陳鋒表示，中國市場是安謀科技（Arm China）戰(zhàn)略布局的核心所在。在“AI Arm CHINA”戰(zhàn)略的引領(lǐng)下，公司正積極推動(dòng)Arm全球技術(shù)生態(tài)與本土自主研發(fā)IP的深度融合，全面助力中國AI計(jì)算生態(tài)的繁榮發(fā)展。

依托“AI Arm CHINA”這一戰(zhàn)略方向，安謀科技的各項(xiàng)自研IP產(chǎn)品在“AI+”領(lǐng)域均取得顯著突破。近期，公司推出了專為大模型優(yōu)化的新一代NPU IP——“周易”X3，聚焦終端側(cè)AI推理，其大模型處理性能較前代提升10倍；而不久前發(fā)布的全新CPU IP“星辰”STAR-MC3，則成功為傳統(tǒng)MCU無縫注入AI能力，實(shí)現(xiàn)智能化升級(jí)。

在媒體的專訪環(huán)節(jié)，安謀科技（Arm China）產(chǎn)品總監(jiān)鮑敏祺進(jìn)一步給媒體分享了公司圍繞AI而生的產(chǎn)品策略。面對(duì)“中外云端算力卡單卡性能5倍差距”的物理現(xiàn)實(shí)，以及大模型快速向端側(cè)下沉的趨勢，國內(nèi)AI產(chǎn)業(yè)或可以通過安謀科技全新“周易”NPU——“周易”X3，求出一種“基于架構(gòu)創(chuàng)新與云端協(xié)同”的破局新解。

制程受限下的“云端協(xié)同”，亟待解決的大模型落端痛點(diǎn)

在當(dāng)前的AI芯片競爭格局中，中美市場的底層邏輯存在顯著差異，算力底座上制程差異導(dǎo)致的性能代差，是所有從業(yè)者必須直面的“房間里的大象”。

國外大廠的端側(cè)AI演進(jìn)，往往伴隨著半導(dǎo)體工藝的最前沿迭代，最先進(jìn)制程已經(jīng)推進(jìn)到3nm。然而，受限于供應(yīng)鏈環(huán)境，國內(nèi)大算力芯片的主流工藝目前仍集中在6nm水平左右。

“工藝限制是客觀存在的，這直接導(dǎo)致了整體算力規(guī)格的差距，單卡性能差距可能達(dá)到5倍。”鮑敏祺坦言。

這種物理層面的“硬傷”意味著國內(nèi)廠商不能簡單照搬國外的“堆料”模式。鮑敏祺提出的解題思路是“云端協(xié)同的差異化技術(shù)”。在電池技術(shù)未有革命性突破（手機(jī)功耗限制在5W，車載受限于300T算力及BIS限制）的前提下，端側(cè)NPU不再追求像云端那樣無限堆疊算力，而是通過高效的架構(gòu)，承接云端蒸餾或量化后的模型。中國龐大的用戶基數(shù)是獨(dú)特的市場優(yōu)勢，這使得云跟端協(xié)同的部署在國內(nèi)比國外更具緊迫性和落地價(jià)值。

針對(duì)前段時(shí)間發(fā)布的“周易”X3 NPU IP，鮑敏祺詳解了其背后的技術(shù)取舍。他強(qiáng)調(diào)，在同樣的工藝下，基于馮·諾依曼架構(gòu)的芯片在面積和功耗上很難拉開本質(zhì)差距，真正的決勝點(diǎn)在于“產(chǎn)品導(dǎo)向”，特別是對(duì)大模型浮點(diǎn)運(yùn)算精度的支持。

鮑總在專訪環(huán)節(jié)中解釋道，傳統(tǒng)的端側(cè)NPU可能只擅長跑INT8（整數(shù)），但面對(duì)大模型，精度不夠。安謀科技的“周易”X3 NPU，重點(diǎn)增強(qiáng)了浮點(diǎn)計(jì)算能力，特別是支持了類似 FP8 這種兼顧速度與精度的先進(jìn)格式，并且配合了WC16/W4A8（Weight 4-bit, Activation 8-bit）等混合量化技術(shù)。 這樣最終能夠確保大模型壓縮到端側(cè)后，不僅跑得動(dòng)，而且足夠“聰明”，精度沒有折扣損失。

“真正難的是在量化后的精度下把模型功能跑起來?！滨U敏祺解釋道。如果只關(guān)注壓縮率而忽視精度，大模型在端側(cè)就會(huì)“變傻”?！爸芤住盭3的核心邏輯，就是通過軟硬結(jié)合的優(yōu)化，在極度苛刻的端側(cè)功耗限制下，依然保證大模型的推理精度。

端側(cè)模型算法收斂帶來機(jī)會(huì)窗，但通用性仍必不可少

長期以來，英偉達(dá)CUDA生態(tài)構(gòu)建的護(hù)城河是國產(chǎn)AI芯片難以逾越的高墻，但當(dāng)AI走向端側(cè)，大模型在端側(cè)落地時(shí)，國內(nèi)AI產(chǎn)業(yè)就有了生態(tài)優(yōu)勢。當(dāng)前AI技術(shù)范式正在發(fā)生變化，這給ASIC路線帶來了新機(jī)會(huì)。

過去在CNN時(shí)代，算子繁多且高度依賴CUDA優(yōu)化，遷移難度極大。但進(jìn)入大模型（Transformer）時(shí)代，底層計(jì)算邏輯變得統(tǒng)一且簡潔。現(xiàn)在大模型大概只要支持15個(gè)算子，就可以跑起來了。這種計(jì)算范式的收斂，極大地降低了國產(chǎn)NPU適配生態(tài)的門檻。相比于通用性極強(qiáng)但能效有天花板的GPGPU，針對(duì)特定算子優(yōu)化的NPU（ASIC路線）在能效比上更具優(yōu)勢。當(dāng)場景確定（如推理）、算法收斂時(shí)，專用架構(gòu)的效率優(yōu)勢將最大化。

關(guān)于端側(cè)NPU未來的演進(jìn)方向，鮑敏祺提出了一個(gè)看似矛盾的觀點(diǎn)：為了適應(yīng)未來的Agentic AI（智能體）和Physical AI（具身智能），NPU需要適當(dāng)“開倒車”——即在追求極致專用效率的同時(shí)，回歸一定的通用性。

“周易”X3 NPU架構(gòu)就是這一理念的體現(xiàn)，采用“DSP+DSA”的混合架構(gòu)：Tensor Core負(fù)責(zé)處理大模型中確定性的矩陣計(jì)算，這部分越強(qiáng)越好，越專用越好。Vector Core負(fù)責(zé)處理通用計(jì)算，解決非標(biāo)準(zhǔn)算子。

“未來發(fā)展的方向是要更加通用?！滨U敏祺解釋說，雖然推理可以通過編譯解決大部分問題，但類似DeepSeek等前沿算法的演進(jìn)表明，微觀算子層面對(duì)通用性提出了更高要求。如果在架構(gòu)上只做“偏科”的專用計(jì)算，一旦算法微調(diào)，芯片可能就無法適配。因此，安謀科技在架構(gòu)設(shè)計(jì)上，正試圖在“專用效率”與“通用靈活性”之間尋找新的平衡點(diǎn)。

結(jié)語

從媒體視角觀察，端側(cè)AI加速計(jì)算是一個(gè)明確的“藍(lán)?！辟惖?，而端側(cè)NPU既要有極強(qiáng)的Tensor能力，又必須增強(qiáng)Vector能力。安謀科技的“周易”X3 NPU IP作為公司在“AIl in AI”戰(zhàn)略下的首個(gè)重磅產(chǎn)品，正是完美契合了端側(cè)AI計(jì)算的硬件架構(gòu)要求。不止于此，還在軟件生態(tài)上下足了功夫。可以說，用上了“周易”X3 NPU IP，不僅能幫芯片設(shè)計(jì)公司省時(shí)間，同時(shí)還能幫算法公司解決底層適配麻煩的問題。黏合了端側(cè)算法和硬件之間的適配難題。

在采訪最后，鮑敏祺重申了安謀科技“AI Arm China”的戰(zhàn)略定位。作為一家具有雙重屬性的公司，安謀科技一方面繼續(xù)作為橋梁，在國內(nèi)代理Arm的CPU等IP；另一方面，則通過自研的“周易”NPU、VPU、DPU等產(chǎn)品線，構(gòu)建本土化的AI解決方案。

“端側(cè)AI時(shí)代已經(jīng)到來?！滨U敏祺總結(jié)道。在制程追趕尚需時(shí)日的背景下，通過架構(gòu)創(chuàng)新提升能效，通過軟件生態(tài)彌補(bǔ)算力短板，或許是國產(chǎn)芯片在AI下半場突圍的最務(wù)實(shí)路徑。