一颗芯片从定义走到量产,往往要跨越数年;而准备运行其上的模型,可能早已更迭数轮。通芯智能选择切入这一时间差,做面向AGI算法的新型推理芯片:既能承接当前主流模型,又试图为逻辑、因果、价值推理等计算增加专用硬件支持。这家由朱松纯教授发起、北京通用人工智能研究院孵化的公司,已在短时间内连续完成种子轮与天使轮融资,合计数亿元,资金主要投向流片前的核心架构设计与研发。
AI正从屏幕里的交互走向真实环境。世界模型、空间智能与智能体训练,要求系统不仅识别眼前有什么,还要预测动作会带来什么变化,并据此规划下一步。LeCun离开meta后创办AMI Labs时曾提出,大语言模型面对物理世界力有不逮,解决路径之一是让模型给定当前状态和设想动作,预测下一状态,再用于规划。谷歌DeepMind的Genie 4则允许用户在模拟环境中改变天气、加入人物或物体,并实时生成环境变化,机器人及智能体训练被列为重要应用方向。AMD拟以约82亿美元收购李飞飞创办的World Labs,苏姿丰在解释交易时也强调,构建下一代AI计算平台必须理解模型如何演进。
这也把芯片设计推到更早的位置。现代GPU依靠大规模并行和矩阵运算单元,在大语言模型训练与推理中占据优势;但要在真实环境里行动的智能体,还需反复查询物体关系、更新环境状态、推演动作后果。这些任务常以图结构、动态分支等方式实现,计算更零碎,数据访问更不规则。GPU并非不能执行,只是并行资源未必能被充分利用,时间可能耗在找数据、搬数据和等待前序结果上。此时单看每秒运算次数,已难以解释任务完成速度,软件优化、存储组织、计算单元与调度方式需要一起重新考虑。CIC灼识预测,到2030年中国AI推理芯片市场规模将达到约1.17万亿元,效率缺口背后正是新增市场空间。
通芯的出发点不是照着现有GPU再加算力,而是从理解智能如何工作开始。朱松纯团队提出的CUV框架,把认知架构、能力体系和价值体系放进同一个决策过程:认知架构组织感知、记忆、推理等模块的协作,能力体系对应智能体可调用的技能,价值体系则给出目标、偏好与约束。更早之前,该团队还提出“小数据、大任务”,强调利用物理规律、常识等先验知识,以较少数据应对广泛任务,并把功能、物理、意图、因果、效用称作视觉里的“暗物质”。以给客人倒水为例,机器人可以把杯子、水源和客人的位置关系组织成解析图,围绕送水目标规划动作,调用取杯、接水、移动等技能;客人位置变化时,保留仍有效的信息,更新受影响的状态与路径,减少重复计算。芯片需要承接的,正是状态与目标存储、关系访问、概率计算、方案比较和技能调度等具体工作。
落到架构上,通芯规划了Vector、Tensor与AGI Core三类单元。Vector和Tensor负责向量、张量计算,支持CNN、Transformer等主流模型;AGI Core面向基于解析图的逻辑、因果、价值推理及概率计算,设计专用加速能力。在通芯的定义里,AGI芯片不是一颗更快的GPU,而是在向量、张量之外增加新的运算类型,多出来的是结构,不只是算力。类似的关注点也出现在其他研究路径中:李飞飞的空间智能关注机器如何理解三维环境,DeepMind的图网络用实体和关系组织信息,DARPA支持的概率编程尝试在信息不完整时结合已有知识完成推断,Pearl的因果理论追问改变条件会带来什么结果,Silver、Sutton等人在《Reward is Enough》中讨论智能体通过试错追求回报。通芯希望从这些方向中提炼出能被更多模型使用的计算能力,寻找智能底座的“最大公约数”。
把理论落到硅片上,需要工程团队。通芯创始人兼CEO王海洋师从中国计算机事业奠基人之一夏培肃院士,是龙芯CPU创始成员,曾担任海光一至四代CPU芯片架构总负责人,也是一家GPU独角兽企业的联合创始人,拥有25年芯片研发和15年SoC架构设计经验,参与过CPU、GPU、GPGPU三类大芯片从研发到量产的全过程。另一位创始人史峰师从朱松纯,博士毕业于UCLA,负责通芯AGI Core的技术路线与架构定义,同时担任通研院AGI芯片中心主任。两人都曾参与龙芯研发,后来分别在大芯片量产和智能算法与芯片结合上积累经验。创始核心团队平均从业超过20年,骨干来自海光、百度、字节、阿里等企业,完整走过十余款大芯片从架构定义、前后端设计到流片、量产交付的流程。
这些经验体现在具体取舍中。存储方面,王海洋是业内较早提出混合存算一体思路的人之一,但通芯并不打算做一颗存算一体芯片,而是把存算一体当作缓解“内存墙”的手段:不同任务对访问速度、容量和成本要求不同,就搭配不同的存储与计算方式,减少数据来回搬运和计算单元干等数据的开销。面积与灵活性方面,可重构设计让部分硬件资源按任务重新组织,通用单元保兼容,专用单元提效率。面向云、边、端的不同需求,通芯计划采用Chiplet芯粒设计,基于同一套架构和软件栈,通过不同配置满足云端吞吐量、机器人端侧功耗与体积要求。产品节奏上,首代产品定位高性价比推理芯片,瞄准云端大模型、世界模型和具身智能端侧计算,现有模型能直接运行,AGI Core同步上车,新计算能力分阶段验证。通芯把自己与以GPU为核心的方案定位为共生:大语言模型仍是AGI体系的重要组成,兼容与专用两条路线并行。
进度方面,通芯成立三个月便完成架构设计和立项,目前已进入芯片设计阶段,计划在12月初开展FPGA原型验证。商业化覆盖云端推理、通用智能体和端侧物理智能三个方向,已初步形成规模合作意向。公司还计划与通研院的通用智能体“通通”及相关大模型做适配,并联合北大、清华、中科院计算所和大模型头部产业伙伴共建联合实验室。对通芯而言,架构定义只是起点,后面还有设计、验证、流片和量产;今天选定的计算能力,要在这一轮研发之后仍能适应届时的模型与任务。
朱松纯曾这样描述芯片的位置:“芯片是智能体的心脏,为机器立心,就要从这块芯片开始。”
