What's Next
這是【麻省理工科技評論】的「未來趨勢」系列，橫跨各個行業、趨勢和技術，帶你一起先睹未來。
芯片制造的未來在哪？在科技巨擘、初創勢力、AI 技術及全球貿易紛爭等因素交匯下，這一問題顯得尤為重要。科技巨頭親自下場造芯，初創公司則以創新技術謀求破局，力圖在智慧時代芯片戰中占得先機。而邊緣運算的崛起，正推動 AI 更貼近生活，對芯片的小型化、高效能提出更高要求。國際間對芯片供應鏈的競爭，更是重塑生產制造格局，力求技術自主與安全。芯片領域，正步入一個多方賽局、創新叠出的新紀元。
得益於人工智慧領域的蓬勃發展，芯片界正處於一場巨大浪潮的轉折點。市場對能更快速訓練 AI 模型並使其能夠在智慧型手機、衛星等裝置間快速響應的芯片需求激增，從而使使用者能在不泄露私人數據的情況下運用這些模型。政府、科技巨頭及初創企業紛紛競逐日益壯大的半導體市場蛋糕。
以下是未來一年內定義下一代芯片形態、生產者以及新技術的幾大趨勢。
（來源：MIT Technology Review）
各國相繼推出【芯片法案】（CHIPS Acts）
在鳳凰城郊外，全球兩大芯片制造商台積電（TSMC）與英特爾（Intel）正競相在沙漠中建設園區，期冀將其打造為美國芯片制造實力的新中心。這兩項努力的共同點在於資金來源：2022 年 3 月，美國總統拜登宣布為英特爾在美國各地的擴張計畫提供 85 億美元的直接聯邦資金及 110 億美元的貸款。幾周後，又宣布為台積電提供 66 億美元資金。這些獎勵僅是透過 2022 年簽署的 2800 億美元【芯片與科學法案】（CHIPS and Science Act）湧入芯片行業的美國補貼的一部份。這筆資金意味著任何涉足半導體生態系的公司都在分析如何重組供應鏈以從中獲益。盡管大部份資金旨在提升美國芯片制造業，但包括裝置制造商和專業材料初創企業在內的其他參與者也有申請的空間。
然而，美國並非唯一一個試圖將部份芯片制造供應鏈在地化的國家。日本正在其本國版【芯片法案】上投入 130 億美元，歐洲計劃投入超過 470 億美元，而印度今年早些時候宣布了一項 150 億美元的本土芯片廠建設計劃。這一趨勢的根源可以追溯到 2014 年，據塔夫茨大學教授、【芯片戰爭：爭奪世界最關鍵技術】一書作者凱瑞斯·米勒介紹，當時中國開始支持本土芯片制造商。
「各國國家政府擔心除了提供激勵措施外別無選擇，否則企業就會將制造轉移到中國。」他說。這一威脅加上 AI 的興起，促使西方政府資助替代方案。在未來一年裏，這可能會產生滾雪球效應，更多國家因擔心落後而啟動自己的計畫。
米勒指出，這些資金不太可能導致全新的芯片競爭對手出現或從根本上重塑最大芯片玩家的格局。相反，它主要激勵像台積電這樣的主導企業在全球多個國家建立根基。但僅憑資金不足以迅速實作這一目標——台積電在亞利桑那州建廠的努力已因錯過截止日期和勞資糾紛而受阻，英特爾也同樣未能按承諾期限完成建設計劃。而且，即便這些工廠最終上線，其裝置和勞動力是否能具備與海外同等水平的先進芯片制造能力尚不確定。
「供應鏈的重塑和轉移將緩慢進行，需要數年乃至數十年，」米勒說，「但它確實在發生轉變。」
邊緣運算（Edge computing）中的 AI 新進展
目前，我們與 ChatGPT 這類 AI 模型的大多數互動都是透過雲端進行的。這意味著當你請求 GPT 挑選服裝（或是扮演你的男友）時，你的請求會先到達 OpenAI 的伺服器，促使駐留在那裏的模型處理該請求並得出結論（稱為「推理」），然後再將響應返回給你。依賴雲端存在一些缺點：它需要互聯網連線，並且意味著你的一些數據會與模型廠商共享。
這就是為什麽人們對人工智慧的邊緣運算產生了濃厚的興趣和投資，在邊緣運算中，AI 模型呼叫的過程直接在你的裝置（如膝上型電腦或智慧型手機）上進行。隨著行業不斷朝著 AI 模型深入了解我們的方向發展（Sam Altman 向我描述了他的殺手級人工智慧應用程式，它「完全了解我的一生、每封電子信件、我曾經進行過的每一次對話」），對於能夠執行模型而不分享私人數據的更快「邊緣」芯片的需求日益增長。這些芯片面臨的限制與數據中心中的芯片不同：它們通常需要更小、更便宜且更節能。
美國國防部正在資助許多針對快速、私有邊緣運算的研究。2022 年 3 月，其研究部門國防高等研究計劃署（DARPA）宣布與芯片制造商 EnCharge AI 合作，建立用於 AI 推理的超強大邊緣計算芯片。EnCharge AI 致力於開發一種既能增強私密又能低功耗執行的芯片。這將使其適用於軍事領域，如衛星和離網監控裝置。該公司預計將於 2025 年出貨這些芯片。
AI 模型在某些套用場景中將繼續依賴雲端，但對邊緣運算改進的新投資和興趣可能會為我們的日常裝置帶來更快的芯片，從而實作更多的 AI 套用。如果邊緣芯片變得足夠小且便宜，我們很可能會在家和工作場所看到更多 AI 驅動的「智慧裝置」。如今，AI 模型大多局限於數據中心內。
EnCharge AI 的聯合創始人 Naveen Verma 表示：「我們在數據中心看到的許多挑戰將會被克服。我預期邊緣運算將成為關註的重點，我認為這對於規模化部署 AI 至關重要。」
大型科技企業進入芯片制造競爭
從快時尚到草坪護理，各行各業的公司為了建立和訓練適用於其業務的 AI 模型，正在支付高昂的計算成本。例如，員工可以用來掃描和總結文件的模型，以及面向外部的技術，如虛擬助手，可以幫助你修理損壞的冰箱。這意味著訓練這些模型所需的雲端運算需求空前高漲。
提供大部份這種計算能力的公司是亞馬遜、微軟和谷歌。多年來，這些科技巨頭一直夢想著透過自主生產數據中心的芯片而非從輝達等公司購買，來提高利潤率。輝達近乎壟斷了最先進的 AI 訓練芯片市場，其市值超過了 183 個國家的 GDP。
亞馬遜於 2015 年開始這方面的嘗試，關鍵動作則是收購了初創公司 Annapurna Labs。谷歌在 2018 年跟進，推出了自己的 TPU 芯片。微軟於去年 11 月推出了首款 AI 芯片，而 Meta 則在今年 4 月展示了其最新版本的 AI 訓練芯片。
（來源：AP PHOTO/ERIC RISBERG）
這一趨勢可能會削弱輝達的地位。但在大型科技企業眼中，輝達不僅是競爭對手：無論他們內部努力如何，雲巨頭仍然需要輝達的芯片來滿足其數據中心的需求。這部份是因為他們自己的芯片制造努力無法滿足所有需求，同時也是因為他們的客戶期望能夠使用頂級的輝達芯片。
微軟 Azure 硬體負責人 Rani Borkar 表示：「這實際上是關於給客戶選擇權。」 她表示，她無法想象微軟會為其雲服務提供所有芯片的未來：「我們將繼續加強合作關系，並部署來自所有芯片合作夥伴的芯片。」
隨著雲端運算巨頭試圖從芯片制造商那裏爭奪市場份額，輝達也在嘗試反其道而行之。去年，該公司啟動了自己的雲服務，使客戶可以直接跳過亞馬遜、谷歌或微軟，直接在輝達芯片上獲得計算時間。隨著這場圍繞市場份額的激烈競爭展開，未來一年將是檢驗客戶是否將大型科技企業的芯片視為與輝達最先進芯片相當，還是更像其較小版本的關鍵時期。
輝達與初創企業的較量
盡管輝達占據著支配地位，但一股投資浪潮正湧向那些初創公司，它們旨在芯片市場的未來某些細分領域中超越輝達。這些初創企業全都承諾能提供更快的人工智慧訓練速度，但對於采用哪種炫目的計算技術來達成這一目標，它們各有主張，從量子計算到光子學到可逆計算不一而足。
然而，Eva 這家芯片初創公司的 28 歲創始人 Murat Onen，他從麻省理工學院的博士研究中轉化出了這家公司，對於當下創辦芯片企業的感受直言不諱。
「在這個領域，輝達就是那個山頂之王，這就是我們所處的現實。」他如是說。
許多像 SambaNova、Cerebras 和 Graphcore 這樣的公司正試圖改變芯片的基本架構。想象一下，一個 AI 加速芯片需要不斷地在不同區域間來回傳輸數據：資訊儲存在記憶體區，然後必須移動到處理區進行計算，之後再儲存回記憶體區以保存。這一切都需要耗費時間和能源。
最佳化這一流程將為客戶帶來更快且成本更低的 AI 訓練，但這只有在芯片制造商擁有足夠優秀的軟體，能讓 AI 訓練公司無縫過渡到新芯片上的前提下才能實作。如果軟體遷移過程過於笨拙，像 OpenAI、Anthropic 和 Mistral 這樣的模型廠商很可能會繼續依賴大型芯片制造商。這意味著采取這種策略的公司，比如 SambaNova，不僅要花大量時間在芯片設計上，還要投入大量精力在軟體設計上。
Onen 提出的是一種更深層次的變革。他沒有使用傳統晶體管（透過數十年的小型化實作了更高的效率），而是采用了一種名為質子門控晶體管的新元件，據稱 Eva 專門為此設計，以滿足 AI 訓練的數學需求。這使得數據可以在同一位置儲存和處理，節省了時間和計算能源。將此類元件用於 AI 推理的想法可以追溯到 20 世紀 60 年代，但由於材料障礙等原因，研究人員始終未能解決如何將其套用於 AI 訓練的問題，其中一個關鍵要求是在室溫下精確控制導電性的材料。
在實驗室的某一天，「透過最佳化這些參數，加上運氣不錯，我們得到了想要的材料，」Onen 說。「突然間，這個裝置不再像是科學展覽計畫了。」這提高了大規模使用此類元件的可能性。經過數月的工作以確認數據正確後，他創立了 Eva，相關工作發表在 Science 上。
（來源：Science）
但在這個行業中，許多創始人都曾承諾——但都未能——推翻領先芯片制造商的主導地位，Onen 坦率地承認，要判斷設計是否按預期工作，以及制造商是否會同意生產，還需要數年時間。他說，帶領公司在這樣的不確定性中前行，需要靈活性，並且要樂於接受他人的質疑。
「有時候，我覺得人們對自己的想法太過執著，擔心一旦這個想法失敗就沒有下一步了，」他說，「我不這麽認為。我仍然希望有人挑戰我們，告訴我們這是錯的。」
原文連結：
https://www.technologyreview.com/2024/05/13/1092319/whats-next-in-chips/
