最近看到有芯片行业人士对国内AI芯片发表了一些看法,我觉得很有价值,在此简单提炼一下,供大家参考。
1.实测数据才重要看宣传算力意义不大,要看实测数据。
2.软件生态才是关键AI芯片最大的困难在于需要自己打造软件栈,建立生态。
3.性能对标T4/A10/V100/A100的提升一般就对1,2个benchmark网络做了极致的调优,不代表所有的网络模型都有这样的性能,而且芯片的通用性完全不提。
4.为什么去拿ZF的集群,信创项目?因为这些项目要求不高,跑个1、2个模型就能交差
5.如何判断真正商业落地?看互联网大厂是否批量采购板卡
前面这几条中,第2条是AI芯片最困难的地方。
我引用华为鲲鹏架构师夏晶晶博士,芯片设计行业内资深知名大佬级人物的一段话,作为参考:
“DOCA是Nvidia DPU的唯一编程框架。
DOCA兼容未来多代DPU的演进。
DOCA包括卸载、加速、隔离,支持IaaS到超算到disaggregation DC……
DOCA之于DPU,如同CUDA之于GPU……
被CUDA支配的恐怖,都忘了么?这几年这么多家AI chip的公司,有谁没被CUDA在半夜吓哭过?
等过两年DOCA成熟了,当我们看着DoOVS、DoSDI、DoZIP的时候,又将无力抵抗。
那在DOCA还未成熟之际,YOCA?XOCA?在哪儿呢?
这事并不是简单招两个驱动工程师那么简单,这是一个framework,需要把从HAC、NP、CPU等PE的细微ISA提炼成抽象、完备、稳定的kernel/API的过程。相比AI领域的framework,难度并不会更低。
这需要招聘互联领域(相比AI都是网络)的陈天奇、李沐、贾扬清……而业界相关的人才其实没几个,又早被被火热的AI吸引过去了……”
当然了,前面夏晶晶博士主要讲的是DPU的软件生态,但是道理和AI芯片的软件生态应该是相通的。
最后声明,本人对寒武纪没有特别的研究,如果你要问我寒武纪究竟有没有投资价值,这不是我能够回答的问题。(作者:icefighter)