订阅我们的每日和每周新闻通讯，获取有关行业领先的 AI 报道的最新更新和独家内容。了解更多
随着企业不断探索优化数据中心和边缘不同工作负载处理方式的新方法，一家名为 Ubitium 的新兴公司悄然出现，带来了一个有趣且节省成本的计算方法：通用处理。
这家由半导体行业资深人士领导的初创公司开发了一种微处理器架构，将所有处理任务（无论是 AI 推理还是通用任务）整合到一个通用的芯片中。
Ubitium 表示，这有可能改变企业对计算的处理方式，使他们免于依赖不同类型的处理器和处理器核心来处理不同的专业工作负载。该公司还宣布获得了多家风险投资公司的 370 万美元融资。
Ubitium 表示，目前正专注于开发能够优化边缘或嵌入式设备计算的通用芯片，帮助企业将部署成本降低高达 100 倍。然而，该公司强调，这种架构具有高度可扩展性，未来也可以用于数据中心。
Ubitium 面临着边缘 AI 计算领域的一些知名竞争对手，例如英伟达的 Jetson 芯片系列和 Sima.AI 的 Modalix 系列，这表明从大型数据中心到更离散的设备和工作负载，创建 AI 专用处理器的竞争正在不断加剧。
如今，在为边缘或嵌入式系统提供动力时，组织依赖于将多个专用处理单元集成在一起的片上系统 (SoC)——CPU 用于通用任务，GPU 用于图形和并行处理，NPU 用于加速 AI 工作负载，DSP 用于信号处理，以及 FPGA 用于可定制的硬件功能。这些集成单元协同工作，以确保设备提供预期性能。一个很好的例子是智能手机，它们通常使用 NPU 与其他处理器一起进行高效的设备内 AI 处理，同时保持低功耗。
虽然这种方法可以完成工作，但它也增加了硬件和软件的复杂性，并提高了制造成本，从而使企业难以采用。此外，当堆栈中存在各种组件时，资源利用不足会成为一个主要问题。本质上，当设备没有运行 AI 功能时，用于 AI 工作负载的 NPU 只是处于闲置状态，占用硅片面积（和能量）。
为了弥补这一差距，拥有 200 多项由美国主要芯片公司授权的半导体专利的马丁·沃尔巴赫提出了通用处理架构。他花了 15 年时间开发这项技术，最终与首席执行官 Hyun Shin Cho 和前英特尔高管 Peter Weber 合作将其商业化。
Shin Cho 解释说，在核心方面，这种微处理器架构允许芯片的相同晶体管被重复用于不同的处理任务，从而使单个处理器能够动态适应不同的工作负载，从用于简单控制逻辑的通用计算到海量并行数据流处理和 AI 推理。
“由于我们对各种工作负载重复使用相同的晶体管，取代了一系列芯片并降低了复杂性，因此我们降低了系统的总体成本。根据基线，这是 10 倍到 100 倍的性能/成本比……对不同工作负载的晶体管重复使用极大地减少了处理器中的总晶体管数量，从而进一步节省了能量和硅片面积，”首席执行官补充道。
凭借这种同构的、与工作负载无关的微处理架构，Ubitium 希望能够用单个通用的芯片取代传统的处理器——CPU、NPU、GPU、DSP 和 FPGA。这种整合（导致系统设计简化和成本降低）将使高级计算更容易获得，从而加快消费电子、工业自动化、家庭自动化、医疗保健、汽车、航空航天和国防等领域的应用开发周期。
该架构还完全符合 RISC-V，RISC-V 是用于处理器开发的开源指令集架构。这使得它易于用于物联网、人机界面和机器人等应用。
“通过降低高性能计算部署和 AI 功能的门槛，我们的技术允许物联网设备在本地处理数据并实时做出智能决策。这也有助于解决互操作性问题，使设备能够适应并与各种系统无缝通信，”Cho 解释说。
在此阶段，该公司拥有 18 项关于该技术的专利，并拥有基于 FPGA 仿真的原型，目前正在开发一系列芯片，这些芯片在阵列大小上有所不同，但共享相同的底层通用架构和软件堆栈。该公司计划在未来几个月内推出多项目晶圆原型和开发套件，并在 2026 年向客户交付首批边缘计算芯片。
最终，Cho 表示，这项工作将使他们能够为不同的（不断发展的）性能需求提供可扩展的计算解决方案，从嵌入式设备到大型边缘计算系统。
“我们与工作负载无关的处理器还能够适应新的 AI 开发，而无需硬件修改。这将使开发人员能够在现有设备上实施最新的 AI 模型，从而降低与硬件更改相关的成本和复杂性……通过分离硬件和软件层，我们旨在将我们的处理器确立为一个标准计算平台，简化开发并加速各个行业的创新，”他补充道。
