以“智聯(lián)世界 生成未來”為主題的2023世界人工智能大會(huì)，即將在本周（7月6日）拉開帷幕。從今年的大會(huì)主題不難看出，生成式人工智能（AIGC），正是當(dāng)下人工智能學(xué)術(shù)界、產(chǎn)業(yè)界的最大熱點(diǎn)，可以想見，大會(huì)期間，各家廠商的自研大模型將上演一場名副其實(shí)的“百模大戰(zhàn)”。

回顧AIGC走紅的過程，2018年谷歌發(fā)布Transformer模型無疑是一個(gè)關(guān)鍵里程碑。由于舍棄了NLP領(lǐng)域自回歸計(jì)算范式的LSTM/GRU傳統(tǒng)算法，從CV領(lǐng)域借用已較為成熟的注意力機(jī)制，以位置信息取代時(shí)序信息，Transformer得以充分利用GPU等SIMD架構(gòu)處理器硬件的并行處理能力，實(shí)現(xiàn)了令人驚艷的工程效果，并使大型語言模型（LLM）成為其后迅速走向主流的研究路徑，工程實(shí)踐與能力涌現(xiàn)的良性循環(huán)，最終為ChatGPT、Midjourney等產(chǎn)品的現(xiàn)象級(jí)傳播奠定了基礎(chǔ)。

當(dāng)下這場無人甘于錯(cuò)失的AI淘金熱中，大算力AI芯片，順理成章成為衡量各家AIGC業(yè)務(wù)能力的最重要標(biāo)尺之一，得到了空前關(guān)注。不過在公眾輿論場中，這一極具解析價(jià)值的議題似乎被簡單粗暴地等同于“囤積了多少塊英偉達(dá)A100/H100”。有鑒于此，集微網(wǎng)特意對國內(nèi)外開發(fā)大算力AI芯片的科技公司概況進(jìn)行了整理，以期為讀者提供一幅AI“大芯片”全景圖譜。

通用還是定制，AI芯片體系結(jié)構(gòu)“天問”

1991年，當(dāng)黃仁勛還未創(chuàng)立英偉達(dá)之時(shí)，深度學(xué)習(xí)“三巨頭”之一的楊立昆（Yann LeCun），就已經(jīng)在貝爾實(shí)驗(yàn)室開發(fā)了卷積神經(jīng)網(wǎng)絡(luò)專用訓(xùn)練芯片ANNA，初步驗(yàn)證了為AI訓(xùn)練、推理任務(wù)開發(fā)的領(lǐng)域?qū)Ｓ眉軜?gòu)在算力、能效上的優(yōu)越性。

2015年前后，在AlexNet、AlphaGO的震撼下，大批企業(yè)涌入AI芯片市場，掀起了這一細(xì)分賽道的第一波創(chuàng)投熱潮。作為AI芯片中最為高端的品類之一，面向數(shù)據(jù)中心市場的AI大算力芯片也吸引了眾多新老玩家。集微網(wǎng)所梳理的主要廠商，彼時(shí)普遍押注于兩大技術(shù)路線，即英偉達(dá)為代表的GPGPU路線，和谷歌TPU為代表的定制ASIC路線。

數(shù)年后的今天，英偉達(dá)GPGPU無疑依然占據(jù)著市場主導(dǎo)地位。

根據(jù)集微咨詢（JW Insights）統(tǒng)計(jì)，AI類芯片在2022年352億美元的市場規(guī)模中，GPGPU占比接近60%，TrendForce則預(yù)測，2023年AI服務(wù)器（包含搭載GPU、FPGA、ASIC定制芯片）出貨量近120萬臺(tái)，其中英偉達(dá)GPU市占率約60-70%，云計(jì)算巨頭自研AI芯片占比約20%。

在英偉達(dá)高端產(chǎn)品一卡難求的同時(shí)，不少曾經(jīng)的AI芯片獨(dú)角獸則已悄然退場，連續(xù)收購Habana、Nervana、Movidius等AI芯片明星創(chuàng)企的英特爾，近期也傳出加速計(jì)算產(chǎn)品線被大幅削減的消息。

定制大算力AI芯片的“骨感”現(xiàn)實(shí)，一方面源于AI模型、算法、用例本身極為快速的迭代，使針對特定模型的硬件優(yōu)化往往面臨問世即過時(shí)的可能，通用芯片與軟件優(yōu)化的組合有其內(nèi)在合理性，并且谷歌及一眾初創(chuàng)企業(yè)實(shí)踐的ASIC路線依靠乘加器脈動(dòng)陣列來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，往往面臨流水線頭尾開銷大，計(jì)算資源利用率不足的問題。

更重要的是，對需求端的AI開發(fā)者而言，英偉達(dá)不僅意味著一個(gè)加速卡硬件品牌，更是完整AI開發(fā)平臺(tái)的代名詞。從楊立昆、辛頓（Geoffrey Hinton）等人的開創(chuàng)性工作開始，英偉達(dá)CUDA并行計(jì)算框架，已經(jīng)成為事實(shí)上的AI學(xué)術(shù)界、工業(yè)界通用標(biāo)準(zhǔn)，在AI開發(fā)者社區(qū)形成了明顯的網(wǎng)絡(luò)效應(yīng)，恰如英特爾在CPU領(lǐng)域的統(tǒng)治力來源于IBM PC機(jī)所培育的終端用戶生態(tài)。

當(dāng)然，ASIC路線暴露出的不足，也刺激了進(jìn)一步的技術(shù)、架構(gòu)探索，自FPGA起源的可重構(gòu)計(jì)算，近年來又向由數(shù)據(jù)流驅(qū)動(dòng)的空間計(jì)算（Spatial computing）演進(jìn)，涌現(xiàn)出Tenstorrent、特斯拉、Cerebras等新秀。

AIGC空前熱潮下，英偉達(dá)之外的新老玩家在大算力AI芯片領(lǐng)域技術(shù)與產(chǎn)品布局正在加速。

以全球三大云計(jì)算廠商為例，亞馬遜近期主動(dòng)對外表態(tài)，對AMD為數(shù)據(jù)中心AI負(fù)載開發(fā)的新一代MI300 APU表示了明確興趣；全球第二大廠微軟，也在近期被曝出代號(hào)Athena的自研AI芯片項(xiàng)目，據(jù)稱已有部分樣品供微軟和OpenAI員工試用，第三朵“大云”谷歌，剛剛公開了TPUv4號(hào)稱“登月工程”的Pods架構(gòu)設(shè)計(jì)。定制大算力AI芯片，緣何“風(fēng)云再起”？

舊瓶新酒，定制AI芯片擁抱Chiplet

要理解供給端的技術(shù)與產(chǎn)品潮流變化，首先應(yīng)當(dāng)在需求端尋找線索。生成式人工智能的基本特征之一，無疑是對計(jì)算、存儲(chǔ)、IO帶寬能力堪稱永無止境的需求。

為了命中市場需求新的“甜蜜點(diǎn)”，各大廠商也展開了堪稱八仙過海的多元探索，而這樣的探索，顯然不會(huì)是上一輪AI芯片競爭的簡單重復(fù)。

在英偉達(dá)、谷歌等廠商致力于挖掘集群PodRack層面系統(tǒng)工程潛力的同時(shí)，更多AI芯片開發(fā)者在性能“軍備競賽”中，將目光投向了Chiplet（芯粒）工程方法，將之作為構(gòu)建大規(guī)模、可擴(kuò)展、高能效異構(gòu)算力集群的基石，為了滿足AI云端訓(xùn)練、推理任務(wù)對計(jì)算性能和內(nèi)存帶寬的需求，CPU/GPU/FPGA/ASIC通過Chiplet實(shí)現(xiàn)異構(gòu)集成的實(shí)踐已不斷涌現(xiàn)。

如老牌巨頭AMD推出的MI300系列APU，集成晶體管數(shù)量近1500億顆，通過三種Chiplet芯粒（Base layer、GPU GCDS、CPU CCDs）與不同規(guī)格HBM靈活搭配，可以形成豐富的產(chǎn)品組合，覆蓋客戶差異化需求，研發(fā)成本和量產(chǎn)成本都極具優(yōu)勢。

再如近期被諸多巨頭追捧的AI大芯片初創(chuàng)企業(yè)Tenstorrent，就明確以Chiplet作為產(chǎn)品迭代方向，并已經(jīng)與LG電子達(dá)成具體產(chǎn)品合作意向。

大體而言，業(yè)界當(dāng)前對Chiplet的技術(shù)與商業(yè)價(jià)值已形成廣泛共識(shí)。

在計(jì)算性能上，芯粒的立體堆疊能夠突破光刻掩膜尺寸極限，大幅提高集成晶體管密度并降低數(shù)據(jù)傳輸資源開銷，不同體系結(jié)構(gòu)的計(jì)算核可靈活組合，形成高內(nèi)聚、低耦合、可配置、可伸縮的“超級(jí)芯片”，適應(yīng)各類AIGC算法優(yōu)化需求，實(shí)現(xiàn)從System on Chip到System of Chips的轉(zhuǎn)變，在算力集群的系統(tǒng)層面繼續(xù)推進(jìn)摩爾定律。而在商業(yè)上，Chiplet更有望大幅減少開發(fā)量產(chǎn)成本及周期，進(jìn)一步降低AI算力硬件開發(fā)、制造門檻。

此外，如果說海外用戶還可以坐觀各家差異化方案成敗，那么在中國這一全球最二大AI支出市場，大算力AI芯片“另辟蹊徑”，更可以說是“Must be”的緊迫要求。未來海外高端GPU/APU即便還可繼續(xù)“特供”，在互連帶寬等關(guān)鍵參數(shù)限制下，也將實(shí)質(zhì)性失去處理更大規(guī)模模型的能力。

從產(chǎn)業(yè)視角看，Die-to-Die（D2D）互連，則堪稱Chiplet走向商業(yè)應(yīng)用的最關(guān)鍵環(huán)節(jié)，同樣已成為Chiplet產(chǎn)業(yè)鏈創(chuàng)新創(chuàng)業(yè)的熱點(diǎn)。

Tenstorrent公司CEO、芯片設(shè)計(jì)大師Jim Keller就曾談到，當(dāng)前Chiplet加速成熟，一個(gè)重要因素就是封裝技術(shù)已能夠提供較為理想的D2D信號(hào)鏈路，滿足芯?；ミB的帶寬、功耗需求。

在這一產(chǎn)業(yè)環(huán)節(jié)，除了傳統(tǒng)互連IP供應(yīng)商延申拓展其布局，目前國內(nèi)外也已涌現(xiàn)出Blue Cheetah、奇異摩爾（Kiwimoore）、Eliyan等新銳廠商，并呈現(xiàn)出十分旺盛的創(chuàng)新活力。

國內(nèi)代表性廠商奇異摩爾成立于2021年初，是全球首批基于 Chiplet 架構(gòu)，提供“通用互聯(lián)芯粒產(chǎn)品及系統(tǒng)級(jí)解決方案”的公司。核心產(chǎn)品涵蓋高速互聯(lián)IO Die、高性能互聯(lián)底座Base Die兩類芯粒，以及一系列 Die2Die IP 和 Chiplet 軟件設(shè)計(jì)平臺(tái)等全鏈路軟硬件產(chǎn)品。公司面向由 AIGC 驅(qū)動(dòng)的數(shù)據(jù)中心、自動(dòng)駕駛、個(gè)人計(jì)算平臺(tái)等高性能計(jì)算市場，通過提供以互聯(lián)芯粒為核心的 chiplet 系統(tǒng)級(jí)解決方案，助力客戶更快、更容易的做出復(fù)雜高算力芯片。

Blue Cheetah，則是海外目前風(fēng)頭最盛的D2D互連技術(shù)供應(yīng)商之一，在BOW和UCIe聯(lián)盟均十分活躍，其BlueLynx D2D互連IP已經(jīng)在多代工藝節(jié)點(diǎn)完成硅驗(yàn)證，并已經(jīng)被DreamBig、Apex等企業(yè)應(yīng)用于其數(shù)據(jù)中心網(wǎng)絡(luò)芯片產(chǎn)品。

某種意義上看，這些企業(yè)在新賽道上的競爭，也將會(huì)決定其所在區(qū)域Chiplet產(chǎn)業(yè)生態(tài)的發(fā)展水平。

Chiplet，大規(guī)模異構(gòu)算力集群基石

新一代人工智能技術(shù)中，無論是NLP領(lǐng)域的大模型（LLMDM），還是搜廣推領(lǐng)域興起的DLRM模型，各種更新?lián)Q代的AI工作負(fù)載已經(jīng)明顯超出單卡存、算極限，因此在單個(gè)芯片規(guī)格不斷進(jìn)步的同時(shí)，也勢必需要由大量異構(gòu)計(jì)算核心組合成算力集群進(jìn)行處理，以高效完成AI模型訓(xùn)練、推理、迭代等各類生產(chǎn)流程。

AIGC對硬件算力越來越高的要求，使用戶日益關(guān)注作為一個(gè)整體的計(jì)算集群能效、費(fèi)效表現(xiàn)，由大量異構(gòu)計(jì)算核心組成的算力集群，無疑已成為AIGC產(chǎn)業(yè)的重要競爭維度。

正如上文所述，AIGC模型參數(shù)、數(shù)據(jù)集的超大規(guī)模，使得批處理過程中數(shù)據(jù)吞吐量極高，為了提升訪存帶寬，片內(nèi)封裝HBM幾乎成為所有AI大算力芯片的必選項(xiàng)，而Tenstorrent等新銳企業(yè)的空間計(jì)算范式創(chuàng)新，同樣內(nèi)嵌著異構(gòu)眾核的先進(jìn)封裝需求，正因如此，Chiplet已被廣泛視為構(gòu)建大規(guī)模、可擴(kuò)展、高能效異構(gòu)算力集群的基石。

有鑒于此，集微網(wǎng)也聯(lián)系到奇異摩爾這一本土Chiplet產(chǎn)業(yè)代表廠商，邀請其分享了來自行業(yè)前沿的觀察。

奇異摩爾聯(lián)合創(chuàng)始人兼產(chǎn)品及解決方案副總裁?？|表示，當(dāng)前超大規(guī)模計(jì)算集群的發(fā)展有著三大驅(qū)動(dòng)因素：

第一，從單芯片本身的維度來看，對其性能依然有非常高的要求，各家廠商無不在繼續(xù)致力于提升單片性能規(guī)格，不過傳統(tǒng)的SoC方式已經(jīng)逼近極限，怎樣做一顆更大的芯片就成為挑戰(zhàn)；

第二，從AI角度著眼，不同類型的AI應(yīng)用其實(shí)對于算子/算力的要求千差萬別，既要兼顧在不同情況下的通用性，也要滿足適度的專用性，例如對于Transformer的優(yōu)化；

第三，數(shù)據(jù)驅(qū)動(dòng)的生成式人工智能，在運(yùn)用中涉及大量預(yù)處理/前處理工作，已不適合純用GPU處理，需要用到異構(gòu)計(jì)算架構(gòu)去處理。

算力集群的持續(xù)擴(kuò)展和異構(gòu)集成，也帶來多重技術(shù)挑戰(zhàn)，互連是其中尤為關(guān)鍵的瓶頸，在?？|看來，超大規(guī)模異構(gòu)如果在板卡級(jí)或者集群級(jí)實(shí)現(xiàn)，互連帶寬勢必會(huì)成為瓶頸，尤其是東西向帶寬隨著節(jié)點(diǎn)規(guī)模擴(kuò)大，在總帶寬難以提升的情況下，更成為瓶頸，這也是業(yè)界推崇在芯片級(jí)異構(gòu)Chiplet的原因所在，片內(nèi)異構(gòu)集成在帶寬、延時(shí)、功耗上能夠帶來更為優(yōu)越的表現(xiàn)。

算力投資熱潮下，Chiplet產(chǎn)業(yè)也已經(jīng)步入加速普及階段，根據(jù)研究機(jī)構(gòu)Yole預(yù)測，狹義口徑的Chiplet（2.5D/3D封裝芯片）產(chǎn)品，正在迎來出貨量與市場規(guī)模的躍遷，2023、2024、2024年產(chǎn)品產(chǎn)值預(yù)計(jì)將分別達(dá)到70億、480億、990億美元。

如此驚人的跳躍式增長，既受益于需求端AI/HPC大芯片等熱門應(yīng)用的“拉力”，也有供應(yīng)端先進(jìn)制程技術(shù)演進(jìn)帶來的“壓力”。

半導(dǎo)體行業(yè)權(quán)威性的IRDS 2022版光刻技術(shù)路線圖中就明確警告，如果高NA EUV在2025年成功實(shí)用化，將導(dǎo)致當(dāng)前的EUV***最大單次曝光面積進(jìn)一步縮小一半，掩模尺寸必須更小，因此當(dāng)高NA設(shè)備被引入時(shí)，monolithic芯片的“解耦”（disaggregation）幾乎不可避免，Chiplet勢必將從可選項(xiàng)向必選項(xiàng)轉(zhuǎn)變。

綜上所述，Chiplet在數(shù)據(jù)中心市場的加速滲透普及已經(jīng)是一個(gè)不可逆扭轉(zhuǎn)的趨勢，各個(gè)巨頭的中高端產(chǎn)品里已經(jīng)普遍使用Chiplet工程方法。

跨越鴻溝，Chiplet產(chǎn)業(yè)生態(tài)嬗變

如同二十年前的SoC技術(shù)，“小荷才露尖尖角”的Chiplet，產(chǎn)業(yè)鏈仍然處于發(fā)育的早期階段，目前在高端處理器領(lǐng)域的代表性產(chǎn)品，依然多為芯片與系統(tǒng)大廠內(nèi)部自研。對于當(dāng)下想要試水Chiplet的其他芯片開發(fā)團(tuán)隊(duì)，依然面臨著多方面的技術(shù)與商業(yè)挑戰(zhàn)：

第一，在前端設(shè)計(jì)上原有SoC/ASIC方法學(xué)及EDA工具鏈面臨重構(gòu)，以適應(yīng)基于D2D互連的Chiplet架構(gòu)；

第二，Chiplet產(chǎn)品總體性能并不簡單等同于芯粒的堆疊規(guī)模，需要一套有效的D2D互聯(lián)架構(gòu)及算法以實(shí)現(xiàn)高帶寬、低延時(shí)、低功耗，解決物理分離LLC的NUMA（非統(tǒng)一內(nèi)存訪問），更進(jìn)一步看，D2D互聯(lián)還需要形成行業(yè)標(biāo)準(zhǔn)，以實(shí)現(xiàn)不同廠商芯粒的互連互通；

第三，異構(gòu)乃至異質(zhì)芯粒封裝引入新的約束，后端設(shè)計(jì)面臨熱、力、電磁仿真及可測試性的全新挑戰(zhàn)；

第四，目前能夠提供可靠良率的成熟Chiplet工藝方案依然有限，臺(tái)積電CoWoS/InFO近乎居于壟斷地位，其他擁有先進(jìn)封裝工藝能力的廠商，往往在PDK工藝庫與EDA設(shè)計(jì)工具的結(jié)合上依然滯后，導(dǎo)致Chiplet芯片設(shè)計(jì)與制造能力無法有效對接。

對此，祝俊東也向集微網(wǎng)感言，傳統(tǒng)芯片公司對于封裝環(huán)節(jié)工藝細(xì)節(jié)普遍缺乏掌握，封裝廠則需要客戶提供其對先進(jìn)封裝工藝的需求，同樣不了解相關(guān)技術(shù)如何在產(chǎn)品中發(fā)揮作用，因此產(chǎn)業(yè)環(huán)節(jié)對接還有很大的鴻溝，確實(shí)是一個(gè)有待解決的挑戰(zhàn)。

基于上述原因，對國內(nèi)外大部分公司而言，想要盡早布局新興賽道，就必須借助于第三方廠商的服務(wù)，而與SoC產(chǎn)業(yè)鏈上的IP/設(shè)計(jì)服務(wù)廠商相比，Chiplet服務(wù)商覆蓋的產(chǎn)業(yè)鏈條不但更長，其在整合產(chǎn)業(yè)生態(tài)上的作用也更為關(guān)鍵。

以在北美市場極為活躍的Palo Alto Electron為例，該公司可為客戶完成基板和系統(tǒng)設(shè)計(jì)、CHIPLET設(shè)計(jì)與驗(yàn)證、原型和PDK開發(fā)，結(jié)合生態(tài)合作伙伴的芯粒庫和代工服務(wù)，形成了工程服務(wù)的“閉環(huán)”。

國內(nèi)企業(yè)中，奇異摩爾也是這一新興產(chǎn)業(yè)環(huán)節(jié)的代表，除了完善的芯粒庫，該公司還可提供軟件設(shè)計(jì)平臺(tái)，可快速完成Chiplet 系統(tǒng)設(shè)計(jì)、驗(yàn)證、仿真等工作。

國內(nèi)Chiplet產(chǎn)業(yè)發(fā)展同樣堪稱有聲有色，在產(chǎn)品層面，華為公司早在2019年前后就已經(jīng)完成五大基礎(chǔ)Chiplet設(shè)計(jì)，包括CPU-Compute Die、AI-ComputeDie、Compute-lO Die、NIC-IO Die和Wireless-ACC Die，基礎(chǔ)Chiplet之間共享公共聯(lián)接，并遵循共同物理設(shè)計(jì)規(guī)則，可基于不同的Chiplet搭配組合出服務(wù)器CPU、AI加速期、Smart-NIC等多種數(shù)據(jù)中心大芯片產(chǎn)品，而在供應(yīng)鏈上，設(shè)計(jì)服務(wù)、代工制造環(huán)節(jié)本土企業(yè)也正在加速崛起，以奇異摩爾為例，該公司目前除了完善的芯粒庫、軟件設(shè)計(jì)平臺(tái)外，還與本土IC供應(yīng)鏈巨頭潤欣科技達(dá)成合作，可望進(jìn)一步形成turnkey式的完整解決方案交付能力。

從英特爾、AMD到PAe、奇異摩爾，大小公司、新老勢力的活躍身影，共同勾勒出Chiplet當(dāng)下在大算力AI芯片領(lǐng)域掀起的變革浪潮，令人猶如置身千禧年之初SoC大興的年代，對于半導(dǎo)體產(chǎn)業(yè)人而言，能夠在一場重大“范式轉(zhuǎn)移”的現(xiàn)場親眼見證，無疑是一種幸運(yùn)。正如SoC大潮成就了以高通為代表的眾多Fabless企業(yè)，深刻改變了全球半導(dǎo)體產(chǎn)業(yè)生態(tài)，Chiplet的興起，同樣已經(jīng)預(yù)示了大算力芯片市場的重大機(jī)遇。

憑借著毫不遜色于海外廠商的本土Chiplet產(chǎn)業(yè)生態(tài)，在這一寶貴的機(jī)遇窗口，大算力AI芯片產(chǎn)業(yè)鏈的自主創(chuàng)新將會(huì)涌現(xiàn)更多、更大的突破，也必將更有力支撐我國生成式人工智能全產(chǎn)業(yè)鏈發(fā)展。有理由期待，即將開幕的世界人工智能大會(huì)，將為我們帶來一系列驚喜。