隨著人工智能算力需求的急劇增長,算力芯片面臨著一系列巨大挑戰。簡單總結如下:
算力需求呈幾何級增長,尤其在AI大模型、高階自動駕駛、元宇宙等領域。每兩個月AI算力翻倍,給大算力場景帶來了數量級的提升。
性能和靈活性難以平衡,CPU靈活但性能不足,ASIC性能極致但缺乏靈活性。對于越復雜的系統,通用靈活性的需求高于對性能的需求。
業務的橫向和縱向差異性使得針對特定場景定制芯片會導致架構碎片化,無法跟上軟件的迭代。
大芯片研發成本居高不下,數以億計的研發成本需要大規模落地才能攤薄。
芯片大規模落地受到困擾,性能優化的專用定制方案難以實現大規模部署,導致宏觀算力無法規模化。
生態建設門檻高,大芯片需要框架和生態,但構建和維護生態的門檻高,小公司難以承擔。
從客戶視角看,避免對特定廠家的硬件平臺產生過度依賴成為迫切需求,需要開放標準化的硬件和系統堆棧。
面對云網邊端融合的挑戰,需要不同廠家硬件的開放標準化,構建統一的硬件平臺和系統堆棧,以實現宏觀計算平臺的融合。
本文鏈接:http://www.tebozhan.com/showinfo-27-31931-0.html算力芯片面臨重重挑戰,硬仗不可回避
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。郵件:2376512515@qq.com