IBM买FPGA芯片，用于人工智能工作负载

最近，AMD赢得了几个大单，包括Oracle和IBM。Oracle计划在云服务中使用AMD Instinct MI300X AI芯片以及HPC用GPU，而IBM预计将采用AMD的Xilinx FPGA解决方案用于人工智能工作负载。

由于英伟达GPU供不应求，导致了大量需求溢出。因此，Oracle成为了首批部署MI300X的公司之一。目前，MI300X仍处于早期阶段，将于第四季度推出，并正在提供样品。相比之下，AMD的软件生态没有英伟达那么完善，训练和运行AI大模型不仅取决于GPU性能，系统设计也尤为重要。

另一方面，IBM与NeuReality合作，使用其NR1芯片构建AI推理平台。该芯片是NeuReality NAPU系列中基于FPGA的芯片，具有嵌入式AI推理加速器以及网络和虚拟化功能。据NeuReality透露，与其他深度学习芯片供应商的GPU和ASIC方案相比，NR1的每美元性能将提高15倍。

在芯片和人工智能领域，新闻传播最多的是台积电、英特尔、英伟达、AMD等知名公司。然而，IBM仍然是不可忽视的存在。在第三季度财报中，IBM收入达到147.5亿美元，营业利润率从11.4%扩大至14.8%。

在IBM的历史上，该公司在芯片和人工智能领域有着辉煌的成就。1960年，IBM开发出倒装芯片封装技术，提高了组件可靠性。1974年，IBM研究院设计了采用精简指令集计算机 (RISC) 架构计算机原型，该架构沿用至今。此外，IBM还在CMP、SiGe stress、ArF光刻、化学增量光刻及绝缘层上硅(SOI)技术、Power处理器、AI芯片、量子芯片等领域做出了贡献。

在人工智能领域，2020年，IBM研发出基于相变存储器(PCM)的非冯诺依曼架构芯片技术。这种技术能像人脑一样在存储中执行计算任务，以超低功耗实现复杂且准确的深度神经网络推理。此外，IBM还发布了首款人工智能计算单元（Artificial Intelligent Unit，AIU）片上系统。该系统专为加速深度学习模型使用的矩阵和向量计算而设计和优化，可以解决计算复杂的问题并远远超过CPU能力的速度执行数据分析。

在量子计算领域，2020年，IBM发布了65量子位的Quantum Hummingbird。2022年11月10日，IBM发布433个量子比特的Osprey芯片。2023年，IBM将发布1123比特的IBM Quantum Condor。此外，IBM还计划在2025年推出一个超过4000个量子比特的系统。

在芯片制程研发方面，IBM每次都能抢在传统芯片制造商之前设计出新制程的原型芯片来。例如10nm芯片是由他们在2014年研发出来的，到了2017年才量产；5nm芯片在2015年提出概念在2021年，IBM率先推出了全球首个2nm芯片，采用纳米片堆叠的晶体管，也被称为GAA晶体管。这种制程技术能够带来更快的计算速度和更低的功耗，为未来的芯片设计提供了新的思路。

IBM的基础研究实力是整个世界IT科技树的树根之一，完全不受现有框框的束缚，方向激进而前瞻。这种前瞻性的研究为IBM在人工智能、量子计算等领域带来了巨大的优势。

在人工智能领域，IBM不仅在芯片技术上有所突破，还建立了完整的AI生态系统。IBM的Watson平台提供了丰富的AI应用和服务，涵盖了从数据分析、自然语言处理到机器学习等各个方面。

此外，IBM还与全球的科研机构和企业合作，共同推动人工智能技术的发展。比如，IBM与麻省理工学院共同研发了人工智能芯片Ambient忠诚的芯片架构，这种芯片可以模拟人脑的工作方式，从而实现更高效的学习和推理。

除了在人工智能领域的成就，IBM在量子计算领域也取得了重大进展。IBM拥有世界上最先进的量子计算机之一，并且已经实现了商用化。IBM的量子计算机能够解决一些传统计算机无法解决的问题，比如化学反应的模拟、优化交通路线等。

总之，IBM在芯片技术、人工智能和量子计算等领域的成就是其持续创新和研究的结果。无论是在基础研究还是在应用研究上，IBM都展现出了强大的实力和前瞻性的眼光。