芯片|腾讯阿里踩过的坑，字节又跳了进去( 二 ) 阿里巴巴|CPU|ai

尽管资金投入巨大，但眼下的字节跳动，或者说互联网大厂们的“造芯运动”其实是一件“不得不做”的事情。
“大家用的都是通用型处理器，过去可以借助芯片制程和软件优化实现最终效能的提升，但现在硬件厂靠摩尔定律升级这条路被严重放缓，软件又在开源浪潮的下被高度开发，要想继续提升效能就只能从最底层的专用芯片入手。 ”虎嗅资深分析师李赓解释道。
他所提到的专用芯片也可以泛指AI芯片，从技术路线上， FPGA、ASIC和ASSP甚至传统的GPU ，都可以被归到此列当中。与通用处理器CPU相比，专用芯片具备更多的ALU（逻辑运算单元），虽然不能像CPU那样执行复杂的指令，但在简单指令上，算力要比CPU高得多。
因此，在定制处理器的态度上，云服务厂商也大多秉承着“赶早不赶晚”的原则。
何况在这个行业中，已经有亚马逊、谷歌等公司作为先行者，且收效颇丰。自2015年亚马逊收购Annapurna开启芯片自研之路以来， AWS已经先后历经百余次降价，成为业内不折不扣的“价格杀手” 。
诚然，这与IaaS行业产品高度同质化下的竞争压力有关，但能打得起价格战的前提是，自研芯片对采购成本的大幅度降低。
回到字节造芯这件事上，火山引擎自2020年6月上市后，就打出了“极致性价比”的招牌，在去年的一次采访中，火山引擎总经理谭待就曾表示，实现极致性价比的方式就是“全栈自研、软硬一体” 。
即使不考虑商用化的问题，就字节自身业务需求来看，由于头条、抖音等庞大业务也在火山引擎上，支撑这些业务的超过百万台服务器同样面临着巨大的成本压力，自研专用芯片可能不是一个最优方案，但至少是现阶段最可行的方案。
落地场景？我们自带
除了云业务的降本问题外，字节造芯可能还有基于应用场景的考量。
“过去行业内关注的重点都落在算力上，但现在基本没人在乎这个问题，因为算力普遍虚标，投资人更关注芯片有没有经过落地场景的评估。 ”一位资深业内人士向虎嗅表示。
杨震原在采访中也提到， “字节的自研芯片探索主要围绕自身视频推荐业务展开，研发团队将为字节大规模视频推荐服务专用场景定制硬件优化如视频编解码、云端推理加速等。 ”
具体来看，视频编解码很好理解，对数字视频进行压缩或者解压缩的过程。根据字节2020年披露的数据，在这一年抖音用户每天上传的短视频数量多达6000万条以及附带的PB级别的数据量，这对字节服务器的传输能力是个不小的考验。
传统的编解码技术大致分为两种，第一种是英特尔的VAC视觉计算加速卡，它的处理器内置了图形内核和硬件编码器，第二种是选择通用处理器和软件编码技术。
这两种编辑码技术用于处理一般数据量尚可，但面对海量数据时效费比并不乐观。谷歌对此的解决方案是，直接设计一个专门用于视频编解码的芯片Argos ，据谷歌统计，搭载该芯片的VCU（video coding units）将会替换下数千万个英特尔至强处理器，字节未来规划的视频编解码芯片可能与之类似。
而“云端推理加速”更像是字节为深化“精准推荐”提前做出的准备。
这里我们以抖音为例，相信大多数从业者都能认同，抖音的推荐质量代表着字节系，乃至国内互联网推荐算法能力的最高水平。
但这套推荐算法在抖音日渐臃肿的业务线下已开始“力不从心” 。比如仅在抖音的“同城”入口下，就进一步细化为美食、休闲、游玩等等多个二级入口，如何维持短视频与本地生活、直播带货的高效联动，成为抖音当下需要面对的问题。
AI推理芯片的应用场景则很适用于抖音复杂的视频推荐机制。 “AI推理芯片可以针对算法进行特殊优化，比如加强视频结构化分析。 ”一位智能云服务器从业人士告诉虎嗅， AI推理芯片的应用可以极大提升结构化数据库的响应能力。
当然，依靠视频解码算力配合AI推理算力实现计算加速，并非是抖音一家的专利。早在2018年，快手就领投了专注AI视觉芯片研发的博瀚半导体，这家公司在去年也不负快手所望，拿出了云端推理AI芯片。
相较于手机公司在ISP、电源管理芯片、NPU等相对“边缘化”芯片徘徊的现状不同，互联网大厂拥有着复杂的、且需要深度定制的场景需求，这些需求也促使大厂们不得不走出舒适圈，亲自下场造芯。