公眾號記得加星標??，第一時間看推送不會錯過。

人工智能加速硬件的成本日益高昂，下一代芯片需要更高的功耗和大量的基礎設施投資。對于許多初創(chuàng)公司和小型企業(yè)而言，大規(guī)模部署人工智能的成本和復雜性在軟件開發(fā)開始之前就已構成障礙。

像 FuriosaAI 這樣的新興硅芯片廠商正試圖重新思考這一格局，專注于效率、性能以及替代 GPU 主導市場的方案。

FuriosaAI 是一家總部位于韓國的公司，致力于開發(fā)高性能人工智能推理芯片，旨在降低功耗和數據中心壓力。其最新處理器 RNGD 基于公司自主研發(fā)的張量收縮處理器架構，旨在無需依賴傳統(tǒng) GPU 框架即可運行高要求的人工智能模型。

FuriosaAI 的首席執(zhí)行官兼聯(lián)合創(chuàng)始人 June Paik 在 2017 年創(chuàng)立該公司之前，曾在AMD和三星擔任硬件和軟件工程師。我們與他探討了人工智能芯片初創(chuàng)公司面臨的挑戰(zhàn)、數據中心的未來，以及 FuriosaAI 計劃如何在受能源限制、基礎設施成本和英偉達長期主導地位影響的行業(yè)中競爭。

問：從歷史上看，日本和歐洲涌現(xiàn)出了一些偉大的公司（ST Electronics、NEC 等），為什么中國和美國以外的 AI 芯片廠商如此之少？

答：首先，我想對你的前提提出一些質疑：在人工智能領域，幾乎沒有哪家硬件初創(chuàng)公司能夠撼動英偉達的統(tǒng)治地位。即使在 AlexNet 問世十五年后，我們仍然處于這個行業(yè)的早期階段。而且，一些人工智能硬件創(chuàng)新者，例如 Hailo 和 Axelera，實際上并非來自美國或中國。

但由于結構性原因，這份名單很短。

與加密貨幣挖礦（算法固定，簡單的ASIC礦機就能很好地工作）不同，人工智能正在快速發(fā)展和演變。

為不斷變化的市場需求打造芯片需要硬件和編譯器方面的專業(yè)知識，而這些知識往往集中在半導體產業(yè)底蘊深厚的地區(qū)。此外，世界上只有少數幾個地方與晶圓廠和芯片制造合作伙伴建立了深厚的合作關系。

這就是為什么總部設在韓國實際上對Furiosa來說是一個競爭優(yōu)勢。

我們能夠接觸到韓國大學世界一流工程項目和韓國科技巨頭的優(yōu)秀人才。我們還與韓國（例如，SK海力士為我們的第二代芯片推理芯片RNGD提供HBM3）以及亞洲其他地區(qū)（例如，我們的代工廠合作伙伴臺積電）的領先企業(yè)建立了合作關系。

與硅谷的距離也迫使我們采取非常自律的方式。Furiosa 最初僅靠 100 萬美元的種子輪融資起步，我們在芯片交付之前花了數年時間完善我們的理念。

我們完全致力于基于張量收縮的方法，并且能夠忽略硅谷的傳統(tǒng)觀念和炒作。

但硬件必須在全球市場競爭；我們不能僅僅成為區(qū)域供應商。現(xiàn)在，隨著RNGD產品批量出貨，我們正在與世界各地的企業(yè)客戶合作。

問：硬件只是成功的一部分，英偉達花了數年時間才打造出如今聲名遠揚的軟件護城河（CUDA）。Furiosa 正在采取哪些措施來對抗其強大的對手？

答：試圖復制英偉達龐大的 CUDA 庫是一個戰(zhàn)略死胡同。

我們采取了更大膽的做法，從第一性原理出發(fā)，專門為人工智能共同設計硬件和軟件，這樣我們就無需重新創(chuàng)建 CUDA。

我們的芯片采用 Furiosa 專有的張量收縮處理器 (TCP) 架構，該架構能夠原生執(zhí)行深度學習的多維數學運算，而不是將其強行放入 GPU 使用的傳統(tǒng)結構中。

這使得我們的編譯器能夠在無需數千個手工調優(yōu)內核的情況下優(yōu)化模型。

RNGD目前已投入量產，充分展現(xiàn)了我們方法的優(yōu)勢。它能為世界上最苛刻的模型提供高性能推理，而功耗僅為180瓦（相比之下，GPU需要600瓦甚至更高）。

LG AI Research等全球合作伙伴已在生產中驗證了這一突破性的效率。

我們還打破了 CUDA 的鎖定，構建了能夠與 PyTorch 和 vLLM 等標準工具無縫集成的軟件棧，以便開發(fā)人員無需改變工作流程即可獲得這種性能。

問：大型超大規(guī)模數據中心運營商（如谷歌、微軟和亞馬遜）正逐步構建自己的AI芯片解決方案，以減少對第三方供應商的依賴。那么，F(xiàn)uriosa（以及其他類似公司）在這一趨勢中扮演著怎樣的角色呢？

答：當前的GPU架構給整個行業(yè)（包括超大規(guī)模數據中心）帶來了嚴峻的能源挑戰(zhàn)和基礎設施瓶頸。我們展望未來，異構計算將成為主流，不同的架構可以協(xié)同工作，以最高效的方式滿足不同的需求（例如訓練與推理）。

因為我們優(yōu)先考慮總擁有成本、能源效率和靈活性，所以我們的技術將在解決所有人面臨的這個問題上發(fā)揮核心作用。

我們目前重點關注四個特定領域，這些領域正最強烈地感受到電力和基礎設施方面的難題：

• 各國和受監(jiān)管行業(yè)需要在本地而非公共云上處理敏感數據。RNGD 使他們能夠在現(xiàn)有電力資源范圍內部署高性能推理，從而確保數據主權，而無需大規(guī)模的新基礎設施項目。

• 對于企業(yè)客戶而言，總體擁有成本 (TCO) 和靈活性至關重要。RNGD 可安裝在標準的 15kW 風冷機架中，避免了傳統(tǒng) GPU 所需的高昂液冷改造費用，使其成為擴展速度最快、成本效益最高的方式。

• 區(qū)域性和專業(yè)性云服務商需要在利潤率方面與三大巨頭競爭。RNGD 的高計算密度使云服務提供商 (CSP) 能夠在保持低運營成本 (OpEx) 的同時，最大限度地提高每個機架的收入。

• 其他行業(yè)，例如電信運營商，也在網絡邊緣的電力受限數據中心環(huán)境中工作。RNGD 的節(jié)能特性也能滿足他們的需求。

我們正在開發(fā)的下一代芯片將直接面向超大規(guī)模數據中心以及這些關鍵行業(yè)。

問：您認為數據中心的未來發(fā)展趨勢是什么？（假設您在 2036 年參觀一個數據中心，您會看到什么？）

答：10 年后，“數據中心”的含義將發(fā)生很多變化，就像“計算機”一詞現(xiàn)在已經可以指代從智能手表到高性能服務器的一切事物一樣。

有些數據中心會像你想象的那樣，是那種充滿未來感的設施：規(guī)模龐大，而且（很可能）采用聚變能源或繞地球運行。但另一些數據中心則會很小巧，但效率極高。

例如，您當地的醫(yī)院將擁有一個本地人工智能數據中心，用于運行醫(yī)生和護士的智能助手，從而保持低延遲，并確保數據本地化和安全。

電信運營商將擁有許多高性能的“邊緣”人工智能數據中心，這些數據中心針對極低延遲進行了優(yōu)化。

我確信的一點是，2036年的人工智能數據中心不會再充斥著GPU，而是會配備各種滿足不同需求的專用人工智能芯片。

部分原因是GPU的能效較低。但從根本上講，人們普遍認為GPU架構并不適合人工智能。

GPU 制造商一直致力于通過創(chuàng)新來彌合這一差距，例如在芯片中添加張量核心，但最終從 GPU 轉向 AI 優(yōu)先架構的好處將太大，不容忽視。

問：在不透露太多產品路線圖細節(jié)的情況下，F(xiàn)uriosa 的芯片是否會遵循人工智能產品的傳統(tǒng)發(fā)展路徑？

答：我們現(xiàn)在以及未來的產品都專注于提供企業(yè)客戶最需要的產品：高性能數據中心推理，同時還要節(jié)能、經濟高效，并且易于部署，無需進行大規(guī)模的基礎設施升級。

這意味著要優(yōu)先考慮每瓦token數和每機架token數等指標，以提高計算密度。

我們還將積極利用行業(yè)新進展，例如更小的制程節(jié)點和新的內存技術。

我們的第一代芯片采用14納米制程。我們的RNGD芯片采用HBM3顯存和5納米制程，我們將繼續(xù)推進技術進步。但正是我們的架構創(chuàng)新，使我們能夠實現(xiàn)比采用相同制程的GPU更優(yōu)異、更節(jié)能的性能。

關于我們的產品路線圖，還有一點需要說明，那就是軟件和硬件同等重要。Furiosa 的軟件工程師數量多于硬件工程師，因為我們必須持續(xù)快速有效地支持新的模型和部署工具。

我們在 2025 年發(fā)布了三個主要的 SDK 更新，并將在 2026 年及以后保持這一速度。

https://www.techradar.com/pro/the-ai-data-centers-of-2036-wont-be-filled-with-gpus-furiosaais-ceo-on-the-future-of-silicon

（來源：編譯自techradar）

*免責聲明：本文由作者原創(chuàng)。文章內容系作者個人觀點，半導體行業(yè)觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業(yè)觀察對該觀點贊同或支持，如果有任何異議，歡迎聯(lián)系半導體行業(yè)觀察。

今天是《半導體行業(yè)觀察》為您分享的第4326期內容，歡迎關注。

加星標??第一時間看推送

求推薦