一颗芯片从定义到量产要走三到四年,而它要跑的模型可能半年就换一代。这是AI芯片行业最难受的时间差。通芯智能选择在模型路线尚未定型时入场,赌的是另一件事:不管模型怎么变,总有一类计算会被反复调用,值得提前做进硬件。
这家公司由朱松纯教授发起、北京通用人工智能研究院孵化,今年4月成立。半年内连续完成种子轮与天使轮融资,合计数亿元,资金主要投入流片前的核心架构设计。进度比多数人预想的快:成立三个月完成架构设计与立项,目前已进入芯片设计阶段,12月初将开展FPGA原型验证,商业化方向覆盖云端推理、通用智能体与端侧物理智能。
它要做的不是一颗更快的GPU。现代GPU擅长大规模并行计算,配合矩阵运算单元,这是它称霸大语言模型时代的原因。但一个要在真实环境里行动的智能体,还要处理另一组工作:反复查询物体之间的关系、随时更新环境状态、推演动作可能带来的后果。这类计算以图结构、动态分支的方式展开,数据访问不规则,GPU能执行却未必能喂饱——大量时间花在找数据、搬数据和等待前一步结果上。
所以通芯在向量与张量之外加了第三类单元。芯片规划了Vector、Tensor与AGI Core三类计算单元:Vector与Tensor负责向量、张量计算,支持CNN、Transformer等主流架构;AGI Core面向基于解析图的逻辑、因果、价值推理与概率计算做专用加速。官方的说法很明确——多出来的是结构,不是单纯增加算力。举例来说,让机器人给客人倒水,它需要把杯子、水源与客人的位置关系组织成解析图,围绕送水目标规划动作,途中客人换了位置就保留仍然有效的信息、只更新受影响的状态与路径,避免重复计算;芯片要做的是存储状态与目标、访问对象关系、执行概率计算、比较方案、调度技能。
理论起点是朱松纯团队今年发表于《Engineering》的CUV框架,把认知架构(C)、能力体系(U)与价值体系(V)纳入统一决策过程:C组织感知、记忆、推理等模块的协作,U涵盖识别物体、规划路径等可调用技能,V描述目标、偏好与约束。这套框架的回答是「智能体想要什么驱动它学习」,而非「喂了多少数据」。更早的伏笔在2020年:深度学习如日中天时,朱松纯团队就写过「小数据、大任务」,把功能、物理、意图、因果、效用称为视觉里的「暗物质」。
工程侧的人选解释了它为什么敢在此时定义架构。创始人兼CEO王海洋师从中国计算机事业奠基人之一夏培肃院士,是龙芯CPU创始成员,曾担任海光一至四代CPU芯片架构总负责人,也是一家GPU独角兽的联合创始人,拥有25年芯片研发与15年SoC架构设计经验,参与过CPU、GPU、GPGPU三类大芯片从研发到量产的全过程。另一位创始人史峰师从朱松纯,博士毕业于UCLA,负责AGI Core的技术路线与架构定义,同时担任通研院AGI芯片中心主任。创始核心团队平均从业超过20年,骨干来自海光、百度、字节、阿里,完整走过十余款大芯片的架构定义、前后端设计、流片与量产交付。
几个取舍能看出它的工程判断。存储上,王海洋是业内较早提出混合存算一体思路的人之一,但通芯并不打算做一颗全存算一体芯片,而是把存算一体当作缓解「内存墙」的手段:不同任务对访问速度、容量与成本要求不同,就搭配不同的存储与计算方式,省下的是数据搬运与计算单元干等数据的开销。面积上,可重构设计让部分硬件资源按任务重新组织,通用单元保兼容、专用单元提效率。产品形态上计划采用Chiplet芯粒设计,基于同一套架构与软件栈,通过不同配置满足云端对吞吐、机器人端侧对功耗与体积的要求。
节奏上它没有一步跨到未来。首代产品定位高性价比推理芯片,瞄准云端大模型、世界模型与具身智能端侧计算,现有模型能直接跑,AGI Core同步上车,新计算能力分阶段验证。官方把自己与GPU方案定位为共生而非替代:大语言模型仍是AGI体系的重要组成,兼容与专用两条腿一起走。
接下来要看的不是发布会,而是12月的FPGA原型验证能否跑通第一组真实任务,以及首批规模合作意向能否转成订单。朱松纯对此的表述是,芯片是智能体的心脏。这句话的重量,要靠硅片来兑现。