微信公众号：软硬件融合

软件迭代越来越快，硬件迭代却越来越慢，软硬件之间的鸿沟越来越大。软硬件融合，既是理论和理念，也是方法和解决方案，让硬件灵活可扩展，弥补软硬件之间的鸿沟。本公众号致力于传播和推广“软硬件融合”相关技术和理念。

AI大模型的热潮不断，预计未来十年，AGI时代即将到来。但目前支撑AI发展的GPU和AI专用芯片，都存在各种各样的问题。那么，在分析这些问题的基础上，我们能不能针对这些问题进行优化，重新定义一款能够支持未来十年AGI大模型的、足够灵活通用的、效率极高性能数量级提升的、单位算力成本非常低廉的、新的AI处理器类型？首先，分析场景的特点，做好软硬件划分；大核少核 or 小核众核；极致扩展性，多层次强化内联交互；AI芯片案例。

写今天这篇文章的时候，我内心是焦虑的，甚至有点悲观。中国的芯片界同仁，不可谓不努力：充满艰难险阻的工作，数十年如一日的煎熬，直面国际巨头的竞争。在芯片具体产品层面，别人有性能优势，我们有价格优势。不敢说能打个你来我往，但至少还有还手之力。然而，在计算生态方面，我们则完全没有招架之力。计算生态就像一只无形的手，抹去了我们仅有的一点可能的机会，阻挡着我们前进的步伐，让我们距离世界先进越来越远。更令人焦虑的是未来：一方面，计算生态的作用在不断地加强；另一方面，不同领域不同处理器的计算生态有进一步融合的趋势，逐渐形成新的超级生态。两相叠加，一旦超级生态逐步建立，后进者再无翻身的可能。未来5-10年，大算力芯片，将迎来终局之战。

大家一直有个误解，觉得通用和专用，是对等的两个选择。例如，牧本波动（Makimoto's Wave），是一个与摩尔定律类似的电子行业发展规律，它认为集成电路有规律的在“通用”和“专用”之间变化，循环周期大约为10年。我们的观点则是：相比专用，通用是更高级的能力。集成电路等各种事物发展规律的常态是通用，“通用到专用”只是达到通用状态后的一些新的探索，是临时状态，最终还是要回归到通用。专用是事物表面的、临时的、局部的特征，而通用则是事物本质的、长期的、全面的特征。对大芯片来说，通用是成功的必由之路。CPU是通用芯片，成就了Intel的成功；GPU是通用芯片，成就了NVIDIA的成功。目前，还没有看到做专用芯片非常成功的案例。长期地看，专用是临时的，专用的芯片也是临时的，最终的结果只能是走向消亡。今天这篇文章，我们聊聊通用和通用计算的话题。