AI芯片竞赛催生半导体创新新黄金时代

半导体，数字时代的地基。这个产业的演进史，几乎就是硅谷的成长史。它主导了计算机革命的每一个重大节点，而这场革命又将触角伸向社会的方方面面。这么说吧，自英特尔在1971年推出全球首个微处理器以来，算力提升的速度简直离谱——依据摩尔定律，今天的芯片，相比半个世纪前，性能提升了上百万倍。

然而，算力虽然飞速跃进，芯片的底层架构却长期处于“原地踏步”的状态。过去，芯片的创新路径很明确：把晶体管做得更小，在同样的硅片面积里塞进更多晶体管，这是主攻方向。英特尔、AMD正是靠着这套“持续创新”的打法稳坐钓鱼台。但这个局面，如今正在被彻底碘伏。AI，带来了半导体创新的新黄金时代。

机器学习的独特需求，以及它背后蕴藏的近乎无限的市场机遇，第一次让这些硬件玩家们开始有底气去推敲和重构芯片最底层的设计逻辑。目标很清晰：打造一款专为AI而生的新型芯片，让它撑起下一代的算力天花板。简单说，这可能是整个硬件领域里，目前最大的一个风口了。

新的计算范式

纵观计算历史，芯片架构的主角一直是CPU，也就是中央处理器。如今CPU无处不在：笔记本、手机、甚至大部分数据中心，都在它的掌控之下。1945年，传奇人物冯·诺依曼为其设计了基本架构。很有意思的是，这几十年来，它的核心设计几乎没怎么动过：今天绝大多数计算机，本质上还是冯·诺依曼机器。

CPU的统治力源于它强大的灵活性：它是个通用计算器，软件让干啥它就能干啥。但问题在于，当今最前沿的AI技术，恰恰对计算提出了极其特殊且密集的需求。深度学习，简单讲，就是通过参数微调和矩阵乘法，并行迭代执行海量（数十亿甚至上百亿次）的乘法加法运算。这种高度重复、计算密集的工作流，对硬件架构提出了新要求：并行化（同时处理大量计算）变得至关重要；同时，由于深度学习涉及大量数据的连续流转，只有把芯片的内存和计算核心尽可能地放在一起，减少数据搬运，才能获得极致的速度和能效。

那CPU为什么就搞不定呢？因为CPU是按顺序、一个接一个地处理运算，而不是并行；它的计算核心和内存往往分居两地，通过一条带宽有限的总线连接。这就会带来一个恼人的问题——“冯·诺依曼瓶颈”。在CPU上训练神经网络，效率低得不能忍。

随着机器学习在社会各个角落的渗透越来越深，传统芯片在应对AI算法时的“有心无力”，就变成了一个日益严峻的挑战。AI行业的大佬Yann LeCun就说过：“你预测一下未来五到十年，会发现计算机大部分时间都在干类似深度学习的事。” 正因如此，此前支撑AI热潮的芯片，是GPU（图形处理单元）。

GPU架构是英伟达在90年代末搞出来的，初衷是为了流畅打游戏。为了高帧率渲染游戏画面，GPU需要持续处理海量数据。和CPU不同，GPU能一口气完成成千上万个并行计算。到了2010年代初，AI圈子突然意识到，英伟达的游戏卡，在处理机器学习任务时，简直是把好手。这直接为GPU找到了一个巨大的新市场。英伟达抓住机会，迅速把自己定位成AI硬件市场的龙头。而市场的回报也令人咋舌：从2013年到2018年，英伟达的市值猛涨了20倍。

不过，Gartner的分析师Mark Hung道出了真相：“所有人都同意，GPU并非为AI工作负载而生。” 它是被AI社区“借用”了，是无奈之下的最优解，但终归不是为AI量身打造的利器。

那么，接下来呢？

近年来，一批企业家和技术人开始重新思考计算机芯片，他们试图从零开始，围绕AI的特性进行极致优化。Alan Kay那句名言说得很好：“真正认真对待软件的人，应该自己造硬件。” 过去24个月里，市场上已经冒出了五家AI芯片独角兽。动辄数十亿的估值，吸引了更多新贵入局。传统CPU大佬们为了不掉队，也纷纷下场。仅英特尔一家，就接连搞了两笔重磅收购：2016年4月花4.08亿美元买下Nervana Systems，2019年12月又砸20亿美元拿下Habana Labs。这场竞赛在未来几年只会越卷越深，数千亿美元的企业价值正等着被重新瓜分。

下一个英特尔？

巨大的市场机会与技术的前沿挑战，催生了一堆相当大胆甚至离谱的创意。新一代AI芯片初创公司里，最引人注目的莫过于Cerebras Systems。简单说，Cerebras的选择很直接：造一块全球最大的芯片。最近这家公司估值已冲到17亿美元，从Benchmark、红杉等顶级投资人手里累计融了2亿美元。

它的芯片参数只能用恐怖来形容。它比普通微处理器大了将近60倍，是人类历史上第一块容纳了超过一万亿个晶体管（准确说是1.2万亿）的芯片。它拥有18GB的片上内存，也是前所未有。把所有算力打包进一个硅基板，好处显而易见：数据传输效率飞升，内存与处理器紧密耦合，大规模并行化。但要攻克其中的工程难题，说起来轻松做起来难。几十年来，造出晶圆级芯片一直是半导体行业的“终极梦想”，却从未实现。Cerebras的CEO Andrew Feldman打了个比方：“每个规则、每套工具、每台制造设备，都是为‘正常尺寸的巧克力曲奇’设计的，我们可好，直接端上来一整张‘曲奇纸’。每一步，我们都得自己发明方法。”

Cerebras的AI芯片已经投入商业使用：就在上周，阿贡国家实验室宣布要用它来对抗新冠病毒。

另一家完全剑走偏锋的公司，是总部在湾区的Groq。和Cerebras侧重训练不同，Groq的芯片专注于“推理”。其创始团队具备世界顶级的专业背景：谷歌TPU项目最初的10名成员里，有8个都在Groq。Groq碘伏了行业惯例，正在打造一款batch size为1的芯片，这意味着它一次只处理一个数据样本。据称，这种架构能实现近乎瞬时的推理（这对自动驾驶这类时间敏感型应用至关重要），且效能不减。Groq芯片的一大特点是“软件定义”，这让它具备了独特的灵活性和“永不落伍”的潜力。最近该公司宣称芯片速度达到每秒1万亿次运算。如果属实，这将是历史上最快的单die芯片。

但要说哪家公司的技术路线最科幻，可能得数由光子学家创立的Lightmatter。它总部在波士顿，打算打造一款由光束而非电信号驱动的AI微处理器。公司从GV、Spark Capital和Matrix Partners拿到了3300万美元来推动这个愿景。据他们自己说，光的独特物理特性，能让芯片性能提升到现有方案的十倍。

值得关注的公司还有不少。中国的地平线机器人和寒武纪科技，都靠更高估值融到了更多钱。帕罗奥图的SambaNova Systems有钱有技术，虽然具体计划还藏着掖着，但其技术似乎特别擅长自然语言处理。其他初创公司，像Graphcore、Blaize、Mythic和Kneron，也都是狠角色。

科技巨头们也没闲着。最成熟的当属谷歌的TPU。谷歌从2015年就开始捣鼓这个，一直走在技术曲线之前。亚马逊则在2019年12月正式发布了自家AI芯片Inferentia。特斯拉、Facebook、阿里巴巴，还有一堆其他巨头，都在秘密搞内部AI芯片项目。

结论

一场争夺下一代AI时代“心脏”的硬仗，已经全面打响。自硅谷诞生以来，半导体行业当下的变革比以往任何时期都要更深、更广。难以计数的千亿美元正在这场竞赛中被锁定。下一代芯片，将塑造未来几年AI领域的轮廓与走向。还是用Yann LeCun的话来收尾：“硬件的能力……激励并同时限制着AI研究者的想象力，以及他们允许自己去探索的想法类型。我们手头的工具，对我们的思维塑造，远比我们愿意承认的要深。”

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI芯片竞赛催生半导体创新新黄金时代要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题