2025年AI芯片领域竞争激烈，稍有不慎，便会引来众多模仿者，其中不乏以英伟达为榜样的发展者。

然而，另有一些人主张，由英伟达所塑造的故事线，以及GPU这一产品类别，均已到了必须进行彻底变革的时期。

创办清微智能的王博，算是其中颇具代表性的一位。

当前市场存在一个极具优势的竞争对手，例如英伟达或英特尔，你绝对不能模仿它的策略，否则将面临被彻底淘汰的命运。

王博的方案另辟蹊径，与英伟达的思路大相径庭，他采用了可重构芯片，这类芯片能够灵活调整计算单元。

王博通过生动的相似说法，阐述了这一理念和GPU的不同之处：GPU好比一条笔直的轨道，列车沿着固定路线快速行进；而重构芯片上，经过改造的计算单元让这条轨道分出了好几条岔路，转换这些计算单元，就能实现不同工作的切换。

从更深层次来看，模块化芯片和常规的图形处理器芯片代表两种截然不同的运算模式，后者依赖指令控制并运用公共存储空间，而前者则通过非指令化设置并采用数据流引导。

以常见办公环境为参照，当前有两台正在从事大模型运算的图形处理器，其中一台设备在处理完数据之后，必须发出指令把运算结果存储到高带宽内存里，接着再发出指令经由“PCIe接口、网络适配器、网络交换机”这一系列设备，把数据传输到另一台图形处理器的内存中，这样就能达成协同工作的目的。

同类环境下，可重构处理器无需执行取指解码，借助无指令设定就能实现运算，接着把信息经由内部传送端口发给邻近单元，当多个单元运算结束后，再集中把结果存入外部存储介质中。

图片备注：可重构芯片架构示意图

一旦熟悉了微处理器构造，便可知其已非“冯诺依曼体系”的常规模式。

这个特殊的芯片架构，并非王博有意避开英伟达的技术方向，因为他推出可重构芯片的那年，也就是2017年，大众提及英伟达或GPU，主要联想到的两件事就是“玩游戏”和“数字货币挖矿”。

在那个Transformer结构还只是停留在学术探讨层面之际，王博也未曾设想过把可重构硬件与大模型融合起来。

那时，王博决定投身可重构芯片事业，缘由相当直接，因为他先前在某个云服务公司的技术主管岗位上，负责开拓机器视觉领域业务时，察觉到市场上几乎找不到能够适配边缘设备，同时兼具强大计算能力和出色运行效率的芯片产品

他无意中发现，清华大学尹首一教授团队研发的可重构芯片技术已经发展得相当完善。经过几次深入交流，他们共同认定，由于人工智能的快速发展以及摩尔定律逐渐失效，当前的计算架构已经难以满足算力提升的要求，将来必定会诞生更适合人工智能运算的新型结构。清华小组从2006年起就持续钻研可重构计算技术，逐步掌握了适用于终端和云端的众多技术突破，这些成果已具备商业应用条件，因此两位创始人迅速达成共识，于2018年携手创立了清微智能公司。

然而，这种可重构的半导体，要变成市场上的成熟商品，其间仍存在一个相当大的障碍。

商品作为商品，必须重视性能稳定，具备持续改进的空间，还要注意与其他产品的适配性，王博强调。其中，客户的要求和产品的价值是最关键的考量因素。

这个过程，王博和创业团队耗费了一年半的时间。

公司第二年开始运营后，清微智能研发出首款可重构芯片，该芯片应用于手机领域，具备语音唤醒功能，但优势短暂，高通在下一代处理器中也实现了类似技术，因此王博团队随后将方向转向蓝牙耳机芯片，并且在这个芯片中创新地集成了人工智能处理能力。

王博很快察觉到，蓝牙耳机芯片的市场需求与他所在团队的核心专长并不十分契合。开发蓝牙耳机的专用芯片，团队必须投入大量时间研究模拟电路、信号传输和电池充电等技术，这些领域并非团队的长处。团队最擅长的智能算法技术，在这类芯片开发中仅占很小比例，大约只有百分之十。因此，团队再次面临技术上的难题，王博对此进行了说明。

在消费电子行业遭遇两次挫折之后，王博进行了全面反思，最终总结出一条核心体会：

开创事业，需在自己精通的范畴内挑战高难度事务，王博认为，人工智能是运用模块化技术最合适的领域。

经过反复斟酌，王博选定带领团队集中力量主攻“智能化程度高”的半导体产业，起初着手于安装在边缘设备的器件，再逐步推进至人工智能运算核心。

二零二二年上头，倚仗在边缘端芯片领域的长期耕耘，面向云端配置的TX8系列芯片开始动工。当时，虽然GPT还没对公众开放体验，王博却觉得，清微端侧芯片产品的胜利足以表明可重构芯片的核心以及编译技术已经相当完善，理应去开拓那些“人工智能成分更重”的领域。

去年岁末，清微AI计算核心的首个型号“TX81”启动了大规模交付。仅过半载，便在全国多个区域建立了千卡级智能运算站点，累计接受订单数量已突破两千个。

基于TX81芯片的REX1032训推一体服务器，其单机算力高达4 PFLOPS，能够承载百亿参数以上的大型模型运行，支持千张显卡直接相连，无需额外交换机费用，是AI算力芯片市场兼顾高效能和成本效益的优选方案。

当前市场状况下，王博指出，与英伟达等领先公司的对抗中，体系方面的不足在短期内难以改变，所以以后必须具备五倍的实用价值，才能在商场上保持稳定地位。

这款产品具备卓越表现力且造价经济实惠，倘若无法实现这些优势，就很难让客户愿意更换到我们的产品上来，王博进一步说明了这一点。

王博透露，清微智能会在新一代TX8系列芯片上广泛运用“3D存储”方案，目的是获得更优表现，用户能迅速体验到“五倍价值”的优势。

但是，有必要指出的是，模块化处理器这种工艺并非清微智能所专有。

谷歌的TPU芯片、美国AI芯片新贵Groq、斯坦福系独角兽公司SambaNova，这些公司的技术路线都属于一种可重构数据流的新型架构。事实上，在以英伟达为领导核心的GPU阵营之外，采用新架构的芯片正在形成一股独立的势力。

而对于未来可能存在的“同派之争”，王博的态度十分豁达：

过去两三年间，新出现的美国初创企业，它们从事三维集成、开发晶圆级处理器、处理信息流转，却鲜有涉及图形处理单元的，这说明这个发展方向是可行的。

以下为虎嗅与清微智能创始人王博的对话实录，略有删减：

Q：站在2017年，你为什么会看好可重构芯片？

王博说，先前在另一家企业从事机器视觉产品研发时，他们了解到行业内缺乏专用人工智能处理器，多数情况下是借助高通、MTK等通用中央处理器来执行相关任务，导致整体运行效能不高。当时恰逢遇到清华大学集成电路学院副院长尹首一教授，他正致力于开发人工智能芯片，而且采用了一种创新性的独特体系结构，这种架构恰好契合了他们当时产品开发的技术要求。原先任职的企业也实现了公开募股，随后与尹老师共同创立了清微智能公司。

看好可重构技术，是因为2016年国内“AI四小龙”崭露头角，国外特斯拉开始推广自动驾驶，人工智能应用达到新水平，对人工智能商业化的需求更加清晰，对芯片的需求也更明确。同时，2017年前后，清华的两款thinker系列芯片成功流片，证明了可重构技术的优越性。

Q：那你做出这个判断的核心依据是什么？

王博的初衷很简单，经过一番研究，他认为人工智能现阶段还处在初级阶段，因此对能耗控制有很高要求，同时必须具备很强的可变通性，而可重构芯片正好能很好地满足这些条件。当时也有人采用ASIC来制造加速器，但王博和团队都认为这个方案太过短期，从长远角度考虑，需要一个既能灵活调整又能高效运行的架构，所以他们判断可重构架构具有更好的发展前景。

从概念层面而言，可重构芯片与FPGA存在相似之处，二者之间究竟存在哪些核心差异呢？

王博说，FPGA改造的是基本逻辑门，而我们改进的是功能模块。

计算单元在功能上与CPU内的ALU相似，也可以看作是一个微型的计算设备，系统中存在大量此类设备，将这些设备间的连接线路整合起来，就构成了一种专门用于特定运算的ASIC芯片。这些设备之间的互联方式，类似于铁路系统的道岔，一旦连接方式改变，就会形成另一种ASIC芯片。

此外，该技术具备动态重构特性，意味着程序执行期间持续进行结构调整。每当处理某段代码或神经网络的部分层级，便会将其清除，并重新进行配置。每次配置所需时间极短，仅需十几纳秒，大约十几个时钟周期。因此，整个过程包含了不断地配置、重构与运行环节。

Q：从实验室技术到商业化产品，你遇到的最大挑战是什么？

王博：公司要的是一个产品化的东西，它就必须要解决几个问题：

首要任务是在可重构核心之上，完成SoC的整体规划；其次要权衡产品的成本效益；再次要确认其是否满足用户要求；此外还需关注系统的稳定性、可靠性，以及是否具备升级能力和兼容性。

这项技术完成学校阶段之后，2019年才成功制造出首个小型芯片，直到前年才研发出第一枚大型芯片，如此漫长的过程，源于持续不断的修正与迭代。

人工智能是可重构技术运用最出色的方面，不过这项从研究机构走向工业界的新兴技术，必须循序渐进，先从部署目标清晰、测试时间较短的边缘芯片开始，慢慢积累实践经验，然后才能向更强大的AI计算芯片延伸。

清微智能是国内率先开展可重构芯片研究的机构，由于该领域在国内起步较晚，可供借鉴的同类经验相对匮乏，对此您有何见解？

王博：首先，海外类似谷歌的企业，其实已经研发了七个代数的TPU产品。还有数家初创企业接近完成上市流程，表明它们已经获得了相当积极的市场反响。例如，美国的AI芯片新兴企业Groq、源自斯坦福系统的独角兽公司SambaNova，以及硅谷的专业AI芯片设计公司Cerebras Systems，它们的技术路径都属于可重构数据流的新型架构类别。

另外，这个事物我认为它具备时机，起初我们就坚信这条路径，执行期间察觉到它的长处愈发显著。而且我们一直觉得，在某个领域里，倘若想要超越那个掌握绝对市场占有率的对手，比如英伟达、英特尔，你断然不能采用相同的策略，这就是创新者困境。

大企业进行技术革新，能够沿用既有模式，若小企业也选择该模式，将面临被彻底淘汰的风险，因为大企业仅需少量投入，对产品的改进幅度，可能远超小企业十年的研发成果，因此小企业若遵循大企业的轨迹，两者间的差距会持续扩大。

然而，像博通和Marwell这样的公司，他们并未遵循英伟达的发展方向，即便如此，他们的市场占有率并没有显著增长。

王博说，定制芯片之所以存在这个难题，是因为它的制造费用很昂贵，同时博通公司也需要获取利润，因此，如果客户向博通订购这种芯片，就必须销售相当大的数量才能将成本分摊掉，他们一直觉得，在芯片领域，尤其是计算能力芯片领域，走定制芯片这条道路是行不通的，或者说这种做法的收益与代价不成比例，远远不如购买英伟达或其他公司的标准芯片来得划算。

面对同类通用芯片的市场，你们将怎样挑战英伟达等领先企业的地位呢，需要采取哪些策略来应对竞争，又有哪些优势可以发挥，从而在行业中脱颖而出，赢得市场份额。

王博表示，产品必须拥有显著的价值回报，具体来说，客户的购买费用和使用费用都要减少，性能表现和效率改善是关键，同类产品中要突出领先，所有这些因素综合起来，我们的产品需要比竞争对手高出五倍的价值，这样才能在市场中占据更大的份额。

Q：5倍性价比，这要如何实现？

王博：首先，在可重构体系下，4000卡以内的智能计算平台，无需配备交换设备，而且，我们也不必采用价格高昂的HBM存储，可以用DDR存储来替代；另外，在后续的产品中，我们将采用“三维存储”技术，这将有助于进一步优化能源利用效率。

Q：不过英伟达研发的图形处理器，在最终测试阶段也能应用立体存储技术，这种技术也可以在封装环节部署。

王博认为，3D存储对于GPU并非理想选择。从芯片设计角度分析，传统GPU的计算与存储布局受限于平面思维，而可重构数据流架构从底层就具备三维扩展的天然条件，每个计算单元上方都配备对应的存储单元，这种空间上的灵活性使其能够与晶圆级集成、3.5D堆叠等立体封装技术实现完美结合。未来，可重构芯片还是有较强的性能突破潜力。

Q：关于配备立体存储的后续产品升级，我们是否有清晰的时间节点？

王博：预计明年下半年，我们就能交付到用户手中了。

业内普遍认为英伟达在整体布局上占据显著领先地位，国内众多图形处理器企业也纷纷选择适配CUDA技术，不过可重构技术路线与GPU存在本质差异，这种差异是否导致其生态建设必须“白手起家”？针对这一问题，清微智能开展了哪些具体行动？

王博：我们其实是做了三层的兼容。

第一层兼容性涉及英伟达CUDA的接口适配，例如深度学习专用框架、线性代数计算工具等均能适配，并且我们与英伟达CUDA整个生态系统的适配工作正在不断优化中。

第二层涉及“Triton适配”，这属于OpenAI重点推广的开源编译器范畴，业内众多大型模型供应商正着手转向Triton平台，我们与智源研究院合作，正深度融入国内Triton环境的发展进程。

第三层位于芯片最底层，相当于英伟达PTX所在层级，我们设计了一种比较独特的RISC-V兼容方案，用户能够借助RISC-V的指令集对整个芯片实施编程，目前RISC-V开源生态相当活跃，对用户而言更加便捷地实现性能最优调整。

另外，诸如PyTorch、TensorFlow这类常见的神经网络平台，我们同样实现了全面兼容与适配，确保基于这些框架进行编码的开发者能够实现无缝切换。

整体而言，我们并非必须彻底“白手起家”，借助接纳开源的Triton搭配RISC-V的环境，并且着力适配CUDA，就能够为不同需求的客户群体，提供合适的适配方案。

国外部分企业，例如Groq，以及先前提及的谷歌TPU，均致力于研发基于数据流的新型芯片架构，这种技术路径未来有可能成为算力芯片的次要发展方向吗？

王博认为现在算是第二梯队了，观察近两年那些新兴的美国企业，它们从事三维堆叠技术，研发晶圆级芯片，处理数据流，但几乎不涉及GPU开发，至少说明这个技术方向是可行的。

这篇文章的信息源自虎嗅网，具体的出处网址是：https://www.huxiu.com/article/4697234.html?f=wyxwapp。