中國算力芯片的“新十年”

來源：騰訊科技（ID：qqtech）

撰文：唐志敏

編輯：蘇揚

過去40年，處理器芯片呈現(xiàn)出“否定之否定”的螺旋式發(fā)展道路：自研-放棄自研-自研。

最近5年，越來越多的整機和平臺廠商，重新加入自研的“芯片戰(zhàn)爭”，并且顯現(xiàn)出一個新趨勢——以CPU為中心的同構計算系統(tǒng)，轉(zhuǎn)變成CPU聯(lián)合xPU的異構計算。

“芯片戰(zhàn)爭”中的選手要直面幾個問題：其xPU架構創(chuàng)新有多少，持續(xù)創(chuàng)新空間有多大、應用規(guī)模能否攤薄硬件、生態(tài)的創(chuàng)新成本。

剛剛公布的“十五五”規(guī)劃建議稿也提到，加快科技高水平自立自強，全面增強自主創(chuàng)新能力，大力實施“卡脖子”迭代攻關，聚焦半導體等關鍵技術環(huán)節(jié)。那么，接下來的五年、十年，對于國產(chǎn)“算力芯片”來說，突破口在哪里？

我們認為是指令系統(tǒng)結構（指令集架構）的統(tǒng)一。

系統(tǒng)結構的一致性，更能推動架構層面的創(chuàng)新，比如把RISC-V作為統(tǒng)一指令系統(tǒng)，所有CPU/GPU/xPU都基于RISC-V及其擴展來開發(fā)，在擴大規(guī)模效應的同時，高效利用研發(fā)資源。

指令集相當于軟硬件“連接器”，按標準編寫軟件，即可向硬件發(fā)出計算指令。

1

經(jīng)濟規(guī)模與生態(tài)成本，決定架構的“生與死”

計算機差不多經(jīng)歷了八十多年的歷史，早期特點是集中式處理，少數(shù)專業(yè)人員通過終端設備才能訪問到昂貴的計算資源。

20世紀80年代后以微處理器為基礎的PC和計算機網(wǎng)絡出現(xiàn)，計算模式從集中式轉(zhuǎn)化為分布式。后來又有了智能手機和云計算系統(tǒng)，計算模式進化為集中式的云中心和“泛在分布”的智能終端構成的復雜體系，且云中心本身又是一個巨大的分布式系統(tǒng)。

計算進化到今天，最為核心的CPU，以兩種主導式的指令集為代表：PC和服務器領域是x86架構，智能手機領域是ARM架構。

x86等架構及相應特征

x86和ARM占主導，是市場洗牌的結果。

時間往回倒退，過去40年業(yè)內(nèi)出現(xiàn)了許多有特色的架構和產(chǎn)品，但大部分都逐漸凋零了。例如：英特爾開發(fā)的RISC架構i860/i960、摩托羅推出的68000以及跟IBM、Apple聯(lián)合開發(fā)的PowerPC架構等等。

指令集架構，從幾十款到幾款，快速收斂的原因各有不同。

x86戰(zhàn)勝RISC，靠的是不斷向高端RISC“抄作業(yè)”，同時根據(jù)新應用需求不斷增加指令子集，拓展新功能；PC與服務器的CPU同為x86架構，芯片出貨量大，分攤了服務器CPU的研發(fā)成本，也是x86從競爭中脫穎而出的客觀條件。

RISC CPU的失意，表面上是巨額的軟硬件投入成本，根源則是無法顛覆已有軟硬件生態(tài)系統(tǒng)——大量已存在的標準或事實標準的接口，如指令架構系統(tǒng)，這種生態(tài)的統(tǒng)治力，英特爾、惠普曾這類聯(lián)合體也無法撼動。

回想起1990年代超算領域，如nCUBE，KSR、Thinking Machine等創(chuàng)業(yè)公司，既自研CPU，又開發(fā)MPP超算系統(tǒng)，在系統(tǒng)架構上提出了很多引人入勝的新方案。尤其是KSR，提出了名為Allcache的純緩存存儲架構（COMA），實現(xiàn)了第一個基于純緩存的并行超算系統(tǒng)，其CPU只跑20MHz，功耗、散熱等效率遠遠高于同期的英特爾486，后者主頻達到了50MHz。

最終，各種創(chuàng)新性的架構都“輸給了”x86。

不是說這些架構沒有創(chuàng)新性，根本上在于架構創(chuàng)新敵不過經(jīng)濟規(guī)律。所以，在文章開頭，我們就呼吁，未來五年、十年，中國的算力芯片應該統(tǒng)一指令集架構。

2

架構創(chuàng)新難，生態(tài)構建更難：壁壘在軟件與協(xié)同

英特爾于2000年左右推出Pentium 4處理器，時鐘頻率已達到4GHz。25年后的今天，很多產(chǎn)品時鐘頻率還停留在這個水平。這是因為進入納米工藝后，摩爾定律逐漸失效，晶體管開關速度放緩。

現(xiàn)在，業(yè)界依賴晶體管數(shù)量的累積來提升性能，其基本的思路是并行，如增加數(shù)據(jù)位寬、增加功能部件、增加處理器核的數(shù)量等等。但增加了這么多的部件，如何控制與管理？就要看計算機體系結構。

計算機體系結構既是硬件與軟件的接口界面，也決定了硬件與軟件的分工，根據(jù)硬件與軟件分工的不同邏輯，大致可分為三種類型：

• 激進的結構（完全動態(tài)優(yōu)化）：

  類似上文提到的純緩存存儲架構，強調(diào)軟件在動態(tài)分析和優(yōu)化方面能力有限，因此在硬件上做盡可能多的動態(tài)優(yōu)化, 但這樣往往導致硬件過分復雜、功耗過高；

• 保守的結構（靜態(tài)優(yōu)化）：

  硬件僅提供必需的設施, 如大量的寄存器或SRAM，依賴軟件來實現(xiàn)高性能，這種方案的好處是硬件簡化了，缺點是編程不便、性能沒有保障；

• 折中的結構（動靜態(tài)相結合的優(yōu)化）

  ：硬件做一些動態(tài)的優(yōu)化, 如高速緩存，軟件也仍有優(yōu)化的余地，通過軟硬件協(xié)同解決性能和編程問題。

由于需要運行操作系統(tǒng)、編譯器及各種復雜控制應用，涉及的串行因素比較多，高端CPU經(jīng)常采用激進的結構，但由于結構異常復雜，導致正確性難以驗證，研發(fā)工作量極大。隨著熔斷、幽靈等硬件漏洞的出現(xiàn)，這類結構也易受瞬態(tài)執(zhí)行攻擊的問題也暴露出來。

目前業(yè)界更傾向于基于這種結構——增加處理器核的數(shù)量，來提升性能，比如代表算力的xPU芯片，就是典型的眾核（Many Core）結構。這種架構可以匹配圖像處理、神經(jīng)網(wǎng)絡等天然依賴并行計算的特點，只要硬件提供足夠的運算部件、存儲單元、互連機制，并由軟件程序把并行性表達出來，就可以在并行硬件上高速地執(zhí)行。

英偉達PASCAL和TURING架構GPU，擁有大量CUDA計算核心

英特爾Xeon Phi，Google TPU等，都是專門設計的眾核加速器，而更流行的GPGPU則陰差陽錯的成為眾核加速器——一開始只用于圖形渲染，非專門為AI設計。

不管是TPU還是GPGPU，眾核結構xPU的“算力芯片”大規(guī)模應用，首先要解決的還是生態(tài)系統(tǒng)問題——在處理器上運行的各類軟件的總和，包括各種應用軟件，及支撐應用軟件開發(fā)運行的系統(tǒng)軟件、中間件、庫函數(shù)等。在這方面，用戶之所以喜歡使用英偉達的產(chǎn)品，就是因為CUDA擁有成熟的并行軟件生態(tài)。

前面提到英特爾和惠普的合作項目。雙方于1994年，聯(lián)合開發(fā)了不與x86兼容的EPIC架構的IA-64安騰處理器，前后花了十余年時間，耗資巨大，終究未能成功。關鍵就在于經(jīng)過40多年演進的x86架構，形成了任何處理器架構都無法比擬和復制的產(chǎn)業(yè)生態(tài)環(huán)境。

英特爾、惠普的新架構、新產(chǎn)品，解決不了新的生態(tài)問題。

這里面還有一個洞察——Gartner分析了從2009到2018年的企業(yè)軟件市場，十年間，x86軟件的市場份額持續(xù)上升，到2018年，全球投入在x86軟件（含企業(yè)應用軟件、基礎設施軟件、垂直專用軟件）開發(fā)上的費用高達600億美元，IDC 2019年同期的數(shù)據(jù)表明，全球服務器硬件的總收入也就800億美元。

也就是說，軟件開發(fā)的費用遠遠高于硬件，新搞一個處理器架構已經(jīng)很費錢了，基本不會有人給更多投資去開發(fā)配套的軟件。

基于這一點，可以預判，未來很長一段時間，服務器市場上x86 CPU仍居主導地位。

有人也許要問，ARM-64的機會在哪里？它的核心看點在于打破英特爾在x86服務器市場一家獨大的格局，因為英特爾的CPU毛利太高了，誰都想去分一杯羹，正如AI芯片廠商想去分英偉達的蛋糕一樣。

最終，ARM服務器未來能夠取得成功，幾個原因可能是決定性的：

• 一是掌控了全棧技術（應用）的大廠放棄x86，如蘋果、亞馬遜，它們的生態(tài)遷移完全可控，產(chǎn)量或毛利率也是可控的

• 二是端云融合，ARM在終端的優(yōu)勢彌漫到云端，如Android Cloud，ARM服務器更適合支持Android Apps，應用可在云和端間隨便遷移。還有云游戲在云端也不需要依賴虛擬機。

x86的故事仍在繼續(xù)，ARM攻勢迅猛，開源的RISC-V則還需要努力。

關于RISC-V，業(yè)內(nèi)有很多討論，既有ARM“價格貴”的問題，也有開放性、可研究性的問題，但主要還是商業(yè)化的困境。

近年來，RISC-V應用較多且相對成功的，都是軟件比較簡單的場景，即以微控制器(MCU)為代表的嵌入式領域，如希捷、西數(shù)等企業(yè)的存儲類產(chǎn)品。而以物聯(lián)網(wǎng)為代表的嵌入式場景，其需求非常碎片化，RISC-V雖然可以針對應用特點自定義對指令集的擴展，但這樣分門別類地定制芯片，就失去了集成電路產(chǎn)業(yè)的規(guī)模效應。

軟件、應用之外，RISC-V的硬件生態(tài)也還不成熟——有競爭優(yōu)勢的高性價比處理器核的種類少，也缺乏支持多核互連的高性能片上網(wǎng)絡（NOC），尤其是片上網(wǎng)絡，業(yè)內(nèi)都還在用ARM方案，不過ARM不會單獨向RISC-V項目授權片上網(wǎng)絡IP，而要搭售ARM CPU核心，成本又被拉上來了。

一些觀點認為，隨著JAVA、Python等跨平臺的語言/工具越來越流行，通過虛擬機技術實現(xiàn)應用的跨平臺遷移，還可以用仿真的方法用一種指令集模擬另一種指令集，寄希望于指令集架構重要性變低，進而重構x86、ARM的“壟斷”格局。

不過，這也存在另一些相反的事實，例如英特爾一直在持續(xù)地擴展其指令集，增加新指令（子集），如近年看到的SGX、AVX512、AI擴展指令集等，說明硬件指令的直接支持對性能、能效比至關重要。

又如，由于業(yè)界的各類基礎軟件和應用軟件，主要都是針對英特爾CPU優(yōu)化的，即使同樣是x86的AMD CPU，能流暢支持的軟件配置種類就少得多。所以，阿里的公有云平臺只用英特爾的CPU產(chǎn)品，它們可以自如地支持各種老舊的OS類型、版本、配置。

從這個角度來看，RISC-V進入以計算機為代表的通用平臺，還有一段曠日持久的路程要走。

3

統(tǒng)一指令集：中國算力芯片規(guī)模化的關鍵路徑

近年來，系統(tǒng)和平臺廠商又開始研發(fā)計算芯片了：美國有蘋果公司、谷歌、亞馬遜、微軟，中國公司也很多。

所有自研的場景當中，云廠自研芯片的模式是行得通的，因為企業(yè)盈利的基礎在于增值服務，不在硬件。云廠商由于掌控全棧軟硬件，生態(tài)移植的困難也較小，且因為自身規(guī)模大，可以負擔芯片研發(fā)的費用。

不過，現(xiàn)階段多數(shù)企業(yè)自研還是用于內(nèi)部，因此外部客戶仍然需要獨立的芯片供應商。

眾多自研芯片的系統(tǒng)廠商當中，蘋果公司是一個非常成功的案例，基本實現(xiàn)了核心產(chǎn)品線處理器的全線自研——手機為A系列、平板和PC為M系列、手表為W系列、耳機為H系列。

蘋果自研芯片矩陣，數(shù)據(jù)更新至2025年9月

“產(chǎn)品定價高”可以作為評判蘋果自研成功與否的一個表面指標。

和公版的ARM CPU核相比，蘋果公司自研的CPU性能高、成本也高，但配合自研的系統(tǒng)軟件，整體達到優(yōu)化的用戶體驗，同時加上營銷體系的助力，形成“高大上”的形象，就可以賣出高價錢。

只不過，很多失敗的項目，只看到了蘋果公司“自研芯片”的表面指標，“自研芯片”，如果只是為了“使用芯片”，或者只是聚焦在紙面參數(shù)上，而忽略掉軟件的差異化、生態(tài)能力提升，進而共同推動用戶體驗的優(yōu)化，未必有價值。

軟件定義一切，也包括“成敗”。

無論CPU還是GPGPU，都需要在軟件生態(tài)上，與現(xiàn)有成熟產(chǎn)品形成差異化，實現(xiàn)附加值提升，但這不等于一切都需要重構和創(chuàng)新，比如指令系統(tǒng)——指令系統(tǒng)越多，軟件生態(tài)方面就需要投入越多，“統(tǒng)一”起來困難重重。

前面提過，軟件方面的投入比硬件研發(fā)的投入還要大，而軟件掉隊的負面現(xiàn)象，目前大量出現(xiàn)在當前的領域?qū)Ｓ眉軜嫞―SA）和其它xPU研發(fā)領域。比如很多國產(chǎn)智算中心，投資規(guī)模很大，但受配套軟件不全等問題限制，實際利用率并不高，這其實就是軟件跟不上硬件“步伐”帶來的后遺癥。

回想架構之爭的年代，諸神混戰(zhàn)，最后也只有少數(shù)幾個架構活了下來。

實際上，體系結構創(chuàng)新，未必一定要新架構，也可以在現(xiàn)有的指令系統(tǒng)框架內(nèi)實現(xiàn)，RISC-V恰好在這方面具備很好的支撐。

例如，國外Tenstorrent等企業(yè)基于RISC-V指令集，擴展支持AI的子指令集，進而開發(fā)了基于RISC-V的AI加速計算方案。又如，國內(nèi)外不少大學和科研機構都在RISC-V上擴展了密碼學相關的子指令集，并在此基礎上實現(xiàn)了對后量子密碼的支持等等。

所以，我們呼吁：把RISC-V作為統(tǒng)一指令系統(tǒng)，所有CPU/GPU/xPU都基于RISC-V及其擴展來開發(fā)，避免重復勞動和研發(fā)資源的無謂浪費。

關于作者：

唐志敏是我國處理器芯片領域核心研究者，現(xiàn)任高性能GPU芯片研發(fā)國家高新技術企業(yè)象帝先計算技術（重慶）有限公司董事長、深圳理工大學算力微電子學院院長、中國科學院計算技術研究所主任研究員。唐志敏長期深耕高性能計算與處理器架構，對中國自主芯片的技術演進與產(chǎn)業(yè)趨勢有深刻洞察。

說明：發(fā)布并不意味著我們贊同其觀點，只為多一個視角看待問題，部分信息和圖片無法核準，如涉權益，煩請聯(lián)系，我們將迅速處理，謝謝！有融資需求請加微信（vcpepr），為方便備注，申請好友時請發(fā)送（姓名·城市·公司·職務）

- The End -

我們已經(jīng)與阿里巴巴創(chuàng)新投資、達晨創(chuàng)投、高瓴資本、高榕資本、高特佳投資、戈壁創(chuàng)投、國新風投、國中創(chuàng)投、紅杉資本、華映資本、火山石投資、IDG、經(jīng)緯中國、今日資本、紀源資本、君聯(lián)資本、聯(lián)想之星、藍馳創(chuàng)投、梅花天使基金、平安創(chuàng)投、啟賦資本、軟銀中國、賽伯樂投資、賽富基金、深創(chuàng)投、天圖資本、騰訊投資、五源資本、毅達資本、英諾天使基金、優(yōu)勢資本、真格基金、浙商創(chuàng)投、中國風投、中國文化產(chǎn)業(yè)投資等近千家知名投資機構2000余名專業(yè)投資人建立廣泛聯(lián)系和合作。