算力芯片，如何突圍？

作為技術(shù)類的公眾號，今天這篇文章，我們聊點技術(shù)之外的一些更宏觀的發(fā)展話題：

最近跟一個朋友，交流了一些不那么“純技術(shù)”的話題：后進如何趕超先進？在交流的過程中，也引發(fā)了我對技術(shù)發(fā)展的一些更深層次的思考。

關(guān)于后進趕超先進，網(wǎng)上有太多的文章和視頻。作為常年從事計算機算力芯片相關(guān)工作的我，今天就從算力芯片這個視角出發(fā)，談?wù)剬鴥?nèi)算力芯片如何實現(xiàn)突圍的個人的一些看法。

1 成熟賽道，后進趕超先進，很難

1.1 CPU的江湖恩仇

上世紀(jì)70年代，Intel發(fā)明了CPU。通過對CPU的持續(xù)投入，Intel逐漸獲得了市場的優(yōu)勢，并逐漸構(gòu)建起了自己的x86生態(tài)，這包括外圍的硬件合作伙伴、BIOS等固件開發(fā)、操作系統(tǒng)軟件、工具鏈以及應(yīng)用軟件生態(tài)等等。

RISC是一個失敗的例子。X86是CISC架構(gòu)，隨著CISC指令的復(fù)雜度越來越高，越來越難以控制，RISC架構(gòu)逐漸興起。RISC架構(gòu)處理器提倡簡化指令集設(shè)計、固定指令長度、統(tǒng)一指令編碼格式、加速常用指令。RISC架構(gòu)成為很多處理器的首選，并且也成為了許多計算機教材的經(jīng)典CPU設(shè)計案例。但即便如此，在市場競爭上，RISC架構(gòu)仍然輸給了CISC。

安騰是Intel自己的一個失敗的例子。安騰是Intel于2001年推出的64位架構(gòu)的CPU處理器。雖然是Intel的親兒子，雖然是功能強大的64位CPU架構(gòu)，雖然安騰的架構(gòu)和微架構(gòu)設(shè)計非常優(yōu)秀，但因為安騰和x86的不兼容，完全一個新的生態(tài)，也不可避免的走向了失敗。最后成就了AMD64的成功。

ARM的成功，更多源于商業(yè)模式。最開始，ARM自研的處理器性能都非常差，其自研的處理器性能通常是低于一些巨頭客戶自研的ARM架構(gòu)CPU。但因為ARM是一個中立的CPU架構(gòu)和IP供應(yīng)商，很多巨頭愿意扶持著它向前邁進。最后在智能手機時代，ARM大獲成功。有了資金實力之后，ARM后續(xù)CPU的性能才逐漸趕上并且部分超越了自己的巨頭客戶。

RISC-v，后起之秀，明日之星，未來可能的成功也是依賴于更優(yōu)的商業(yè)模式。跟ARM當(dāng)年的處境類似，目前的RISCv性能和生態(tài)都要弱于x86和ARM，但因為更優(yōu)的商業(yè)模式（完全開源開放的，并且得到廣泛共識的免費的處理器），其發(fā)展也是相當(dāng)迅猛。

1.2 NVIDIA，從十年磨一劍到市值萬億

傳統(tǒng)的GPU是圖形加速卡，本質(zhì)上是眾多各種領(lǐng)域各種場景加速卡中的一員。除了GPU之外，其他眾多的各類加速卡，幾乎沒有成功的案例。GPU之所以最終成功，來自于00年代NVIDIA的轉(zhuǎn)型：一方面，是GPU從傳統(tǒng)的圖像加速卡，改造成面向并行計算的GPGPU；此外，為了降低開發(fā)的門檻，把更多的資源投向了CUDA，并且對外宣稱自己是一家軟件公司。

即便策略正確，最終的成功驗證也差不多是十年之后。CUDA的最早期版本是在2005年前后發(fā)布的，直到2012年深度學(xué)習(xí)的崛起，GPU才開始真正脫穎而出，也直到2018年大模型興起，以及2013年ChatGPT的火爆，才把NVIDIA推上了最高的神壇。

1.3 簡單總結(jié)

經(jīng)常有企業(yè)喊出口號是“要做中國的xxx”，但“學(xué)我者生，像我者死”，芯片是一個國際化的市場，全球競爭，這樣亦步亦趨的學(xué)習(xí)巨頭企業(yè)的做法，無異于“邯鄲學(xué)步”。

在成熟的賽道，后進如果靠模仿先進前進，那必然無法成功。后進需要有差異化，有創(chuàng)新，有優(yōu)勢，才有可能成功。并且，后進要想成功，其難度遠高于先進者當(dāng)年的難度。

2 技術(shù)的變革，是后進趕超先進的關(guān)鍵時機

國產(chǎn)新能源汽車，是后進趕超先進的經(jīng)典案例。據(jù)中國汽車工業(yè)協(xié)會整理的海關(guān)總署數(shù)據(jù)顯示，2023年上半年，汽車整車出口234.1萬輛，同比增長76.9%；1～7月，汽車出口總值3837.3億元，增長118.5%。中國汽車出口首次超過日本，躍居世界首位。新能源汽車是中國汽車出口的核心增長點。2023年1～6月出口新能源車80萬輛，同比增長105%。

在成熟賽道，具有技術(shù)優(yōu)勢、市場優(yōu)勢、專利優(yōu)勢、品牌優(yōu)勢等等，后進趕超先進很難。但如果是技術(shù)的變革期，后進就可以在新的技術(shù)領(lǐng)域提前布局，讓雙方站在同一個起跑線，以此來獲得“公平”競技的機會，從而有可能實現(xiàn)超越。國產(chǎn)汽車，就是抓住了新能源和智能汽車這一波浪潮，迅速地達到了汽車出口量全球第一。

那么，芯片的變革機會在哪里？

3 AGI大模型的挑戰(zhàn)

2023年初的AI大模型，“不約而同”的參數(shù)規(guī)模停留在千億級，為什么？

核心的原因在于，這是目前的GPU計算集群所能支撐的算力上限：

一方面，單芯片算力已經(jīng)瓶頸，算力增長極度緩慢。

另一方面，受限于目前的服務(wù)器以CPU為中心的架構(gòu)約束，以及網(wǎng)絡(luò)的交互效率所限，集群規(guī)模也已經(jīng)達到了上限。

還有一個很重要的原因，就是算力的建設(shè)和運營成本，也已經(jīng)達到了一個天文數(shù)字。

目前CPU性能早已瓶頸，GPU性能即將見頂并且成本高昂，而AI芯片太過于專用，不適用于快速變化的模型算法/算子和業(yè)務(wù)邏輯。

如何解決？我們也可以給一個簡單的答案：

一方面，持續(xù)不斷的Scale up，通過更多的處理器內(nèi)聚，數(shù)量級的提升單芯片的性能；

另一方面，持續(xù)不斷地增強芯片的內(nèi)部交互（打破已有的以CPU為中心的價格）和外部交互（增強高性能網(wǎng)絡(luò)）。數(shù)量級的提升集群中服務(wù)器的數(shù)量。

此外，大芯片需要通用。能否實現(xiàn)足夠的通用性，是大芯片能夠大規(guī)模落地的最重要因素。

還有一個很重要的，要通過一些機制，數(shù)量級的降低算力的成本。

4 芯片工藝的快速進步

工藝持續(xù)進步，Chiplet先進封裝也越來越成熟。從2D的工藝到3D的封裝再到Chiplet的4D封裝，芯片的底層實現(xiàn)技術(shù)仍在快速發(fā)展。

目前的大算力芯片，通常在500億晶體管左右。Intel的規(guī)劃是在2030年，達到1萬億晶體管。這意味著，相比目前的芯片，計算規(guī)模再提升20倍。

如此大規(guī)模的晶體管資源，我們該如何更好地利用？

5 算力芯片變革的歷史機遇

5.1 系統(tǒng)架構(gòu)創(chuàng)新

一方面是需求牽引，一方面是工藝支撐，兩方面的因素，都需要我們在系統(tǒng)架構(gòu)層次，做更多的創(chuàng)新。

從單核到多核、從同構(gòu)到異構(gòu)，從單異構(gòu)到多異構(gòu)，再從多異構(gòu)到異構(gòu)融合，是一個計算架構(gòu)從簡單到復(fù)雜的繼承并發(fā)展的過程。

芯片設(shè)計規(guī)模越來越大，單芯片集成更多架構(gòu)的處理器成為一種非常常見的設(shè)計。這種多異構(gòu)混合計算架構(gòu)，Intel稱為超異構(gòu)計算。在2023年9月份發(fā)布的《異構(gòu)融合計算技術(shù)白皮書》中，采用了更嚴(yán)謹更準(zhǔn)確的一種叫法，“異構(gòu)融合計算”。深刻揭示了多異構(gòu)混合計算的關(guān)鍵，在于異構(gòu)處理器之間的協(xié)同和融合。

5.2 大芯片如何能夠通用？

系統(tǒng)規(guī)模越來越大，變化越來越快，從而使得在大算力芯片，通用性比性能更重要。而定制的加速算力芯片覆蓋場景少，生命周期短，難以大規(guī)模落地。

此外，相比專用，通用是更高級的能力。通用計算，需要從眾多需求中提煉和拆解出通用的部分和組件，通過軟件編程，靈活地組合出用戶所需的形形色色的功能。并且還要實現(xiàn)性能和靈活性的兼顧。

那么，如何實現(xiàn)通用？能夠通用的本質(zhì)原因是什么？

系統(tǒng)規(guī)模越大，“二八定律”特征越明顯。這樣，我們可以把確定性的共性的部分硬件加速實現(xiàn)，相對不確定的個性的部分通過軟件編程實現(xiàn)。

在六代計算架構(gòu)的基礎(chǔ)上，增加“通用”約束，變成三代通用計算架構(gòu)：

第一代單核和第二代多核合并成CPU同構(gòu)。

取消專用的DSA異構(gòu)計算階段，異構(gòu)計算僅保留GPU的通用異構(gòu)。

多異構(gòu)要想成功，就需要融合；異構(gòu)融合要想成功，就需要通用。因此，從終局思維思考，最終可落地的方案，會是通用的異構(gòu)融合計算。

5.3?從單兵作戰(zhàn)到團隊協(xié)作

受限于先進工藝，我們無法實現(xiàn)最強算力的芯片。但我們可以通過更多資源的協(xié)作，來實現(xiàn)更強的群體智能：

方法一，異構(gòu)融合。通過異構(gòu)融合的計算架構(gòu)創(chuàng)新，實現(xiàn)更多處理器核心的協(xié)同和融合?？梢栽诠に嚶浜?-2代的情況下，實現(xiàn)單個芯片的算力更優(yōu)。

方法二，算力網(wǎng)絡(luò)。通過算力網(wǎng)絡(luò)、東數(shù)西算，實現(xiàn)跨集群的算力調(diào)度和算力協(xié)同，可以實現(xiàn)算力資源的高效利用。

方法三，智能網(wǎng)聯(lián)。通過終端的智能網(wǎng)聯(lián)，實現(xiàn)云端協(xié)同。清華的院士提出的智能網(wǎng)聯(lián)汽車中國方案，強調(diào)車（終端）、路（MEC接入）、邊、云的深度協(xié)同，在單體算力有限的情況下，可以實現(xiàn)更智能化的用戶服務(wù)體驗。

方法四，云網(wǎng)邊端融合。更龐大算力節(jié)點，更高性能更低延遲的網(wǎng)絡(luò)，更強大的算力基礎(chǔ)設(shè)施，實現(xiàn)更強大的宏觀數(shù)字系統(tǒng)。

5.4 總結(jié)

從異構(gòu)到異構(gòu)融合計算，計算架構(gòu)的變革，給了我們“彎道超車”的時機；歷史機遇稍縱即逝，需要快馬加鞭，加大投入。

抓住計算架構(gòu)變革的歷史時機，實現(xiàn)算力芯片的彎道超車！??