說起半導體行業面臨的難題，人們第一時間想到的是什么？是光刻機？是5nm？是一塊方方正正的芯片，我們造不出來？

是，但也不完全是。

人們往往將芯片半導體劃分為硬件產業，但事實上，這是一個高度軟硬件集成的產業——軟件甚至更多時候占了大頭。

所以，即便我們在20年前就研發出了CPU，現在仍會面對如此局面。同樣，如今更受人關注的GPU產業也遇到了同樣困局，因為我們面臨的真正難題，不是硬件，而是軟件。

01. 當我們說芯片困局時，我們在說什么？

芯片的硬件指的是運行指令的物理平臺，包括處理器、內存、存儲設備等等。芯片數據中常出現的“晶體管數量”、“7nm制程”、“存儲”等，往往指的就是硬件參數。

軟件則包括固件、驅動程序、操作系統、應用程序、算子、編譯器和開發工具、模型優化和部署工具、應用生態等等。這些軟件指導硬件如何響應用戶指令、處理數據和任務，同時通過特定的算法和策略優化硬件資源的使用。芯片數據中常出現的“x86指令集”、“深度學習算子”、“CUDA平臺”等，往往指的就是芯片軟件。

沒有硬件，軟件就無法執行；可沒有軟件，硬件就只是一堆毫無意義的硅片。

以英偉達的CUDA平臺為例。

2012年，隨著深度學習+GPU的組合在ImageNet大賽上一炮打響，人工智能一夜之間火遍全球，全球科技界都將目光轉向了這一領域。多年深耕CUDA人工智能計算平臺的英偉達股價自然是一路走紅，成為了新時代的霸主。

軟件，成為了人工智能時代的核心技術壁壘。

為了打破英偉達一家獨大的局面，前任全球芯片老大英特爾和多年老對手AMD對標CUDA都分別推出了OneAPI和ROCm，Linux基金會更是聯合英特爾、谷歌、高通、ARM、三星等公司聯合成立了民間號稱“反CUDA聯盟”的UXL基金會，以開發全新的開源軟件套件，讓AI開發者能夠在基金會成員的任何芯片上進行編程，試圖讓其取代CUDA，成為AI開發者的首選開發平臺。

反過來，英偉達也在不斷深挖CUDA的護城河。

早在2021年，英偉達就曾公開表示過“禁止使用轉換層在其他硬件平臺上運行基于CUDA的軟件”，2024年3月，英偉達更是將其升級為“CUDA禁令”，直接添加在了CUDA的最終用戶許可協議中，已禁止用轉譯層在其他GPU上運行CUDA軟件

對于中國用戶而言，這一禁令的打擊面要更大。

早在2022年，英偉達就已被要求對中國市場斷供高端GPU芯片，死死地卡住中國GPU芯片購買渠道。

如今連在其他芯片上運行CUDA軟件都被英偉達禁止了，中國人工智能公司們，怎么辦？

02. 國內AI芯片全面崛起

其實，在這條禁令下發之前很久，中國芯片公司們就已經有所準備了。

2015年，國內人工智能產業如火如荼，“AI四小龍”崛起，連帶著整個產業步入發展快車道。

在這波由CNN（卷積神經網絡）技術引領的人工智能行業熱潮之中，就有大量中國企業看到了打造國內AI芯片的重要性。

在此期間，國內陸續涌現出了近百家國內AI芯片公司，其中既有如寒武紀、地平線、壁仞科技、后摩智能等的明星創業公司，也有如華為、阿里、百度等的科技巨頭，還有傳統芯片廠商與礦機廠商。

各家紛紛入局，產業如烈火烹油、鮮花著錦，大家的共同目標只有一個，打造自主可控的國內AI芯片生態。

國內AI芯片玩家們早早就意識到了軟件、工具、生態對于芯片的重要性，因此在不斷升級迭代硬件產品之余，也投入了大量的時間、精力，試圖解決軟件生態建設中存在的問題。

CUDA是一個封閉的軟件平臺，因此，從底層開始打造原創的軟件棧是打破CUDA生態壁壘的關鍵路線。