微軟在其年度開發者大會Microsoft Ignite上推出了兩款自研芯片——Maia 100和Azure Cobalt 100，為大語言模型的訓練和推理提供動力。

此舉正式填平了微軟與谷歌、亞馬遜的唯一生態鏈差距，因為后兩家巨頭都已經擁有了自己的定制芯片。

Maia 100是微軟首款人工智能芯片，主要針對大語言模型訓練設計，屬于ASIC（應用型專用集成電路）芯片。這款芯片將于明年初開始在Azure數據中心推出，目的是減少微軟對英偉達GPU的依賴。

微軟推出的第二款芯片Azure Cobalt 100是基于Arm架構的128核云原生芯片，這款芯片也可以與Azure的生態系統兼容，更大的用處是在微軟Cloud上運行通用計算工作負載，降低成本。

事發并不突然：事實上，微軟推定制芯片早有征兆；2010年時，微軟便希望能自研AI芯片。

據The information報道：微軟至少從2019年開始，便在研發代號為“Athena（雅典娜）”的新AI芯片組，目的是為ChatGPT等大語言模型的訓練及推理提供英偉達芯片之外的替代方案。

那為什么自去年以來，亞馬遜、谷歌、微軟、Meta等超大規模的企業都不約而同地走向自主開發定制芯片的道路？

亞馬遜、微軟和谷歌自主開發的芯片時間表

究其原因，我們或許可以將其歸結為以下兩點：

其一：隨著ChatGPT等人工智能應用的持續迭代更新及各種商業化快速落地，在應用市場對于芯片算力需求數量級提升下，一場針對其底層需求（AI芯片）的競賽已悄然打響：

特別是對于國內市場而言就目前來看，人工智能整體市場已從2020年的疫情影響中恢復：

圖片來自：億歐智庫

特別是：隨著技術的成熟以及數智化轉型升級，市場的內在需求正在增加，中國人工智能核心產業市場規模也將持續平穩增長。

根據億歐智庫的預測，2025年中國AI芯片市場規模約為1780億元。

其二：即是從應用端的視角而言，隨著其與市場業務在橫向和縱向的差異性不斷擴大和隨著摩爾定律的放緩，提高能效成本效益的需求的催動下，應用端企業自身的芯片定制化需求被急速放大。

AI產業化邏輯，圖片來自：數治網

業務的橫向和縱向差異性。橫向差異，指的是不同客戶的業務差異；縱向差異，指的是單個客戶的業務迭代差異；如果針對場景定制芯片會導致架構碎片化，并且芯片的迭代完全跟不上軟件的迭代節奏。

且，隨著AI芯片需求的發展，市場需求也會更加多樣化，傳統的市場芯片提供的大多數解決方案都是大相徑庭的，難以通過某款通用性芯片來滿足所有需求。

而定制化芯片通過整合功能零部件來實現小型化、降低功耗以及降低成本，廠商可將市場未出現的價值（功能）融入相關模塊來實現客戶產品的差異化。

特別是：相關企業在定制化芯片時，可以在基礎固件的基礎上根據要求來定制化固件和底層IP，這種基于硬件的設計對于很多其他企業而言抄襲起來并不容易，需要很長時間。

特別是在摩爾定律放緩的大背景之下：以前，是靠摩爾定律推動著成本效益的提升；現在在需求及成本的夾擊之下，推動力則來自于進行有效數據加速的新型架構。

更具體地說，要想得到最佳的計算性能，必須仰仗針對特定應用和數據集合的體系架構。

環顧市場，我們不難看出：隨著芯片集成度越來越高，SoC設計越來越復雜，為了降低整個芯片SoC設計周期以及開發總成本，Chiplet模式或許已經成為一種流行的趨勢。

英偉達或將全面推行Chiplet模式

簡單而言：基于Chiplet 模式，首先將需要實現的復雜功能進行分解，然后開發或是復用已有不同工藝節點、不同材質、不同功能的裸片，最后通過 SiP(System in Package)封裝技術形成一個完整的芯片；

因此Chiplet 就是一種新的IP復用模式。

Chiplet除了可以解決數字電路和模擬或接口電路在工藝節點上的錯位問題外，也可以給SoC設計提供更大的靈活性。

例如，有些SoC設計在不同場景下，對接口或模擬的通道數量要求不同，如果都集成在一顆die上缺乏靈活性，性能、功能和面積(也就是所謂的PPA)方面難以做到最優。

Chiplet通過數字和模擬更好地解決了場景化的靈活性問題，當然同時chiplet也面臨著諸多挑戰，例如接口標準化、接口間巨大的數據量造成裸片和裸片間互聯所產生的大功耗等問題。

基于Chiplet模式對傳統半導體產業鏈傳統思想的沖擊，應用端客戶和產業鏈之間再次吹響“定制”和“標準”交替發展的“牧村浪潮”：

圖片來自：IEEE

1987 年， 原日立公司總工程師牧村次夫（Tsugio Makimoto）提出半導體產品沿著“標準”與“定制”交替發展，每十年波動一次的思想，并于1991 年第一次發表在Electronics Weekly上，稱之為“牧村浪潮”（Makimoto’s Wave）。

“用”與”造”的對立統一律是包括可重構技術在內的硅產業發展的一個主線索；隨著人工智能浪潮的爆發及相關芯片需求量的增加，至少突出了兩對難以逾越的、規律性的矛盾。

其一是大家所熟知的“產品復雜度日益上升”與“產品價格日益下降”的矛盾；其二是正在逐漸被大家所感知著的矛盾，即在“個性化”要求這個永恒“定律”的發展中，出現了“應用市場日益分散”與“產品開發費用日益增大”的矛盾。

面對這兩個矛盾，需要對產品體系結構及其設計方法進行革命性的改造，力爭把“定制”與“大規模生產”兩個相互矛盾的事物協調起來，實現半導體產業鏈的“攻守易型”。

總體而言：Chiplet模式能夠滿足這一要求，因此現今更多的應用端市場采用Chiplet模式是符合發展潮流的。

審核編輯：黃飛

?