面對美國層層加碼的出口管制，中國的人工智能圈里一場關(guān)于“芯片”未來的決戰(zhàn)正在悄然上演。不過，國內(nèi)廠商們已經(jīng)不再糾結(jié)于“怎么找英偉達的平替”，而是在思索如何構(gòu)建一個能撐起國內(nèi)AI大模型穩(wěn)定運行的國產(chǎn)芯片生態(tài)。

在這場突圍戰(zhàn)里，業(yè)內(nèi)悄然分成了兩路兵馬，其中一派選擇正面硬剛英偉達，主攻通用圖形處理器(GPU)。

GPU通俗來說就是“全能打工人”。它最初是打游戲渲染畫面的，但后來大家發(fā)現(xiàn)它算力驚人，而且十分靈活，軟件代碼可以反復(fù)重寫?，F(xiàn)在大模型迭代比翻書還快，GPU靠著超強的適應(yīng)力，能隨時變通。

但另一派覺得，既然通用芯片被卡脖子，不如另辟蹊徑，搞專用集成電路(ASIC)。

如果說GPU是全能工人，那ASIC就是一臺“專用機器”，只干一件事，但把它做到極致。因為它砍掉了所有不需要的功能，不浪費一點電和空間，所以運行特定AI數(shù)學(xué)運算時，速度 “快到飛起”。

目前國內(nèi)的ASIC已經(jīng)演化出了三大方向：一是專門模擬人類神經(jīng)網(wǎng)絡(luò)的NPU;二是主打超低功耗、海量數(shù)據(jù)并行處理的TPU;三是阿里自研、專治復(fù)雜“智能體AI”的PPU。

有人說，ASIC和GPU的界限其實正在變得越來越模糊。但如果非要論個輸贏，短期內(nèi)，市場的天平正在向ASIC傾斜。原因很簡單：性價比和好用程度。

對于大廠來說，當自家的大模型成熟了，要推向幾百萬用戶去商業(yè)化落地時，運行成本是第一位的。根據(jù)摩根士丹利的預(yù)測，在2026年，光是華為一家就能吃下國內(nèi)AI加速器市場62%的份額，寒武紀拿14%，百度和阿里也能各啃下5%。

當然，這并不意味著GPU沒戲了。如果業(yè)務(wù)很雜，或者技術(shù)路線還在天天變，那通用GPU的靈活性依然是剛需。

當然，現(xiàn)在大家都意識到，光芯片厲害沒用，英偉達最難打破的其實是它的CUDA軟件生態(tài)。所以現(xiàn)在，華為的CANN、摩爾線程的MUSA等國產(chǎn)軟件棧也都在瘋狂迭代。

在這場因為管制而倒逼出來的“芯”路歷程中，中國AI芯片顯然已經(jīng)攢足了底氣。