AI（人工智能）芯片初創公司BrainChip產品開發負責人Anil Mankar周二在著名的Linley Fall Processor會議上介紹了BrainChip公司技術的詳細信息。會議組織者Linley Gwennap提出，整個行業需要更多的軟件功能才能趕上在AI領域遙遙領先的Nvidia。

半導體行業目前處于芯片設計和性能改進的復興時期，但要趕上圖形芯片巨頭Nvidia（英偉達）卻還需要更多的軟件。業界會議Linley Fall Processor Conference（Linley秋季處理器會議）星期二提出了此觀點。

Linley Fall Processor Conference本周和下周以虛擬形式舉行。Linley Fall Processor Conference每年舉行一次，為年輕的芯片公司提供交流機會。

該會議的主持人Linley Gwennap是個有二十年經驗的半導體分析師。他在周二上午的大會開幕式上發表主題演講表示，對于那些想挑戰英偉達在人工智能方面領先優勢的公司而言，軟件仍然是絆腳石。

Gwennap表示，“一些芯片供應商和云服務供應商為AI加速開發出了令人印象深刻的硬件，但下一個障礙是軟件。”

他在提到英偉達競爭對手遇到的困難時風趣地表示，“軟件是個極難的單詞。”

他稱有些公司或是不支持流行AI框架（例如TensorFlow）的某些功能，或是某些用于競爭芯片的AI應用程序甚至都可能沒法正確地編譯。

他表示，“這些供應商要與Nvidia和英特爾等公司的深度軟件堆棧競爭就必須支持廣泛的框架和開發環境，提供相應的驅動程序、編譯器和調試工具，為各種客戶工作負載提供全面的加速和最佳性能。”

Nvidia在構建神經網絡的訓練操作方面領先十幾年。Nvidia的CUDA是個軟件系統。一些曾與Nvidia芯片合作構建神經網絡的AI領域明星級人物曾一再提出，AI領域需要競爭才能打破Nvidia對AI科學領域的控制。

Global Foundries總經理Hiren Majmudar在會上詳細介紹了Global Foundries公司在物理設備方面的各種創新， AI初創公司可以利用這些創新取得性能優勢。（圖：Global Foundries）

AI的開發傳統上是用在汽車和基礎架構的嵌入式設備上，現在已經擴展到云計算數據中心。英國的Imagination and Think Silicon是芯片設備巨頭Applied Materials的一個部門。Imagination and Think Silicon開發了一些臨界低功耗設備，可以應用于功耗受限的設備，例如由電池供電的微控制器產品。

英偉達上個月宣布打算以400億美元收購Arm Plc。這樣一來，要縮小與巨頭的差距就更難了。芯片行業所有挑戰者生產的芯片知識產權的核心屬于Arm制造。因此，英偉達軟件就會占更大的上風。

Gwennap表示，那些希望從Nvidia手里挖走市場份額的公司只得構建自己的軟件及復制Nvidia的某些功能，但還沒有產品能消除差距。

他表示，“目前存在一些開源努力，但并沒有很大的吸引力。大多數公司要開發自己的替代方案，這就是為什么花了這么長時間。”

盡管受到BrainChip和其他公司激增的競爭挑戰，Nvidia芯片（例如A100）仍繼續在市場份額和整體性能方面處于領先地位。（圖：英偉達）

這次會議吸引了許多新公司和已有所建樹的公司，每個公司都有一些在某些AI任務的原始性能方面優于Nvidia的創新。創業公司包括Tenstorrent、Brainchip和SiFive等。包括英特爾和谷歌在內的一些知名公司也參與了該次會議。

合同芯片制造商Global Foundries為大批芯片公司生產處理器。Global Foundries在會上展示了創新的廣度和深度。Global Foundries公司描述了如何改善底層芯片的物理性能進而創建更好的晶體管，晶體管是所有芯片的基本組成部分。

盡管各方面的發展，英偉達新的和舊的部件的性能仍然令人印象深刻，MLPerf行業組織周三發布的最新AI基準測試結果證明了這一點（https://www.zdnet.com/article/nvidia-makes-a-clean-sweep-of-mlperf-predictions-benchmark-for-artificial-intelligence/）。

Gwennap表示，軟件仍然是縮小差距的癥結所在。

記者問Gwennap要采取哪些措施才能與Nvidia進行實質性競爭，他表示，“英特爾和高通擁有良好的軟件堆棧，他們在軟件上進行了大量投資并擁有大量的資源，我們看到一些資金雄厚的初創公司取得了一些進展，一些不錯的進展，但一切都仍然需要時間。”

會議的組織者Linley Gwennap表示，軟件仍然是那些想與Nvidia競爭公司的最大弱點。（圖：Linley集團）

他表示，“取決于團隊的規模和專業知識，開發此軟件可能要花費數月甚至數年。”

諸如Cerebras Systems和Graphcore的公司出售自己的計算系統，這些公司打造了全新的軟件程序，用在自己芯片上神經網絡處理方式的優化。但這些個別的努力可能會使新芯片的使用趨向分化。

相比之下，英偉達的CUDA為人工智能設計人員提供了一致的平臺，設計人員可以在這樣的平臺上集中精力工作。

Gwennap建議，可能需要組合各種不同的努力才能形成對Nvidia有一定的挑戰。

Gwennap在談到一些初創公司各種不同的軟件開發工作時表示：“我認為需要在某個時進行整合，幫助其中一些公司增加軟件投資。”

Gwennap表示，無論要花費多少，軟件都是必不可少的。如果沒有一套完整的軟件程序、軟件堆棧，那么“AI加速器的客戶前景將受到限制”。

Gwennap告訴記者，該大會已舉辦15年了，今年有1，000多名與會者，是前幾年在硅谷酒店宴會廳舉行的會議會者的三倍多。
責任編輯：YYX