“存算一體”芯片賽道引資本青睞：初創企業如何構築技術產業化壁壘
21世紀經濟報道記者 陳植 上海報道
隨着國家積極推進半導體芯片產業自主可控，資本在這一領域的股權投資熱情高漲。
數據顯示，2023年半導體行業完成約650起投融資交易，融資規模約545.6億元人民幣。儘管今年以來半導體行業股權融資額度有所回落，但圍繞AI算力芯片細分賽道的股權投資，創投機構依然“全力以赴”。
尤其是AI大模型興起推動AI算力芯片需求旺盛，以馮•諾依曼架構爲基本設計框架的傳統芯片所面臨的存儲牆與功耗牆問題，日益受到業界關注。越來越多芯片研發初創企業開始聚焦研發存算一體或存內計算架構，滿足5G、物聯網、人工智能全面爆發時代對低功耗、小面積、大算力的芯片要求。
紅點中國創始合夥人袁文達此前指出，隨着現代電子設備正向智能化、輕量化、便攜化快速發展，加之5G通信與物聯網（IoT）技術的成熟，智能萬物互聯（AIoT）時代即將來臨。資源受限的邊緣終端設備的算力問題，正成爲AIoT大規模產業化應用的核心關鍵。因此，在通往AIoT的道路上，需要解決的核心挑戰是高能效、低成本、長待機的端側智能芯片，存算一體在未來邊緣計算AI場景會有巨大的市場空間。
多位長期關注存算一體芯片研發的創投機構人士向記者指出，在存算一體芯片的底層電路技術研發領域，中國與西方國家處於並駕齊驅的狀況，甚至部分中國企業在某些特定細分領域還處於略微領先地位，但在生態部署與架構普及等方面，西方國家大型芯片企業仍具有較強先發優勢。因此，中國企業若要迎頭趕上，一方面需加快技術迭代與產品創新步伐，另一方面需儘快構建完善的應用生態。
北京蘋芯科技有限公司CEO楊越接受本報記者專訪時表示，爲了儘快建立存算一體的應用生態，在研發推出存算一體神經網絡處理單元的PIMCHIP-N300 NPU與多模態智慧感知決策芯片PIMCHIP-S300後，蘋芯科技將一方面在技術層面，對“用戶的編程接口”與“統一指令集”給出清晰定義，便於廣大用戶直接調用基於存算一體的運算庫，另一方面正積極與衆多高校科研機構、AI大模型研發龍頭公司、可穿戴設備研發企業合作，加快存算一體的推廣與應用。
“我們正積極發力構建應用生態，提供文檔、工具鏈、示範代碼等，協助他們針對不同行業AI大模型、數據處理、邊緣計算等場景提供定製化的AI算力加速解決方案，令人工神經網絡和深度學習模型的計算效率實現顯著提升。”他向記者強調說。
存算一體“技術產品化”落地
隨着AI大模型迅速興起推動AI算力芯片需求持續旺盛，如何解決“存儲牆”與“功耗牆”問題，備受市場關注。
所謂“存儲牆”與“功耗牆”，主要是指傳統芯片架構主要採用馮諾依曼架構，計算單元和存儲單元在物理層面分離，且存儲單元的帶寬速度遠遠低於計算單元，不但限制芯片的整體性能，還給芯片內數據構成傳輸延遲和性能消耗，甚至這種消耗達到70%~90%。
存算一體芯片恰恰解決了上述痛點，所謂存算一體，其核心思想是在芯片設計環節，不再區分存儲單元與計算單元，實現真正意義上的存算融合。由於存算一體方案無需頻繁搬用數據，不但能耗顯著降低，其簡化的存算結構還更易於提升計算效率，更符合AI時代的芯片要求。
“在創建蘋芯科技時，我們感受到未來人工智能算力將從雲端向端側下沉的新趨勢。尤其是可穿戴設備、邊緣端AI設備（智能門鎖、攝像頭等）的廣泛普及，在電池與電量受限的情況下，它們同樣需要完成計算力度較高的AI運算。這令計算能力更強、功耗更低、數據傳輸更低延遲、性能更強、面積更小的新型芯片具備廣闊的發展前景。”楊越向記者透露。
記者獲悉，當前存算一體的主流技術路線，主要分成三種，分別是Flash、靜態隨機存儲器(SRAM)和阻變式存儲器(RRAM)。蘋芯科技對此選擇SRAM。究其原因，一是SRAM對高端製程工藝有着比較友好的兼容性，產品可靠性更高。二是在下游供應鏈環節，公司更容易獲得流片渠道、代工廠相關製程工藝的支持，令產品穩定性更有保障；三是未來推理算力的需求，佔據整個AI算力市場需求的逾80%，基於SRAM技術路線針對AI計算涉及的大量神經網絡模型進行特殊優化，還能有效解決各類AI大模型推理算力在更低能效、更高計算效率、支持自定義算子、混合精度計算等方面的要求。
過去三年多時間，蘋芯科技累計完成五次流片的相關技術驗證，致力於解決存算一體芯片在技術研發與生態應用等方面的諸多挑戰，一是如何高效地將計算單元與存儲單位高效地集成在同一個芯片同時，保持良好的散熱效果與信號完整性；二是保證較高的芯片良率，三是在芯片面積縮小後，如何保證它具備較高的計算能效比，四是進一步促進軟件算法與芯片的適配，以及平衡好芯片在存儲與計算方面的性能，實現更高的算力加速效果。
他透露，蘋芯科技的存算一體神經網絡處理單元芯片已具備多模態的AI計算能力，具備語音、圖像、視頻的計算能力同時，還能支持類如壓力、溫度、IMU等更多模態信號的智能化處理，更智能地識別產品所處環境，廣泛應用在可穿戴設備、無人機攝像頭、安防領域、機器人領域、智能家居等低能耗、長待機的AI計算場景。
技術應用生態建設仍需“快馬加鞭”
多位創投機構人士向記者指出，在實際應用過程，存算一體芯片能否根據不同AI大模型、可穿戴設備、邊緣計算設備的技術參數需要進行配置，廣大用戶未必瞭解，需要存算一體公司不但需擁有自己的產品、軟件與開發工具，還需構建足夠完備的應用生態。
在研發存算一體芯片過程，蘋芯科技先後完成數輪千萬美元級別融資，投資方包括紅點中國，春華創投、紅杉中國、真格基金等多家創投機構。楊越也感受到創投機構的“嚴謹”。
“有些創投機構拿着測試工具到我們辦公室，讓我們在不做任何軟件優化的情況下做芯片性能測試，直到他們發現我們芯片性能依然高於傳統架構芯片，且能在短時間實現技術產品化與產品商業化，向我們表達投資意向。”他回憶說。
紅杉中國副總裁公元表示，存算一體技術作爲計算芯片新一代顛覆性的體系結構創新，代表未來AI計算髮展的產業方向，具有廣闊的市場空間。蘋芯科技的核心競爭力是專業團隊和強大的技術背景，紅杉資本將持續助力蘋芯科技開拓更加豐富的AI應用場景，早日實現芯片的商業化落地與量產。
楊越告訴記者，在完成數輪股權融資後，企業既得到充足的資金支持，積極推動技術驗證與技術產品化，又通過創投股東的牽線搭橋，與更多AI大模型研發領域頭部企業有了深入接觸，令國產存算一體芯片擁有更多應用空間。
但是，如何讓衆多國內AI企業積極使用國產存算一體芯片作爲AI大模型算力優化新工具，對初創企業又是新的挑戰。蘋芯科技的做法，一是通過產品架構優化，高度支持自定義算子，滿足各種AI大模型的部署需求，並針對人聲監聽、眼動追蹤、主動降噪、環境感知等應用場景提供配置方案和專門優化，二是會向廣大企業用戶提供高兼容性的開發工具鏈，讓存算一體芯片產品能無縫集成在企業用戶的現有軟硬件，其中包括主流的AI框架等。
楊越認爲，無論是在端側，還是雲端，未來不同行業不同場景AI大模型在訓練與推理兩個層面，都會出現專用的“存算一體”算力加速產品，逐步替代當前的某些通用性解決方案。尤其是智能耳機、智能眼鏡、智能手錶等可穿戴設備領域，它的替代步伐可能會更快。