财经新闻网消息：
消息面上，谷歌TPU第一代设计师罗斯创立的公司Groq正式宣布，其新一代LPU在多次公开测试中以几乎最低的价格将GPU的推理速度提高了一倍。 而后续的三方测试结果表明，该芯片对于优化大型语言模型推理效果显着，速度比 GPU提升10倍。 与GPU不同，LPU的内存使用SRAM。
上述消息传出后，不少A股公司通过投资者互动平台等渠道，对公司SRAM相关研究和业务进行了解释。 与此同时，今日（2月21日），《科创板日报》记者召集多家涉足SRAM存储器业务的企业作为投资者进行采访，了解其进展情况。
总体来看，科创板上的多家公司，包括聚芯科技、恒硕科技、成都华为等，均声称自己的业务与SRAM存储器相关或关注相关技术。 其中一些人表示他们正在开发基于SRAM的AI。 存储和计算芯片，并将在2024年取得阶段性进展。
不过，在接受科创板日报记者采访时，不少半导体行业人士对于SRAM相关产品解决方案可能带来的算力爆发保持了较为谨慎的态度。 无论是SRAM本身的高成本、低容量，还是基于SRAM的LPU产品的通用性限制，短期内都难以颠覆当前的算力技术和产业。
多家A股公司回应SRAM相关产品进展
《科创板日报》记者通过互动平台向珠海炬力询问基于数模混合电路的SRAM内存计算路径的进展情况。 珠海炬力授权代理商表示，珠海炬力将推出最新一代升级为CPU+DSP+NP的三核异构高端AI音频芯片，预计2024年中向下游客户提供样品芯片。 该芯片将为便携式产品提供更强的计算能力。
炬芯科技律师表示，“SRAM与FLASH、DRAM一样是存储器的一种。SRAM是用于特定场景的AI芯片，比如推理场景，但AI芯片是公司未来的重点研发方向。”
珠海炬力董事长兼首席执行官周正宇在2023年11月举行的中国集成电路设计产业2023年会上公开表示，基于SRAM的CIM具有非常显着的技术优势，包括高能效、低功耗、读写速度快，适合低功耗高性能设备； 写入次数无限制，适合反复模型调整； 技术成熟，具备大规模批量生产能力； 技术领先，适合集成。 “对于低功耗音频SoC来说，基于SRAM的CIM是目前构建低功耗音频AI算力的首选。”
恒硕证券交易所一位代理人告诉科创板日报记者，公司基于NOR Flash的存储计算一体化芯片恒芯二号已经加工完成，正处于测试阶段。 公司也将从2023年下半年开始进行基于SRAM的数字存储与计算一体化解决方案的研发，进展符合预期。
上述恒硕证券交易所代理表示：“NOR Flash存储计算一体化芯片和SRAM的数字存储计算一体化芯片都可以用于AI芯片，但SRAM是‘数字’存储计算一体化芯片，并且有两者之间仍然存在功能差异。如果成功的话，公司预计能够在2024年底之前生产出该片。而AI芯片也是公司未来的发展方向。”
成都华为在互动平台表示，公司“十三五”期间承担的国家重大科技项目均基于28纳米工艺平台，突破超大规模高性能等关键技术FPGA低功耗设计方法，建立了高性能、高性价比、数百万美元的门级SRAM FPGA器件的自主研发和工程应用能力。 此外，该公司的智能SoC芯片可用于人工智能领域，但目前正处于研发和样品交付阶段。
《科创板日报》记者致电成都华为采访其相关芯片进展细节，但截至发稿尚未收到回复。 值得注意的是，与前两家布局消费级应用的公司不同，成都华为隶属于中国电子信息产业集团，专注于特种集成电路的研发、设计、测试和销售，为信号处理和控制系统。 整体解决方案是产业发展的方向。
中科蓝讯正代理商告诉科创板日报记者，公司目前正在研发的智能蓝牙音频芯片和物联网芯片产品均基于NOR存储器，目前还没有基于SRAM的产品。 “目前NOR可以满足所有产品智能化的需求，是否应用SRAM取决于下游客户的需求。” 牌照代理人说道。
也有投资者关注军用电子元件芯片测试公司思科，询问该公司是否有SRAM芯片相关业务。 思科瑞盛证券机构人士对科创板日报记者表示，“该公司主要从事芯片测试，拥有随机静态存储芯片SRAM的测试筛选技术，可检测该芯片约10万颗”。每年都会打字。”
LPU的一般能力可能有局限性，短期内可能不会造成技术中断。
在生成式人工智能引发的算力焦虑中，能够产生算力爆炸的颠覆性技术也更容易引起市场关注。 但它会是 SRAM 还是基于 SRAM 的 AI 芯片？ 不少接受采访的半导体从业者对此表示质疑。
“SRAM是一项非常成熟的技术，CPU中的寄存器和缓存都使用SRAM。” 业内人士在接受科创板日报记者采访时表示，SRAM已经以IP核的形式集成到SoC中。 其本身的技术价值并没有更大的突破。
上面提到的人说，SRAM确实比DRAM更快，但是SRAM非常昂贵，而且容量更小。 “LPU甚至其他计算芯片在使用大量SRAM时都需要做出权衡，比如是否需要牺牲容量来换取性能。”
“Groq 之所以选择 SRAM，是因为它只进行推理，不进行训练。推理所需的存储空间比训练所需的存储空间小很多。因此，一块 Groq 板只有 230MB 内存，而 GPU 的 DDR 空间为基本上都是几个GB的大小。” 该人士表示，由于成本和产能限制，目前SRAM没有爆发的希望。
对于基于SRAM的LPU产品，业内人士质疑其在不同场景下的通用能力，这可能会影响此类产品的大规模应用。
有芯片从业者表示，LPU目前的优势在于推理，但训练能力较弱。 Groq 使用开源模型，并且不训练这些模型。 “这样的方案的优点是推理速度非常快，适合单模型场景，但一旦涉及到多个模型，LPU就没有优势了。”
“训练比推理困难得多。” 一位从事国内大模型训练的业内人士告诉科创板日报记者，模型结构固定、模型权重冻结后，再进行推理。 然而，训练就是训练模型。 通常算法工程师会改变模型结构等，通过操作来调整模型。 这些操作非常灵活，大模型的训练分为很多阶段。
“对应场景，越通用，对训练过程的灵活性要求越高，越专业，适用场景越小。” 这位大型模型开发商直言，LPU甚至可能是专门针对某种模型结构而设计的模型。 就硬件而言，很可能很难支持其他结构的大型模型。 另外，Groq官网只提到了大语言模型方面的优势。 专门针对语言模型设计的，估计在图像和视频方面没有优势。
“Groq的LPU产品的应用范围相对有限，与更完善的软件生态系统和GPU产品通用计算平台相比，短期内完全无法取代GPU。” 上面的人说道。
免责声明 ① 本网所刊登文章均来自网络转载;文章观点不代表本网立场,其真实性由作者或稿源方负责 ② 如果您对稿件和图片等有版权及其他争议,请及时与我们联系,我们将核实情况后进行相关删除 ③ 联系邮箱:215858170@qq.com
Copyright © 2017-2018