時下，“AI”、“芯片”、“AI芯片”不僅是世界范圍的“網紅”詞，同樣還代表著繼互聯網時代之后的全新時代。因為AI的概念、解決方案逐漸成熟，人們的生活也隨之得到了巨大的改變——目前AI已用于醫療、安防、自動駕駛、消費類電子等越來越多的落地應用場景。

說起AI就不得不說撐起整個AI世界的基石、智能生活背后的巨人——AI芯片。自2018年伊始，芯片的產業價值和戰略地位日益突出，尤其“人工智能”被冠以國家發展戰略的崇高定義后，整個人工智能產業對AI芯片的熱情瞬間達到沸點，無論是傳統芯片廠商還是BAT互聯網巨頭，無論是老牌企業還是初創公司，均積極布局投身人工智能產業。

作為人工智能產業鏈的關鍵環節和硬件基礎，AI芯片有著極高的技術研發和創新壁壘，而當前對人工智能芯片的定義并沒有一個公認的標準。比較通用的看法是能夠運行深度學習算法的芯片都可以稱為“AI芯片”，但實際上高標準要求下的AI芯片在能效比上有著數量級的差別。

目前，雖然經過多年的積累、耕耘，已經在語音識別、機器視覺方面取得了不俗的成績，但歸根結底還是依托于馮諾依曼架構。具體表現為通過不斷迭代、優化計算部分的資源來提升效能，具有代表性的有：

第一代AI芯片——DSP/GPU：

通常DSP/GPU再包裝上一些軟件層寫好的庫，可以提供給用戶一個包裝好的AI芯片運行環境。這樣的解決方案是可以滿足深度學習產生海量數據并行運算的需求，其效率超過CPU，但其運行深度學習算法能效又遠低于ASIC及FPGA，直接表現就是效率、成本和功耗都很差。

第二代AI芯片——基于卷積或矩陣計算設計的專用芯片：

通過硬件平臺，運行深度神經網絡算法，可以得到較高的效率，同時又可有效控制成本，但存儲墻問題嚴重制約了此類芯片的發展、應用。

為了解決存儲墻問題，行業開始醞釀第三代AI芯片，比如采用分布式片上存儲、存儲計算一體化，這樣的做法看起來似乎是解決了部分存儲墻問題，但這樣做的結果還存在太多的不確定性和很高的成本，更類似實驗室產品。

到這，關于AI芯片的迭代好像打了個死結。實際，行業內早就有了意見——法國研究機構CEA-Leti認為，為快速成長的人工智能應用實現高效率的運算性能，必須解決“存儲墻”(memory wall)的瓶頸，并推動新的架構解決方案。

推動新的架構解決方案，那么新的架構應具備什么樣的特點呢?回頭看看現有的架構解決方案，答案呼之欲出：計算驅動存儲，既表現為用較為富裕的計算資源驅動較為稀缺的存儲資源，其適用于計算復雜度高，存儲復雜度低的環境，并不適用于深度學習。

實際上，北京探境科技有限公司于近日發布了一個巔峰性的AI芯片架構——“存儲優先架構”(SFA架構)。該架構推翻了傳統馮諾依曼結構，利用存儲為中心來設計芯片架構，充分解決了存儲墻的問題，具備能效比高，DDR帶寬占用率低的特點，與其它AI芯片解決方案相比，資源利用率有成倍的增長。按照此前的邏輯，這個AI芯片架構可以稱其為全新的第四代AI芯片了。

經了解，這家成立時間不長的AI芯片公司，研發人員占比達到了恐怖的85%，核心成員都擁有15年以上的行業資歷，他們帶領團隊分別奮斗在芯片設計、系統設計、軟件、算法等領域，是一家名副其實的以科技創新為核心競爭力的公司。

據介紹，探境科技旗下采用SFA架構的兩款芯片即將商用，他們分別是語音芯片和圖像芯片，而芯片的具體性能遠超目前的行業標準。

究其原因，因為SFA架構不僅解決了前三代AI芯片的短板，同時還具備諸多特點：

以存儲資源為中心，通過存儲帶動計算來設計存儲和計算通道。數據在存儲之間的搬移過程之中就完成計算，計算對于數據來說只是一種“演變”

存儲、計算、調度算法一體化，通過軟硬件協同工作，控制器在存儲和計算節點進行最優的映射。

可以支持未來的可計算SRAM或其他新型存儲，進一步提高計算效能。

對于非平衡的通用計算，可以通過計算層附著的不同算子加以支持。SFA架構可以支持高差異化的計算類型，并且不同的計算范式互不干擾。

天然支持高并發的計算，也從根本上解決了高并發引起的帶寬問題。

另外值得一提的是，在一年的時間里，探境科技完成了兩輪共計數千萬美元的融資，這對初創型公司來說，實屬少見。同時，公司目前掌握數十項發明、軟件著作權，這也從側面印證了探境科技的研發實力。

目前來看，探境科技和他的SFA(存儲優先架構)給亟待實現技術突破的AI芯片行業打開了一扇新的大門，對推動人工智能行業發展起到了積極的作用，但其最終的落地應用效果如何，讓我們等待市場的檢驗。

最后，我們也希望有更多的國產AI芯片企業能推陳出新，讓生活變得更加智能、簡單。