度，同时数模、模数转换会带来能耗、面积和性能瓶颈。”
创新中求发展
随着人工智能市场的热度渐高，智能手机、平板电脑、汽车等市场都需要不同算力，加之大模型走向产业落地，均意味着大算力的AI芯片随即进入角逐赛，进一步来看，后摩尔时代也无疑对国内芯片企业提出更高要求。
在AI芯片受限于摩尔定律，硬件升级逼近物理极限的当下，如何处理AI大模型算力瓶颈的难题迫在眉睫。那么在构建大算力芯片的过程中，芯片公司从技术创新到产业落地转化主要面临着哪些挑战，在自主创新的道路上又该如何构建相应护城河？
天数智芯CTO吕坚平认为，主要是下端技术通用、芯片的稳定度和功耗，以及集群管理。“从客户需求而言，当下智算中心的底层算力目的就是能够适配当前、未来以及最新算法，因此除了高算力之外，通用性亦非常重要。”除此之外，芯片出货后的稳定度、能耗等多维度效能指标，以及做好统一、可视化的集群管理也必不可少。
在技术追赶的过程中，企业不仅需要巨大创新投入，如何在创新中生存并发展，既是企业商业价值的体现，亦是投资人所关注的重点。
结合数据来看，2021年人工智能领域单笔投资规模呈上升趋势，AI芯片产业单笔融资均超亿元，全年人工智能芯片相关领域投资事件共有92起，总金额约300亿元。
从投资角度来看，对于大芯片赛道，和利资本董事总经理肖鹏更为看重核心团队在同类芯片的成功经验，团队的完整性以及团队配合的默契度，简言之“团队最重要”。尤其是技术门槛相对较低的小芯片赛道，不仅要考虑企业核心指标是否有10倍于竞争对手的优势，也要思考团队的缺点是否能够补上。
整体而言，在AI芯片需求持续上涨，行业竞争和业界投资热度飙升的背景下，这一领域所面临的器件、架构、能耗等瓶颈也日益凸显，尽管存算一体架构有望突破传统算力瓶颈，但随之带来的也是部分精度能耗、面积和性能的瓶颈。在道阻且长的技术追赶之路上，如何在创新中寻求发展，进而构筑起相应护城河，也就成为企业迫在眉睫的发展议题。
