中国算力的想象力有多大？｜产业特稿( 四 ) _芯片

不仅是字节，腾讯也是如此。2019年，腾讯迎来云计算业务上的里程碑——云服务器规模突破100万。以更低成本提供更高的网络性能，成为当时腾讯面临的一大难题。
除了中国的互联网巨头，美国的亚马逊、谷歌也在自研芯片。2014年，谷歌为数据中心设计了服务器芯片，2019年又在印度组建团队，其芯片用途主要在云端和智能设备上；亚马逊也于2018年发布其首款自研云服务器，未来预计还会推出应用于物联网和智能设备的芯片。
从需求端来看，互联网大厂和云计算公司造芯是未雨绸缪。未来，大部分互联网厂商都会进入物联网和智能设备等领域，而这些领域十分倚重硬件。所以，软硬一体是未来互联网公司和云计算厂商的必由之路。另外，很重要的一点，在市场层面，想要守住市场地位，实现差异化，底层硬件设施是关键，它直接影响着上层软件的性能。
对于国内互联网大厂纷纷跨界造芯，除了美国限制高端芯片的对华出口，还有两点更重要的原因——成本和针对性。早前，在英伟达芯片还没有严禁向中国出口时，很多互联网大厂就已经表示过，由于算力需求庞大，英伟达的GPU芯片又太贵，大规模购买成本十分高昂。而且英伟达芯片属于通用型，并不能针对特定某家企业算法做优化。那么对芯片有不同场景需求的互联网大厂，比如在AI加速器和视频编解码场景，想实现成本功耗最低、性能最优，自研是必选项。
从供给侧来看，国内芯片厂商和互联网大厂造芯都已具备足够成熟的技术。而需求方下场做芯片最大的优势在于，对需求的理解和洞察最深刻。
以阿里的含光为例，在2019年云栖大会上，阿里用4颗含光800芯片，就代替了40颗传统GPU才能完成的视频处理任务。而前者的成本，是后者的十分之一。腾讯的紫霄也打破了算力的瓶颈点，在图片和视频处理、自然语言处理、搜索推荐等应用场景下，性能是业界标品的2倍。
应用于百度“文心一言”的昆仑芯则更胜一筹。从算力和成本上，昆仑芯都要强于英伟达 A100芯片，只是在训练量上还相对较弱。据官方介绍，昆仑芯基于7nm工艺打造。在业界，7nm的蚀刻尺寸意味着，芯片的工艺水平更高，单位体积内的集体管更多，芯片性能也就更强。昆仑芯的算力可达到 @INT8 以及 128 @FP16 。目前，昆仑芯在百度内部已落地了搜索、小度、无人驾驶等AI业务场景。
芯片是一个全球性的产业，从芯片制造角度分析，没有任何一个国家能自己完成芯片的制造，这是不争的事实。另外，我国芯片行业发展的另一大难题是芯片人才短缺。据相关数据统计，2025年我国芯片专业人才缺口将超30万人。但从长远来看，互联网大厂跨界造芯、高薪抢人，也向供给端发送了芯片人才短缺的信号。
尽管如此，互联网公司下场造芯，已经解决了一部分问题，在特定场景下，应用性更强，成本也更低。算力也因此有望跨越“卡脖子”困境。
三、中国的算力有多大想象力？
为什么说芯片是全球性产业，任何国家都很难不借助外力造出来？
第一，芯片的科学原理很难。这一点可以从芯片人才短缺上去理解，目前，只有清华、上交、复旦、中科大、电子科技大学等几所知名高校设有芯片相关专业。从这一现象就足以窥探，芯片科学原理的难度。
第二，芯片的工艺制造很难突破瓶颈。芯片加工和制造就是两个最难的环节。芯片制造离不开光刻机，一台光刻机至少有10万个零部件，而一台汽车的使用零部件只有5000个，足以想像光刻机的制造难度之大。制造芯片更是需要数百道工艺，有些工序还要循环数十遍。