随着摩尔定律“节奏”放缓，高工艺制程芯片的设计正面临愈发严峻的挑战。而在AI大模型迅猛发展的浪潮之下，芯片设计难度的指数级攀升，可能会对AI产业发展进程产生影响。近日，Arm发布的《芯片新思维：人工智能时代的新根基》报告（以下简称“报告”）显示，随着AI工作负载对计算密集型任务的需求日益增加，能效已跃升为AI计算发展的首要考量因素。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，以在降低能源消耗的同时，持续保持高性能表现。

通过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。Arm解决方案工程部执行副总裁Kevork Kechichian指出，未来芯片设计的成功将越来越依赖于IP提供商、晶圆代工厂与系统集成商之间的紧密合作；计算、内存与电源传输之间的系统级优化；接口的标准化，以支持模块化设计；针对特定工作负载的专用架构；以及能灵活应对新兴威胁的强大安全框架。

AI时代芯片复杂度提升所带来的更大挑战在于如何在算力与能效之间实现平衡。Kevork Kechichian指出，要实现这一目标，首先需从最底层出发，即从晶体管层开始，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。再来是架构层面，对CPU以及各类处理引擎的指令集进行针对性优化。最后，在支撑大型数据中心运行的软件层，实现智能负载均衡。

近两年来，随着AI大模型快速发展，AI芯片的需求侧重点也逐渐从训练转向推理。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。前述报告指出，如今，几乎所有的半导体行业从业者都在探索和投资定制芯片，特别是全球四大超大规模云服务提供商。

报告还提到，安全威胁随着AI技术的发展也在同步演进，半导体产业正在构建多层次的软硬件防护体系。软件生态系统仍然是释放新芯片架构潜力的关键。芯粒是近些年来整个半导体行业都在关注和推动发展的重要技术。理想情况下，芯片厂商无需重新设计一款芯片，只需添加更多芯粒来增加算力和性能。

但这也意味着该技术的推进不能仅依靠某一个产业链环节，而是需要行业紧密合作。当前，芯粒还处在探索发展偏早期。Arm推出的芯粒系统架构 (Chiplet System Architecture, CSA)，旨在对芯粒之间及在整个系统内的通信方式等多个方面实现标准化。标准化变得尤为重要，所有参与方都将从中获得多重益处。

至于芯粒设计、先进封装与Arm异构计算架构未来如何形成良好协同，Kevork Kechichian表示，海量AI计算的需求正在推动多种技术加速融合。一些先进的封装范式实际上正在提升这些芯粒的性能与能效。先进封装与芯粒技术的真正价值在于实现标准化，这不仅大大缩短了产品上市周期，也能确保在快速迭代的市场竞争中占据先机。

（文章来源：21世纪经济报道）