在Google TPUAI芯片的新一代推出5年后，数据中心AI处理器市场迎来了新的玩家。尽管未来充满机遇，但这些新兴企业必须面对财力雄厚的大型公司和已经形成的市场格局。那么，挑战Google TPUAI芯片，新玩家还会遭遇哪些难题呢？外媒作者BRIAN BAILEY深入探讨了这一议题，我们将其进行编译。
近几年来，大量资金涌入到数据中心领域新型AI处理器研发中。但是，这个行业面临着特定问题的处理以及不可预测的结果。此外，这个领域竞争者财力强大且能提供极强用户粘性。这对于设计新的AI芯片公司来说，最大的挑战就是来自终端用户不足的问题。要知道多少个数据中心才能实现盈利？
通常，在设计一个新的AI处理器时，首先要解决的一个基本问题是如何定义产品灵活性？是专为单一任务而设计还是支持多种工作负载？这个问题有许多可能的解决方案，但是与以往许多解决方案相比，为AI处理器找到合适的解决方案更为困难，对于数据中心工作负载尤其如此。
为什么更加困难呢，因为需要在一定成本和时间内设计制造芯片，同时考虑成本回报问题。Synopsys的人工智能产品和研发总监Stelios Diamantidis解释道：“我们需要平衡很多因素。”
“当我们问自己‘什么时候可以赚钱’时，”Synopsys验证组工程副总裁Susheel Tadikonda说，“如果我们想要为数据中心提供定制化芯片，那么需要多少个数据中心才能盈利？也许通过高价出售就足够了，但光这样远远不够。如果是为消费电子设备，则存在十亿台设备体量，这也是AISC（Artificial Intelligence System-on-Chip）能够赚取更多利润的一部分。”
不过，即使弄清楚多少个数据中心才能盈利，也无法确定最终选择哪种设计方案。“芯片自定义程度越来越高，以至于能够为非常特定的算法创建芯片，并提供更高效率和性能，”西门子EDA战略与业务发展高级经理Anoop Saha说，“但这会牺牲一些市场份额，也会缩短芯片寿命。如果两年后出现了一个新算法，那么旧算法定制的芯片价值是否还如初？”Saha补充道：“很多事情都会互相限制。”
