自動(dòng)駕駛對(duì)大算力芯片提出了新的挑戰(zhàn)。傳統(tǒng)汽車以控制為主，算力要求很小，而 L4 級(jí)別的自動(dòng)駕駛就要求 1000T 以上的算力，不僅如此，汽車端的供電和散熱能力也對(duì)芯片的低功耗提出了新需求。

就在前幾日，英偉達(dá)發(fā)布了旗下的新一代自動(dòng)駕駛計(jì)算芯片 DRIVE Thor，主要升級(jí)了汽車的中央計(jì)算架構(gòu)，采用了新發(fā)布的 40 系顯卡的 4nm 制程架構(gòu)，算力達(dá)到 2000 TOPS，是此前發(fā)布的 Altan 的 2 倍，是 Orin 的 8 倍，這也將芯片「算力大戰(zhàn)」推上新高度。

但是對(duì)于被「卡脖子」的國(guó)產(chǎn)芯片廠商來說，想要參與這場(chǎng)「算力大戰(zhàn)」，顯然無法指望依靠制程工藝去實(shí)現(xiàn)芯片算力的提升。

在后摩智能創(chuàng)始人 & CEO 吳強(qiáng)看來：存算一體可能是國(guó)產(chǎn)芯片算力彎道超車的機(jī)會(huì)。傳統(tǒng)計(jì)算機(jī)的「馮·諾伊曼架構(gòu)」里計(jì)算單元與存儲(chǔ)單元是分離的，數(shù)據(jù)在兩者間進(jìn)行傳輸非常耗時(shí)耗能，產(chǎn)生所謂的「存儲(chǔ)墻問題」。而「存算一體」架構(gòu)能夠整合計(jì)算單元和存儲(chǔ)單元，優(yōu)化數(shù)據(jù)傳輸路徑，提高芯片算力天花板。在縮短系統(tǒng)響應(yīng)時(shí)間的同時(shí)，也在能效比上帶來了數(shù)量級(jí)的提升。

也就是說，這種創(chuàng)新計(jì)算架構(gòu)對(duì)工藝的依賴較弱，能用 28nm 工藝做出基于傳統(tǒng)計(jì)算架構(gòu)的其他 AI 芯片用 7nm，甚至 5nm 工藝才能實(shí)現(xiàn)的性能或者能效比。更適合自動(dòng)駕駛、泛機(jī)器人等邊緣端算力的需求場(chǎng)景。

于是，前 AMD 的 GPGPU / OpenCL 創(chuàng)始團(tuán)隊(duì)核心成員、Facebook 總部資深科學(xué)家吳強(qiáng)，毅然選擇帶著團(tuán)隊(duì)采取了顛覆性的存算一體的架構(gòu)，希望能在后摩爾時(shí)代，提供大算力、低功耗的高能效比芯片及解決方案，突破未來生活所需要的大算力瓶頸。

編輯：黃飛