超越SoC范式：下一代移動AI芯片將走向何方？

圍繞 ChatGPT 的熱度已經開啟了生成 AI 的新時代。這種新鮮的技術旋風正在徹底改變一切，從基于云的人工智能服務器一直到智能手機的邊緣計算。

鑒于生成式 AI 具有培育新應用和提高用戶生產力的巨大潛力，智能手機已成為 AI 技術的重要工具也就不足為奇了。盡管終端設備的計算能力無法與云相提并論，但它具有降低總體計算成本和保護用戶隱私的雙重好處。這就是智能手機 OEM 幾年前開始使用 AI 芯片探索和實現新功能的主要原因。

不過，近期Oppo關閉其芯片設計公司哲庫的決定，讓智能手機OEM廠商自研芯片的未來產生了一些疑慮，智能手機AI芯片市場成為焦點。

急需加速AI芯片迭代

業界目前在終端設備上運行生成式 AI 模型的方法包括兩個方面：軟件側重于減小模型的大小以減輕芯片的負擔和能耗，而硬件側則致力于提高計算能力和優化通過流程收縮和架構升級來減少能源使用。

IC 設計公司，如高通及其 Snapdragon8 Gen.2，現在正加緊開發能夠運行這些生成式 AI 基礎模型的 SoC 產品。

不過，這是棘手的部分：模型以遠遠超過 SoC 開發周期的速度不斷發展——像 GPT 這樣的更新每六個月進行一次。硬件迭代和新的 AI 模型進步之間的差距可能只會越來越大，使得計算需求的快速擴展成為硬件解決方案提供商需要解決的主要痛點。

頂級 OEM 開創了附加 AI 加速器

很明顯，在這場 AI 計算能力的競賽中，過去對 SoC 的依賴正在受到挑戰。頂級智能手機 OEM 不再僅僅依賴 SoC 供應商的標準產品。相反，他們正在積極采用 AI 加速器芯片來填補計算空白。

集成和附加 AI 加速器的方法最早見于 2017 年：

集成：該策略的代表是華為的 Kirin970 和 Apple 的 A11 Bionic，它們在 SoC 中集成了 AI 引擎。

Add-on：最初由Google Pixel 2實現，它使用定制的Pixel Visual Core芯片和Snapdragon 835。直到2021年的Pixel 6系列引入了Google自研的Tensor SoC，才直接集成了加速單元進入張量。

顯然，具備自研SoC+能力的OEM廠商，通常會在設計階段就將其模型嵌入到AI加速器中。這種硬件-軟件協同作用為特定的 AI 場景提供所需的計算能力。

史詩般的戰斗：崛起的新戰略模式

對于沒有自主研發能力的OEM廠商來說，SoC開發的高昂成本讓他們不得不依賴芯片廠商的SoC迭代。然而，他們還在供應鏈中應用新戰略以跟上快速變化的步伐。

這是有趣的部分，品牌正在利用更簡單的專用芯片來推動支持 AI 的應用程序，使像 ISP（圖像信號處理器）這樣的獨立 IC 成為攝影和顯示新功能的關鍵。與此同時，我們也看到了生產力工具領域的潛在進步，從語音助手到照片編輯人們認真考慮實施小型 ASIC 來滿足計算需求。

從小米與 Altek 的合作以及 Vivo 與 Novatek 共同開發 ISP 來看，ASIC 開發的前景一片光明，為小型 IC 設計和 IP 服務提供商打開了機會。

為應對這一趨勢，SoC 領導者聯發科正在采用開放式 5G 架構戰略，通過許可和定制服務擴展市場。不過，有猜測稱，OEM 可能會用自主開發的 IP 取代聯發科的標準 IP，以實現更深層次的產品差異化。

如此看來，AI芯片之爭顯然還在繼續，智能手機AI芯片產品加速迭代并無勝算。

人工智能服務器的高成本和復雜性不可避免地限制了其開發僅限于大型制造商。HPE 和戴爾這兩家領先的公司采取了不同的策略進入市場：

HPE不斷加強與谷歌的合作，計劃到2022年將所有產品轉化為服務形式。它還于2023年1月收購了初創公司Pachyderm，推出基于云的超級計算服務，讓訓練和開發大型模型變得更加容易。

2023 年 3 月，戴爾推出了最新的 PowerEdge 系列服務器，提供配備 NVIDIA H100 或 A100 Tensor Core GPU 和 NVIDIA AI Enterprise 的選項。他們采用第四代英特爾至強可擴展處理器，引入戴爾軟件Smart Flow，滿足數據中心、大型公有云、人工智能、邊緣計算等不同需求。

隨著 AIGC 應用程序市場的蓬勃發展，我們似乎離以完全虛擬化內容為中心的未來元宇宙又近了一步。然而，硬件基礎設施是否能跟上激增的需求仍不明朗。這種持久的挑戰將繼續考驗云服務器制造商平衡成本和性能的能力。

考慮到芯片開發所需的大量資源和智能手機市場的飽和，保持芯片相關戰略為OEM增加了一層不確定性。隨著Oppo停止芯片研發，其他品牌如vivo和小米可能會重新考慮他們的游戲計劃，因此，未來值得密切關注。