AI芯片的后摩尔时代：Chiplet和存算一体谁主沉浮

AI芯片的后摩尔时代：Chiplet和存算一体谁主沉浮

随着摩尔定律逐渐逼近物理极限，AI芯片行业正在探索新的技术路径来延续性能增长。其中，Chiplet（芯粒）和存算一体（Processing-in-Memory）是两条最受关注的技术路线。

Chiplet的核心理念是将一个大芯片拆分成多个小芯片（芯粒），然后通过先进封装技术将它们连接在一起。这种方法的优势在于提高了良率（小芯片的制造缺陷率更低）、降低了成本、并且允许灵活组合不同功能的芯粒。

AMD是Chiplet技术的领导者。其MI300系列AI芯片就采用了Chiplet设计，将多个计算芯粒和I/O芯粒封装在一起，实现了强大的计算能力。Intel、NVIDIA也在积极布局Chiplet技术，认为这是未来高性能芯片的必然方向。

存算一体则是另一条完全不同的技术路线。传统计算机架构中，处理器和内存是分离的，数据需要在两者之间频繁传输，造成了大量的能耗和时间开销。存算一体技术将计算直接放在存储单元中进行，消除了数据传输的瓶颈。

存算一体的潜在优势非常诱人。理论上，它可以将AI推理的能效提升100倍以上。这对于边缘AI设备尤为重要——手机、IoT设备等对功耗极其敏感的场景，存算一体可以大幅延长电池续航。

目前，多家公司正在开发存算一体芯片。美国的Mythic AI、中国的知存科技、后摩智能等都是这一领域的代表。但这些公司的产品大多还处于早期阶段，在通用性和软件生态方面与NVIDIA的GPU有较大差距。

两条技术路线各有优劣。Chiplet更成熟，已经被主流芯片厂商采用，但本质上还是在延续传统的冯·诺依曼架构。存算一体更具革命性，有望从根本上改变计算架构，但技术风险和生态建设难度更大。

未来的AI芯片可能不会是单一技术路线的胜利，而是多种技术的融合。Chiplet用于构建高性能计算节点，存算一体用于边缘推理，两者在不同的应用场景中各展所长。