有NVIDIA摘冠在前 ， 一些公司已经开始布局GPU国产替代方案 ， 将来有望在一些领域或者受限的企业中 ， 凭借更高性价比 ， 分得一块市场 。
倘若要对标英伟达或者相关的GPU技术 ， 至少在某些领域上能与之匹敌 ， 客户能够接受其性价比 ， 在此过程中逐渐培养起自己的生态联盟 。
“如果技术不行 ， 老拿生态来讲 ， 这是很难行得通的 。 ”蔡一茂教授谈道 ， “技术上至少要有特色 ， 然后再来看生态的构建；如果技术还差一大截 ， 就说生态 ， 这是个伪命题 。 ”
当然 ， 技术的追赶不是一蹴而就 ， 更多的是希望有迭代的机会 ， 有超越现有技术的可能 。 同时 ， 很多人说自己的新技术有多好 ， 可能过一段时间 ， 对手就推出了一个更厉害的 ， 所以看到竞争对手在进步 ， 这也非常重要 。
至于其他新兴技术路线 ， 想要取代GPU绝非易事 。 一方面 ， 许多技术只能做到单点性能更好 ， 而非综合性能更好；另一方面 ， 一些已有方案更好落地 ， 投入更多资源就会迭代得更快 。
相比取代GPU ， 蔡一茂教授相信 ， 发掘一些新的领域 ， 更可能把市场做的越来越大 ， 比如开发新兴技术去解决现有GPU不擅长加速的领域 。

文章插图

▲北京大学信息科学技术学院副院长兼微纳电子学系系主任蔡一茂教授
03.攻关新型存储器、先进封装 ， 解锁AI芯片进化之门除了AI芯片架构本身的进展外 ， 更高性能的芯片 ， 往往离不开先进的存储器和封装方式 。
传统芯片存在的一大瓶颈是“存储墙” 。
存储和计算 ， 是芯片的两大基础功能 。 存储器与计算单元之间的数据搬运 ， 往往消耗大量功耗 ， 但很多加速芯片并未解决这个问题 。
为了降低数据频繁交换导致的延迟和功耗 ， 以存储为中心的计算架构逐渐兴起 ， 成为AI芯片的一大新兴技术路线 。
存储器可分为易失性存储器、非易失性存储器 。
（1）易失性存储器：以SRAM、DRAM为代表 ， 速度快、可靠性较高 ， 但功耗、成本偏高 ， 数据在里面只能短暂存储 ， 必须不停地跟外部的非易失性存储器进行交换 。
SRAM和DRAM在AI芯片中非常重要 。 AI芯片如果追求性能 ， 则要求存储器本身够快、带宽够大 ， 可以快速交换数据 ， 这离不开SRAM、DRAM的进步 。
此外 ， 当前全球几家存储器巨头都在推进基于DRAM技术的高带宽内存（HBM） ， 现在最先进的GPU的性能提升很大一部分也是得益于HBM的进步 。 目前还未见国内有公司大规模量产这种技术 。
（2）非易失性存储器：目前主流产品是Flash 。 Flash的优势尤其体现在边缘端 ， 一些参数存放在非易失性存储器中 ， 后续有些应用可以直接调用或者直接运算 。 有些公司已利用Flash进行AI算法加速或实现存内计算功能 。
Flash的挑战在于可靠性不高 ， 可擦写次数约10^6次；另外其工作电压偏高 ， 兼容纯逻辑运算和工艺的难度较大 。 目前嵌入式Flash的工艺节点普遍在40nm ， 也有些采用28nm ， 但很难再往更先进的节点推进了 。 台积电、三星等都在探索能够替代Flash的一些新型非易失存储器 ， 比如阻变存储器、磁存储器和铁电存储器等 。
Flash或者新型存储器不是拿来就可以用于AI芯片 ， 通常需要针对性地改工艺、改集成技术 ， 这对制造端提出了挑战 。
虽然有一些基于SRAM、DRAM、SSD等存储器的存内计算方案和芯片被提出 ， 但是目前还没有特别高性价比的存储器技术来支撑存内计算 ， 存内计算也还未真正做到很好的产业化程度 ， 更多是通过提高存储器的性能和带宽 ， 来进一步优化整个综合系统 。 现阶段探索产业化路线的存内计算以SRAM、DRAM、NOR Flash为主 。

• 蔡徐坤和刘雯会与vivo合作吗，会为vivo带来怎样的惊喜？
• 蔡徐坤给b站发律师函是真的吗 大家怎么看待蔡徐坤发律师函给b站？
• 蔡健雅陈奕迅 蔡健雅陈奕迅
• 对于蔡徐坤，新媒体营销号的手段是否过于“残忍”？
• 陈伟霆分手后谈蔡卓妍 蔡卓妍陈伟霆吻戏
• 桦树汁好喝吗 桦树汁怎么喝
• 大棚种什么省事又赚钱？ 东北大棚种点什么能赚钱？
• 蔡振华58岁师妹入籍卢森堡，想参加巴黎奥运：中国永远是我祖国
• 刘銮雄 蔡少芬刘銮雄
• 蔡明个人资料简介明 蔡明个人资料