⬅ AI 全产业总图/Layer 01 · 01. 半导体与物理基础设施
1.1

1.1 计算芯片架构与专用加速器

GPU、CPU、TPU、NPU、Custom ASIC、SoC、Chiplet 架构、张量/矩阵计算引擎、片上缓存与 NoC 互连,以及异构计算单元设计。

GPU 微架构与并行计算核心

流式多处理器 (NVIDIA SM / AMD CU / Intel Xe Core)、矩阵加速单元 (Tensor Core / Matrix Engine)、FP8/FP4/INT4 硬件指令集、Warp/Wavefront 调度与片上超高带宽 SRAM 架构。

🏢 标杆代表企业
NVIDIA、AMD、Intel、Arm、Qualcomm
🛠️ 核心技术栈
GPUTensor CoreSM / CUWarp SchedulingSRAMHeterogeneous ComputeFP8/FP4 PrecisionNoC
💼 典型岗位与薪资
CPU/GPU/AI Accelerator Architect、Microarchitecture Engineer、RTL Design Engineer、Performance Modeling Engineer
💰 $220K - $480K / 年 (硅谷 IC 设计) | ¥60W - ¥160W / 年 (国内高端芯片)
📚 先决掌握技能:计算机体系结构 (Hennessy & Patterson) • Verilog / SystemVerilog 数字电路 • 流水线与分支预测 • 并行计算体系与微架构仿真
⚡【微沙箱】FlashAttention 显存节省实时演算器
输入上下文长度 (Sequence Length):4,096 tokens
传统标准 Attention
1,024 MB
O(N²) 显存暴涨
FlashAttention 分块
32 MB
节省 97% 显存 (O(N))

专用 AI 加速芯片与 Custom ASIC

Google TPU (脉动阵列)、AWS Trainium/Inferentia、Groq TSP (确定性流处理器)、Cerebras 晶圆级引擎与定制超低功耗端云 NPU 架构。

🏢 标杆代表企业
Google、AWS、Broadcom、Marvell、Groq、Tenstorrent、Cerebras、Qualcomm、Arm
🛠️ 核心技术栈
TPUNPUCustom ASICSystolic ArraySpatial ArchitectureAI AcceleratorsChipletSoC
💼 典型岗位与薪资
ASIC Design Engineer、SoC Architect、Design Verification Engineer、AI Compiler Engineer
💰 $200K - $440K / 年 (硅谷 ASIC 团队) | ¥50W - ¥140W / 年 (国内加速芯片)
📚 先决掌握技能:脉动阵列计算原理 • AXI/AMBA 总线协议 • UVM 验证方法学 • ASIC 前端设计流程