電子發燒友網報道（文/李彎彎）近日，后摩智能推出基于存算一體架構的邊端大模型AI芯片——后摩漫界??M30，最高算力100TOPS，典型功耗12W。為了進一步提升部署的便捷性，后摩智能還同步推出了基于M30芯片的智算模組(SoM)和力謀??AI加速卡。

后摩智能存算一體架構芯片產品

后摩智能是一家專注于存算一體芯片技術的創新型企業，成立于2020年。該公司基于先進的存算一體技術和存儲工藝，致力于突破芯片的性能與功耗瓶頸。存算一體架構將存儲和計算功能融合，比傳統架構更接近人腦的計算方式，具備遠高于傳統方式的計算效率。

2023年5月10日，后摩智能發布了其第一款芯片產品——后摩鴻途??H30智駕芯片，該芯片最高物理算力達到256TOPS，這一數值略高于英偉達Orin-X的254TOPS，展現出強大的計算能力。在Int8數據精度下，其AI核心IPU能效比高達15Tops/W，是傳統架構芯片的7倍以上，實現了高效的AI計算。

后摩鴻途??H30智駕芯片典型功耗僅為35W，這使得鴻途??H30在提供高算力的同時，也保持了較低的能耗水平。SoC能效比達到7.3Tops/W，體現了存算一體架構在提升能效比方面的優勢。鴻途??H30獲得了ASIL D級功能安全流程認證，這是車規安全等級中的最高標準，確保了芯片在智能駕駛應用中的可靠性和穩定性。

鴻途??H30采用存算一體架構，將存儲和計算功能融合，比傳統架構更接近人腦的計算方式，具備遠高于傳統方式的計算效率?；赟RAM的純數字設計，實現存內運算，在存儲器內能完全實現數據處理，打破了傳統芯片性能瓶頸并提升了能效比。

此外，該芯片基于自研IPU（Intelligence Processing Unit）架構——天樞架構，通過多核、多硬件線程以及雙環拓撲總線的設計，保證了計算資源利用效率的同時可以靈活擴展算力。支持外擴Memory，最高帶寬為128GB/s，以及16路FHD Encoder/Decoder和PCIe 4.0等多種接口，滿足了不同應用場景的需求。

鴻途??H30智駕芯片專為智能駕駛設計，支持運行點云網絡、BEV網絡等智能駕駛主流算法，能夠支持L4級自動駕駛。該芯片已經成功在無人配送車上完成路測，展現了避讓前方行人、識別紅綠燈等智能駕駛能力?；邙櫷??H30，后摩智能還推出了力馭?智能駕駛計算平臺，為智能駕駛提供了更充沛的算力支持。

近期，后摩智能推出其第二款產品——后摩漫界?M30邊端大模型AI芯片，該芯片在邊端設備的大模型部署中展現出了卓越的性能和能效比。

后摩漫界??M30最高算力達到100TOPS，這一強大的算力使得M30能夠輕松應對邊端側大模型部署對高算力的需求。其典型功耗僅為12W，實現了高性能與低功耗的完美融合，為邊端設備提供了更長的續航時間和更低的能耗成本。

據介紹，M30是一款通用的邊端大模型AI芯片，能夠支持多種大模型，包括但不限于ChatGLM、Llama2、通義千問等。這一特性使得M30在處理復雜AI任務時具有更高的靈活性和適應性。在運行Qwen1.5-7B-Chat等大模型時，M30的運行性能可達15-20 Tokens/s，這一表現足以證明其在處理復雜AI任務時的卓越能力。

為了進一步提升部署的便捷性，后摩智能還同步推出了基于M30芯片智算模組(SoM)和力謀??AI加速卡。智算模組(SoM)，支持PCIe EP模式，以其小巧的體積、強勁的性能和極低的功耗，成為小型化設備和功耗敏感嵌入式場景的理想選擇。

力謀??AI加速卡，作為標準的半高半長PCIe加速卡，能在PC、一體機和服務器中實現快速部署。支持主動散熱和被動散熱兩種模式，確保設備在不同環境下的穩定運行。

后摩漫界?M30芯片具有高性能、低功耗和通用性特點，可廣泛應用于多個領域，包括AI PC、邊緣AI一體機、智能座艙、商用顯示、智能融合網關、NAS（網絡附加存儲）等。

存算一體架構在邊端大模型AI芯片中的優勢

隨著AI大模型部署需求從云端迅速向端側和邊緣側設備遷移，AI芯片的性能、功耗和響應速度面臨前所未有的挑戰?；诖嫠阋惑w架構的后摩漫界??M30芯片在這方面表現出顯著的優勢，它兼具高性能與低功耗特性，可滿足邊端側大模型部署對高效率和實時性的嚴苛要求。

具體來看，在性能提升方面，存算一體架構通過將存儲單元與計算單元集成在同一片芯片上，實現了計算與存儲的緊密耦合，從而提高了數據處理的速度和效率。同時，由于數據在芯片內部直接進行計算，避免了傳統架構中數據在存儲器和處理器之間頻繁傳輸所產生的延遲。這對于需要實時響應的邊端應用場景尤為重要。

在功耗降低方面，存算一體架構減少了數據傳輸的能量損耗，使得芯片在保持高性能的同時，能夠顯著降低功耗。而且，采用非易失性存儲介質（如ReRAM）的存算一體芯片，在不需要進行數據讀寫時，可以保持極低的靜態功耗，甚至為零功耗。

在數據處理效率方面，存算一體架構避免了傳統架構中數據在存儲器和處理器之間的大量搬運，減少了數據傳輸的帶寬需求，提高了數據處理的效率。存算一體架構能夠支持更多的并行計算任務，提高了芯片的整體處理能力和吞吐量。

在成本控制方面，存算一體架構可以在不依賴先進制程的前提下，通過優化芯片設計和算法，實現較高的算力和能效比。這有助于降低芯片的生產成本，提高市場競爭力。同時，由于芯片內部集成了存儲單元，減少了對外部存儲器的依賴，從而降低了系統的整體成本。

從應用場景方面來看，存算一體架構特別適用于對算力、功耗和實時性有較高要求的邊端設備，如智能手機、可穿戴設備、智能家居設備等。在大數據處理和AI推理等應用場景中，存算一體架構能夠提供高效的數據處理能力和低延遲的響應速度，滿足復雜計算任務的需求。

寫在最后

存算一體架構的邊端大模型AI芯片，如后摩漫界??M30，通過創新的設計實現了高性能、低功耗和實時性的完美結合。隨著AI大模型應用的不斷擴展和邊端設備需求的增加，這種架構的芯片將在未來發揮更加重要的作用，推動AI技術在更多領域的深入應用和發展。