“未來可能不是百模大战，而是萬模群舞。”自ChatGPT掀起大模型的發展熱潮之後，層出不窮的大模型已然蜂擁而入，風雷激蕩。但在經歷了最初的驚豔之後，行業已轉移到對商業化落地的冷靜觀察，一方面業界認可垂直類應用模型有望率先實現落地應用，另一方面AI大模型的壓縮和優化發展，使得向邊緣端滲透的步伐也在加快，邊緣算力的重要性正加速凸顯。

以更直觀的數據來看，有預測到2030年，邊緣計算潛在市場將在10年內以48%的復合年增長率從2020年的90億美元增長到2030年的4450億美元。而且，中國是邊緣算力的主战場，預估到2026年全球26%的網絡邊緣站點將位於中國。

通用GPU這一算力主流芯片在經過AI的淬煉之後，如何更進一步，承接AI大模型下沉至邊緣端的新機遇？無疑，這將更是一場實打實的硬仗。

可重構架構打造算力第三極

在日前舉辦的第六屆世界人工智能大會（WAIC）上，珠海芯動力、天數智芯、燧原科技、登臨科技、愛芯元智、沐曦等企業展出的芯片、加速卡、軟硬件解決方案和廣泛的行業應用，成爲WAIC不容錯過的“風景”。

在WAIC舞台同場競技的背後，暗藏的邏輯是通用GPU廠商比拼的賽點，已經從單純的性能指標轉向進入真實應用場景落地的較量，邊緣側的競奪也走向白熱化。

“隨着AIGC興起，算力將成爲重要的生產力。相比雲端，邊緣側應用場景更廣泛，也更能促進生產力的提升創造價值，將對通用GPU產生巨大的市場機會。”芯動力CEO李原樂觀表示。

顯然這涉及通用GPU的算力、擴展性和編程性、生態等多維度的比拼。在這一市場，英偉達、AMD、英特爾等佔據強勢地位，且在當下國內半導體制造面臨全面打壓的情形下，我國通用GPU企業想要撕开一道口子，有專家建議不能按“常理”出牌，需要從架構、材料、封裝等層面進行創新。

不走尋常路，發布首款基於可重構架構的GPGPU芯片RPP-R8的珠海芯動力可謂獨闢蹊徑。該公司在2017年成功研發出可重構並行處理器（RPP）架構，借助於獨有的底層硬件架構，自帶高性能、原生支持CUDA語言和低功耗等“光芒”，可對AI推理的性能進行深度優化。

（RPP-六邊形战士）

芯動力創始人李原分析，在可重構芯片面世之前，AI算力芯片主要有專用和通用GPU兩大類，專用芯片性能雖強但編程能力差，有的通用GPU可編程性高但算力不強，要從激烈的競爭中脫穎而出，必須建立強大的優勢，而第三類可重構芯片則將兩類產品的優勢“合二爲一”，將躋身成爲通用GPU的新一極。

據悉，RPP-R8作爲一款通用GPU，每顆芯片內含有1024個計算核，相比傳統GPU架構在同樣的算力佔用更小的芯片面積，實現了低功耗和高能效的有效平衡。此外，面積效率比可達到同類產品的7～10倍，能效比也超過3倍。而且，除原生支持CUDA之外，芯動力還擁有自主开發的工具鏈，使得其能夠在cuDNN和TensorRT上實現API的兼容，同時也支持廣泛的人工智能框架，如TensorFlow和Pytorch等，可全面滿足高效並行計算及AI算力應用。

憑借高能效、高算力、低功耗、編程靈活等功力的“加持”，芯動力的RPP-R8在邊緣側的落地也在快馬加鞭。

解決客戶痛點 打开落地之旅

觸及落地，盡管RPP-R8的性能和生態獨樹一幟，但作爲一個新生“物種”，仍要面臨逐級解鎖的過程。

對此李原認爲，邊緣側的市場巨大，傳統市場的AI加速是剛需，通用GPU可替代專用芯片打入供應鏈；而新興市場的需求如智能安防、機器視覺等市場也在持續擴容。但落地最重要的是要解決客戶的痛點，要釐清市場的規律。

李原進一步剖析，芯片公司容易陷入提倡軟硬件一體化的“怪圈”，但邊緣側終端客戶對成本並非那么敏感，從產業鏈來看，芯片公司的客戶大都爲設備廠商，處於終端客戶的下遊，一方面芯片公司要學會將更多利潤留給設備廠商，讓他們有動力合作切入市場，另一方面芯片公司的客戶大都有實力進行軟件自主开發，因而要順應軟硬件分離的需求。

“因而，芯動力提供的是一個過硬的純硬件，加上底層兼容x86、Arm、Windows等軟件系統，與其他家的軟件結合在一起可快速應用，讓客戶可順暢地進行开發，有效幫助企業降低开發成本和產品周期，加速產品迭代與擴展，這是共贏之道和長久之道。”李原分析說。

基於這樣的深刻洞察，加上直擊痛點以及秉承讓利的“哲學”，讓芯動力的產品在落地之旅行進在“坦途”之上。李原提到，芯動力產品在智能安防、工業自動化等一些行業因可切實解決設備廠商的痛點，具有不可替代性，起量非常快，基本已處於拐點，更大規模的出貨將順利推進。

而這只是芯動力的“一小步”，未來還有更遼闊的徵程。

李原介紹，芯動力已推出了基於可重構架構RPP-R8系列三種不同封裝形式的GPGPU芯片，分別是AE8100、AE7100和AE6100；每一款芯片能夠滿足相對的應用場景需求。

“AE8100芯片面向邊緣服務器等領域，對體積、功耗要求較高；AE7100芯片着力面向低功耗、小體積的應用場景；AE6100則聚焦於更小體積上承載更大的性能，正在與客戶一起定義，針對機器視覺的Camera，融合信號採集、圖像處理和GPU加速等功能，以代替前端的ISP，下半年將着重在工業視覺領域實現新的突破。”李原躊躇滿志表示。

不再跟隨？創新當道

在AIGC熱潮掀起通用GPU的算力革命之際，一個更值得業界深思的問題也浮出水面。

“業界均認爲AIGC大模型是一大風口，一大史詩級機遇。但值得深思的是，中國這么多AI公司和GPU公司，爲什么美國开大模型之先河？如果不深刻反省，下次再有風口出現時我們還是被動跟隨的境況。”李原的表述中藏着一些深層的內省。

李原進一步提議，對國內高科技界來說，最重要的是要思考未來十年會向什么方向演變？如果只是一味地跟隨或Repeating，實際上沒有太大價值，也走不出這一循環。

着眼於通用GPU發展，李原高瞻遠矚地表示，下一個十年比拼的是它的效率，而不僅是性能。爲持續降低時延和提高帶寬，將衍生出衆多新技術，業界應着力解決芯片外部互聯挑战，並嘗試採用光電子技術，突破原有的方式才有可能實現超越。

此外，chiplet成爲未來算力芯片“擴張”的必然之路，也將產生更多Cost Effective的效果。李原提到，芯動力也將在這一方向持續耕耘，加強與FPGA廠商合作共贏，切入更多場景，爲客戶帶來更具想象力的價值。

對於CUDA兼容的走向，李原也洞察道，客戶不在意底層是用CUDA或別的語言，最重要的是能夠快速迭代、快速开發。在已經選用了CUDA語言的領域裏，我們會尊重客戶的選擇，但在新的領域裏，完全可以有自由的選擇。

伴隨生成式AI帶動下的這場新興科技革命，邊緣計算的價值將被如芯動力這批“搶灘登陸”的企業率先釋放，而芯動力的未來之路，也將成爲國內衆多行業的數字化、智能化轉型升級的動力之源。

（來源/愛集微）

本文作者可以追加內容哦 !