AI 性能竞争的主战场已从晶体管设计转向系统级软件优化与异构架构。随着摩尔定律放缓,单芯片算力提升遭遇瓶颈,系统级协同设计成为提升 AI 推理效率的关键。资深芯片架构师肖志斌指出,芯片设计周期漫长且风险极高,AI 辅助设计正逐步介入验证与物理实现环节,但核心架构定义仍需专家把控。此外,芯片制程迭代的核心价值在于功耗降低而非速度提升,这使得数据流架构在处理大模型推理时展现出显著优势。未来,AI 原生的芯片设计公司将通过仿真平台与自动优化工具,打破软硬件壁垒,实现 AI 基础设施的极致经济性,推动大模型推理成本持续下降。
Outlines
Part 1: 芯片演进、设计流程与产业链
Part 2: AI推理瓶颈、架构创新与挑战
Part 3: 软硬协同、仿真技术与创业实践
Part 4: 未来展望、职业演进
Sign in to continue reading, translating and more.
Open full episode in Podwise
