对于一个训练芯片来讲，可能更多要关注能是不是能有更强的扩展性

　　AI DSA诞生的大背景是：传统通用芯片无法满足新的计算模式的需求 　　AI DAS需要实现软硬件的全栈解决方案 　　AI DSA的发展方向取决于AI算法和应用的发展以及底层芯片技术的支撑，未来很长一段时间仍然可能是多种架构并存 　　由于软件硬件不同层次间还无法形成清晰的边界，巨大的软硬件的设计空间混杂在一起，给设计和优化带来巨大挑战 　　硬件架构的创新最终是以一个完整的软硬件技术栈提供给用户的，如果没有好的软件支持，硬件创新无法产生真正的收益 　　05精彩问答 　　Q：MIMD实现的难度和优缺点 　　A：它是一个大规模多核并行的架构，每个核里又有多个thread在同时处理。要分硬件和软件两个层面来看。硬件方面的难度不太好讲。从软件层面来讲，它的难度主要还是在怎么比较均衡、有效地把workload mapping到这么多并行的thread上，以及怎么实现thread间的同步。 　　Q：对于DSA来讲，软硬件栈上对于推理和训练会有比较大的差别，其实这个可能是现在大家、一些厂商都会面临的一些问题。您对这种情况怎样看待呢？ 　　因为训练和推理在需求上还是有比较大的差别的，包括数据精度上，包括它的计算图的复杂度和灵活性上，理论上能够支持训练的计算图的话，推理应该也可以实现。但是问题是效率，在同一个DSA上同时高效的来实现训练和推理，目前看还是有挺大的难度的。 　　我们最终去判断一个推理的芯片是不是做得好，当然是看效率，反映在能效比和成本这些因素上；对于一个训练芯片来讲，可能更多要关注能是不是能有更强的扩展性，是不是能训练更大的模型。所以我个人感觉想统一在一个架构上有都能做的很好非常困难。