曾經(jīng)，摩爾定律是推動芯片設(shè)計飛速變革的隱形推手，但如今隨著物理和經(jīng)濟(jì)極限的逼近，它已漸漸不再適用。

尤其是隨著AI計算浪潮的崛起，芯片設(shè)計面臨著諸多挑戰(zhàn)，迫切需要一場全新的深度變革，從多個層次重構(gòu)，才能滿足當(dāng)下、適應(yīng)未來。

憑借35年來在SoC芯片設(shè)計領(lǐng)域的豐富經(jīng)驗與深厚積累，Arm一直走在芯片技術(shù)革命的前沿，從移動芯片到再到定制芯片莫不如此。

近日，Arm解決方案工程部執(zhí)行副總裁 Kevork Kechichian分享了Arm對于AI時代芯片設(shè)計變革的深度思考，并從多個角度提出了下一步的走向。

摩爾定律早在1965年就誕生了，尤其是在20世紀(jì)八九十年代，它持續(xù)且精準(zhǔn)地指導(dǎo)著芯片和半導(dǎo)體行業(yè)的快速迭代，推動了芯片和其他組件的小型化、移動化，行業(yè)呈現(xiàn)出一片欣欣向榮的景象，這也為Arm的發(fā)展提供了廣闊空間，使其開始大展拳腳。

從20世紀(jì)90年代中期的移動芯片組崛起，到21世紀(jì)初期SoC系統(tǒng)級芯片的繁榮，技術(shù)的演進(jìn)歷程推動了整個移動行業(yè)的繁榮發(fā)展，SoC也逐漸滲透至更多領(lǐng)域，甚至包括對性能、擴(kuò)展性要求極高的數(shù)據(jù)中心。

AI時代來臨，隨著計算負(fù)載規(guī)模、復(fù)雜性的持續(xù)攀升，能源消耗、成本劇增的壓力越來越大，這顯然并非可持續(xù)發(fā)展之路，計算能效、定制化、平臺化等正受到越來越高的重視。

能效無疑是其中最為核心的關(guān)鍵點。從芯片設(shè)計的角度來看，最主要的能耗來源有兩個：計算和數(shù)據(jù)傳輸。此外，還需要對過程中所產(chǎn)生的熱量進(jìn)行冷卻處理。

AI對于算力的渴求，導(dǎo)致芯片功耗呈現(xiàn)爆炸式增長趨勢，比如NVIDIA最新的Blackwell B200 AI芯片，其功耗可能將達(dá)到1千瓦。

權(quán)威機(jī)構(gòu)高盛也預(yù)測，AI將推動數(shù)據(jù)中心的電力消耗快速增長160％，為一座大型數(shù)據(jù)中心配備一座專門的發(fā)電廠并不是開玩笑。

更不要提這對于環(huán)境的破壞……

為此，整個行業(yè)都在進(jìn)行各種新的探索嘗試，從多角度解決能耗問題，包括但不限于：更高效的芯片設(shè)計、更深層次的架構(gòu)與指令集創(chuàng)新、更小尺寸和更高效率的AI模型、云邊端結(jié)合的AI執(zhí)行，等等。

AI 驅(qū)動的網(wǎng)絡(luò)威脅 - 來源：DarkTrace—2024 年 AI 網(wǎng)絡(luò)安全狀況報告

與此同時，安全威脅也在AI時代日益突出。

DarkTrace 2024年公布的一項調(diào)查報告，接近74％的受訪者表示AI驅(qū)動的網(wǎng)絡(luò)威脅已帶來顯著沖擊，60％的受訪者擔(dān)心尚未做好充分準(zhǔn)備應(yīng)對這類威脅與攻擊。

311研究所甚至提出，“我們已經(jīng)到達(dá)了這樣一個階段：完全自主的智能體 AI 網(wǎng)絡(luò)攻擊能夠自我進(jìn)化、識別系統(tǒng)漏洞，并發(fā)動復(fù)雜攻擊。”科幻中的場景已經(jīng)開始成為現(xiàn)實。

在一個實際案例中，一種AI攻擊不到2分鐘就通過串聯(lián)零日漏洞，攻破了軍用級系統(tǒng)。

這意味著，如今的安全防御已不再僅僅是對抗傳統(tǒng)惡意軟件的問題，而是要為一個AI本身就是攻擊者的未來做好準(zhǔn)備。

為此，Arm和其他芯片企業(yè)在現(xiàn)代SoC中集成了越來越多層次的安全機(jī)制，協(xié)同工作抵御各種威脅，包括但不限于：嵌入式加密保護(hù)、機(jī)密計算架構(gòu)(CCA)、硬件信任根(RoT)、安全飛地、可信賴執(zhí)行環(huán)境(TEE)、安全內(nèi)存管理單元(MMU)、內(nèi)存擴(kuò)展標(biāo)記(MTE)、PSA認(rèn)證、定制芯片安全標(biāo)準(zhǔn)，等等。

同時，行業(yè)正在不斷加大對硬件級安全的投入，通過構(gòu)建具備信任根和標(biāo)準(zhǔn)化安全機(jī)制的系統(tǒng)，抵御AI驅(qū)動型攻擊。

可以說，AI正在深刻影響著芯片設(shè)計。由于AI負(fù)載的興起，尤其是它的多樣化、復(fù)雜化，正在從根本上改變芯片的設(shè)計方式，特別需要針對大規(guī)模并行處理、內(nèi)存帶寬優(yōu)化的差異化架構(gòu)。

具體來說，AI時代的芯片設(shè)計，迫切需要新型的專用加速器架構(gòu)、內(nèi)存子系統(tǒng)的創(chuàng)新與突破、能效的高度聚焦、封裝與集成方式的演進(jìn)。

Arm在報告中提出，未來的芯片，將具備幾個鮮明的特點：不同技術(shù)與路徑的深度集成、更成熟的電源管理技術(shù)、更緊密的生態(tài)系統(tǒng)協(xié)作、內(nèi)存架構(gòu)與集成方式的創(chuàng)新、面向AI及其他高性能計算需求的專用解決方案。

同時不容忽視的是，除了設(shè)計芯片服務(wù)AI，AI也在服務(wù)芯片設(shè)計，AI正成為芯片設(shè)計流程中不可或缺的一部分，比如機(jī)器學(xué)習(xí)(ML)技術(shù)正廣泛應(yīng)用于布局布線、能耗優(yōu)化等各個設(shè)計環(huán)節(jié)。

由此，形成了一個有意思的反饋回路——AI正在協(xié)助設(shè)計用于運行AI工作負(fù)載的芯片本身。

基于此，Arm提出了五個清晰可辨的芯片設(shè)計大趨勢.

一是協(xié)作深化：

現(xiàn)代芯片設(shè)計日益增加的復(fù)雜性，要求IP提供商、晶圓代工廠、封裝廠、系統(tǒng)集成商之間，建立更加緊密的合作關(guān)系，因為沒有一家公司能夠獨立完成所有工作。

二是聚焦系統(tǒng)：

芯片成功的關(guān)鍵，不再是單一組件的優(yōu)化，而是對系統(tǒng)進(jìn)行整體優(yōu)化，包括計算、內(nèi)存、電源管理、散熱管理等各個方面。

三是標(biāo)準(zhǔn)化：

為了實現(xiàn)真正模塊化的芯片設(shè)計，靈活、高效匹配不同的負(fù)載和場景，業(yè)界必須制定新的標(biāo)準(zhǔn)，包括芯粒接口、電源管理、散熱管理等。

四是能耗感知設(shè)計：

從架構(gòu)設(shè)計到具體落地，芯片設(shè)計的每一個環(huán)節(jié)，都必須以高能效為核心進(jìn)行考量，不能單純追求性能而無視能耗問題。

五是專用化：

差異化的工作負(fù)載，將催生更多專用架構(gòu)，推動芯片設(shè)計走向多元化。

尤其是在架構(gòu)設(shè)計方面，正因為它決定了一款芯片幾乎所有方面的表現(xiàn)，包括性能、能效、安全、靈活性、發(fā)展?jié)摿Φ鹊龋愿又陵P(guān)重要，AI時代的芯片架構(gòu)設(shè)計自然需要及時轉(zhuǎn)變。

AI負(fù)載對計算的需求與以往截然不同。Arm堅信，只有通過異構(gòu)計算，也就是CPU、GPU、加速器及網(wǎng)絡(luò)等技術(shù)的共生協(xié)作，才能最大程度地滿足AI驅(qū)動的算力增長需求，而Arm計算平臺就是這樣的一個行業(yè)優(yōu)解。

異構(gòu)計算方面，基于Arm架構(gòu)的CPU，正在成為GPU、NPU、TPU等AI加速器的理想搭檔，既能高效管理數(shù)據(jù)流和計算任務(wù)，又不會遇到瓶頸。

推理效率方面，大型AI模型的訓(xùn)練通常依賴高性能GPU，而對于端側(cè)和數(shù)據(jù)中心的推理任務(wù)，Arm的高能效處理器就非常適合。

可擴(kuò)展性方面，Arm架構(gòu)支持CPU、GPU與專用加速器的無縫集成，可以組成優(yōu)化到位的AI系統(tǒng)。

可以說，芯片架構(gòu)如今已經(jīng)成為決定AI系統(tǒng)能效、性能的關(guān)鍵要素。Arm正是憑借創(chuàng)新、定制、高能效的獨特優(yōu)勢，成為行業(yè)的核心力量。

創(chuàng)新方面，Arm定期發(fā)布新CPU架構(gòu)及支持功能，專注于推動定制芯片發(fā)展，確保與不斷演進(jìn)的AI工作負(fù)載需求保持同步。

定制化潛力方面，隨著AI模型在復(fù)雜度和規(guī)模上的不斷增長，Arm架構(gòu)的靈活性使其能夠針對特定AI任務(wù)打造專用解決方案。

能效方面，基于Arm架構(gòu)處理器的高能效特性，使其在管理大規(guī)模AI部署的總擁有成本方面，展現(xiàn)出更高的價值。

當(dāng)然，單純的硬件是不能解決任何問題的，軟件的協(xié)同至關(guān)重要，可以說AI發(fā)展的未來就在于軟件與硬件的深度融合與協(xié)同發(fā)展。

比如AI框架之間的互操作性、AI模型向定制硬件的移植、AI開發(fā)中的標(biāo)準(zhǔn)化、各種新的數(shù)據(jù)類型的處理，以及各種開發(fā)工具的適配，都給行業(yè)帶來了新的挑戰(zhàn)。

Arm致力于支持能與所有主流AI框架廣泛兼容的芯片解決方案，從而確保Arm計算平臺能夠與多樣化的AI工具無縫集成，使開發(fā)者在擁有軟件靈活性選擇的同時，還能充分利用Arm架構(gòu)芯片卓越的性能和能效。

對于AI軟件的開發(fā)，Kevork也提出了四點關(guān)鍵建議：

一是善用廣泛的通用工具，有助于簡化開發(fā)流程，減少開發(fā)碎片化，從而加速結(jié)果落地、降低成本。

二是提供預(yù)構(gòu)建的后端支持，為定制芯片提供“開箱即用”的兼容性，從而加快其落地。

三是保持對上游的貢獻(xiàn)，積極開發(fā)開源框架，從而確保兼容性，避免技術(shù)發(fā)展停滯不

前。

四是緊跟框架演進(jìn)步伐，隨著AI框架的快速演進(jìn)，保持與最新技術(shù)同步對于維持競爭力至關(guān)重要。

當(dāng)下，半導(dǎo)體行業(yè)正處于一個重要的轉(zhuǎn)變時刻。傳統(tǒng)的摩爾定律和制造工藝縮放技術(shù)已經(jīng)陷入瓶頸，定制芯片、芯粒等創(chuàng)新方案正煥發(fā)全新活力。

AI時代的到來，更是對整個芯片行業(yè)提出了全新的考驗，需要上下游企業(yè)摒棄以往的傳統(tǒng)觀念，針對AI負(fù)載的突出特點，重新思考芯片的架構(gòu)、性能、能效、安全、軟件工具等各方面如何協(xié)同設(shè)計才能達(dá)到最佳成果。

正如Kevork所總結(jié)，計算的未來，尤其是AI的未來，取決于我們能否持續(xù)突破芯片技術(shù)的極限。

未來幾年，半導(dǎo)體行業(yè)如何持續(xù)創(chuàng)新以適應(yīng)AI需求，將變得至關(guān)重要。只有通過整個生態(tài)系統(tǒng)的協(xié)作，才有可能達(dá)成最理想的境界，既能釋放AI的變革潛力，又能有效控制復(fù)雜度、能耗和成本，從而通過AI讓我們的世界變得更加美好。