【专访】SkymizerCEO唐文力：如何解决AI芯片关键痛点？

SkymizerCEO唐文力。刘宪杰摄

技术及应用环境持续演进，AI芯片已经成为市场显学，无论是高算力的云端AI还是落地的边缘AI，各类芯片产品正百花齐放地推出，然而，真正能够推动AI芯片继续普及的，恐怕已经不只在硬件端，如何透过软件提高AI芯片的表现，是市场上不少人开始关注的核心。

来自台湾的AI编译器公司Skymizer，正透过自家的订阅平台，协助国内外许多IC设计业者解决AI芯片的关键问题，以下为SkymizerCEO唐文力、执行顾问刘广治以及董事长赖俊豪的专访纪要。

AI芯片加速落地 软件面举足轻重

现在多数的AI芯片，大至采用先进制程的高效能运算(HPC)芯片，小至各类的系统单芯片(SoC)等产品，已经有高达94%的AI芯片，都是采用异质整合设计，这证明在硬件端，大家都清楚知道异质整合是AI芯片发展的唯一路径。

然而，数据在芯片中不同核心的互动与沟通，其实非常耗费效能，现在的AI芯片普遍有超过5成以上的效能，其实只是处理信息在核心之间的传输及转译，并不是真正在做演算，AI芯片的运作效率提升至关重要。

而我们的团队，很早就发现摩尔定律发展正在变慢，可能影响到AI芯片的进程，尤其近几年先进制程的推进和成本结构的改善都明显放缓，因此，我们决定开发AI芯片编译器，帮助客户强化AI芯片设计，只要各个核心进一步协同整合，AI芯片的效能就能完整发挥，功耗也会有效减少。

公司会专注这项技术，主要是为了解决AI芯片落地时间太慢的问题，事实上，不少领先的IC设计公司，内部都有开发编译器和其他AI相关软件团队，然而，每一家业者单独作战，对于AI芯片的加速落地帮助实在有限。

部分厂商甚至花了数年的时间，都还没有办法真正开发出可用的软件，更不用说许多想要打入AI市场的中小业者，其实完全没有开发软件的相关资源，因此，我们希望推出可以解决所有领域共同问题的相关产品，消除大部分AI芯片开发的关键痛点。

而Skymizer可以持续发展，确实也因为台湾有顶尖且完整的半导体产业，毕竟软件业最重要的是需求，台湾本地从晶圆代工、IC设计、后段封测都实力坚强，皆是公司可以服务的对象，发挥空间广大。

不过，台湾的AI芯片确实起步比较晚，最早公司也曾经和欧美的新创公司，甚至英特尔(Intel)、亚马逊(Amazon)等大厂合作，现在则是与台系的几家龙头大厂有合作关系，尤其是在TV SoC、影像处理及ASIC等领域。

AI技术周期速度迅猛 水平整合站稳脚步

公司一开始有思考过，未来发展是采取上下游的垂直整合，还是像台积电采取水平化专业分工，考量到上下游整合需要投入庞大资源，以及AI创新速度飞快、一般IC设计业者很难跟上的市场特性，Skymizer决定选择建构专业化的水平整合平台。

我们采取订阅制的服务，希望尽可能将所有和AI相关的创新，都整合在该平台上，并建立起完整的生态系，如此不仅可以保证整个平台持续发展，也能建立起够高的竞争门槛。

事实上，以现在的发展趋势来看，AI技术大约每100天就会翻新一个时代，但要开发一颗芯片，普遍还是需要1年半的时间，才能够从头到尾真正完成，等于一颗芯片开发从头到尾，AI技术已经跑了5个时代，这对IC设计业者来说其实非常难追赶，即便投入大量资源和时间，自己做的效率也相对有限，这便是公司看到专业分工有机会发展的地方。

公司现在的平台，一方面可以让AI软件专业的人才有机会贡献自己的能力，另一方面可以让IC设计业者更快跟上最新的AI软件发展。对于终端ODM业者来说，也能在这个平台上知道其所需的AI芯片，需要什么样的功能和规格，效率提升下，对于加速AI芯片落地将大有帮助。

最重要的是，AI要真正进入到各种应用产品之中，从来都不是只靠领先的云端AI芯片大厂就可以做到，这个产业需要更多IC设计公司一起投入，然而，相较于NVIDIA这类领先大厂，已经在AI软件投入超过百亿美元，一般IC设计公司很难与其竞争，因此更需要这类平台化的服务，推动更多业者更快速地开发出优秀的AI芯片产品。

市场环境丕变 建立客户信任是挑战

在公司的业务发展上，其实也曾经遇到不少难关，举例来说，AI芯片并不是只有大企业在做，其实也有很多新创公司投入，而新创公司的生存或彼此整合，都有可能影响到公司业务。

过去Skymizer就曾经和一些新创公司谈好合作，却因为疫情爆发带来的经济恐慌，导致合作对象无法得到足够的现金流而倒闭，进而冲击到业务，后来在疫情期间，我们就比较谨慎，客户都是选全球前二十五大的IC设计业者，以确保业务发展不会有太多波折。

事实上，这也是公司长期发展需要考虑到的风险之一，毕竟AI芯片产业也有可能往整并和集中化的方向发展，客户群就可能萎缩，因此公司现在对自身的定义，还是围绕着异质整合的芯片协调整合技术。

现在我们专注在AI业务的发展，往后2~3年可能也会逐步寻找下一个发展重心，比方说AR/VR或是类比运算，甚或是更长远之后的量子运算等，只要多元化的异质运算发展趋势不变，公司的核心技术就还有发挥空间。

此外，和客户的沟通以及如何取得客户信任，也是这一路上必须持续克服的难关。事实上，每一家公司对于AI芯片发展，都有自己的想法和策略，且不同公司对于AI的理解程度也不一样，面对不同客户的需求和成本考量，就有不同的合作模式。

毕竟AI芯片并不是只有云端高速运算产品，许多放在消费性产品或是汽车、AIoT等情境的应用，其实也很不好做，这类应用求的不是快，而是要在运算速度、耗电量、体积及成本中，找到最刚好的平衡。

另一方面，由于双方的合作会牵涉到技术数据分享，如何取得客户的信任也是重要关键，尤其许多大客户的公司内部，也有自己的AI软件开发团队，因此双方合作多少需要抓好距离，才能够避免不必要的利益冲突，并尽可能找到客户的痛点提供服务。

责任编辑：游允彤