說起半導(dǎo)體行業(yè)面臨的難題，人們第一時間想到的是什么？是光刻機？是5nm？是一塊方方正正的芯片，我們造不出來？

是，但也不完全是。

人們往往將芯片半導(dǎo)體劃分為硬件產(chǎn)業(yè)，但事實上，這是一個高度軟硬件集成的產(chǎn)業(yè)——軟件甚至更多時候占了大頭。

所以，即便我們在20年前就研發(fā)出了CPU，現(xiàn)在仍會面對如此局面。同樣，如今更受人關(guān)注的GPU產(chǎn)業(yè)也遇到了同樣困局，因為我們面臨的真正難題，不是硬件，而是軟件。

01. 當(dāng)我們說芯片困局時，我們在說什么？

芯片的硬件指的是運行指令的物理平臺，包括處理器、內(nèi)存、存儲設(shè)備等等。芯片數(shù)據(jù)中常出現(xiàn)的“晶體管數(shù)量”、“7nm制程”、“存儲”等，往往指的就是硬件參數(shù)。

軟件則包括固件、驅(qū)動程序、操作系統(tǒng)、應(yīng)用程序、算子、編譯器和開發(fā)工具、模型優(yōu)化和部署工具、應(yīng)用生態(tài)等等。這些軟件指導(dǎo)硬件如何響應(yīng)用戶指令、處理數(shù)據(jù)和任務(wù)，同時通過特定的算法和策略優(yōu)化硬件資源的使用。芯片數(shù)據(jù)中常出現(xiàn)的“x86指令集”、“深度學(xué)習(xí)算子”、“CUDA平臺”等，往往指的就是芯片軟件。

沒有硬件，軟件就無法執(zhí)行；可沒有軟件，硬件就只是一堆毫無意義的硅片。

以英偉達的CUDA平臺為例。

2012年，隨著深度學(xué)習(xí)+GPU的組合在ImageNet大賽上一炮打響，人工智能一夜之間火遍全球，全球科技界都將目光轉(zhuǎn)向了這一領(lǐng)域。多年深耕CUDA人工智能計算平臺的英偉達股價自然是一路走紅，成為了新時代的霸主。

軟件，成為了人工智能時代的核心技術(shù)壁壘。

為了打破英偉達一家獨大的局面，前任全球芯片老大英特爾和多年老對手AMD對標(biāo)CUDA都分別推出了OneAPI和ROCm，Linux基金會更是聯(lián)合英特爾、谷歌、高通、ARM、三星等公司聯(lián)合成立了民間號稱“反CUDA聯(lián)盟”的UXL基金會，以開發(fā)全新的開源軟件套件，讓AI開發(fā)者能夠在基金會成員的任何芯片上進行編程，試圖讓其取代CUDA，成為AI開發(fā)者的首選開發(fā)平臺。

反過來，英偉達也在不斷深挖CUDA的護城河。

早在2021年，英偉達就曾公開表示過“禁止使用轉(zhuǎn)換層在其他硬件平臺上運行基于CUDA的軟件”，2024年3月，英偉達更是將其升級為“CUDA禁令”，直接添加在了CUDA的最終用戶許可協(xié)議中，已禁止用轉(zhuǎn)譯層在其他GPU上運行CUDA軟件

對于中國用戶而言，這一禁令的打擊面要更大。

早在2022年，英偉達就已被要求對中國市場斷供高端GPU芯片，死死地卡住中國GPU芯片購買渠道。

如今連在其他芯片上運行CUDA軟件都被英偉達禁止了，中國人工智能公司們，怎么辦？

02. 國內(nèi)AI芯片全面崛起

其實，在這條禁令下發(fā)之前很久，中國芯片公司們就已經(jīng)有所準(zhǔn)備了。

2015年，國內(nèi)人工智能產(chǎn)業(yè)如火如荼，“AI四小龍”崛起，連帶著整個產(chǎn)業(yè)步入發(fā)展快車道。

在這波由CNN（卷積神經(jīng)網(wǎng)絡(luò)）技術(shù)引領(lǐng)的人工智能行業(yè)熱潮之中，就有大量中國企業(yè)看到了打造國內(nèi)AI芯片的重要性。

在此期間，國內(nèi)陸續(xù)涌現(xiàn)出了近百家國內(nèi)AI芯片公司，其中既有如寒武紀(jì)、地平線、壁仞科技、后摩智能等的明星創(chuàng)業(yè)公司，也有如華為、阿里、百度等的科技巨頭，還有傳統(tǒng)芯片廠商與礦機廠商。

各家紛紛入局，產(chǎn)業(yè)如烈火烹油、鮮花著錦，大家的共同目標(biāo)只有一個，打造自主可控的國內(nèi)AI芯片生態(tài)。

國內(nèi)AI芯片玩家們早早就意識到了軟件、工具、生態(tài)對于芯片的重要性，因此在不斷升級迭代硬件產(chǎn)品之余，也投入了大量的時間、精力，試圖解決軟件生態(tài)建設(shè)中存在的問題。

CUDA是一個封閉的軟件平臺，因此，從底層開始打造原創(chuàng)的軟件棧是打破CUDA生態(tài)壁壘的關(guān)鍵路線。