AI芯片的新篇章：与门芯片革新内存墙，颠覆市场格局？
近年来，AI技术的飞速发展不仅激发了硬件巨头们之间的竞争，也让初创公司如北京探境科技等勇于挑战传统思维。在解决AI芯片面临的问题时，一种新的架构——存储优先架构（SFA）引起了广泛关注。那么，这种革命性的与门芯片如何突破内存墙瓶颈，并为市场带来新的变数？
传统上，AI芯片追求的是算力提升，但实际上，它们面临着严峻的内存问题。当深度学习算法对数据处理能力日益增长时，现有的冯诺依曼体系结构却难以跟上。这就像是在赛车中不断加速，却发现前方道路被堵塞。
为了解决这个问题，业界提出了四种常见解决方案：增强外部存储带宽、集成大量SRAM、简化算法或采用In-Memory Computing。但是，这些方法都有其缺陷，比如成本高昂或无法大规模应用。
然而，从另一个角度思考，这个问题本质上是计算和存储之间协作不足所致。于是，有一家成立于2017年的初创公司探径科技，在CEO鲁勇的领导下，以一种全新的方式应对这一挑战，他们设计了一套完全不同于传统CPU架构的计算系统——SFA架构。
这种架构将数据调度作为核心，将计算视为数据搬移过程中的演变。这意味着在数据移动过程中完成计算，而不是首先生成指令然后提供数据。这样的设计方式彻底改变了我们对CPU和GPU工作原理的一切认识，让机器学习变得更加高效。
通过实验，SFA架构已经取得了显著成果：在相同条件下减少10到100倍的访问时间；28nm工艺条件下的能效比达到4T OPS/W；资源利用率超过80%；DDR带宽占用率降低5倍。此外，它还可以支持任意神经网络，无论大小、类型或精度，只要在深度学习框架下运行，都能兼容GPU支持的范围。
除了这些优势之外,SFA还具有极大的灵活性，可以推出用于本地或云端推理、训练或者终端推理加训练等多种场景产品。它能够自适应稀疏化处理，不需要在离线阶段进行剪枝压缩处理。此外，由于采用独特无MAC设计方式，其潜力远未被充分挖掘。
那么，当这款革命性的与门芯片落地应用至安防监控、工业制造、自动驾驶以及语音人机交互等领域时，其优势将会如何体现？根据鲁勇介绍，这些领域虽然看似各异，但它们共同需求的是更高效、高性能且可靠的人工智能处理能力。而SFA正是满足这些需求的一个完美答案，为这些关键行业开辟了一条通往未来的大道。
