芯片设计规则，革新蓄势待发

许多应用领域，如云游戏、数据挖掘、人工智能/数据分析和高性能计算，正逐渐向云端转移。尽管这些应用的需求各不相同，但它们对计算量的要求一致增加。

数据中心无法通过扩大物理空间来满足这些需求。为了控制运营支出和实现净零目标，企业需要在有限的空间内提高计算密度，从而获得更高的计算性能。因此，图形处理器（GPU）、中央处理器（CPU）和人工智能（AI）加速器等处理元件需要在最小的功耗、散热和面积预算内实现最高性能。因此，借鉴移动处理器的设计原则成为一个理想的出发点。

传统PC市场的趋势也得出了相似的结论。随着企业越来越希望采用混合办公模式，笔记本电脑逐渐取代台式机。为了提高性能并降低功耗，越来越多的功能（如图形处理、神经网络加速、安全、I/O等）被集成到具有统一存储架构的单个系统级芯片（SoC）中。因此，下一代PC处理器看起来越来越像智能手机处理器。

大型科技公司已经认识到定制芯片设计的重要性，他们希望通过自主设计定制芯片来掌握更好的设计能力。例如，亚马逊投资于Graviton CPU设计，谷歌推出了以TPU为中心的Tensor CPU，苹果公司的M1处理器将为Mac电脑带来一款优化的芯片。然而，对于没有内部硬件和软件设计团队的原始设备制造商（OEM）来说，他们面临的挑战在于如何使自己的设计与高度优化的架构相媲美。许多OEM使用现成的芯片，这可能会使他们处于劣势。因此，一些行业替代方案正在出现。

在异构计算方面，通过灵活利用CPU、GPU等计算单元，实现硬件最大利用率，提高计算性能并满足效率和功耗比优化的要求。目前，许多半导体厂商正在研究相关的产品和应用，以增强OEM市场的竞争力。

移动GPU是构建高效异构设计的理想选择。与试图将高端GPU强行纳入移动功耗预算范围相比，将移动GPU升级应用于数据中心和PC领域将更有意义。移动GPU天生为小型而设计，并具有高性能低功耗的特点。移动GPU厂商开发了许多专利技术，可以为数据中心和

热点：芯片