AI芯片热潮挤压超算供给：美国国家实验室“另寻新欢” 初创企业乘势崛起

最近几年，AI技术的爆发式增长，彻底重塑了芯片行业的竞争格局。英伟达、AMD这些巨头，几乎把所有研发精力和产能，都投向了利润丰厚的AI低精度计算领域。但这场轰轰烈烈的“AI淘金热”，却意外地让另一个至关重要的领域陷入了尴尬——高精度科学计算。

一个明显的信号是，像美国桑迪亚国家实验室这样的顶级科研机构，已经开始因为买不到合适的高性能计算芯片，而不得不将目光投向以往不太被关注的初创公司。

大厂转向AI，高精度计算需求遭“冷落”

桑迪亚国家实验室可不是普通的研究所，它是美国三大核武器研发与维护实验室之一。那里的液冷超级计算机，常年处理着地球上最复杂的模拟任务：从模拟高超音速核武器在大气层中的飞行轨迹，到推演一枚核弹头在另一枚附近引爆的极端场景。过去十几年，支撑这些“国之重器”运算的核心芯片，几乎全部来自英伟达和AMD。

然而，情况正在起变化。桑迪亚实验室高性能计算团队的负责人Steve Monk坦言，随着主流芯片公司越来越向AI倾斜，加上供应链持续紧张，实验室在获取满足高精度科学计算需求的芯片时，压力越来越大。这种从供应链到计算能力的双重挤压，甚至让团队对未来能否顺利完成关键任务产生了担忧。

问题的核心，在于一项名为“双精度浮点计算”（FP64）的技术指标。对于核物理模拟这类科学计算来说，芯片必须能在不损失精度的前提下，同时处理极大和极小的数值。多年来，英伟达和AMD确实一直在争夺这个领域的领导地位，并借此拿下了众多大学和政府实验室的超算合同。但现实是，当下火热的AI训练和推理，根本用不上这么高的精度。于是，芯片设计的天平，无可避免地发生了倾斜。

FP64堪称科学计算领域的“黄金标准”，它是维系现代飞机飞行、火箭升空、疫苗研发乃至核武器正常运作的数学基石，能够表达超过18.44万亿亿个唯一数值。相比之下，现代AI模型通常使用的FP8精度，只能表达256个唯一值，两者完全不在一个量级。

一个颇具讽刺意味的例子是英伟达最新发布的Rubin GPU。它在AI推理算力上实现了飞跃，速度达到50 petaFLOPS，是上一代Blackwell的2.5倍。但它的FP64峰值性能呢？大约只有33 teraFLOPS，甚至比四年前推出的H100还低了1 teraFLOPS。当然，英伟达推出了基于Ozaki方案的FP64软件仿真技术，声称能在CUDA库中实现高达200 teraFLOPS的矩阵性能，是硬件性能的4.4倍。但这个方案也引来了质疑。AMD的研究员Nicholas Malaya就指出，这种仿真方法在某些基准测试中或许还行，但在材料科学或燃烧模拟等真实的物理计算中，其可靠性存疑，并且存在IEEE合规性不足、内存消耗翻倍等问题。

芯片咨询公司More Than Moore的首席分析师Ian Cutress总结得很到位：英伟达即将推出的Rubin芯片，其双精度性能按某些指标衡量不升反降，这让整个高性能计算领域的许多科学家都捏了一把汗。

初创公司趁势崛起

巨头们的战略转身，无意中为市场留出了一道缝隙。而像NextSilicon这样的新锐玩家，正试图从这道缝隙中崛起。这家2017年成立的以色列初创公司，经过八年研发，累计完成了约3.03亿美元的融资，估值一度达到15亿美元。

NextSilicon走的路子，和英伟达、AMD完全不同。它的旗舰芯片“Ma verick-2”采用的是一种智能数据流架构。简单来说，这种架构能通过软件定义的数据流硬件，在运行时动态重构和优化自己，芯片可以实时重新编程以更高效地运行特定任务。在能效方面，数据流架构减少了数据在内存和计算单元之间来回搬运的消耗，优势明显。

对于这种新架构，桑迪亚国家实验室负责测试新型计算架构项目的高级科学家James Laros给出了积极评价：“NextSilicon的性能结果令人印象深刻，它展现出一种潜力——在无需对现有代码进行大量修改的情况下，就能显著提升计算能力。”

就在近期，桑迪亚国家实验室、NextSilicon以及负责系统集成的Penguin Solutions联合宣布，搭载NextSilicon芯片的超级计算机系统，已经通过了一系列通用超算测试的关键技术里程碑。这意味着，它已经获得了“入场券”，可以在今年秋季接受更贴近核安全实际工作的高难度计算任务测试。

Laros道出了实验室与初创公司合作的深层逻辑：构建一个多元化的芯片采购体系。这样一来，即便头部芯片巨头们未来彻底转向其他赛道，实验室也能持续、稳定地获得满足科研任务的算力芯片。

“我们必须确保自己有可用的选择来完成使命，”Laros强调，“因为这项使命，没有退路。”