硬件or软件：“智算”时代 究竟谁更重要？

不过，当一切进入AI“智算”模式，芯片领域的竞争也将被数百倍的放大，各路新晋选手们开始在硬件设计上逐渐采取与传统巨头趋同化的方案。毕竟如此，一方面既能保证“稳妥”，又能极大的降低“试错成本”，可谓是一举两得。

这也使得不少有软件实力的芯片厂商未来会更多的依靠自有强大软件生态优势傲视群雄。而软件生态，也将成为芯片厂商抵御入侵者们的最后一道“防线”。就拿当下最火热的AI处理器产业为例，Graphcore中国区总经理卢涛就曾表示，现有市场上的AI芯片公司大致可以分为三类，一类公司是正在讲PPT的公司，一类公司是有了芯片的公司，一类公司是真正接近或者是有了软件的公司，足见“软件”在芯片企业评级上的权重。

即便是“智算”时代，软件的壁垒比硬件要更高，可这二者之间仍然是齐头并进、相互依存、共谋发展的关系。毕竟，AI芯片成功的关键在于硬件/软件的协同设计，AI芯片本身只起到加速的作用, 除了少量定制化AI芯片具备一定功能外，大多数AI芯片本身并不具备功能，它们的功能必须结合相关软件来实现，这里的软件包含芯片底层的驱动、开发工具链、各类计算库、IR中间件、深度学习框架以及人机交互的界面等等。

邹挺解释到：“ AI芯片软件需要把开发人员的生产力、易用性和灵活性与对大规模效率的需求结合起来，必须与硬件进行底层通信，以防止在硬件运行时的决策迟缓，并提高效率。AI算法中的概率性、高阶数据结构使对运行时将要发生的事情进行预测变得更加困难，这就需要软件提供更多有关算法结构和正在执行的机器学习模型结构的信息。软件和硬件无缝地协同工作，将是提高AI芯片性能和效率的关键所在。”

Imagination也认为硬件和软件应该是高度相互依赖的，没有正确的硬件，世界上最好的软件也是无用的，反之亦然，Andrew Grant指出：“相比从硬件转向软件，将会更多地出现从使用GPU这样更通用的元件转向关注ASIC。尤其在AI领域，拥有专为与GPU协同工作及增强GPU批量计算能力而设计的电路，就可以持续支撑AI任务中不断增加的数据量和复杂性。NNA就是这样一种ASIC，它将持续开拓数据中心的AI和机器学习功能。当与GPU的通用计算协同实现，并与高效、丰富的数据集和算法集成在一起时，跟上AI的发展步伐将变得更加可控。AI是一个令人兴奋的领域，AI框架的开发在不断演进。我们在自己的软件工具中已经考虑了这一点，从而可以支持客户在现有设计上运行最新的网络，延长了我们设计的使用寿命和实用性，同时有助于向客户确保我们在设计产品时有效地考虑了未来发展。”

但这并不能改变软件构成芯片企业核心竞争力的事实，邹挺告诉记者：“生态和开源软件是Arm长久以来努力工作的方向。一直以来，Arm都在跟生态中的主要公司保持密切合作，包括软件生态中的各个环节，从固件、操作系统、虚拟化软件，到编程语言，到应用程序。近年来Arm软件生态有了长足的进步，各种主流开源软件都能直接运行于Arm的硬件，基于Arm的软件开发越来越容易。比竞争壁垒更重要的是可重用性、标准化和合作。Arm去年发布了Cassini项目，它的目标是让硬件厂商、开发者、和最终用户有了一套共同的操作框架，遵循这个框架会容易地开发和部署应用程序。这些标准化工作避免了分歧，使能了创新和合作。”而这，也将成为Arm公司接下来持续引领全球芯片IP市场的关键。

总之，历经充实“量变”之后的服务器芯片市场，已经开始从多个角度酝酿着“质变”。而对于各路沉浸这一领域多年的“老江湖”们来说，这既是一个拼“家底儿”的时刻，又是“更上一层楼”的契机。显然，在这条竞争已经白热化的赛道上，从硬件的角度能够挖掘的“差异化”价值会越来越少，更多的发力软件生态或许会是各路玩家构建核心竞争力之路上比较明朗且真正能够有回报的路径。但这并不意味着硬件已不再重要，从企业核心竞争力的长远发展来看，软硬件协同依然是芯片厂商立足全球市场并保持不败竞争力的基础。毕竟，无论是在高性能AI计算还是在其他任何一条芯片赛道上，唯有软硬兼施、双管齐下，方可运筹帷幄、决胜千里。