成为“AI芯片之王”，要烧掉多少钱？( 二 ) _AI芯片之王

IPU采用的是大规模分布式片上SRAM（静态随机存取储存器），数据不储存在片外，意味着运算过程中可以直接调动，节省能耗和时延。不过，一旦供电不足，会导致部分数据缺失。为此，IPU相应减少了用于机器学习运算单元面积。

文章插图

IPU芯片内部结构，图源：Graphcore
日前，Graphcore已发布第二代IPU GC200，晶体管数量高达594亿个，内部有1472个独立的处理器内核，能够执行8832个独立的并行线程，均由900MB的RAM支持。

文章插图

装有4个IPU GC200芯片的机器，每一枚芯片内有高达594亿个晶体管，图源：Graphcore
此外，IPU GC200芯片另一亮点为能适用于稀疏样本数据的深度学习。
新的架构有的方法是为每个处理核心配备了专用存储单元，能更有效分散和搜集信息，避免部分数据被过滤。
Graphcore曾被多家媒体对标为下一家英伟达。
介绍这款特立独行的产品时，高级副总裁兼中国区总经理卢涛表示，“IPU不是GPU，但现在很多芯片公司做的其实还是GPU，在某些领域，未来一段时间里，IPU可能会和GPU呈现竞争胶着状态，“这是最大的挑战，也是最大的机会。”
02
垂直领域突围战
对于不少中国AI芯片企业而言，选择做专用芯片还是通用芯片，是一道难题。
亿欧科创事业部商业分析师张继文直言，目前行业中还没有诞生一款真正意义上的AI通用芯片，因为不同场景下，对芯片算力有不同要求。
比如，安防领域对图像处理要求比较高，智能家居对语音处理要求很高，而自动驾驶需要多模态处理。
“现阶段设计者仍在具体场景下摸索，建议做垂直领域的芯片。”她表示。
如果你是一个不走心的芯片设计师，做出芯片并不难。如果不愿意付ARM框架授权费用，可以选开源的Risk-V框架，去除无用功能后，从GitHub下载代码，交由芯片厂家做模型转换。

文章插图

图源：GitHub
但在中科院自动化研究所研究员王金桥看来，这样的算法无法保证算法的精度。
设计芯片时，设计师需要对网络规模、参数、效果等选项不断调整，提高芯片的适配能力。如果芯片已经固定了支持的网络结构，之后要想更换，只会前功尽弃。
根据亿欧智库数据，ASIC芯片的开发费用高达800-2500万美元以上，开发周期长达1-3年。这是耗费的资本。
这便是专注于ASIC芯片研发，寒武纪的困顿。在招股书上，寒武纪预计今年净利润亏损4亿元至6.5亿元。寻求资本市场融资，是这次寒武纪上市的缘由。

文章插图

寒武纪近几年财务状况，图源：寒武纪招股书
据悉，寒武纪计划分别以IPO募集资金7亿元、6亿元、6亿元和9亿元用于投资云端训练芯片及系统、新一代云端推理芯片及系统、新一代边缘端人工智能芯片及系统和补充流动资金。

文章插图

图源：寒武纪招股书
比资本更重要的，还有人才。王金桥感慨AI芯片领域设计人才稀缺。在成为芯片设计师前，需要至少3-5年的工作经验。
行业一流的设计师，起码要在生产线上跟过10年，以防流片失败。
芯片生产过程中，流片是从设计走向量产的关键一步，这需要按照图纸在晶圆上进行蚀刻、制定晶圆尺寸，工艺复杂，整个过程有40多道工序，每一步细小失误的累积，便会功亏一篑。
此前小米澎湃S2流片失败5次，被报道称烧掉十多亿元。这是流片背后的痛。

文章插图

网上关于小米澎湃S2流片失败5次烧掉几十亿的传闻，图源：网络
目前AI领域稀缺的是设计，懂算法的，不懂硬件，反之亦然，这需要建立好生态，改变高校课程结构。
王金桥表示看好寒武纪的成长，这个团队来自中科院，有核心技术，只是成立不过5年，仍显稚嫩。“中国会有一家像英伟达一样的企业，虽然还有很长的路要走。”他说。
作者／IT时报采访人员孙鹏飞
编辑／挨踢妹
排版／黄建
图片／PxHere、东方财富网、英特尔、OmniSci、