隨著人工智能技術的飛速發展，算力已成為推動產業變革的關鍵力量，但大模型的快速發展，參數的爆發，對于算力需求也提出了更高的要求，帶來了全新的挑戰。那大算力芯片應對這些挑戰，如何才能夠助力人工智能技術的發展，實現算力的落地和最后一公里的打通？

 

2024年7月8日，億鑄科技創始人、董事長兼CEO熊大鵬博士在“2024算力技術創新發展生態大會”上發表了題為《超越極限：大算力芯片面臨的技術挑戰和解決策略》的主題演講，從億鑄自己的角度帶來了大算力時代下新的解決方案。

 

 

 

打通最后一公里，算力落地帶來無限可能

 

人工智能正與傳統行業深度融合，創造出智算中心、AI PC、AI手機和具身智能等新型產品與服務，使得這些傳統產業在AI的影響下變得更加智能化和個性化，從而提供更加精準和高效的服務，這也是算力落地的最后一步。

 

以智算中心為例，據《中國算力發展指數白皮書》顯示，2022年中國智能算力規模達到178.5 EFlops，年增長率為71.63%。預計到2026年，中國的AI算力規模將達到1271.4 EFLOPS。在端側也是如此，以具身智能為例，具身智能是將人工智能與機器人的感知等能力相結合，使機器人能夠以更智能和自然的方式，完成工業和服務應用場景中不同的任務，未來將有極大的發展空間。

 

但是熊大鵬博士也指出，要打通最后一公里，實現算力的落地，對芯片也提出了完全不同的要求。目前傳統架構下的大算力芯片主要面臨著存儲墻，能耗墻等諸多問題，不同的公司都在尋找解決路徑。

 

 

 

大算力芯片面臨哪些挑戰

 

對于具體的挑戰及問題，熊大鵬博士從有效算力的第一性原理的角度對相關問題做了闡釋：

 

對于傳統的馮諾依曼架構而言，數據搬運和訪存占據了大量時間，形成了存儲墻及其有效性能的天花板。其中，存儲墻問題對AI的發展構成了重大挑戰，過去20年峰值算力提高了90000倍，但內存帶寬僅提高了100倍，互聯帶寬僅提高了30倍?？梢哉f帶寬的發展速度嚴重滯后于算力的發展速度，已成為嚴重制約AI發展的關鍵所在。除了芯片內部的數據傳輸，芯片與芯片間的傳輸也遇到了瓶頸。隨著AIGC浪潮興起，AI服務器需求增長，服務器內部之間或與其他設備的數據傳輸、控制和管理等接口功能的要求也隨之增加。

 

同時， 隨著人工智能模型的規模和復雜性不斷增加，在訓練和運行時所需的能源消耗也在顯著增長。為了應對能源挑戰，人工智能行業需要開發更高效的算法和硬件，以減少能源消耗。

 

由于存儲墻和能耗墻的存在，未來想要實現更高的算力，就需要消耗更多的芯片，更多的互聯技術和更多的能耗，隨之而來的就是在傳統架構的基礎上無論是電力的成本還是設施建設的成本，都呈現爆發式的增長。

 

那么該如何解決上述的問題呢？目前業界已經有很多公司在嘗試新的路徑，而億鑄科技則堅定的從存算一體的角度尋找"終極解決方案"。

 

 

 

算力落地的終極解決方案

 

眾所周知，摩爾定律曾是半導體行業發展的黃金法則，它預言了集成電路上晶體管的數量將每兩年翻一番，從而實現性能的指數級增長。然而，隨著工藝節點的不斷微縮，晶體管尺寸已接近物理極限，導致摩爾定律面臨局限，業界一直在尋找新的解決方案。

 

存算一體技術有望成為后摩爾時代的重要技術路線之一，它不僅能夠解決當前工藝制程面臨的挑戰，還能夠為計算領域帶來新的增長點。存算一體將存儲和計算有機結合，理論上計算可以直接在存儲器中進行，這樣既打破了系統對于存儲器的絕對依賴，還能夠極大地消除數據搬移帶來的開銷，徹底消除“存儲墻”以及“能耗墻”的問題。

 

最后，熊大鵬博士指出，從有效算力的第一性原理來看，對于存算一體，數據搬運量大幅下降，有效算力呈現線性增長。可以說存算一體將打破摩爾定律，開啟算力第二增長曲線。同時，相信存算一體技術在未來計算領域的變革性潛力，特別是在AI時代，這種技術可能會成為推動算力增長的關鍵因素。

 

億鑄科技的創新不僅為大算力芯片的發展提供了新思路，更為人工智能技術的進一步發展奠定了基礎。隨著存算一體架構的不斷成熟和應用，我們有理由相信，億鑄科技將在人工智能的新紀元中扮演重要角色。

 

未來，億鑄科技將以創新驅動未來，與全球伙伴共同開啟人工智能的新篇章。我們期待與各界同仁攜手合作，共創智能科技的美好未來