“清华帮”组队创业,要打破芯片能效天花板,对话苹芯科技CEO( 二 )


“清华帮”组队创业,要打破芯片能效天花板,对话苹芯科技CEO
文章图片
杨越
就在他们专注于各自工作时 , 信息产业掀起一股新的巨浪——自2016年AI系统AlphaGo首次击败世界围棋冠军起 , AI浪潮开始席卷全球 , 各类AI芯片如雨后春笋般破土而出 。
彼时 , 传统的冯·诺依曼计算机体系架构 , 是大多数AI芯片的根基 。 但这类架构存在一大局限性:不必要的功耗浪费太多了 。
对于动辄处理海量数据的AI计算来说 , 这种局限性日益显得捉襟见肘 。 该体系下 , 计算单元与存储单元完全分离 , 数据在两者之间频繁搬运 , 造成额外的延时和能耗开销 。 读写一次内存数据的能耗 , 甚至会比计算一次数据的能耗多几百倍 。
当摩尔定律逼近极限 , 传统架构的芯片性能“天花板”近在咫尺 , 要做到10倍乃至100倍的性能提升 , 必须实现架构层面的颠覆式创新 。
存内计算技术 , 作为极具潜力的AI芯片未来方向 , 终于从幕后走到台前 。
随着新型存储器和AI硬件两大技术潮流交汇 , 计算与存储之间的界限变得模糊 , 一个史无前例的时代机遇 , 摆在了陈怡然、杨越等人的眼前——基于存内计算的底层架构创新 , 将是一条AI计算的通途 。
二、“我们不想做第1001家AI芯片公司”在斯坦福大学旁边 , 陈怡然跟杨越一起吃了顿饭 , 聊起创办存算一体AI芯片公司的想法 。
两人一拍即合 , 杨越觉得 , 这非常符合他对新兴事物的追求 , 他相信存内计算的技术路线能将整个芯片系统的性能提上一个新的台阶 。
顾名思义 , 存内计算方法用存储器做计算 , 从根本上解决时延、功率等方面的损耗 , 打破了“内存墙”、“功耗墙”的瓶颈 , 因此能做到数量级程度地提升相关的计算效率、能效比等核心指标 。
再加上当前AI深度学习算法涉及大量矩阵乘加运算 , 这些矩阵摆放数据的方式与数据在内存中的存放方式相似 , 用存储器做AI计算加速的思路日渐成熟 , 各路资本也纷至沓来 , 争相下注 。
此时不创业 , 更待何时?
另外两位技术大牛也决定和陈怡然、杨越组队“干大事” 。
一位是章尧君 , 他毕业于上海交通大学 , 后在匹兹堡大学电子工程系读博士 , 师从陈怡然教授 , 他已在新型存储器领域工作十年 , 曾设计开发多款MRAM商用芯片 。
另一位是许振隆 , 他本硕毕业于中国台湾新竹清华大学 , 多年任职于台积电 , 拥有逾
20年芯片设计经验 , 曾带领团队成功交付多款量产芯片 。
当时参与规划组建这个团队的 , 还有同为清华校友、现任清华大学电子工程系系主任的汪玉教授 。 汪玉曾参与创办国内明星AI芯片企业深鉴科技 , 后来该公司被全球FPGA龙头赛灵思收购 , 他与杨越还是高中同窗 。
就这样 , 2021年2月 , 苹芯科技呱呱坠地 。
存内计算的英文是「Processinginmemory」 , 缩写为PIM , 苹芯科技的英文名「PIMCHIP」便由此而来 。 “苹芯”的“苹” , 即是PIM的谐音 。
苹芯创始团队兵分两路 , 陈怡然教授作为董事长总揽全局 , CEO杨越和CTO章尧君在北京搭建起苹芯的初始团队 , 负责整个系统的研发;许振隆则带队负责搭建存内计算的内核 。
“我们不想做第1001家AI芯片公司 。 ”聊起创业初心 , 杨越希望在AI时代背景下 , 将苹芯科技发展成为非冯·诺依曼架构新计算范式的引领者 。
在他看来 , 用一个新的技术去解决一个旧的问题 , 这没什么意思 , 存算一体的使命不只是为了迎合市场需求 , 而应该去开辟一些新的战场 , 这才是创新技术的长远价值所在 。