2026年, 科技圈出现了一则新闻, 这则新闻是最离谱的, 不是英伟达的市值突破了一万亿, 而是这样一件事, 一个程序员, 他破产了, 还失业了, 他在自己的卧室里, 运用7000行代码, 朝着一家公司挑起了挑战, 这家公司刚花了重金收购, 并且它是一家千亿芯片公司。

AMD天价收购引爆科技圈震荡

8月6日, AMD宣称收购AI推理芯片公司Axxon, 此笔交易被外界当作是朝着英伟达争夺市场份额迈进的关键一步, 业界广泛觉得这是AMD针对高端AI芯片进行布局的重要棋子。

然而, 收购消息传出来以后, 还不到一周的时间呢, 有一名处于破产状态而且失业了的程序员竟公开大声叫嚷着, 宣称自己能够做出比Axxon还要优质的方案。就是这样一条推文, 使得刚刚开完庆功会的AMD那些高管们刹那间陷入沉默之中。

7000行代码挑战千亿技术团队

有一位未曾露出真实姓名的程序员, 在社交性质的媒体之上, 发布了一段阐述得极为详尽的说明, 宣称自己仅仅凭借七千行能够被人类读懂的代码, 便成功写出了一个完整的人工智能模型硬件编译器。这样的一个数字, 使得无数从事芯片设计工作多年的设计师, 皆为此感到十分震惊。

他所提出的方案宣称进而能够把内存调用予以节省达100倍之多, 推理速度会直接实现翻倍现象。原本Axxon的芯片能够达成每用户每秒17000番推理, 不过他预测自身的设计能够达成40000番。

AI芯片内存墙问题由来已久

传统GPU架构存有一个致使缺陷, 计算单元与存储单元是分开的, 大模型参数量动不动就数百亿, 每一次计算都得从HBM内存中搬运数据, 这般来回搬运耗费了大量时间以及能量。

Axxon的想法是将模型权重以物理方式刻入晶体管当中, 不通过内存通道, 这种ASIC定制芯片的确解决了内存墙问题, 不过代价是一颗芯片仅能运行一个特定模型。

纯软件编译正在颠覆硬件设计

这位程序员所取得的核心成果突破之处在于, 他借助完全以软件的方式, 达成了原本是需要硬件团队耗费数月才能够完成的相应工作。他自家所拥有的编译器具备自动把大模型作量化处理的能力之后, 又能够将量化过后获取到的权重转变成为芯片设计所需要用到的RTL代码。

其中, 整个过程涵盖了DRC设计规则检查, 还涉及开源综合工具处理, 此外包含寄生参数提取。最终形成一张能够直接用于流片的GDS光刻版图, 整个流程达成了一键自动生成。

流片困境暴露行业残酷现实

程序员所提出的方案, 尽管从理论层面来讲是具备可行性的, 然而, 他却遭遇了一个根本无法跨越过去的障碍, 那就是流片成本, 台积电7纳米工艺的流片所需费用高达数百万美元, 而这对于一个已经破产并且处于失业状态的个人而言, 是完全没有能力去承担的。

这揭晓了一个尖锐的矛盾情况, 芯片设计的起始要求在迅速下降, 然而芯片制造的起始要求仍然极高难以达到。有这么一个人, 他能够在自己家里去推翻达到千亿规模公司的设计规划, 但是他甚至连去证实自身设计方案的机会都不存在。

车库创业时代或已悄然降临

这件事传达出一个关键信号, AI芯片的设计正从单纯的硬件工程朝着软件编译问题转变, 当一个大模型输入进去能够自动生成芯片图纸时, 传统的芯片设计流程将会被完全重构。

在往后的日子里, 也许并不需要几百名硬件工程师一同协作历经数年时间, 大概仅仅借助一两个人, 再加上一套优良的编译器就可以了。这般的变更, 对于硅谷那里的科技创业格局而言, 将会造成深远的影响。

你认为, 一个已然破产的程序员, 真的存在做出比规模达千亿的公司所研发的更强的AI芯片的可能性吗? 要是技术门槛确实被降低到了一定维度, 你会选择去创业制造芯片, 还是会继续从事搬砖的工作呢?