云计算、数据中心、5G建设等新基建产业正在加速发展,数字化转型将带动AI芯片需求的增长,以支持高效处理海量数据,从而推动AI芯片行业的快速发展和持续创新。
在CPU之外,新的用于提升计算能力的芯片不断涌现,按照技术架构的不同可分为通用图形处理器(GPGPU)、可编程门阵列器(FPGA)、专用集成电路(ASIC)等类型,行业内统称为AI芯片。
AI芯片通常会面对训练和推理两种AI工作负载,由于AI训练市场高度集中,GPGPU架构保持市场领导者的地位。
GPGPU的设计特点在于它对各种运算方式的支持和可编程性,由于其通用性,任何新的算法和应用,都能做到性能和支持之间较好的平衡。同时,基于GPGPU的通用性,GPGPU芯片将在更大程度上降低客户的迁移成本,帮助客户实现无痛迁移。
作为中国第一家通用并行(GPGPU)云端计算芯片及高性能算力系统提供商,天数智芯一直坚持GPGPU战略,持续探索GPGPU市场并推出针对市场及用户需求的优质产品。

在近日举行的人工智能计算大会AICC 2021上,天数智芯产品副总裁邹翾接受记者采访时表示,天数智芯是中国第一家通用GPU提供商,也是唯一一家实现试量产7纳米GPGPU产品的厂商。
GPGPU设计的难度业内有目共睹,从产品的软、硬件架构,计算核心设计,到编译器、驱动、函数库开发,每个环节都需要极其扎实的研发功底,可见产品从实验室走向量产绝非易事。
邹翾所提到的7纳米GPGPU产品加速卡是天垓100,其性能可与行业主流产品相匹敌,产品性能已经达到并满足数据中心、服务器等领域的设计目标,并实现低成本迁移。

邹翾说,通用GPU对国内来讲是一个从零到一的突破,从技术角度来看,天数智芯与国际领先的GPU是同源的,但是天数智芯没有历史包袱,充分发挥创新能力,聚焦AI,让产品的成本和性能更具竞争力。
为什么这样说呢?因为GPU在一开始是用于图形处理工作负载,而不是AI。当GPU用于AI时,就需要考虑兼容原来的应用与客户兼容,这样从设计芯片和软件栈等方面就会保守。
在新的时代,算力呈现了并行计算化。如今AI芯片百花齐放,异构化趋势明显,专用芯片承载各种各样的AI应用。
邹翾表示,客户和应用是真正驱动所有行业发展的基础。多样化的芯片架构让客户的选择更加困难,毕竟芯片真正能够让客户用起来依靠的是编程接口,也就是软件生态。
天数智芯的GPGPU产品在通用性和兼容性、可编程性等方面优势明显,借助软硬件全栈式解决方案,兼容主流开发生态,帮助用户实现无痛迁移。
算力的重要载体是服务器,天数智芯与浪潮等服务器厂商保持了紧密的合作,确认产品能够即插即用。
据IDC预测,到2024年中国GPU服务器市场规模将达到64亿美元,如果国产GPU能在2024年取得30%的份额,即可获得22亿美元的市场空间。因此,GPGPU在中国的未来需求广泛,且对国民经济的发展至关重要。
“一款高端通用芯片从定义到实现大规模销售需要4~5年时间,未来我们会贴近中国市场,为GPGPU行业提供更多的技术创新、保持产品的迭代更新,通过通用并行计算持续赋能各行各业。“邹翾最后说。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。