多款重磅芯片产品亮相WAIC，为元宇宙算力“蓄能”

 

2022世界人工智能大会（WAIC 2022）召开前夕，第一财经记者探访世博中心展台，华为昇腾、瀚博半导体、燧原科技等一众芯片参与者齐聚，届时将有包括国产云端GPU等重磅产品发布。

目前，上海已汇聚全国40%左右的集成电路人才，最新数据显示，今年1至7月，上海集成电路产业销售额同比增长超过18%；上海已成为国内集成电路企业最积聚、产业链最完整、综合技术水平最高的地区之一。2021年以来，已有17块AI芯片在上海点亮成功。

寻求差异化发展路径

燧原科技方面8月31日对外表示，公司创始人兼CEO赵立东将于WAIC大会期间亮相并发布重磅新品。此前，燧原以及发布了国内最大AI计算单芯片邃思2.0和AI推理芯片云燧i20。

第一财经记者8月31日从上海瀚博半导体公司了解到，该公司即将在WAIC大会上发布的这款国产云端GPU芯片SG100，将创造超高吞吐、超高质量、低延时编码能力的新纪录，为云游戏、云手机、云桌面、云计算等元宇宙关键性应用场景提供深度优化。

SG100的到来，瀚博正式迈入了GPU公司行列。未来瀚博将基于GPU和AI芯片带来更多产品组合，更好地满足市场需求。瀚博CEO钱军对第一财经记者表示。据介绍，SG100是一款云端GPU，包括了图形显示部分的功能。

钱军曾是芯片巨头公司AMD的中国前高管，他坦言，在GPU领域，中国企业要赶超英伟达等世界头部公司很难，因此瀚博选择了弯道超车的路线。

GPU的研发有很高的技术门槛。三年前，瀚博刚成立时，我们也思考过是否直接做GPU，但我们前面有英伟达等业界头部公司，我们在研发、硬件和软件以及整个工程能力等各方面的能力都需要加强。钱军对第一财经记者表示。

瀚博选择了差异化的发展路径，最初选择针对AI+视频市场做DSA架构的AI芯片，从而最大程度发挥研发团队在视频领域的经验以及对于大芯片的驾驭能力。现在我们的GPU将更好地满足市场对智能视频视觉、图形图像处理的算力需求。钱军表示。

通用GPU赛道火热

近年来，国内大量芯片初创企业都瞄准了通用GPU赛道。具不完全统计，国产初创GPU公司最近两年获得了超百亿元的融资，其中壁仞科技和摩尔线程两家的融资额就超过80亿元。

与融资同样快速的是产品的研制。以摩尔线程为例，该公司在不到300天时间里，就宣称完成了首颗国产全功能GPU研制，算力理论上相当于英伟达GTX 1070。

今年5月，上海诞生的半导体公司天数智芯的通用GPU推理芯片智铠100成功点亮，基于全自研的通用GPU计算核心，能够支持国内外主流AI生态和各种深度学习框架。

天数智芯CTO吕坚平日前在其应用开发平台的一场公开会议上表示：衡量芯片产品性能不能仅停留在一两项指标层面，尤其是大算力芯片，还应该着重考虑到芯片的通用性。

他认为，芯片产品的通用性包括两个角度，一是本身的架构要通用，二是要获得数量足够多、覆盖面足够广的客户支持。

8月9日，上海壁仞科技也发布了一款通用GPU芯片BR100，并在国内率先采用chiplet技术。公司称，单芯片峰值算力达到PFLOPS级别，可实现每秒千万亿次计算，这是英伟达目前在售的旗舰计算GPU产品A100的3倍还要多。

不过，国内芯片产业发展仍然需要构建生态圈。中国工程院院士倪光南表示，一些企业的通用GPU产品在短短一年多时间内已经应用落地，企业向行业开放技术能力，也将为我国计算产业自主生态建设提供强大的助力。

倪光南提出建议，认为产业上下游企业应该形成更加紧密的协作关系，共同开发基于自主通用GPU的设备系统以及解决方案，实现在更大范围、更多场景中的应用，加快构建起自主的计算产业生态体系。

解决算力问题

无论是元宇宙，还是智慧医疗、无人驾驶、金融科技、量子计算等技术和应用的落地，都需要算力的支撑。

元宇宙时代，CPU已经无法满足指数级增长的算力需求，异构加速计算为满足世界对算力的日益增长提供了可行的解决方案。一位业内人士对第一财经记者表示，CPU、GPU、FPGA、ASIC、专用AI加速器的异构融合为提高算力开辟了新的方向，能够有效地解决日渐增长的算力需求，将在游戏、人工智能、元宇宙等多个领域发挥重要作用。

有关数据表明，元宇宙想要实现视听级的沉浸式体验，实现电影大片级的效果，当前算力要提升上千倍，而如果试图创造一个混淆现实的虚拟世界，算力需求会是如今的100万倍。

打造软硬一体化算力基础设施，将支撑元宇宙的发展。芯片厂商可以联合打造软硬件生态，为数字人和数字孪生的构建提供多元算力，以及丰富的技术和工具，推动构建多场景应用平台。钱军对第一财经记者表示。

智算中心作为新型算力公共基础设施，符合中国当前社会经济发展阶段和转型需求，是促进AI产业化和产业AI化的重要引擎，在推动国家人工智能战略实施，赋能实体经济实现新旧动能转换，提升社会治理水平，促进人工智能科研和工程技术人才培养等领域发挥重大支撑和推动作用。

钱军认为，智算中心的建设仍面临多重挑战，包括全面提升AI算力供应，保证长期的技术领先性，促进海量数据开放共享，全面提升AI算法训练数据质量，沉淀的数据资源在各个应用场景中实现价值最大化。

此外，从行业的角度来看，智能制造领域中的人工智能标准仍然相对较少，无法满足当前人工智能技术的标准化需求，这些可能会制约人工智能应用的有序、规范、健康发展。