携手赢得物理人工智能时代：专访MIPS首席执行官萨米尔·瓦森

随着物理人工智能从概念走向实际部署，必须在严格限制功耗、延迟、安全性和成本的前提下，将智能实时分布到边缘设备中。

为迎接物理人工智能时代的到来，GF收购了MIPS——一家领先的人工智能和嵌入式处理器IP、软件及工具供应商。我们与MIPS首席执行官Sameer Wasson进行了深入对话，探讨了MIPS的架构、IP和设计优势与GF差异化工艺技术的结合，如何为客户开辟一条通往物理AI的独特路径：在边缘端运行确定性、具备安全能力的计算，从而释放下一代能够实时感知、思考、行动和通信的真实机器——以及GF的专用平台如何实现这一愿景的大规模落地。

将MIPS引入GF为何是进军物理人工智能市场的正确战略举措？

人工智能正处于一个转折点，客户需要能够安全、可靠地与物理世界交互的实时、确定性智能——这就是我们所说的“物理人工智能”。 MIPS拥有40年为性能关键型系统提供高效、可扩展计算解决方案的深厚积淀，如今其核心聚焦于RISC-V应用处理器及实时子系统，这些产品专为低延迟、功能安全与能效优化而设计。结合GF独具特色的工艺技术与全球制造能力，我们为客户提供了独一无二的解决方案：一个涵盖IP、定制芯片及量产的完整平台，助力客户更快获得可工作的芯片，并将其定制化应用于现实世界的边缘AI场景。

从为1996年发布的任天堂64提供动力，到Mobileye最先进的驾驶辅助芯片EyeQ6（累计出货量超过2亿片ADAS SoC），乃至成为领先云超大规模服务商基础设施的基石，我们拥有在规模化环境中提供以工作负载为中心的卓越性能的丰富经验。

GF去年决定收购MIPS，旨在通过将GF领先的工艺技术和制造规模与MIPS的处理器IP及软件支持相结合，共同为客户提供更灵活、更具差异化的解决方案。这是该决策的核心依据，双方共同的目标是帮助客户更快地实现芯片量产，并根据实际的边缘AI需求对芯片进行定制。 此次收购的时机恰逢其时，正值交通、通信与数据中心基础设施、机器人以及智能边缘市场对AI的需求激增。

在客户物理人工智能工作负载的各个阶段，智能是如何体现的？

物理人工智能将数据中心中人工智能模型的能力部署到边缘。物理人工智能的基础是我所称的“S.T.A.C.”，即闭环工作负载，它使平台能够感知、思考、行动和通信，并赋能边缘平台实现智能化，同时不会牺牲延迟、安全、隐私或效率。 每个阶段都有独特的计算和系统要求，最成功的平台会对其进行协同优化，而非过度构建任何单一环节。

对于感知功能，该系统会从摄像头、激光雷达、雷达和模拟输入等传感器收集实时数据，以感知周围环境。它必须在严格的功耗限制内，高效地融合并优先处理这些不同类型的数据。

在“思考”阶段 ，系统会利用设备端的AI和控制算法快速解析传感器数据并做出决策。这需要高性能、低延迟的计算能力，在严格的功耗限制内提供确定性的结果——对于在边缘运行的机器人和车辆而言尤为如此。

在执行阶段 ，系统通过控制电机、执行器、制动器或机械臂，将决策转化为物理动作。该阶段要求超低延迟和高度可靠的响应，以便制动或避障等动作能在几毫秒内完成。

“通信”阶段 是系统在内部和外部共享信息的过程——包括子系统之间、与其他设备之间、与云端之间，甚至与人类之间的信息交换。这需要安全、低延迟的连接，并支持多种通信标准（如^蓝牙®LE 或 5G），同时确保不会引入延迟。

本质上，每个阶段都蕴含着不同类型的智能，从用于更精准执行动作的算法，到先进的多模态感知处理。在 S.T.A.C. 循环中，每位客户的工作负载都会略有不同，因此灵活性是成功在边缘实现物理人工智能的关键——同时还要确保不超出功耗、延迟或安全预算。

MIPS 在 S.T.A.C. 循环的哪个环节有所区别？

MIPS 在两个关键领域与众不同；其一是我们“软件优先”的协同设计方法。我们首先对客户的工作负载进行分析，在我们的虚拟平台和内核仿真器上运行其技术栈，以便尽早发现瓶颈。随后，我们据此对芯片进行优化，从定制指令到内存子系统的调整，确保交付的 SoC 从第一天起就能满足实际应用的关键绩效指标。我们的 Atlas Explorer 虚拟平台正是这种“左移”方法的绝佳例证。

其次，我们在开放的 RISC-V 架构上进行了针对特定工作负载的深度硬件优化。由于我们的 IP 采用模块化设计，因此可以针对具体需求定制内核和子系统。MIPS 多年来一直致力于在处理器 IP 中开创多线程和功能安全技术，从而提供基于事件驱动的、确定性的实时性能以及功能安全保障。

归根结底，我们帮助客户在其核心模型上运行工作负载，从而在芯片制造之前就深入了解平台设计。这有助于客户根据其试图解决的工作负载所处的具体阶段，合理匹配工作负载与IP的选择。RISC-V开放且模块化的特性，使我们能够在硬件层面（直至内核层面）针对性地优化工作负载，从而释放出深层次的效率和性能。

您提到过MIPS的“软件优先”策略。在实际应用中，这具体表现为怎样的？

这意味着在确定硬件方案之前，我们会先对客户的软件工作负载进行分析和评估。通过首先了解软件工作负载，我们可以提供优化建议，从而助力软硬件协同设计。通过这种方式，我们可以识别出瓶颈或那些消耗大量处理周期的特定功能，进而优化我们的IP，以高效地处理这些任务。 例如，如果某款自主无人机的导航软件给CPU带来了沉重负担，我们可能会引入定制指令或调整内存子系统来加速其运行。这种协同设计流程在软件与硬件之间建立了一个紧密的反馈循环。随着对高性能、领域特定计算的需求不断增长，分析和优化工作负载与可定制计算平台之间交互的能力，正逐渐成为真正的竞争优势。

“软件优先”的方法弥合了硬件团队与软件团队之间的鸿沟，有助于做出更明智的架构决策，并建立一个可扩展、低风险的工作流程，从而构建符合实际性能目标的物理人工智能平台。

换句话说，当芯片制造完成时，客户的软件已经在硅片上运行得非常顺畅。这种合作模式最终能加快产品上市速度，因为我们已经提前完成了所有调试工作。它还能降低生产周期的风险，并促进更深入的合作——我们与客户紧密协作，这意味着我们不仅是供应商，更是他们产品开发过程中的合作伙伴。 归根结底，以软件为先的理念为构建物理人工智能平台带来了可扩展且低风险的工作流程：您能以更少的意外获得所需的性能，并更可靠地达成性能目标。

您如何描述GF与MIPS组合投资组合的价值主张？

这就是平台优势。新一代物理AI产品的需求主要集中在GF和MIPS的产品组合上；这些产品需要具备以下特性：能在恶劣环境下稳定运行、安全可靠且具备智能功能的超低功耗平台；同时需具备供应链韧性。通过将先进的半导体技术与智能处理器设计相结合，我们共同满足了新一代物理AI产品的关键需求。

GF的超低功耗技术，包括其FDX和FinFET平台，能够实现全系统集成，并通过自适应基极偏置技术降低功耗泄漏，从而满足物理人工智能应用对功耗限制的严苛要求。GF的嵌入式存储器、射频集成和先进封装技术，也使我们能够构建高密度、高效率的系统级芯片（SoC），这些芯片是物理人工智能在部署系统中实现实时响应和功耗效率的关键。

凭借我们产品组合的协同效应，我们现在能够帮助客户：

• 实现业界最低功耗和最高集成度

• 满足边缘设备的延迟、功耗和成本要求

• 加快产品上市速度，增强供应链韧性

作为MIPS的首席执行官，GF的哪些方面吸引您决定与他们的团队携手合作？

对我来说，核心始终在于如何为客户创造最大价值。当我思考在快速崛起的物理人工智能（Physical AI）市场中，我们能携手实现什么时，答案不言而喻。通过此次收购，我们构建了一个更完善的客户互动模式，能够从知识产权、定制芯片和软件等多层面为客户提供支持。

能提供这种全栈解决方案的公司寥寥无几。如果标准的现成芯片无法满足客户的需求，我们现在可以为他们定制并生产一款符合要求的芯片。正是这种级别的合作伙伴关系吸引了我。

除了打造领先的技术平台外，GF遍布全球的稳健制造网络使我们能够扩大业务规模，并在自动驾驶、智能设备和工业自动化等高增长领域占据领先地位。在我看来，这种全球布局和卓越的制造能力正是我们为客户带来的核心优势。

萨米尔，最后一个问题。随着物理人工智能的发展，你最期待的是什么？

说实话，最让我兴奋的，是看到我们的技术在现实世界中落地生根。类人机器人、下一代自动驾驶功能——这些早已不再是科幻小说中的情节。目前已投入量产的自动驾驶功能，其水平已远超许多人曾经认为在这个阶段所能达到的极限。 此外，鉴于物理人工智能（Physical AI）的演进速度之快，我认为未来几年我们将见证一些目前尚未进入视野的全新应用。例如，医院里很快可能会出现执行常规操作的机器人，或者灵活的配送无人机能够无缝穿梭于复杂环境中。 我尤其期待那些“首次”——首次有人因人工智能驱动的车辆在千钧一发之际做出的决策而获救，或是首台真正能像人类一样理解环境并与之互动的家用机器人。这些都将成为里程碑式的时刻。

我期待着这样一天：搭载我们全栈解决方案的设备能广泛应用于世界各地，从而带来积极改变——无论是帮助汽车避开事故，还是让仓库里的机器人使作业更加安全高效。看到我们的工作使日常设备具备更高层次的自主性和智能化，这便是最大的回报。鉴于该领域发展迅猛，我相信我们无需等待太久，就能见证一些令人惊叹的突破。