芯片尚未流片,算法已经更迭数轮,这是AI硬件面对的一道节奏错位:若等计算需求完全稳定再启动,硅片从规格冻结到交付的漫长周期,可能让产品一出生就落后。通芯智能在这样的背景下进入推理芯片赛道。公司由人工智能专家朱松纯教授发起,北京通用人工智能研究院孵化,成立后不久便完成种子轮与天使轮融资,合计金额达数亿元,资金主要投向流片前的核心架构设计与研发。
通芯瞄准的是面向AGI算法的新型推理芯片。按其设想,芯片既要能运行当前主流模型,也要为逻辑推理、因果推理、价值判断等计算配置专用硬件。难点在于,下一代AI需要怎样的算力尚未有统一答案。通芯让研究通用人工智能的科学家与具备大芯片量产经验的工程师共同参与,从快速变化的算法中找出反复出现、值得专门加速的计算,再据此组织芯片结构。
AI正从屏幕里的交互走向真实环境,任务形态随之变化。LeCun离开meta创办AMI Labs后提出,大语言模型面对物理世界能力不足,世界模型可根据当前状态和设想动作预测下一状态,并用于规划。谷歌DeepMind公布的Genie 4允许用户在模拟环境里改变天气、加入人物或物体,模型实时生成环境变化,机器人与智能体训练环境被列为重要应用方向。
产业巨头也在靠近这一判断。AMD宣布拟以约82亿美元收购李飞飞创办的World Labs,苏姿丰称构建下一代AI计算平台需要深入理解模型演进。李飞飞直言,缺少专门硬件投入,AI的效率和规模都会受限,并透露World Labs已与AMD围绕GPU上的模型训练和推理优化合作。苏姿丰在CoRL上进一步表示,硬件优化需要多年,对模型计算和技术方向理解越深,软硬件与系统协同优化的机会越大。英伟达则把GPU与Groq专用加速器搭配,让不同计算环节交给更适合的硬件,以兼顾吞吐与智能体低延迟需求。
现有GPU的优势集中在并行计算和矩阵运算,这使其在大语言模型时代占据主导。但要在真实环境中行动,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。这些任务若以图结构、动态分支实现,计算会变得零碎,数据访问也不规则。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,已难解释任务完成速度,软件优化、存储组织、计算单元和调度方式需要一起重新考虑。CIC灼识预测,到2030年中国AI推理芯片市场规模约1.17万亿元,效率缺口与市场空间同时存在。
为尚未定型的负载设计芯片,缺少可直接对标的参照物。GPU早期有图形渲染,AI加速器有矩阵乘法,AGI芯片面对的是路线仍有分歧的模型和尚未稳定的计算需求。通芯把判断依据放在朱松纯团队提出的CUV框架上。该框架将智能体分为认知架构C、能力体系U和价值体系V:C组织感知、记忆、推理等模块及其协作;U涵盖识别物体、规划路径等可调用技能;V描述目标、偏好与约束,为行动选择提供依据。三者被放进同一决策过程,驱动智能成长的核心是“想要什么”,而非单纯依赖数据喂养。
朱松纯团队此前提出“小数据、大任务”,强调利用物理规律、常识等先验知识,以较少训练数据应对更广泛任务;团队还把功能、物理、意图、因果、效用等像素中不可见的内容称为视觉“暗物质”。这些思路落到具体任务,例如机器人给客人倒水,可把杯子、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,保留仍有效信息,更新受影响状态与路径,减少重复计算。芯片需要存储当前与目标状态、访问对象关系、执行概率计算、比较方案并调度技能,这些过程再拆成算子,通芯从中识别适合加速的部分,定义计算单元、存储和数据通路。
在通芯的芯片方案里,AGI芯片不是一颗单纯更快的GPU。公司规划Vector、Tensor与AGI Core三类单元:Vector和Tensor承担向量、张量计算,支持CNN、Transformer等主流架构;AGI Core面向基于解析图的逻辑、因果、价值推理及概率计算,提供专用加速。其判断是,向量与张量之外还需增加一类以结构处理为特征的运算。图结构的存储与处理、概率和因果推断、行动结果评估,都有值得专门加速的环节。类似需求也出现在其他研究路线中:李飞飞的空间智能关注三维环境理解,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推断,Pearl的因果理论追问条件改变后的结果,Silver、Sutton等人在《Reward is Enough》中提出试错追求回报可发展出感知、学习、推理等能力。通芯希望从不同理解中提炼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。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,此后一人把大芯片推进到量产,一人把智能算法与芯片设计结合。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,完整经历十余款大芯片从架构定义、前后端设计到流片、量产交付。
这些经历转化为具体取舍。存储上,王海洋是业内较早提出混合存算一体思路的人之一,通芯不打算做存算一体芯片,而把存算一体视为缓解内存墙的手段,针对不同任务对访问速度、容量和成本的要求搭配存储与计算方式,减少数据搬运和计算单元等待。面积上,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,以不同配置满足云端吞吐量以及机器人端侧功耗与体积要求。
产品节奏没有直接跨向未来。通芯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,现有模型可直接运行,AGI Core同步上车,新计算能力分阶段验证。通芯把自身与GPU核心方案视为共生关系:大语言模型仍是AGI体系的重要组成,也是智能体理解世界的方式之一,兼容与专用需要并行推进。公司成立三个月完成架构设计和立项,已进入芯片设计阶段,后续将开展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。通芯还计划与通研院通用智能体“通通”及相关大模型适配,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。
王海洋把架构定义视为起点,后面还有设计、验证、流片和量产;今天选定的计算能力,要在本轮研发之后仍能适应模型与任务。朱松纯曾说,芯片是智能体的心脏,为机器立心,就要从这块芯片开始。