近日，騰訊招聘官網出現了多個與芯片有關的崗位，引發外界關注。
騰訊招聘披露的芯片研發崗位包括：芯片架構師、芯片驗證工程師、芯片設計工程師等多個職位，工作地點可選擇北京、上海、深圳等。
以芯片架構師為例，職責包括：負責 AI 芯片和通用處理器或者細分領域的需求分析，主導 AI，處理器芯片架構設計，競爭分析和規格定義;負責芯片領域的技術演進路標、關鍵技術，主導關鍵技術和架構的研究;負責大型芯片的架構設計，關鍵模塊的把控和設計等。
而芯片設計工程師則要求精通數字電路設計流程，精通 RTL 代碼書寫，具有電路優化的經驗;4 年以上數字前端設計經驗，有大規模 SoC 芯片設計成功量產經歷以及 CPU/NPU 等設計經驗者優先等。
該招聘消息一經爆出，業界開始紛紛猜測：騰訊真的要進軍“卡脖子”芯片領域?
對此疑問，7 月 16 日騰訊相關人士回應稱，這是基于一些業務需要騰訊在特定領域有一些芯片研發的嘗試，主要是AI 加速和視頻編解碼等，但這并非外界所認為的通用芯片。
互聯網大廠齊聚“造芯”賽道
實際上，騰訊幾年前就已經開始了芯片領域的布局。
2016 年 11 月，騰訊就與阿里一起領投了可編程芯片公司 Barefoot Networks 的 2300 萬美元 C 輪融資。
隨后在 2018 年，AI 芯片公司 —— 上海燧原科技有限公司獲得了騰訊領投的 Pre-A 輪 3.4 億元人民幣投資。
2019 年 6 月，騰訊跟投燧原科技的新一輪融資，在今年，騰訊又繼續跟投了燧原科技的 C 輪融資。
2020 年 3 月 19 日深圳寶安灣騰訊云計算有限公司成立。該公司經營范圍就包含了集成電路設計、研發等。
然而對于造芯這件事，騰訊并非是以BAT為代表的大型互聯網公司中的唯一一家。
早在 2018 年 7 月，Baidu 發布云端全功能 AI 芯片“昆侖”，其中包含訓練芯片昆侖 818-300，推理芯片昆侖 818-100。
目前，第一代昆侖芯片已于 2020 年初量產，目前已經規模化部署超過 2 萬片，第二代昆侖芯片已經流片成功，將于 2021 年下半年量產。
而阿里巴巴在 2018 年 9 月的云棲大會上宣布成立平頭哥半導體有限公司，主要任務是從事芯片的自研開發與戰略布局。2019 年 9 月阿里巴巴第一顆自研芯片 ——AI 推理芯片含光 800 正式問世，阿里巴巴表示該芯片已經量產，服務于阿里巴巴內部。
“造芯”的初心，是為了打造一朵更高效的云
2020 Techo Park 開發者大會上騰訊云服務器與供應鏈管理部總經理劉裕勛就曾表示：
“隨著云計算承載的業務規模越來越大，傳統服務器難以完全滿足云計算數據中心場景下對超大規模、需求多樣、高性價比、安全可靠以及軟硬件一體化等方面的要求。”
隨著云計算產業的發展，從技術的角度說，云計算已經超過 IT 基礎設施的范疇，正向上定義軟件應用服務，向下定義芯片、服務器等 IT 硬件。
從技術角度來看，20 年前，虛擬化技術實現了硬件細節的抽象，讓基礎設施成為由軟件管理的單一實體。過去 10 年，云計算進一步推動了這一進程，使硬件成為一種抽象資源，而且對于客戶來說，這個資源越來越多地由別人來管理。
然而，云計算技術雖然使硬件變得抽象，但實際上，云服務商卻在硬件層面在做這大量的創新工作，開始從最基礎的芯片來構建云。
同樣，在劉裕勛看來，隨著云原生理念的不斷推進，云基礎架構的演進過程中會呈現出三個特點：高復雜度、高性價比、安全性。
當海量業務承載在云基礎架構設施的時候，業務的多樣性，對于軟硬件一體化的系統實際上提出了更高的要求。面臨這樣的復雜度，云廠商根據自身的情況，必然要開始自己進行研究相關芯片，或者是與其他芯片廠商聯合起來進行深度定制，以此來解決各種復雜場景下的兼容性問題。
自研芯片的背后，則是對于 BAT 這般體量的云服務商而言，則是性價比最高的一條道路。
而在技術上，以英特爾的 CPU 為例，CPU 的另外一個名字叫通用計算。而這也就代表著，搭載通用 CPU 的服務器具有很高的通用性，但是實際的應用中，勢必會造成性能的浪費。
對于普通用戶來說，可能十幾上百臺服務器就是應用的極限了，但是互聯網大廠的服務器動輒就是上萬甚至幾十萬臺，因此每臺性能的略微降低累積起來都是一個不得了的數字。
更重要的是，由于互聯網應用的特殊性，相當一部分新采購的服務器都要進行針對性的優化，或者需要進行部分配件的調整與革新，也就需要投入大量的人力、精力和財力，造成資源的浪費。
因此對于以騰訊云為代表的云廠商來說，勢必要從整機的設計上面，去精簡不需要的功能;優化整機的散熱能力，降低能耗。配備一個非常強的供應鏈的管控。去降低計算力的單位成本，并進而將這種成本紅利釋放給數百萬的云上用戶。
而在安全方面，從芯片層面就進行自研、定制化，勢必能更好的保證整機系統的安全可靠。
就在近日上海閉幕的世界人工智能大會上，華為輪值董事長胡厚崑表示道：“只有基礎打得牢，根技術扎得深，應用創新跑得快，才有人工智能產業的參天大樹和生態的持續繁榮。”
其中技術要扎到根，根深才能葉茂。值得就是應該大力發展根技術，如處理器、AI 計算框架等，增強人工智能產業的發展韌性。
“硬件創新”已成云廠商必爭之地
除國內云廠商之外，國外三家規模較大的云服務商亞馬遜、微軟和谷歌也硬件方面進行重金投入。用于提高自身云平臺的性能或者調優服務來滿足特定的用途，例如人工智能開發等等。
如谷歌把自己的云計算戰略重點放在了處理人工智能工作負載上，為此設計了名為TPU 的微處理器家族，號稱相比 GPU 的成本更低性能更高。
對此，谷歌曾對外表示，2015 年的時候在多層神經網絡 ResNet 50 上訓練一個深度學習模型的成本超過 20 萬美元，而今天，成本比一杯咖啡還便宜。
此外，微軟 Project Olympus 是一項針對微軟基于 OCP 構建的云平臺打造一系列服務器結構塊的項目。AWS 基于 ARM 的 Graviton 處理器從 2015 年開始開發，到現在已經在 AWS EC2 實例中實現普及。
“硬件專業化可以將延遲、性價比和功耗/性能比提高 10 倍，但多年來，大多數計算工作負載一直停留在通用處理器上，”AWS 工程師 James Hamilton 在一篇博客文章中這樣寫道。亞馬遜每年要安裝一百多萬個專用芯片，專門用于機器學習工作負載。
亞馬遜的 Nitro 項目則是將硬件和軟件結合，消除虛擬化的開銷。
阿里云的神龍架構則也是通過芯片層面的，通過軟硬件結合的方式，來降低虛擬化損耗，華為云的擎天、京東的京剛則也是通過同樣的方式。
對此，劉裕勛表示，云上的客戶是非常的“挑剔”的，同時云計算市場的競爭也很激烈，客戶都希望用低成本，高質量的產品，客戶要求的苛刻會推動我們去做更多的變革和演進。
在此背景下，對于云服務商而言，通過自研服務器、自研數據中心技術、再到上層的 IaaS、PaaS、SaaS 平臺的協同打造，勢必是一條必須要走的道路。
