今天，燧原科技登陆科创板。至此，“国产GPU四小龙”在资本市场完成集结。
新闻很热闹，但对大多数人来说，这条热点里真正需要认识的不是某一家公司，而是那个被反复提及却很少被解释的东西——AI芯片。
芯片的本质，是一块经过精密加工的硅片。
硅来自沙子，经过提纯得到单晶硅，再通过掺杂工艺精准控制导电性，让原本“不导电”的硅变得可以按需导电。
制备得到的光子芯片的显微镜图像丨Xu, H., Qin, Y., Hu, G., ..., Tsang, H. K. (2024) Scalable integrated two-dimensional Fourier-transform spectrometry. Nature Communications
在这块硅片上，工程师们建造了数以百亿计的晶体管。晶体管就是一个由电信号控制的开关，通电代表“1”，断电代表“0”。所有复杂的计算——刷视频、发微信、跑大模型——追到最底层，都不过是这些开关在开开合合。
芯片做的事，就是让几百亿个开关同时按照设计好的规则“跳操”。
为什么AI需要“专用”的芯片？
先花十秒认识 CPU。CPU就是我们说的“中央处理器”，可以理解为计算机的“总调度室”。它内部通常有几个到几十个核心，强项是按顺序执行指令：取数据、做运算、判断下一步该走哪条路。
开机、跑系统、点鼠标、开软件，这些需要灵活调度和逻辑判断的活儿，基本都归它管。它什么都能干，但同一时间能同时处理的任务数量有限。
问题来了：CPU这个“总调度室”也能指挥开关“跳操”，为什么还要专门搞一种AI芯片？
原因藏在AI的计算方式里。
训练一个神经网络，本质上是把同一组数学运算——大量矩阵乘法和张量运算——重复几百万甚至几十亿次。CPU的设计目标是通用：它能处理各种任务，但核心数量有限，擅长的是串行逻辑判断，不是“同时干同一件事”。
打个比方：CPU像一个技艺精湛的工匠，手很巧，什么都能修，但一次只能修一件。而AI的计算需求是——同时搬一万块一模一样的砖，还要搬得快、搬得省电。
于是，AI芯片的思路就清晰了：抛弃通用性，换取并行度和能效。它集成了成千上万个轻量级计算核心，专门优化矩阵运算和数据吞吐，把“同时搬一万块砖”这件事做到极致。
“AI芯片”是一个统称，内部有不同流派。
一号选手GPU，它是最早被AI“借用”的。它的工作原本是游戏图形渲染，需要同时处理数百万像素的相似运算，天然适合并行计算。研究者发现，神经网络训练的计算模式和图形渲染惊人地相似——都是在海量数据上跑同样的数学操作。GPU因此就从“游戏卡”变成了“AI训练卡”。
而NPU则更“专一”，它从设计之初就聚焦于神经网络推理，核心目标是在极低功耗下高效运行AI模型。手机上的AI拍照、语音助手、实时翻译，背后往往就是NPU在工作。
还有ASIC，它走得更远：为特定AI任务定制芯片，把硅资源集中投入到已知任务上，换来针对该任务时的极致性能和能效。
别忘了还有一位“可编程选手”——FPGA。它的特殊之处在于，出厂后还能重新“编程”，按需改变硬件电路来实现不同的AI加速方案。这种灵活性让它在算法快速迭代的研发阶段很有用，代价是能效不如ASIC。
如果把CPU比作“什么都能干的瑞士军刀”，GPU是“能同时切很多菜的厨师刀”，NPU是“专门削苹果的削皮器”，ASIC就是“只拧一种螺丝的电动螺丝刀”——一般来说，针对特定任务优化得越深，越有机会获得更高的性能和能效，但相应地，通用性也会下降。
芯片的故事，从一块沙子开始，到现在支撑着整个数字世界。
当我们刷手机、用语音助手、看AI生成的图片时，可以想象一下，指甲盖大小的硅片上，正有几百亿个开关在为你“跳操”呢。
图源 燧原科技官网 Nature Communications
橙柿互动·都市快报 记者金静馨
编辑 郭智杰
审核 毛迪 金立鹏
校对 彭申蕾
BREAK AWAY
热门跟贴