英伟达是无可争议的 AI 芯片之王。但讽刺的是，正因为有了它帮助打造出的 AI，这位冠军可能很快就会面临日益增长的竞争。
现代 AI 运行在英伟达的设计之上，这一局面已将该公司的市值推高到远超 4 万亿美元。英伟达每一代新芯片都让企业能够在庞大数据中心内，将数百或数千个处理器联网起来，训练更强大的 AI 模型。英伟达成功的一个原因在于，它还提供了帮助开发者为每一代新芯片编程的软件。不过，这种能力可能很快就不再那么具有差异化。
一家名为 Wafer 的初创公司正在训练 AI 模型，去完成 AI 领域中最困难也最重要的工作之一：优化代码，使其能在特定硅芯片上尽可能高效地运行。
Wafer 联合创始人兼 CEO Emilio Andere 表示，公司正在基于开源模型进行强化学习，教它们编写内核代码，也就是在操作系统中直接与硬件交互的软件。Andere 还说，Wafer 也会给 Anthropic 的 Claude 和 OpenAI 的 GPT 等现有编程模型加入“agentic harnesses”，以增强它们编写可直接在芯片上运行代码的能力。
如今，许多知名科技公司都有自己的芯片。多年来，苹果等公司一直使用定制硅芯片来提升笔记本电脑、平板电脑和智能手机上软件运行的性能与效率。在另一端，Google 和 Amazon 这样的公司也在打造自己的硅芯片，以提升其云计算平台的性能。Meta 最近表示，将使用一款与 Broadcom 联合开发的新芯片部署 1 吉瓦计算能力。部署定制硅芯片也意味着要编写大量代码，让它能在新处理器上平稳且高效地运行。
Wafer 正与 AMD、Amazon 等公司合作，帮助优化软件，使其能在这些公司的硬件上高效运行。这家初创公司迄今已从 Google 的 Jeff Dean、OpenAI 的 Wojciech Zaremba 等人那里筹集了 400 万美元种子资金。
Andere 认为，公司以 AI 为主导的方法有可能挑战英伟达的主导地位。如今，一些高端芯片在原始浮点性能方面已经与英伟达最好的硅芯片接近，而这正是衡量芯片执行简单计算能力的一项关键行业基准。
Andere 最近对我说：“最好的 AMD 硬件、最好的 [Amazon] Trainium 硬件、最好的 [Google] TPU，在理论 flops 上都能达到与 Nvidia GPU 相同的水平。我们想要最大化每瓦智能。”
Andere 表示，能够把代码优化到可在这些芯片上稳定且高效运行的性能工程师，不仅成本高昂，而且需求旺盛；与此同时，英伟达的软件生态让开发和维护其芯片代码变得更容易。这让即便是最大的科技公司，也很难完全单打独斗。
Andere 说，例如，当 Anthropic 与 Amazon 合作、在 Trainium 上构建其 AI 模型时，它不得不从零开始重写模型代码，才能让其尽可能高效地运行在这套硬件上。
当然，Anthropic 的 Claude 如今已经是众多在编写代码方面达到超人水平的 AI 模型之一。因此，Andere 认为，AI 开始削弱英伟达的软件优势，可能用不了太久。
Andere 在谈到那些让代码更容易针对英伟达硬件进行优化的库和软件工具时说：“护城河存在于芯片的可编程性之中。我认为，现在是时候重新思考，这到底是不是一条真正强大的护城河了。”
除了让不同硅芯片上的代码优化更容易之外，AI 很快也可能让芯片本身的设计变得更容易。Ricursive Intelligence 是一家由两位前 Google 工程师 Azalia Mirhoseini 和 Anna Goldie 创办的初创公司，正在开发利用人工智能设计计算机芯片的新方法。如果这项技术得到普及，更多公司可能会进入芯片设计领域，制造让自身软件运行得更高效的定制硅芯片。
Mirhoseini 说：“我们正在攻克芯片设计中最耗时的环节，也就是物理设计和设计验证。”她同时也是 Stanford University 的助理教授，这里所指的是芯片设计中两项主要挑战。
设计计算机芯片是地球上最重要、也最棘手的工作之一。芯片工程师需要弄清楚，如何在一块硅片上布置大量组件，以优化不同功能。一款芯片完成初步设计后，在把设计交给晶圆厂之前，还必须经过反复迭代的性能测试与验证。
英伟达的设计对现代 AI 至关重要，它每一代新芯片都让企业能够在庞大数据中心内，将数百或数千个处理器联网起来，训练更强大的 AI 模型。
Mirhoseini 和 Goldie 在 Google 任职期间，开发出一种让 AI 优化计算机芯片关键组件布局的方法。这种方法改变了 Google 设计自研处理器的方式，如今也已被行业广泛采用，用于帮助安排不同芯片上的各类特性。
不过，Ricursive 的目标是走得更远，通过自动化更多芯片设计环节，并把大语言模型整合进这一流程。其目标是让工程师可以用自然语言描述修改需求，或就某款芯片提出问题。正如人们可以用 vibe code 的方式开发一款应用，也许最终也能用 vibe design 的方式设计一款芯片。
Ricursive 仍在开发其技术，但 Mirhoseini 表示，公司已经证明它可以优化芯片设计中更多方面。
以这种方式自动化芯片设计的前景，正让一些投资者垂涎：Ricursive 在短短几个月内就以 40 亿美元估值融资 3.35 亿美元。
Goldie 表示，最终或许有可能让 AI 同时协同设计芯片和算法，从而让两者都变得更强大。她说，让 AI 调整自己的硅芯片和代码，可能会形成一种递归式的 AI 改进。“我们正在进入一个新阶段：我们可以 simply 投入更多算力，来设计更快、更好的芯片，从而为芯片设计创造出某种缩放定律。”
你怎么看待 AI 设计自己的硅芯片？欢迎留言，或发送邮件至 [email protected] 告诉我。
你可能也喜欢
收件箱直达：WIRED 最具雄心、定义未来的报道
重磅专访：Chris Hayes 如何以注意力为生
特朗普已经如何威胁中期选举
直播回放：观看我们的专家讨论大型科技公司与军方
