ChatGPT大熱，生成式大模型已無限趨向通用智能，這也就意味著AI應(yīng)用將會進入到2.0時代。所謂AI 2.0時代，即由AI將由很多小模型提供的弱AI，演進為由大模型提供的通用智能強AI，這勢必會帶來眾多應(yīng)用場景的集體爆發(fā)。

業(yè)內(nèi)人士認(rèn)為，爆發(fā)將主要來于：一是來自于替代，原先很多有小模型提供的弱AI的場景將會由通用智能來替代；二是將催生新的AI應(yīng)用場景，并產(chǎn)生新的服務(wù)和產(chǎn)品形態(tài)。

這些未來應(yīng)用場景的爆發(fā)，對AI算力芯片是一個新挑戰(zhàn)，要有更大的算力以及更高的能效比。由此，億鑄智能副總裁徐芳認(rèn)為：存算一體的大算力芯片將是中國AI芯片“換道”超車的機會。

存算一體AI芯片或?qū)⒊蔀樽詣玉{駛算力終極解決方案

ChatGPT的火爆預(yù)示了自動駕駛的發(fā)展方向：大模型和高算力。Transformer這類神經(jīng)網(wǎng)絡(luò)大模型，模型運算量平均每兩年會翻750倍；視頻、自然語言處理和語音模型，模型運算量平均每兩年翻15倍?？梢灶A(yù)見，摩爾定律將面臨失效，同時 "存儲墻”和"功耗墻” 將成為AI芯片發(fā)展的關(guān)鍵制約因素。

目前，大部分傳統(tǒng)的計算架構(gòu)是馮諾依曼架構(gòu)，優(yōu)點是非常靈活，但面對AI遇到的問題是出現(xiàn)算力瓶頸，同時存在大型數(shù)據(jù)搬運，所以帶來很大的功耗消耗。

存算一體技術(shù)有望解決大算力與低功耗的矛盾。存算一體，是指在存儲器中對數(shù)據(jù)進行運算，從而避免數(shù)據(jù)搬運產(chǎn)生的"存儲墻”和"功耗墻”, 極大提高數(shù)據(jù)的并行度和能量效率。

在汽車領(lǐng)域，高等級自動駕駛汽車某種意義上將成為行走的超算中心，車端算力正不斷拔高到1000TOPS以上。云端計算電力充足，并可以通過冷卻系統(tǒng)制冷，但是在汽車端是通過電池供電有限，同時面臨著液冷散熱、成本方面等問題。

存算一體 AI 芯片，將為車企提供一個全新的技術(shù)路徑選擇。

在自動駕駛 SoC 領(lǐng)域，后摩智能是國內(nèi)首家存算一體自動駕駛 AI 芯片廠商，其在2022年成功點亮了業(yè)內(nèi)第一款存算一體大算力AI芯片，并跑通智能駕駛算法模型。這款驗證樣片采用22nm工藝制程，算力達20TOPS，可擴展至200TOPS，尤其是計算單元能效比高達20TOPS/W。

當(dāng)前，國內(nèi)AI大算力芯片有兩個主要技術(shù)方向，一就是ASIC架構(gòu)，采用該架構(gòu)的公司包括了寒武紀(jì)、華為、黑芝麻，地平線等；另一個就是GP GPU架構(gòu)，就是英偉達所主導(dǎo)的GP GPU路線。這兩個架構(gòu)，存與算是分離的。她從技術(shù)層面解釋說，“就技術(shù)本身而言，存算分離的架構(gòu)下，85~90%的芯片空間，是用于數(shù)據(jù)搬運，而不是用來進行數(shù)據(jù)的計算。也就是先要把數(shù)據(jù)從存儲的結(jié)構(gòu)里面要搬到計算單元，而且是每計算一次就要搬運一次，最后計算的結(jié)果，又送回至存儲的結(jié)構(gòu)中。如此往復(fù)，這種架構(gòu)，顯而易見，對能源的消耗和計算效率的影響非常大。”

當(dāng)然，徐芳副總裁也認(rèn)為，“并不能用零和博弈的方式看所有的技術(shù)，每一種技術(shù)都有它的價值， ASIC、GP GPU以及存算一體的技術(shù)，各有所長，如果能競合得當(dāng)，可實現(xiàn)相得益彰?！?/span>

但就面向未來而言，徐芳副總裁指出，從能效比、對先進工藝制程的依賴、以及算力的發(fā)展空間這三方面來看，AI算力芯片中，存算一體的計算架構(gòu)無疑會有更大更好的機會。據(jù)了解，業(yè)內(nèi)頭部企業(yè)也提出了類似的方案，AMD在今年初，提出了存內(nèi)計算；三星也認(rèn)為，存儲器在人工智能服務(wù)器中的重要性將會超過英偉達的GPU。

她強調(diào)，“AI算力芯片，除了有較高的能效比之外，還需要更好的性價比并兼顧通用性，此外，在中國AI大算力芯片發(fā)展，還要能夠解決先進工藝依賴這一外部問題?！?/span>

徐芳副總裁進而指出，“存算一體的技術(shù)架構(gòu)，其優(yōu)勢在于既能夠用傳統(tǒng)的CMOS工藝，又能夠快速實現(xiàn)量產(chǎn)，進而突破AI芯片的算力困境。”也是從這里來觀察，存算一體的大算力芯片也將是中國在算力芯片領(lǐng)域換道超車的機會。

存算一體芯片“最后七公里”

盡管存算一體在技術(shù)層面能夠支撐芯片產(chǎn)業(yè)出現(xiàn)新機會，但要真正創(chuàng)業(yè)做新業(yè)務(wù)卻沒有那么容易。在吳強看來，存算一體還有“最后七公里”要走。

“學(xué)術(shù)上實現(xiàn)的是從無到有的過程，但要應(yīng)用在商業(yè)，還需要先補齊技術(shù)的可實現(xiàn)性這兩公里，再補上應(yīng)用到具體場景的工程性問題這五公里?！?/span>

具體而言，在這款芯片的定義、設(shè)計過程中，也經(jīng)過了不少討論和取舍。

例如，存算一體技術(shù)依托的存儲類型非常豐富，包括以SRAM、DRAM為代表的易失性存儲器，以Flash為代表的非易失性存儲器，還有以MRAM和RRAM為代表的新型非易失性存儲器。后摩當(dāng)前選擇了制作工藝更為成熟的SRAM。

又如，從電路技術(shù)來看，存內(nèi)計算有數(shù)字計算和模擬計算兩種，后摩首先選擇了運算精度更高、可靠性更好的數(shù)字存算。

但對吳強來說，這都是綜合市場需求和技術(shù)可行性之后的更優(yōu)選擇，后摩當(dāng)下戰(zhàn)略聚焦于智能駕駛芯片，更大的有效算力、更高的可靠性都是為目標(biāo)芯片服務(wù)的。

只不過，摸著石頭過河，確實要面臨比同行更多的挑戰(zhàn)。

比如在電路的仿真驗證中，一般用EDA軟件進行在線的設(shè)計，而后用可編程的FPGA進行電路設(shè)計的驗證。但是，后摩智能的芯片設(shè)計規(guī)模已經(jīng)超過了市面上任何一個可以找到的FPGA，要怎么做芯片驗證呢？

后摩智能想到把芯片的不同功能進行切割，在不同的FPGA上進行驗證。關(guān)于如何把芯片做合理的剪裁以適應(yīng)部分的驗證，后摩團隊反復(fù)討論、多次嘗試，最終找到了最恰當(dāng)?shù)姆椒ā?/span>

最終，后摩智能交上了鴻途H30這份答卷，相比業(yè)界先進的7nm工藝，后摩采用了更成熟的12nm工藝，但功耗比前者減少了50%，性能有兩倍以上的提升。

經(jīng)緯創(chuàng)投投資董事童倜認(rèn)為，除了存算一體技術(shù)上有巨大的優(yōu)勢之外，“后摩團隊的優(yōu)勢還在于團隊的人員構(gòu)成非常完善，在很早就擁有了存算一體相關(guān)領(lǐng)域的學(xué)術(shù)專家、曾經(jīng)量產(chǎn)過大算力AI芯片的人，和設(shè)計過車規(guī)芯片的人”。

在童倜看來，尤為難得的是，在創(chuàng)立之初，后摩團隊就已經(jīng)對所在的賽道、市場需求有了清醒的認(rèn)知，也對整個芯片研發(fā)及企業(yè)經(jīng)營中可能會遇到的問題有了一定的預(yù)期和規(guī)劃。

這或許要歸功于吳強及后摩團隊過往在芯片行業(yè)豐富的從業(yè)經(jīng)驗，有十年以上芯片行業(yè)的工作經(jīng)驗的研發(fā)人員占比很高，經(jīng)歷過車規(guī)芯片量產(chǎn)和導(dǎo)入的初創(chuàng)企業(yè)奮斗全過程的員工也不在少數(shù)，他們能夠深刻理解研發(fā)組織、客戶溝通等的重要性。


未來，芯片將成為大型主機廠重要投資方向

主機廠造芯這個問題爭議極大，業(yè)內(nèi)普遍認(rèn)為，一方面主機廠無法與專業(yè)IC設(shè)計公司比拼開發(fā)速度、效率、產(chǎn)品性能等，另一方面單顆芯片至少應(yīng)有百萬量級的出貨量才能不斷攤薄開發(fā)成本，以具備性價比。

但實際上芯片對于智能網(wǎng)聯(lián)新能源汽車，無論是性能、成本、還是供應(yīng)鏈安全，都已占據(jù)了絕對的主導(dǎo)地位，傳統(tǒng)燃油車芯片需求量一般在700-800顆/輛，新能源車芯片需求量在1500-2000顆/輛，高級別自動駕駛新能源車芯片需求量可高達3000顆/輛，且部分高價值芯片成本高昂、面臨缺貨甚至斷貨風(fēng)險。

從大型主機廠的角度，顯然不想被某家芯片廠商綁定，甚至主機廠早已開始下場自主造芯。從吉利汽車來看， 吉利已實現(xiàn)7nm座艙SoC量產(chǎn)裝車，IGBT也已實現(xiàn)成功流片，億咖通和芯擎科技合作研發(fā)的自動駕駛SoC芯片AD1000預(yù)計最快到2024年3月流片。

我們判斷，芯片將像動力電池一樣，成為大型主機廠加強底層基礎(chǔ)能力建設(shè)的重要投資方向。2022年，三星宣布將為谷歌自動駕駛部門Waymo制造芯片；通用Cruise也宣布將自主開發(fā)自動駕駛芯片；大眾汽車則宣布將與中國自動駕駛SoC廠商地平線成立合資公司。

在2022中國電動汽車百人會論壇上，地平線在“芯片+算法+工具鏈+開發(fā)平臺”的商業(yè)模式基礎(chǔ)上，增加開放其高性能自動駕駛處理器架構(gòu)BPU IP授權(quán)，以此來滿足自研能力強的部分車企的需求，從而增加車企的差異化競爭力和研發(fā)創(chuàng)新的速度。

作為IP供應(yīng)商支撐車企自研計算方案，BPU IP授權(quán)模式已確認(rèn)一家合作伙伴，還有一家車企正在推進中。

造芯的技術(shù)門檻并不算特別高，主要門檻是擁有足夠資本實力和訂單量，現(xiàn)在芯片行業(yè)就是外購IP搭積木的方式來搭芯片，包括CPU、GPU、NPU、存儲、NoC或總線、ISP、視頻編解碼等。未來隨著Chiplet生態(tài)圈、工藝水平不斷完善，自研自動駕駛SoC芯片門檻會更低，無需買IP，直接買die（IP芯片化）然后再封裝即可，大幅度降低門檻。

以特斯拉HW 3.0芯片為例，其架構(gòu)設(shè)計基于三星Exynos-IP，CPU、GPU、ISP設(shè)計采用ARM IP，片上互聯(lián)（NOC）采用 Arteris IP，特斯拉僅自研 NNA AI加速器IP，最終由三星代工。

針對HW 4.0芯片，特斯拉進一步與博通合作開發(fā)，為了提高AI算力，最簡單有效的辦法就是堆砌MAC單元和 SRAM存儲器， 對于AI操作來說，主要瓶頸是存儲。而缺陷在于，SRAM存儲器占用了大量的芯片面積，面積與芯片的成本成正比，同時SRAM難以通過先進制程工藝來增加密度和減少面積。

因此，特斯拉第一代FSD HW 3.0裸芯片面積為260平方毫米，第二代FSD HW 4.0裸芯片面積預(yù)計為300平方毫米，總成本預(yù)計至少增加40-50%，按照我們的估算，HW3.0芯片成本已降至90-100美元，而HW 4.0成本應(yīng)在150-200美元，但即使如此，特斯拉自研芯片的性價比也要遠(yuǎn)遠(yuǎn)高于外購。

長期來看，百萬以上銷量的主機廠自主“造芯”是可行的。