传统NPU供应商，碰壁了！

其结果是，所有 10 或 12 家领先的 IP 公司产品中的分区 AI"子系统"看起来非常相似：传统核心加 上硬连线加速器。 这些架构的致命缺陷是：总是需要对算法进行分区才能在两个引擎上运行。只要算法的"分割"数量非 常少，这些架构就能在几年内运行良好。例如，对于 Resnet 基准测试，通常只需要在推理的最后进 行一次分区。Resnet 可以在这种传统架构上非常高效地运行。但是，随着 Transformer 的出现，它 需要一组截然不同且更广泛的图运算符，突然间，"加速器"无法加速太多（如果有的话）新模型，整 体性能变得无法使用。NPU 加速器产品需要改变。使用硅片的客户不得不承担硅片重新流片的成本 ——非常高昂的成本。 如今，这些知识产权授权公司发现自己陷入了困境。五年前，他们决定走一条"捷径"，寻求短期解决 方案，却最终落入了陷阱。所有传统知识产权公司之所以选择这条路，其动机既源于技术需求，也源 于人性和企业政治。 不到十年前，当当时普遍被称为"机器学习"的工作负载首次在视觉处理任务中崭露头角时，传统处理 器供应商面临着客户的需求，他们要求提供灵活的解决方案（处理器），以运行这些快速变化的新算 法。由于 ...