芯东西（公众号：aichip001）
作者 |  心缘
编辑 |  漠影

写在前面：12月21日-22日，GTIC 2021全球AI芯片峰会将在北京举行。届时，来自芯片巨头、独角兽公司及创业新秀的产业大咖和技术专家将同台分享AI芯片的技术创新和落地经验。大会前夕，芯东西对参会嘉宾进行系列深度对话，提前一睹他们对产业的真知灼见。本期对话嘉宾为后摩智能创始人&CEO吴强。

2021年的AI芯片圈，“大算力芯片”无疑是热度最高的话题之一。这个由英伟达、英特尔等半导体巨头执掌的赛道，正有一批创业新秀摩拳擦掌。

在产业界，吴强已经历练了大约20年。他经历过CPU和GPU的鼎盛时期，见证过互联网巨头的崛起，也曾亲临人工智能新一股浪潮爆发的前线。

从AMD的GPGPU/OpenCL创始团队核心成员、Facebook总部资深科学家，到国内知名AI芯片独角兽公司技术副总裁和CTO，他经历了一次次身份转变，在2020年底踏上新的创业旅程。

这次创业，吴强思忖已久。此时的云端及边缘计算领域略显拥挤：高举“国产替代”旗帜的GPGPU赛道，已经聚集了一只手数不过来的创企。吴强不想做同质化的事。

在他看来，颠覆性的新兴技术，才能真正带来赶超巨头的机会。由他创办的后摩智能，在国内率先提出基于存算一体，做面向边缘端及云端推理的大算力AI芯片。

创立不满一年，后摩智能已完成两轮数亿元融资，并于今年8月完成首颗核心技术验证芯片的设计。在近日的深入交流中，吴强告诉芯东西，其首颗样片已投片送测。

他希望后摩智能的选择，能让中国AI芯片成功的概率，变得更高一点。

一、未来15年，必有AI芯片超越英伟达GPU

20世纪90年代末到本世纪初，奔腾（Pentium）系列高性能处理器横空出世，翻开英特尔辉煌的篇章，由此连续10年主宰全球PC处理器市场。许多伟大的研究论文也开始层出不穷。

那时，正在美国普林斯顿大学计算机科学博士学位、研究计算架构和编译器的吴强，被英特尔搅动的PC风云所触动，对芯片行业心向往之，先是进入英特尔参与研发高性能计算处理器安腾，随后加入AMD转向GPGPU研究。

经历几波科技浪潮，吴强总结出一个规律：技术永远是被需求驱动的，而人工智能（AI）是新一轮芯片热潮爆发的根本原因。

早期从DOS到Windows操作系统，对速度要求很高，如果不换智能机，软件跑不起来。底层芯片的快速迭代推动了很多伟大的工作出现。但后来随着PC市场开始饱和，很难再出现颠覆业界的新软件。到2009年左右，芯片行业已经陷入低潮。

PC产业被连年唱衰之际，互联网企业却在争议中走到了历史舞台的中心位置，通过网络不断吸纳海量数据，带动起全球的流量风暴。

吴强意识到，PC市场对算力的需求越来越弱，而大数据、并行计算、高性能计算的需求之门正被互联网企业开启。他转而进入Facebook，亲历了这家企业从数百人的创企成长为科技巨头，直至2017年，芯片行业因为AI的方兴未艾，再度涌动起创新的热潮。

“AI的出现带动了所有算力的需求。”吴强说，因为智能化符合人性，没人喜欢苦累繁复的工作，他坚信AI普及会是大势所趋。AI对算力更大的需求，驱动了芯片产业的变化。“所以，我一定要做AI芯片，因为它有需求，有需求就有发展。”

伴随着AI兴起，一家美国芯片公司开始飞升，它就是AI训练加速市场的霸主——英伟达NVIDIA。

英伟达是第一家、也是迄今最成功的AI计算芯片公司。在2006年以前，英伟达更多是作为游戏显卡龙头享誉全球，解决了GPU统一编程难题的软件平台CUDA横空出世，并在数年后与GPGPU联手，成为AI技术革命的核心燃料。

乘上AI东风的英伟达，股价一路走高，如今最新市值已逾8000亿美元。

吴强从2006年就开始接触和研究英伟达产品，对CUDA和GPGPU架构设计有深入理解。

现在主流的AI计算源自GPGPU，而GPGPU源于图形处理单元GPU。GPU本来用于做图形渲染，渐渐地，研究人员开始尝试让它做非图形相关计算，由是出现general purpose GPU,即业内常说的GPGPU。

但第一个成功的路线，就是最好的路线吗？

“不一定。”在吴强看来，英伟达的成功存在一定的历史偶然性，“我们需要回答的问题是，我们能不能做出一个更符合AI计算特性的东西来。”

他坦言，这条路必然充满挑战，但如果放大时间维度，看向未来15年，一定会有人能做出来。

二、大算力芯片时代到来，政策加码、资本涌入

“挑战英伟达”，凡是站定AI芯片赛道的初创公司，几乎都会喊出这样的口号。

但在英伟达极厚的软件生态壁垒面前，即便有些海外创企已经大牛如云，至今仍在挑战英伟达的道路上步履维艰。

不过，中国正迎来新的时运。

从2018年开始，持续不断的中美贸易摩擦将芯片半导体这一信息产业“软肋”推至风口浪尖，国产替代的号角吹响，资本开始倾注各个“卡脖子”的关键赛道，许多行业老兵选择跳入创业的汪洋。

吴强亦是如此，他看见了中国AI芯片枝繁叶茂的远景，并关注到一个千载难逢的机会——中国人敢做大芯片了！

中国有上千家芯片设计企业，其中早期一批芯片企业大都在做小型应用芯片，包括WiFi芯片、电源芯片、蓝牙芯片等等。但做大算力芯片的玩家相对少见。这是个高投入、高门槛、高试错成本的赛道，一个芯片流片动辄要耗去几千万美元。

现在，在政策鼓励、需求激增、资本力捧的大环境下，大算力芯片创业的池子正在变大、变得活跃，很多像吴强一样在工业界做了20年的老兵开始入局。

这促使吴强在创业之初便下定决心：“第一，我要做AI芯片；第二，我要在中国做。”

做什么？是下一个要解答的问题。

吴强观察到一个现象，创业者总是一窝蜂地冲到同质化赛道，国产替代仿佛成了“金字招牌”，抢产能、抢人才等浮躁现象出现，在他看来，这些并不利于国内芯片发展。

大算力AI芯片领域存在类似的境况，“英伟达怎么做，那我也国产替代复制一遍。”吴强觉得这种用英伟达的方式打英伟达，很难实现真正的超越。

他也支持有人做传统路线的国产替代，只不过，总要有人去探些新路，选择另辟蹊径，也有助于增加中国AI芯片成功的概率。

因此，2020年下半年，面对已经聚集着一批云端AI芯片创企的国内市场，吴强决定去走一条截然不同的路——用存算一体做大算力芯片，并立下实现单芯片算力高达1000TOPS的目标。

三、“不复制别人走过的道路”

为什么选择存算一体？这是综合考量的结果。

吴强在计算芯片及编译器等技术积累深厚，曾获第38届计算机体系架构顶会MICRO-38唯一的一个最佳论文奖，其科研成果被美国业内杂志IEEE Micro评选为年度最有影响的12个科技成果之一，并多次担任国际会议项目委员会委员和国际期刊的客座主编。

除了早年研究的GPU外，他也是谷歌第一代TPU论文的5个主审编之一，非常清楚TPU的技术底层逻辑。在研究过各种非常规的新兴技术后，吴强认为存算一体可能颠覆传统AI芯片的路径。

▲吴强与团队交流（来源：焦点访谈）

他将AI芯片公司分为三类：（1）把AI算法与硬件高度融合，将算法一部分固化在硬件；（2）仿照英伟达的技术路径，把GPGPU做图像的东西去掉，只保留做AI计算的部分；（3）针对某一类应用场景或某一种工作负载来做相对定向优化的AI计算。

这三类都有不少公司在尝试。一方面，这些方式很难在通用性和效率上做到两全。另一方面，用这种方式去挑战英伟达，会面临巨大的工程上的挑战，很难真正超越英伟达。

而存算一体并没有遵循传统的冯·诺依曼架构，而是更多是从底层技术去重新设计，用存储介质承担计算任务，以节省数据在存储与计算单元之间搬运所导致的延时和能耗。这是一个全新的维度，是可以在不损失通用性的前提下，实现效率的提升。

做存算一体AI芯片在业内已经有公司在尝试，但用存算一体做大算力AI芯片，彼时在国内并不多见。

早先存算一体技术活跃于学术界，国内外也出现了一批团队尝试先做小算力芯片。他们对推动“存算一体”芯片的发展做出了积极的贡献，也增加了外界的关注度。

吴强不想“复制别人的存算道路”，他观察到技术发展至新阶段，用存算一体做大芯片已成可能。

存算一体芯片的实现依赖存储介质。早期存算一体技术在做大算力方面有一定局限性。近几年（特别是2018年之后）， 新型存算技术和新型存储介质技术都发展到了一个新阶段，用存算一体做大算力芯片已成可能，商业落地的苗头渐显。

吴强想，结合自身积累的工业经验和学术资源，也许能抓住这个时代机遇，达到更高的天花板。

四、先攻边缘端和云端推理，首颗样片年底回片

做大算力存算一体AI芯片，既离不开拥有工程实践经验、做过大算力芯片的人才，也需要存算一体技术积累深厚的人才。

吴强本身兼具长期的工业背景和很强的学术资源，因而能将这两拨人聚在一起，他也将此视作团队核心竞争力所在：兼备学术创新能力和工程能力，具有架构、算法、软件等层面的综合积累，并熟悉整个产业链玩法，深入理解要以下游客户需求为出发点反过来定义芯片，而不是先有技术这把“锤子”，去到处寻找“钉子”。

“我比较幸运，团队里有这样的人才。”吴强说，其团队成员在存算一体研究的技术积累超过15年，在学术顶刊发表过多篇相关论文，并有业内最丰富的学术流片经验。。

一方面，只有具备学术创新能力才能真正做到“知其然，并知其所以然”；另一方面，除了能按论文理论做出芯片，团队还需能将芯片理论产品化，只有拥有工程化经验、做过芯片并深入理解客户需求的团队，才有能力快速地往前走。

聚集了多位能力强、有技术信仰和长期主义的人才，这是创业以来，尤其令吴强最感到骄傲的事。有的团队成员是从异地加入，有的放弃了高薪或数量可观的成熟上市公司期权，他感慨道：“这说明对方是真正认可你在做的事情。”

▲后摩智能办公室（来源：焦点访谈）

在吴强看来，大芯片创业要闯三道关：做出来、落地、规模化商用。

多数芯片公司都能做到第一步，即做出芯片；接下来真正难的是落地商用，这将会经历一段很艰难的日子；实现落地难关的公司将到最后的冲刺阶段——起量，这时市场会排出前几名。

因此，在解决做什么、怎么做的问题后，接下来的关键战略选择，就是芯片首先落在什么场景。

在云端训练领域，设计出性能、能效超过英伟达GPU的芯片并非不可能的事，英伟达真正坚不可摧的是由CUDA+GPGPU砌成的生态壁垒。吴强认为，要替代英伟达，起码要比英伟达的产品性能好5~10倍，1~2倍的改良客户可以就等下一代产品，没必要忍受一个新的、没那么顺手好用的软件。

他选择先从竞争对手相对薄弱的环节——边缘端和云端推理攻入。当前AI推理芯片普遍采用特定领域架构（DSA），其效率与通用性存在天然矛盾，而存算一体恰恰能发挥出兼顾高效能与通用性的优势。

经过近一年的发展，如今后摩智能的团队规模扩大至近百人，研发团队硕博士占比超80%，申请了10余项新专利。

吴强透露道，后摩智能的首颗“存算一体”大算力样片已经投片送测，预计年底回片、明年点亮。

结语：大芯片创业窗口收窄，创新值得被鼓励

据吴强观察，中国大芯片元年从2018年开始，到今年是三年的开放窗口期，待到今年年底后，创业窗口将收窄，再想入局可能为时已晚。此时早期一批玩家已经各占一席，如果还在做基于类似技术的产品，很难做出差异化。

除了存算一体外，吴强也希望国家可以多鼓励企业去探索其它的底层创新技术路线，尤其是新材料、新存储介质等基础技术，这些技术的发展，甚至有望推翻整个计算机设计的基本假设，开创出AI芯片新思路。

“如果中国真想超越美国，需要有人去做这样的事情。”他呼吁无论是投资还是创业，都少做同质化探索，多往不同的创新技术路线去布局和分配资源，才更有可能抓住历史机遇。

随着更多投资者开始关注新兴技术赛道，国内市场将有一个大浪淘沙的过程，然后趋于理性，留下真正产生价值的AI芯片公司。

https://zhidx.com/p/304859.html