自動駕駛對大算力芯片提出了新的挑戰(zhàn)。傳統(tǒng)汽車以控制為主，算力要求很小，而 L4 級別的自動駕駛就要求 1000T 以上的算力，不僅如此，汽車端的供電和散熱能力也對芯片的低功耗提出了新需求。

就在前幾日，英偉達發(fā)布了旗下的新一代自動駕駛計算芯片 DRIVE Thor，主要升級了汽車的中央計算架構，采用了新發(fā)布的 40 系顯卡的 4nm 制程架構，算力達到 2000 TOPS，是此前發(fā)布的 Altan 的 2 倍，是 Orin 的 8 倍，這也將芯片「算力大戰(zhàn)」推上新高度。

但是對于被「卡脖子」的國產芯片廠商來說，想要參與這場「算力大戰(zhàn)」，顯然無法指望依靠制程工藝去實現芯片算力的提升。

在后摩智能創(chuàng)始人 & CEO 吳強看來：存算一體可能是國產芯片算力彎道超車的機會。傳統(tǒng)計算機的「馮·諾伊曼架構」里計算單元與存儲單元是分離的，數據在兩者間進行傳輸非常耗時耗能，產生所謂的「存儲墻問題」。而「存算一體」架構能夠整合計算單元和存儲單元，優(yōu)化數據傳輸路徑，提高芯片算力天花板。在縮短系統(tǒng)響應時間的同時，也在能效比上帶來了數量級的提升。

也就是說，這種創(chuàng)新計算架構對工藝的依賴較弱，能用 28nm 工藝做出基于傳統(tǒng)計算架構的其他 AI 芯片用 7nm，甚至 5nm 工藝才能實現的性能或者能效比。更適合自動駕駛、泛機器人等邊緣端算力的需求場景。

于是，前 AMD 的 GPGPU / OpenCL 創(chuàng)始團隊核心成員、Facebook 總部資深科學家吳強，毅然選擇帶著團隊采取了顛覆性的存算一體的架構，希望能在后摩爾時代，提供大算力、低功耗的高能效比芯片及解決方案，突破未來生活所需要的大算力瓶頸。

編輯：黃飛