人工智能浪潮之下，多家厂商自主走向定制芯片道路

微软在其年度开发者大会Microsoft Ignite上推出了两款自研芯片——Maia 100和Azure Cobalt 100，为大语言模型的训练和推理提供动力。

此举正式填平了微软与谷歌、亚马逊的唯一生态链差距，因为后两家巨头都已经拥有了自己的定制芯片。

Maia 100是微软首款人工智能芯片，主要针对大语言模型训练设计，属于ASIC（应用型专用集成电路）芯片。这款芯片将于明年初开始在Azure数据中心推出，目的是减少微软对英伟达GPU的依赖。

微软推出的第二款芯片Azure Cobalt 100是基于Arm架构的128核云原生芯片，这款芯片也可以与Azure的生态系统兼容，更大的用处是在微软Cloud上运行通用计算工作负载，降低成本。

事发并不突然：事实上，微软推定制芯片早有征兆；2010年时，微软便希望能自研AI芯片。

据The information报道：微软至少从2019年开始，便在研发代号为“Athena（雅典娜）”的新AI芯片组，目的是为ChatGPT等大语言模型的训练及推理提供英伟达芯片之外的替代方案。

那为什么自去年以来，亚马逊、谷歌、微软、Meta等超大规模的企业都不约而同地走向自主开发定制芯片的道路？

亚马逊、微软和谷歌自主开发的芯片时间表

究其原因，我们或许可以将其归结为以下两点：

其一：随着ChatGPT等人工智能应用的持续迭代更新及各种商业化快速落地，在应用市场对于芯片算力需求数量级提升下，一场针对其底层需求（AI芯片）的竞赛已悄然打响：

特别是对于国内市场而言就目前来看，人工智能整体市场已从2020年的疫情影响中恢复：

图片来自：亿欧智库

特别是：随着技术的成熟以及数智化转型升级，市场的内在需求正在增加，中国人工智能核心产业市场规模也将持续平稳增长。

根据亿欧智库的预测，2025年中国AI芯片市场规模约为1780亿元。

其二：即是从应用端的视角而言，随着其与市场业务在横向和纵向的差异性不断扩大和随着摩尔定律的放缓，提高能效成本效益的需求的催动下，应用端企业自身的芯片定制化需求被急速放大。

AI产业化逻辑，图片来自：数治网

业务的横向和纵向差异性。横向差异，指的是不同客户的业务差异；纵向差异，指的是单个客户的业务迭代差异；如果针对场景定制芯片会导致架构碎片化，并且芯片的迭代完全跟不上软件的迭代节奏。

且，随着AI芯片需求的发展，市场需求也会更加多样化，传统的市场芯片提供的大多数解决方案都是大相径庭的，难以通过某款通用性芯片来满足所有需求。

而定制化芯片通过整合功能零部件来实现小型化、降低功耗以及降低成本，厂商可将市场未出现的价值（功能）融入相关模块来实现客户产品的差异化。

特别是：相关企业在定制化芯片时，可以在基础固件的基础上根据要求来定制化固件和底层IP，这种基于硬件的设计对于很多其他企业而言抄袭起来并不容易，需要很长时间。

特别是在摩尔定律放缓的大背景之下：以前，是靠摩尔定律推动着成本效益的提升；现在在需求及成本的夹击之下，推动力则来自于进行有效数据加速的新型架构。

更具体地说，要想得到最佳的计算性能，必须仰仗针对特定应用和数据集合的体系架构。

环顾市场，我们不难看出：随着芯片集成度越来越高，SoC设计越来越复杂，为了降低整个芯片SoC设计周期以及开发总成本，Chiplet模式或许已经成为一种流行的趋势。

英伟达或将全面推行Chiplet模式

简单而言：基于Chiplet 模式，首先将需要实现的复杂功能进行分解，然后开发或是复用已有不同工艺节点、不同材质、不同功能的裸片，最后通过 SiP(System in Package)封装技术形成一个完整的芯片；

因此Chiplet 就是一种新的IP复用模式。

Chiplet除了可以解决数字电路和模拟或接口电路在工艺节点上的错位问题外，也可以给SoC设计提供更大的灵活性。

例如，有些SoC设计在不同场景下，对接口或模拟的通道数量要求不同，如果都集成在一颗die上缺乏灵活性，性能、功能和面积(也就是所谓的PPA)方面难以做到最优。

Chiplet通过数字和模拟更好地解决了场景化的灵活性问题，当然同时chiplet也面临着诸多挑战，例如接口标准化、接口间巨大的数据量造成裸片和裸片间互联所产生的大功耗等问题。

基于Chiplet模式对传统半导体产业链传统思想的冲击，应用端客户和产业链之间再次吹响“定制”和“标准”交替发展的“牧村浪潮”：

图片来自：IEEE

1987 年， 原日立公司总工程师牧村次夫（Tsugio Makimoto）提出半导体产品沿着“标准”与“定制”交替发展，每十年波动一次的思想，并于1991 年第一次发表在Electronics Weekly上，称之为“牧村浪潮”（Makimoto’s Wave）。

“用”与”造”的对立统一律是包括可重构技术在内的硅产业发展的一个主线索；随着人工智能浪潮的爆发及相关芯片需求量的增加，至少突出了两对难以逾越的、规律性的矛盾。

其一是大家所熟知的“产品复杂度日益上升”与“产品价格日益下降”的矛盾；其二是正在逐渐被大家所感知着的矛盾，即在“个性化”要求这个永恒“定律”的发展中，出现了“应用市场日益分散”与“产品开发费用日益增大”的矛盾。

面对这两个矛盾，需要对产品体系结构及其设计方法进行革命性的改造，力争把“定制”与“大规模生产”两个相互矛盾的事物协调起来，实现半导体产业链的“攻守易型”。

总体而言：Chiplet模式能够满足这一要求，因此现今更多的应用端市场采用Chiplet模式是符合发展潮流的。

审核编辑：黄飞