记者 金华珊/文 记者 步恩撒/摄
两排黑色机柜外泛着幽幽蓝光，机柜格栅中指示灯跳跃闪烁，指引着数据流的方向。空气中，除了冷却系统的嗡鸣，几乎听不到其他声响。这里是人工智能模型的“训练场”，AI训练芯片是核心“教具”。
随着指令下达，AI训练芯片被唤醒，开始执行一项艰巨的任务——训练一个用于自动驾驶汽车的神经网络模型。这个模型需要理解复杂的道路环境，包括行人、车辆、交通标志等，这要求芯片处理庞大的数据集，并从中学习规律。随着训练轮数的增加，大模型的准确性逐渐提高，直到达到令人满意的水平。
当下，人工智能产业发展进入“大模型”阶段，海量的数据和超大算力需求，让大模型的产业化落地面临巨大的算力挑战。专门用于处理人工智能应用中的大量计算任务的AI芯片在其中起到了关键作用。
在中昊芯英（杭州）科技有限公司，记者见到了中国首枚高性能 TPU（张量处理器）AI训练芯片。银灰色金属片不到半个手掌大，分布着细小的金属触点，一层金属外壳将数百亿的晶体管、复杂的电路和强大的算力包裹其中。
就是这样一枚枚小小的芯片，拉近我们与智能的距离，改变着你我的生活，也成为科技创新的必争之地。
主攻TPU，AI芯片赛道独辟蹊径
原是为图形渲染能力而生的GPU（图形处理器），因在处理计算需求时的性能强于CPU，成为AI时代用于高性能计算的主流方案，近年来其热度飙升，不仅指标性公司的股价不断攀上新高，也有大量创业公司和资本在此寻找机会和追逐梦想。
放弃相对成熟、产业链更为完善的GPU芯片，主攻TPU芯片，中昊芯英创始人杨龚轶凡有自己的考量。
杨龚轶凡曾在谷歌作为芯片研发核心人员深度参与了谷歌TPU 2/3/4的设计与研发，在他看来，TPU是为AI大模型而生的天然优势架构。
从底层架构开始，TPU就与GPU存在本质区别，在指令集、数据传输和计算架构等层面上实现了完全的创新。例如TPU会面向AI做一些定制化的加速，采取二维乃至更高维度的计算单元，让控制单元更小、片上存储器空间更大。因此，TPU芯片用来做AI大模型训练，会比GPU芯片的计算性能更强、功耗更低。
中昊芯英的TPU芯片在设计时就考虑了大规模集群的构建需求，有相当大的芯片面积，用来实现片间的互联。而且，中昊芯英的TPU芯片提供了低功耗、高效能的矩阵运算，在性能和能效之间取得了良好平衡，这对于大规模数据中心的建设至关重要。目前，该公司的核心产品已经在国内多个智算中心投入使用。
预训练大模型，赋能垂直行业
在算力底座之后，更具针对性的行业大模型是下一个兵家必争之地。
大模型能做什么？在去年大模型刚落地时，绝大部分的答案是文本生成、文档处理、信息搜索、AI绘画、写代码等。随着AI技术的发展，模型的复杂度也在不断提高。AI训练芯片能够支持这些复杂模型的训练，推动AI技术向更垂直的应用场景发展。
在AI芯片行业中，中昊芯英围绕“自研训练芯片+超算集群+AIGC预训练大模型”打造产业价值链。
尽管通用大模型展现出广泛适用性，但对于金融数据分析、医学诊断等高度专业化的领域，有很大局限性。聚焦于结构化数据的深度处理与分析，中昊芯英的预训练大模型将以开源形式提供给各行各业的企业，通过对接行业知识库，实现行业大模型的快速部署与应用。
比如，中昊芯英与国内头部券商合作打造的金融大模型，能够基于翔实的数据分析，提供投资建议，包括基金净值评估、盈利状况分析等，甚至自动生成数据报表；与省内医学研究机构共同研发的医学大模型，能够根据病患的检查报告进行智能初诊，辅助医生进行疾病鉴别，并基于权威医学知识库提供诊断依据，对于紧急病症，还能触发即时预警，指导紧急处理流程。