手机CPU天梯图反复探究Google TPUAI芯片新玩家面对的挑战

手机CPU天梯图:反复探究Google TPUAI芯片新玩家面临的挑战与机遇

近年来,数据中心领域迎来了AI芯片的热潮,大量资金涌入新型AI处理器的研发中。然而,这场投资热潮背后隐藏着诸多问题。首先,对于新型AI芯片设计公司而言,最大的难题在于来自终端的数据不足,需要多少个数据中心才能实现盈利?其次,在设计和制造定制芯片时,还需平衡成本和时间限制,以及市场回报问题。

“设计和制造定制芯片什么时候能赚钱?”Synopsys验证组工程副总裁Susheel Tadikonda提问,“如果要为数据中心提供定制芯片,那么需要多少个数据中心才能实现盈利?也许可以高价出售芯片,但光是这样远远不够。如果是为消费电子设备设计和制造芯片,那么这一领域存在十亿台设备体量,这也是AISC 芯片能够赚取更多利润的市场之一。”

尽管如此,即使弄清楚了多少个数据中心才能盈利,也无法确定最终选择哪种解决方案。“对于特定的算法,可以创建专用的高效能效性能更强的微处理器,”西门子EDA战略和业务发展高级经理Anoop Saha表示,“但这会牺牲一部分市场,并缩短微处理器寿命。”他补充道:“边缘算法已经趋向稳定,因为业界经过多年研究,找到了一些适用于多场景最佳算法。”

除了这些挑战之外,对于硬件架构来说,其迭代速度也对决策产生重要影响。“硬件架构选择还受到硬件与算法发展速度决定它如何运作、赚钱以及愿意支付价格等因素影响,”Xilinx人工智能软件产品营销总监Nick Ni指出。

最后,一旦进入了数据中心,新的技术更新周期可能非常长。“只要一个正在工作的计算单元仍旧有效,它们将尽可能延长使用寿命。”Saha解释说,“一旦进入了这些大型企业的大规模部署环境,不易更换。这就是为什么我们看到大量投资进军这个市场。”

综上所述,虽然未来看似光明,但挑战依然巨大。未来的竞争者必须既有足够的人力资源,又要具备灵活性以应对不断变化的情境,同时还要考虑到每一次更新都伴随着巨大的成本,而且很难预测何时会获得回报。在这个激烈竞争中,只有那些能够持续创新并适应快速变化的人才有可能取得成功。

猜你喜欢