“未來可能不是百模大戰(zhàn)，而是萬模群舞。”自ChatGPT掀起大模型的發(fā)展熱潮之后，層出不窮的大模型已然蜂擁而入，風(fēng)雷激蕩。但在經(jīng)歷了最初的驚艷之后，行業(yè)已轉(zhuǎn)移到對商業(yè)化落地的冷靜觀察，一方面業(yè)界認(rèn)可垂直類應(yīng)用模型有望率先實現(xiàn)落地應(yīng)用，另一方面AI大模型的壓縮和優(yōu)化發(fā)展，使得向邊緣端滲透的步伐也在加快，邊緣算力的重要性正加速凸顯。

以更直觀的數(shù)據(jù)來看，有預(yù)測到2030年，邊緣計算潛在市場將在10年內(nèi)以48%的復(fù)合年增長率從2020年的90億美元增長到2030年的4450億美元。而且，中國是邊緣算力的主戰(zhàn)場，預(yù)估到2026年全球26%的網(wǎng)絡(luò)邊緣站點將位于中國。

通用GPU這一算力主流芯片在經(jīng)過AI的淬煉之后，如何更進(jìn)一步，承接AI大模型下沉至邊緣端的新機(jī)遇？無疑，這將更是一場實打?qū)嵉挠舱獭?/p>

可重構(gòu)架構(gòu)打造算力第三極

在日前舉辦的第六屆世界人工智能大會（WAIC）上，珠海芯動力、天數(shù)智芯、燧原科技、登臨科技、愛芯元智、沐曦等企業(yè)展出的芯片、加速卡、軟硬件解決方案和廣泛的行業(yè)應(yīng)用，成為WAIC不容錯過的“風(fēng)景”。

在WAIC舞臺同場競技的背后，暗藏的邏輯是通用GPU廠商比拼的賽點，已經(jīng)從單純的性能指標(biāo)轉(zhuǎn)向進(jìn)入真實應(yīng)用場景落地的較量，邊緣側(cè)的競奪也走向白熱化。

“隨著AIGC興起，算力將成為重要的生產(chǎn)力。相比云端，邊緣側(cè)應(yīng)用場景更廣泛，也更能促進(jìn)生產(chǎn)力的提升創(chuàng)造價值，將對通用GPU產(chǎn)生巨大的市場機(jī)會?！毙緞恿EO李原樂觀表示。

顯然這涉及通用GPU的算力、擴(kuò)展性和編程性、生態(tài)等多維度的比拼。在這一市場，英偉達(dá)、AMD、英特爾等占據(jù)強勢地位，且在當(dāng)下國內(nèi)半導(dǎo)體制造面臨全面打壓的情形下，我國通用GPU企業(yè)想要撕開一道口子，有專家建議不能按“常理”出牌，需要從架構(gòu)、材料、封裝等層面進(jìn)行創(chuàng)新。

不走尋常路，發(fā)布首款基于可重構(gòu)架構(gòu)的GPGPU芯片RPP-R8的珠海芯動力可謂獨辟蹊徑。該公司在2017年成功研發(fā)出可重構(gòu)并行處理器（RPP）架構(gòu)，借助于獨有的底層硬件架構(gòu)，自帶高性能、原生支持CUDA語言和低功耗等“光芒”，可對AI推理的性能進(jìn)行深度優(yōu)化。

（RPP-六邊形戰(zhàn)士）

芯動力創(chuàng)始人李原分析，在可重構(gòu)芯片面世之前，AI算力芯片主要有專用和通用GPU兩大類，專用芯片性能雖強但編程能力差，有的通用GPU可編程性高但算力不強，要從激烈的競爭中脫穎而出，必須建立強大的優(yōu)勢，而第三類可重構(gòu)芯片則將兩類產(chǎn)品的優(yōu)勢“合二為一”，將躋身成為通用GPU的新一極。

據(jù)悉，RPP-R8作為一款通用GPU，每顆芯片內(nèi)含有1024個計算核，相比傳統(tǒng)GPU架構(gòu)在同樣的算力占用更小的芯片面積，實現(xiàn)了低功耗和高能效的有效平衡。此外，面積效率比可達(dá)到同類產(chǎn)品的7～10倍，能效比也超過3倍。而且，除原生支持CUDA之外，芯動力還擁有自主開發(fā)的工具鏈，使得其能夠在cuDNN和TensorRT上實現(xiàn)API的兼容，同時也支持廣泛的人工智能框架，如TensorFlow和Pytorch等，可全面滿足高效并行計算及AI算力應(yīng)用。

憑借高能效、高算力、低功耗、編程靈活等功力的“加持”，芯動力的RPP-R8在邊緣側(cè)的落地也在快馬加鞭。

解決客戶痛點 打開落地之旅

觸及落地，盡管RPP-R8的性能和生態(tài)獨樹一幟，但作為一個新生“物種”，仍要面臨逐級解鎖的過程。

對此李原認(rèn)為，邊緣側(cè)的市場巨大，傳統(tǒng)市場的AI加速是剛需，通用GPU可替代專用芯片打入供應(yīng)鏈；而新興市場的需求如智能安防、機(jī)器視覺等市場也在持續(xù)擴(kuò)容。但落地最重要的是要解決客戶的痛點，要厘清市場的規(guī)律。

李原進(jìn)一步剖析，芯片公司容易陷入提倡軟硬件一體化的“怪圈”，但邊緣側(cè)終端客戶對成本并非那么敏感，從產(chǎn)業(yè)鏈來看，芯片公司的客戶大都為設(shè)備廠商，處于終端客戶的下游，一方面芯片公司要學(xué)會將更多利潤留給設(shè)備廠商，讓他們有動力合作切入市場，另一方面芯片公司的客戶大都有實力進(jìn)行軟件自主開發(fā)，因而要順應(yīng)軟硬件分離的需求。

“因而，芯動力提供的是一個過硬的純硬件，加上底層兼容x86、Arm、Windows等軟件系統(tǒng)，與其他家的軟件結(jié)合在一起可快速應(yīng)用，讓客戶可順暢地進(jìn)行開發(fā)，有效幫助企業(yè)降低開發(fā)成本和產(chǎn)品周期，加速產(chǎn)品迭代與擴(kuò)展，這是共贏之道和長久之道?！崩钤治稣f。

基于這樣的深刻洞察，加上直擊痛點以及秉承讓利的“哲學(xué)”，讓芯動力的產(chǎn)品在落地之旅行進(jìn)在“坦途”之上。李原提到，芯動力產(chǎn)品在智能安防、工業(yè)自動化等一些行業(yè)因可切實解決設(shè)備廠商的痛點，具有不可替代性，起量非?？?，基本已處于拐點，更大規(guī)模的出貨將順利推進(jìn)。

而這只是芯動力的“一小步”，未來還有更遼闊的征程。

李原介紹，芯動力已推出了基于可重構(gòu)架構(gòu)RPP-R8系列三種不同封裝形式的GPGPU芯片，分別是AE8100、AE7100和AE6100；每一款芯片能夠滿足相對的應(yīng)用場景需求。

“AE8100芯片面向邊緣服務(wù)器等領(lǐng)域，對體積、功耗要求較高；AE7100芯片著力面向低功耗、小體積的應(yīng)用場景；AE6100則聚焦于更小體積上承載更大的性能，正在與客戶一起定義，針對機(jī)器視覺的Camera，融合信號采集、圖像處理和GPU加速等功能，以代替前端的ISP，下半年將著重在工業(yè)視覺領(lǐng)域?qū)崿F(xiàn)新的突破?！崩钤P躇滿志表示。

不再跟隨？創(chuàng)新當(dāng)?shù)?/p>

在AIGC熱潮掀起通用GPU的算力革命之際，一個更值得業(yè)界深思的問題也浮出水面。

“業(yè)界均認(rèn)為AIGC大模型是一大風(fēng)口，一大史詩級機(jī)遇。但值得深思的是，中國這么多AI公司和GPU公司，為什么美國開大模型之先河？如果不深刻反省，下次再有風(fēng)口出現(xiàn)時我們還是被動跟隨的境況?！崩钤谋硎鲋胁刂恍┥顚拥膬?nèi)省。

李原進(jìn)一步提議，對國內(nèi)高科技界來說，最重要的是要思考未來十年會向什么方向演變？如果只是一味地跟隨或Repeating，實際上沒有太大價值，也走不出這一循環(huán)。

著眼于通用GPU發(fā)展，李原高瞻遠(yuǎn)矚地表示，下一個十年比拼的是它的效率，而不僅是性能。為持續(xù)降低時延和提高帶寬，將衍生出眾多新技術(shù)，業(yè)界應(yīng)著力解決芯片外部互聯(lián)挑戰(zhàn)，并嘗試采用光電子技術(shù)，突破原有的方式才有可能實現(xiàn)超越。

此外，chiplet成為未來算力芯片“擴(kuò)張”的必然之路，也將產(chǎn)生更多Cost Effective的效果。李原提到，芯動力也將在這一方向持續(xù)耕耘，加強與FPGA廠商合作共贏，切入更多場景，為客戶帶來更具想象力的價值。

對于CUDA兼容的走向，李原也洞察道，客戶不在意底層是用CUDA或別的語言，最重要的是能夠快速迭代、快速開發(fā)。在已經(jīng)選用了CUDA語言的領(lǐng)域里，我們會尊重客戶的選擇，但在新的領(lǐng)域里，完全可以有自由的選擇。

伴隨生成式AI帶動下的這場新興科技革命，邊緣計算的價值將被如芯動力這批“搶灘登陸”的企業(yè)率先釋放，而芯動力的未來之路，也將成為國內(nèi)眾多行業(yè)的數(shù)字化、智能化轉(zhuǎn)型升級的動力之源。

（來源/愛集微）

審核編輯 黃宇