夜雨聆风
1. AI 硬件狂欢背后，可能藏着一个被忽略的真相
过去两年，AI 世界最火的词，除了“大模型”，就是“算力”。
从 NVIDIA 的 Blackwell，到 Google 的 TPU，整个行业都在渲染一种气氛：AI 芯片正进入“星际时代”。
越来越大的显存、越来越高的带宽、越来越复杂的封装工艺，让这些芯片像科幻电影里的产物。
但如果你真正深入芯片架构层面，会发现一个颇具反差的事实：
今天几乎所有 AI 加速器，核心思想其实都非常“古老”。
甚至可以说，当前 AI 革命，某种程度上仍然建立在一项 1978 年提出的技术之上。
而这项技术，就是——脉动阵列（Systolic Array）。
2. 所有 AI 芯片，本质上都在做同一件事
行业里喜欢创造新名词。
为了区分产品、提高溢价，不同厂商给同一种东西起了完全不同的名字：
NVIDIA 叫 Tensor Core Google 叫 MXU AMD 叫 Matrix Core Intel 叫 AMX
名字一个比一个科幻。
但如果把营销包装全部剥掉，你会发现：
它们几乎全是脉动阵列。
脉动阵列的本质非常简单——它是一种专门用于矩阵乘法的数据流结构。
而 AI 的核心计算，恰恰就是矩阵乘法。
所以整个 AI 行业，实际上是在围绕一种“极致优化矩阵乘法”的结构疯狂迭代。
这也是为什么很多资深架构师会调侃：
“如果明天 AI 算法突然不再依赖矩阵乘法，那今天这些 AI 芯片，大概率会瞬间失去价值。”
听起来夸张，但并不完全是玩笑。
3. AI 芯片的“暴力美学”
脉动阵列之所以强大，在于它代表了一种极致的工程哲学：
不要聪明，只要高效。
它不像 CPU 那样追求复杂逻辑判断。
它追求的是：
数据规律流动 指令重复执行 极限吞吐 极限能效
你可以把它理解成：
一台专门为矩阵乘法打造的“工业流水线”。
数据像血液一样在阵列中流动，因此才叫“脉动（Systolic）”。
而如今 AI 算力爆炸，本质上就是：
人类终于找到了一个能把矩阵乘法效率压榨到极限的硬件结构。
很多人以为 AI 芯片越来越“智能”。
实际上，它们很多时候只是越来越“简单粗暴”。
4. 一个反直觉观点：未来 AI 加速器，更像 CPU
这可能是很多 GPU 信徒最难接受的观点。
但越来越多芯片架构师开始意识到：
未来 AI 加速器，未必是“更强的 GPU”，反而可能是“带超大脉动阵列的 CPU”。
为什么？
因为今天先进制程下，真正占面积的，已经不是控制逻辑，而是：
Cache SRAM HBM 接口 大规模矩阵阵列
相比之下：
GPU 那套复杂调度系统，占比已经越来越低。
这意味着：
“到底是 GPU 风格控制器，还是 CPU 风格控制器”，正在变得没那么重要。
真正重要的是：
数据搬运效率 内存结构 阵列规模 编程成本
而在编程生态上，CPU 有一个 GPU 很难比拟的优势：
Linux + C++ 生态
今天整个 AI 世界，其实深陷在 CUDA 生态里。
NVIDIA 的 CUDA 很强，但也极其复杂。
大量 AI 工程师，本质上是在“学习如何迁就 GPU”。
而 CPU 的优势在于：
全世界都会 Linux 全世界都会 C/C++ 调试工具成熟 编译体系成熟 软件栈成熟
如果未来 AI 芯片本身就能直接运行 PyTorch，而不再依赖外部 Host 系统，总体成本会发生巨大变化。
这也是为什么越来越多人开始讨论：
“AI CPU” 也许才是真正的终局。
5. TPU 为什么能用几十人挑战 NVIDIA？
这是 AI 硬件史上最经典的问题之一。
为什么早期 TPU 团队只有几十人，却能在某些场景里打出极其惊人的性能？
核心原因，其实是：
阵列规模的代差
早期 GPU 的 Tensor Core 阵列很小。
但 TPU 选择了更激进的大阵列设计。
这会带来一个非常恐怖的效果：
向量宽度每扩大一倍：
矩阵吞吐增加 4 倍 但标量控制逻辑几乎不变
也就是说：
阵列越大，单位计算对应的“控制开销”越低。
这本质上是一种：
用硬件规模碾压软件复杂度。
于是 TPU 可以用更少的控制逻辑，完成更大规模矩阵运算。
这也是为什么很多 TPU 架构师一直强调：
真正决定 AI 芯片效率的，不只是 FLOPS，而是“标量开销占比”。
6. 但大阵列，也带来了新的悖论
问题在于：
不是所有 AI 计算都适合超大阵列。
比如：
Attention 的维度通常偏小
很多 Attention Head 的 K 维度只有：
16 32 64 128
这会导致：
大型脉动阵列根本喂不满。
利用率极低。
但另一边：
Feed Forward 网络维度极大
经常达到：
8K 16K 更高
这种场景下，大阵列会变得极其高效。
于是一个新的趋势开始出现：
异构 AI 核心
未来 AI 芯片，很可能不再是“统一架构”。
而会变成：
小阵列核心：专门处理 Attention 大阵列核心：专门处理 FFN 通用 CPU 核：负责调度与系统控制
本质上：
AI 芯片正在越来越像一个“异构计算系统”。
7. HBM，可能是今天 AI 世界最大的“奢侈税”
现在 AI 芯片最贵的部分是什么？
不是算力。
而是 HBM。
尤其在大模型时代，HBM 已经贵到离谱。
但很多业内人士开始提出一个尖锐观点：
很多 HBM，其实是在为低效软件买单。
因为现实情况是：
大量模型并没有真正优化：
KV Cache Attention 调度 Sparse Activation SSD Offloading 分布式权重管理
于是工程师只能用更大的显存“硬扛”。
这也是为什么一些架构师开始认为：
未来真正优秀的 AI 系统，未必依赖超大显存。
相反：
它们可能依赖：
更聪明的软件层 更高效的稀疏化 更精妙的分布式系统 更便宜的高速网络
换句话说：
今天很多硬件堆料，本质上是在掩盖软件能力不足。
8. 一个被忽略的趋势：AI 正在疯狂“降精度”
从 FP32 到 FP16。
从 FP16 到 FP8。
再到今天的 FP4。
整个 AI 硬件行业，其实一直在做同一件事：
用更低精度换更高吞吐
原因很简单：
大模型并不总需要那么高的数值精度。
很多时候：
8 位够用 7 位也可能够用
于是有人提出一种非常激进的思路：
Int7 + 1
即：
7 位用于真正计算 第 8 位专门用于结构化稀疏标记
这样做的好处是：
乘法器面积更小 功耗更低 吞吐更高 稀疏计算更容易实现
本质上，这是在进一步压榨硅片面积效率。
而 AI 芯片未来的发展方向，很可能就是：
“越来越少的比特，越来越高的有效算力。”
9. AI 硬件真正的未来，也许是“做减法”
过去十年，整个行业形成了一种惯性：
AI 芯片越来越复杂。
但很多顶级架构师开始反思：
复杂度，真的等于进步吗？
也许未来真正重要的，不是：
更多线缆 更多缓存 更大显存 更复杂调度器
而是：
如何把系统重新变简单
包括：
用更通用的 CPU 化架构降低开发门槛 用超大阵列压缩控制开销 用软件优化减少 HBM 依赖 用稀疏化提升真实吞吐 用分布式网络替代昂贵本地显存
归根到底：
AI 芯片竞争，最终拼的未必是谁“堆得更多”。
而是谁能：
用最少的复杂度，完成最多的计算。
10. 最后的问题：我们是否正在为“复杂度”支付巨额学费？
今天整个 AI 世界，都在追逐更大的 GPU 集群。
但一个越来越值得思考的问题是：
如果未来算力真的便宜了 100 倍，
我们会不会突然意识到：
过去十年，行业其实一直在为“复杂度崇拜”买单？
也许真正伟大的 AI 硬件革命，从来不是“更复杂”。
而是：
在性能爆炸增长之后，重新学会简单。