Arm发布《芯片新思维：人工智能时代的新根基》

在人工智能技术日新月异的今天，算力已成为推动行业发展的核心动力。从过去的感知式AI，到生成式AI，再到Agent AI，随着技术的不断的发展，算力需求呈现出爆炸式增长，同时也带来了能效、安全性、可靠性等一系列挑战。作为全球领先的计算平台公司，Arm近日发布了《芯片新思维：人工智能时代的新根基》行业报告（以下简称报告），旨在探讨如何应对AI时代的挑战，并引领行业创新。

Arm解决方案工程部执行副总裁Kevork Kechichian在接受记者采访时表示，AI技术的快速发展为行业带来了前所未有的机遇，但同时也带来了巨大的算力挑战。随着大模型、深度学习等技术的广泛应用，算力需求呈现指数级增长。这不仅要求芯片具备更高的计算性能，还需要在能效、安全性、可靠性等方面达到新的高度。传统的芯片设计模式已经难以满足这些需求，因此我们需要寻找新的解决方案。

AI驱动芯片产业创新，高能效计算成为关键要素

如今，摩尔定律实现半导体缩放的传统方法已达到物理与经济的极限。产业正转向创新的替代方案，如定制芯片、计算子系统 (CSS) 以及芯粒 (chiplet)，以持续提升性能与能效。

谈到人工智能时代应该如何构建更强性能的算力平台，降低数据中心能效时，Kevork Kechichian表示，随着 AI 工作负载对计算密集型任务的需求日益增加，能效已成为 AI 计算发展的首要考量。为此，芯片设计正在整合优化的内存层次结构、先进的封装技术，以及成熟的电源管理技术，以降低能源消耗，同时维持高性能。

Kevork Kechichian强调，要实现这一目标，首先从最底层出发，从晶体管层开始，与晶圆代工厂紧密合作，确保晶体管在功耗和性能方面实现优化，无论是动态功耗还是漏电功耗。二是在架构层面，对 CPU 以及各类处理引擎的指令集进行针对性优化。三是要从系统级芯片 (SoC) 设计、封装到数据中心等方面进行优化。在此过程中，关键要点在于对数据及其传输过程的保护，降低在内存之间传输数据所消耗的电力。此外，在支撑大型数据中心运行的软件层，实现智能负载均衡，即针对人工智能 (AI) 的不同方面进行处理上的优化，并合理分配工作负载，尽可能减少不同节点之间的数据传输。

Kevork Kechichian表示，为了实现更高效的 AI 计算，定制芯片正成为一个重要的行业趋势。传统的 SoC 通常是通用芯片组，而定制芯片则是针对特定市场、应用或客户的需求而量身打造的芯片解决方案。

定制芯片成为行业趋势，平台能力至关重要

为了实现更高效的 AI 计算，定制芯片正成为一个重要的行业趋势。传统的 SoC 通常是通用芯片组，而定制芯片则是针对特定市场、应用或客户的需求而量身打造的芯片解决方案。