飛象網(wǎng)訊（源初/文）第二十一屆中國國際半導(dǎo)體博覽會（IC China 2024）在北京國家會議中心開幕。會上，當(dāng)嘉賓們談到半導(dǎo)體行業(yè)的發(fā)展時，AI已經(jīng)成為了一個繞不開的話題，它因半導(dǎo)體而獲得了算力，算力的猛增又拉動了新的需求。然而，面對復(fù)雜的行業(yè)外因素，如何尋找突破口也同樣是備受關(guān)注的話題。
AI與半導(dǎo)體互為推動
AI正在引發(fā)新一輪科技革命，從語言模型、多模態(tài)模型的單體智能，到能夠使用思維鏈（CoT, Chain of Thinking）進(jìn)行推理的OpenAlo1，再到使用工具完成復(fù)雜任務(wù)的智能體（AIAgent），AI基礎(chǔ)能力正在快速演進(jìn)。AlI將成為智能時代的基礎(chǔ)設(shè)施，融入生產(chǎn)和生活的每個環(huán)節(jié)，重塑千行百業(yè)，引發(fā)新一輪科技和產(chǎn)業(yè)革命。
AI與半導(dǎo)體已經(jīng)形成了一種相互促進(jìn)的關(guān)系，共同推動下一輪技術(shù)超級周期的到來。
首先，半導(dǎo)體技術(shù)為更多的應(yīng)用場景提供了支持，包括人工智能（AI）、物聯(lián)網(wǎng)（IoT）、5G通信和數(shù)據(jù)中心。這些應(yīng)用反過來又產(chǎn)生了海量數(shù)據(jù)，為AI的深度學(xué)習(xí)模型提供了驅(qū)動力。一項基于亞洲的數(shù)據(jù)顯示，自2019年以來，AI、物聯(lián)網(wǎng)和汽車等領(lǐng)域的數(shù)據(jù)量呈現(xiàn)出71%的年均復(fù)合增長率，反映出技術(shù)快速演進(jìn)和廣泛的市場需求。
此外，大數(shù)據(jù)正被稱為“新的石油”，推動了AI算法和半導(dǎo)體行業(yè)的發(fā)展，特別是在AI加速器、高帶寬內(nèi)存（HBM）、存儲和網(wǎng)絡(luò)等關(guān)鍵領(lǐng)域。隨著AI技術(shù)的進(jìn)步和大規(guī)模應(yīng)用，半導(dǎo)體將進(jìn)一步推動這些技術(shù)落地，形成互為推動的良性循環(huán)。
巴西半導(dǎo)體行業(yè)協(xié)會機(jī)構(gòu)主任羅薩娜卡賽斯對于兩者的話題也表示稱，到2030年，僅AI一項預(yù)計將為全球經(jīng)濟(jì)貢獻(xiàn)超過15萬億美元。半導(dǎo)體行業(yè)持續(xù)突破創(chuàng)新邊界，研發(fā)更新、更強(qiáng)大的AI加速器。AI具備變革半導(dǎo)體設(shè)計和制造的能力。
與此同時，新興技術(shù)的能耗問題引發(fā)關(guān)注。黃仁勛曾提到：“沒有任何物理定律可以阻止AI數(shù)據(jù)中心擴(kuò)展到一百萬芯片，但其能源供應(yīng)可能需要核電站。”AI與人腦比較而言，人類大腦的功耗不超過25W，而英偉達(dá)8卡DGXB200功耗達(dá)14.3kW。考慮冷卻系統(tǒng)耗電量，百萬卡智算中心能耗將高達(dá)3GW。會上，有位嘉賓還做了這樣的比較，在京滬高鐵線上的每位乘客耗電量約為30度電，而預(yù)計全球數(shù)據(jù)中心在2024年的總耗電量將達(dá)7000億度。
AIDC在支持AI技術(shù)高速發(fā)展的過程中，逐漸呈現(xiàn)出高頻寬、大容量、大能耗三大趨勢。首先，AI模型的發(fā)展需要處理海量數(shù)據(jù)，這對數(shù)據(jù)中心的計算與傳輸能力提出了更高要求；其次，AI的快速進(jìn)步導(dǎo)致模型和數(shù)據(jù)規(guī)模顯著擴(kuò)張，推動了存儲和處理能力的躍升。最后，隨著算力和存儲需求的快速增長，AIDC的能耗問題愈發(fā)突出，已成為行業(yè)的重要挑戰(zhàn)。
面對市場的機(jī)遇與挑戰(zhàn)，尋找行業(yè)突破口自然也就成為大家關(guān)注的話題。
行業(yè)突破口在何方
對于國內(nèi)產(chǎn)業(yè)而言，會上有嘉賓表示，應(yīng)當(dāng)重視系統(tǒng)和芯片架構(gòu)創(chuàng)新，縮小技術(shù)差距。應(yīng)當(dāng)積極開展芯片架構(gòu)創(chuàng)新，如采用3D堆疊/Chiplet/存算一體等新架構(gòu)，努力縮小大算力芯片的技術(shù)代差。積極開展異構(gòu)大算力集群系統(tǒng)的架構(gòu)和任務(wù)調(diào)配等方面的優(yōu)化工作，努力縮小大算力集群系統(tǒng)的性能差距。
同時，還要重視端側(cè)AI技術(shù)創(chuàng)新，端側(cè)AI擁有清晰的商業(yè)模式，更易實現(xiàn)規(guī)�；涞�。其芯片對算力（如TOPS數(shù)量）和制造工藝（如7nm及以上工藝）的要求相對較低，從而降低了研發(fā)和生產(chǎn)成本，為更多企業(yè)參與創(chuàng)造了機(jī)會。此外，端側(cè)AI應(yīng)用場景多樣化，包括智能設(shè)備、車載終端和工業(yè)物聯(lián)網(wǎng)等領(lǐng)域，這些需求驅(qū)動了端側(cè)AI的快速發(fā)展。面向半導(dǎo)體行業(yè)，需要探索多核異構(gòu)計算架構(gòu)，提升端側(cè)設(shè)備的算力效率與適配能力。開發(fā)兼容多種終端應(yīng)用的AI軟件堆棧，以及高效的端側(cè)芯片。端側(cè)AI的未來將以低成本、高效能和廣泛應(yīng)用為目標(biāo)，推動人工智能在終端設(shè)備上的深度集成與創(chuàng)新，構(gòu)建更加智能化的生活與產(chǎn)業(yè)生態(tài)。
