晶片設計的寒武紀大爆發：當客製化矽晶片不再是大公司專利

本文整理自 Sequoia Capital 的 Training Data Podcast，訪問 Recursive Intelligence 創辦人 Anna Goldie 與 Azalia Mirhoseini。

不只是降低成本，而是解鎖全新可能

當 Sequoia 的主持人問 Recursive Intelligence 能創造什麼價值時，創辦人 Anna Goldie 的回答出乎意料：

「我們帶來的價值不只是降低晶片設計成本或加速設計流程——雖然這本身已經很有價值。更重要的是，我們能解鎖全新的應用場景和客製化矽晶片的可能性。」

她描繪了一個「晶片設計寒武紀大爆發」的願景。

運算無所不在的未來

Anna 列舉了幾個需要客製化晶片才能實現的應用：

AR/VR：沉浸式體驗需要極低延遲的推論，通用晶片很難做到。

太空資料中心：不同的溫度環境、輻射抵抗需求，需要專門設計的晶片。即使是現在的 Pixel 手機，不同位置的晶片都要能承受不同溫度和電壓設定。

助聽器：需要在極小體積、極低功耗下執行即時 AI 推論。

Azalia 補充：「AI 將滲透到生活和產業的每個角落。支撐這些 AI 運作的晶片，需要在大規模運行時兼顧效率、低功耗和高速度。客製化矽晶片是實現這一切的關鍵。」

從 NVIDIA 到「任何有足夠規模的公司」

Recursive Intelligence 的客戶策略分兩階段：

第一階段：服務現有的晶片設計公司——NVIDIA、AMD、Arm、MediaTek。這些公司本來就有設計團隊，需要的是加速設計週期。

第二階段：服務「任何有足夠規模運算需求」的公司。這些公司不需要自建數百人的晶片設計團隊，就能擁有為自己工作負載量身打造的晶片。

這個願景已經開始成真。Google 有 TPU，Amazon 有 Trainium，據報導 OpenAI 也在與 Broadcom 合作開發自有晶片。但這些都是科技巨頭。

Recursive Intelligence 的野心是把這個能力下放給更多公司。

軟硬體共同演化的新時代

訪談中反覆出現一個關鍵詞：Co-design（共同設計）。

Azalia 解釋：「我們會看到越來越多跨越整個 AI 技術棧的共同設計——從模型、資料、軟體一路到晶片。共同設計是通往更高效率和效能的秘訣。」

目前的問題是，晶片設計週期太長（通常需要數年），無法跟上 AI 模型的迭代速度。等晶片設計完成，原本要優化的模型架構可能早已過時。

「如果我們能大幅加速晶片設計，就能實現工作負載、應用和晶片的共同演化。」

這代表未來不只是「為現有模型設計晶片」，而是「模型和晶片一起迭代優化」。

我的觀察

客製晶片不再是大公司專利

過去，擁有客製晶片是科技巨頭的特權。Google、Amazon、Apple 有資源養數百人的晶片設計團隊，一般公司只能買 NVIDIA 的通用 GPU。

如果 Recursive Intelligence 的願景成真，這個格局會改變。一個專注 AR 應用的新創、一個衛星通訊公司、甚至一個大型醫療器材廠商，都可能擁有為自己應用優化的專屬晶片。

這會讓 AI 基礎設施的競爭更加多元化，也會創造新的差異化來源——你的晶片與模型的契合度，可能成為新的競爭壁壘。

軟硬體共同演化將成為新常態

「Co-design」這個概念目前主要存在於頂尖 AI 實驗室。Google 可以同時優化 TPU 和 TensorFlow，讓它們完美配合。

但如果晶片設計民主化，這種軟硬體共同演化會變成更普遍的現象。未來的 AI 新創可能不只要想「我的模型架構是什麼」，還要想「我的模型要跑在什麼樣的晶片上」。

這是思維模式的轉變。過去我們把硬體當成固定的限制，在限制內優化軟體。未來，硬體本身也變成可以優化的變數。

當然，這個願景能否實現，取決於 Recursive Intelligence 能否真正把晶片設計週期縮短到與模型迭代相當的速度。她們承諾在一年內推出第一個產品，會是一個重要的里程碑。