新型基礎設施的完善，推動了人工智能技術在消費領域以及工業生產領域的應用，落地場景趨向細分化、垂直化。當人工智能進一步發展，深度學習模型的復雜度不斷增加，硬件和內存逼近臨界點，CPU  這樣的通用芯片無法滿足人工智能任務要求時，AI 芯片應運而生。與此同時，隨著智能物聯時代掀開序幕，越來越多的數據開始在云、邊、端流動。急劇增長的數據量對 AI  芯片的算力和功耗提出了更高要求。

AI 芯片是專門用于處理人工智能應用中大量計算任務的模塊，主要分為 GPU、FPGA、ASIC。其中 GPU  主要處理圖像領域的運算加速，是最先被引入深度學習的類型，技術相對成熟；FPGA  是一種可以重構電路的芯片，用戶可以根據需求進行重復編程，適用于多指令和數據流的分析，性能出眾但技術壁壘較高；ASIC  即專用集成電路，除了不能擴展外，在功耗、可靠性方面均有優勢，可定制、低成本是其顯著特點。

2021 年，全球“缺芯”潮依然未曾平復。中美兩國的貿易戰中，芯片是角力中的重頭戲。當中國致力于在 2030  年成為人工智能產業的全球領導者時，美國自然也不會甘心于自己在技術上的頭把交椅被撼動。而在 AI 芯片戰場，國內外呈現出了完全不同的光景。

在“缺芯少魂”的危機意識倒逼下，中國加大自主研發力度尋求破局。BAT 互聯網大廠自研 AI 芯片均已揭曉。

百度發布了自主研發的第二代昆侖 AI 芯片“昆侖芯 2”，并宣布實現量產。2 代采用 7nm  制程，通用性顯著增強，可應用于互聯網、智慧城市、智慧工業等領域；

阿里平頭哥自研 AI 芯片含光 800 在雙十一期間成為了搜索推薦等場景算力的主力，支持了淘寶搜索、推薦等業務，其中淘寶主搜 100％ 的 AI  算力由該芯片提供；

騰訊在其數字生態大會上也公布了自研芯片的進展，AI 推理芯片紫霄性能目前已經流片成功并順利點亮。

在投融資領域，國內 AI 芯片賽道也頗為熱鬧。超 40 家 AI 芯片企業在 2021  年拿下新融資。地平線、黑芝麻智能、燧原科技、壁仞科技、昆侖芯、摩爾線程等企業的估值均超 100 億人民幣。

相較于國內的百花齊放，國外 AI 芯片的格局要清晰得多。英偉達和英特爾依然占據了人工智能算力領域的主導位置，而率先闖進獨角獸陣營的歐美 AI 芯片企業僅有  6 家，分別是獲得谷歌首個 AI 芯片投資的 SambaNova Systems，將“史上最大”晶圓級芯片賣給阿聯酋云計算公司的 Cerebras  Systems，來自英國的 Graphcore，創始團隊曾是谷歌 TPU 核心研發成員的 Groq，業界大神吉姆·凱勒的新東家 Tenstorrent  和主攻邊緣 AI 芯片的以色列初創公司 Hailo。

總體來說，受益于存量需求替代以及增量需求釋放，芯片行業將迎來新一輪增長契機。但目前產能不足仍是困擾全球芯片行業的主要問題。在芯片應用領域，中國是目前全球最大的芯片應用市場，但芯片自給率依然是一大挑戰。放眼整個芯片市場，中國仍處于追趕階段，還未掌握話語權。盡管現在國內的芯片廠商不少，但在制程工藝上與國際領先水準差距依然很大，此外芯片制造短板也不容忽視。

但“危機”二字本就蘊藏著“轉危為機”的可能。國務院印發的《新時期促進集成電路產業和軟件產業高質量發展的若干政策》表明，發展集成電路產業已經上升到國家戰略高度。未來相信會有更多的資本和企業加入到芯片設計制造行列。

回顧 2021 年，值得關注的是，在 AI 芯片步入發展快車道的同時，基于下游應用的強驅動，AI  芯片的技術創新進程得到推進。其中最引人矚目的是，曾經長期止步于理論階段的“存算一體架構”芯片取得了較好的進展，少數企業已經有成品問世。目前來看，存算一體 AI  芯片將成為未來主流的發展方向。

為什么要發展存算一體芯片

在傳統馮·諾伊曼架構下，計算和存儲分離，兩者間通過數據總線進行數據傳輸。計算單元從內存中讀取數據，計算完成后存回內存。但隨著 AI  芯片的發展，這種架構也成為制約計算系統性能提升的主要瓶頸之一。一方面，存儲和計算之間性能不匹配的問題長期存在，存儲器的數據訪問速度跟不上計算單元的數據處理速度，存儲器帶寬在很大程度上限制了處理器的性能發揮，“存儲墻”日益嚴重，算力提升受限；另一方面，AI  計算往往要面臨海量數據，數據總線的有限帶寬嚴重制約處理器的性能與效率，而且大量數據傳輸導致功耗居高不下，“功耗墻”挑戰日盛。

由于兩只攔路虎——“存儲墻”和“功耗墻”的存在，馮·諾依曼計算架構的局限性日益凸顯，因此亟需新型的計算架構應對未來應用場景的挑戰。在這一背景下，存算一體的概念重新進入業界視野。

“存算一體”并非新事物，其概念的提出最早可追溯到 20 世紀 60  年代，但受限于制作成本、制作工藝及需求驅動等問題，并未掀起多大波瀾。直到近年來人工智能的發展逐漸邁向正軌，存算一體才有機會嶄露頭角。

由于在存儲單元內完成運算，這就直接解決 困擾業界許久的“存儲墻”問題，減少了數據搬運過程中高達 90％  的功耗消費。同時，這種架構也減少了等待數據讀取時算力的浪費，實際性能更好。這種優勢被認為是解決 AI 特定場景需求的關鍵。

國內外在存算一體方面都還處于起步階段，因此無論是行業龍頭還是初創公司都在積極蓄力，希望在這一賽道保持領先或實現彎道超車。

國外巨頭中，三星的動向值得持續關注。2021 年 2 月，三星發布了 HBM－PIM 存內計算技術，在高帶寬內存 （HBM） 配置中集成內存處理  （PIM） 。這也是業界第一個 HBM 集成 AI 處理能力的芯片。據官方資料顯示，與現有的內存解決方案相比，三星的 PIM 理論上可以通過可編程計算單元  （PCU） 提高 4 倍的性能。

另外，美國 AI 芯片初創公司 Myhtic 也是該領域的重要參與者。在 2021 年 C 輪融資中，Mythic 籌集 7000 萬美元，自成立以來  Mythic 的總融資額已達到 1．652 億美元。2020 年年底，Mythic 推出了其第一代 AI 芯片 M1108 AMP。與很多 AI  芯片不同，M1108 基于更加成熟的模擬計算技術，將足夠的存儲與大量并行計算單元打包在芯片上，以最大化內存帶寬并減少數據移動的能力。

而在國內企業中，看準這一趨勢的阿里巴巴落子可謂相當果斷。2021 年 12 月，達摩院宣布成功研發新型存算一體架構芯片，該芯片是全球首款基于 DRAM 的  3D 鍵合堆疊存算一體 AI 芯片。

除了阿里外，眾多初創公司也開始在這個賽道發力，知存科技、后摩智能、九天睿芯等皆是個中翹楚。

成立于 2017 年的知存科技推出了國際首個存算一體加速器 WTM1001 和首個存算一體 SoC 芯片 WTM2101。截止 2021  年，知存科技已完成累計近 3 億元的 A 輪系列融資。

后摩智能作為國內首家采用存算一體技術打造大算力芯片的公司，其愿景也十分清晰：打造出具有“十倍效應”的 AI 芯片，  致力于滿足真正人工智能時代的超大算力需求。

九天睿芯成立于 2018 年，專注于神經擬態感存算一體芯片研發。2021 年，九天睿芯已設計出基于 SRAM 的感存算一體架構芯片  ADA20X，可廣泛應用于多種視覺場景。

當前，存算一體芯片聚焦于低延遲、低功耗、高算力需求的邊緣計算，主要應用于音頻類、健康類及低功耗視覺端側應用場景中。隨著 AI  應用日益豐富，在推進規?；瘧秒A段，終端廠商必然會關注成本問題，而成本和功耗有著直接的關系，低功耗的 AI  芯片往往意味著它能夠實現整機低成本。這對于存算一體芯片來說無疑是一片藍海。

任何一項技術都不是“萬金油”，存算一體亦然，它只針對某一類計算特別是以數據為主的 AI 計算，并不適合 CPU  等以控制為主的計算。而且這種架構正處于學術界向工業界遷移的關鍵時期，要真正實現轉化成功，一方面要求對存算一體技術有深刻的洞察，另一方面也要對 AI  應用落地有透徹的理解，兩者相結合才可能發生質變，取得實質性突破。

此外，存算一體作為新的芯片方向，還面臨電路設計、架構、軟件等諸多層面的挑戰。由于存算一體芯片和常規的芯片設計方案不同，目前市面上也沒有成熟的專用 EDA  工具輔助設計和仿真驗證；芯片流片之后，沒有成熟的工具協助測試；在芯片落地應用階段，也缺乏專用的軟件與之適配。如何完善重要技術的生態鏈，是行業上下游廠商應該共同考慮的問題。

“時勢造英雄。”每一次計算構架的大變革都會創造一個新的王者。從主機時代的 IBM、PC  時代的英特爾、移動時代的高通，現在進入智能物聯網的時代，問芯片天下，誰主沉??？我們拭目以待。