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。

文章插图
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。

稿源：(智东西)

【傻大方】网址：/c/1123a2E22021.html

标题：gpgpu|对话后摩智能CEO吴强：用存算一体解锁大算力芯片，不复制别人走过的路( 二 )