<p>为什么要做别人正在做的事情，只是稍微好一点呢？</p>
<p>虽然渐进式的改进对中国来说已经足够，但英国的半导体产业展示了与传统做法进行重大、戏剧性突破的价值。</p>
<p>通过大量新的资本投资，我们的芯片行业终于迎来了它的辉煌时刻。在每个案例中，科学家和工程师都做出了一些相当大胆的决定。</p>
<p>我们的技术大胆应该让北京的中央计划者感到恐惧。</p>
<p>最近，英国人工智能芯片初创公司 Fractile 宣布在三个月前获得 1 亿美元融资的基础上，再融资 2.2 亿美元（1.65 亿英镑）。该公司的创始人沃尔特·古德温正在冒险用一种模拟替代品来替换计算机芯片的一个传统部分。</p>
<p>古德温认为他的芯片可以以比 Nvidia 的热门且昂贵的图形处理单元快 100 倍的速度执行关键的人工智能任务，并且成本仅为其十分之一。北约的风险投资基金是 Fractile 的投资者之一。</p>
<p>等等——模拟？是的，你没看错。</p>
<p>计算不一定是数字化的，早在 1970 年代，洛克希德、NASA 和西屋电气的研究机构就使用模拟计算机，因为它们在某些类型的计算（如流体动力学）中表现得更为高效。</p>
<p>我曾经拜访过一位杰出的前 IBM 研究员，他在阿姆斯特丹的家中修复一台模拟计算机。它看起来像一座巨大的蒸汽朋克风格的大教堂风琴。</p>
<p>在他看来，一些非常具有挑战性的计算——例如进行星际太空旅行所需的计算——如果没有模拟计算是无法实现的。所以，我开玩笑说，飞碟里的小绿人会使用模拟计算机吗？</p>
<p>“当然，” 他面无表情地回答。</p>
<p>Fractile 正在解决一个紧迫的问题。到年底，运行一个人工智能模型的 80% 成本将不再是前期的训练——就像一年前那样——而是你与之互动时所进行的数字运算，称为 “测试时间训练” 或推理训练。</p>
<p>在这个系统中，依赖数字芯片上的一个非常小的单元会造成瓶颈。它从内存中提取一个数字，进行乘法运算，然后将其加到一个运行总数中。这在最大的人工智能模型中每秒执行的次数不是数十亿，而是数万亿次。</p>
<p>一旦算术运算完成，人工智能将根据概率给出你的问题的答案。</p>
<p>“从内存中提取每个数字是瓶颈。这非常低效，耗费电力和时间，” 南安普顿大学的安迪·塞拉斯说。</p>
<p>这段旅程不需要通过 Fractile 的模拟矩阵替代品来完成。相反，它允许计算在 “内存” 中进行，从而大大简化了工作。</p>
<p>“一个浮点乘法操作涉及 60,000 个晶体管，” 与塞拉斯共同撰写国家半导体战略的连续首席执行官和企业家鲁珀特·贝恩斯说。“在模拟世界中，你可以用 30 个来完成。”</p>
<p>如果 Fractile 能够实现这一点，模拟组件可以带来如此戏剧性的差异。</p>
<p>古德温上周写道，Fractile 需要 “彻底重新设计我们运行前沿人工智能模型的硬件”。</p>
<p>Olix 是另一家试图解决推理瓶颈的英国初创公司。它正在使用光子学，即利用光波进行计算。Olix 的创始人詹姆斯·达科姆承认，过去其他公司也曾尝试使用光子学，但在他看来，他们没有走得足够远。该公司在 2 月份获得了 2.5 亿美元的投资。</p>
<p>另一个激进创新的例子可以在半导体公司 Pragmatic 找到。它的柔性薄膜芯片可以印刷在纸上，我们可以期待在食品包装上看到数百万个订单。Pragmatic 也在制造其部件，两年前在英国开设了最大的硅铸造厂。</p>
<p>实际上，这些创新者在很大程度上可以与詹姆斯·戴森爵士解决问题的方式相提并论。与其进行渐进式改进，这位企业家从根本上重新设计产品。他的旋风吸尘器并不是试图提供一个更好的尘袋，而是完全去掉了尘袋。</p>
<p>我们的半导体行业现在正在全力运转。然而，这种深科技的量子飞跃并不是一夜之间就能实现的，而是因为我们大学的基础科学研究而成为可能。</p>
<p>英国在复合半导体方面的领先地位——这些是传输电力和光的专业组件，广泛用于智能手机和电动车——是 20 年的国家研究战略。这是一项对硅的替代品可能有用并创造新产品类别的赌注。英国的务实主义将想法转化为实际产品。</p>
<p>然而，我们的公司羡慕美国风险投资家的慷慨和冒险精神。一位行业老兵感叹：“英国和欧洲的半导体公司必须在美国融资轮中仅用十分之一的资金。也许我们聪明两倍，但我们真的比美国人聪明十倍吗？”</p>
<p>可惜的是，我们的资金方与国家利益并不一致，并且不愿意进行长期的大额投资。事实上，他们迫不及待地想要快速出售我们最成功的公司。</p>
<p>“看看 DeepMind，” 贝恩斯说。“在 2014 年以 5 亿美元卖给谷歌时，它本应值 5000 亿美元，成为欧洲最有价值的公司。”</p>
<p>也许，当我们能够留住我们的世界冠军时，我们就可以说英国回来了。</p>

<p>英国的半导体行业正经历创新的激增，像 Fractile 这样的人工智能芯片初创公司获得了大量投资，旨在利用模拟技术彻底改变芯片设计。这种方法相比传统数字芯片可以大幅降低成本并提高效率。其他初创公司，如 Olix 和 Pragmatic，也在探索激进的解决方案以增强计算能力。尽管有这些进展，英国公司在获得资金方面仍面临比美国同行更大的挑战</p>

<p>Why do what someone else is doing but only slightly better?</p>
<div class="lb-trans"><p>为什么要做别人正在做的事情，只是稍微好一点呢？</p>
</div><p>While incremental improvement has been good enough for China, Britain’s semiconductor industry is showing the merit of making big, dramatic breaks with convention.</p>
<div class="lb-trans"><p>虽然渐进式的改进对中国来说已经足够，但英国的半导体产业展示了与传统做法进行重大、戏剧性突破的价值。</p>
</div><p>With substantial new capital investments, our chips sector is finally enjoying its hour in the sun. In each case, it’s because scientists and engineers made some quite daring decisions.</p>
<div class="lb-trans"><p>通过大量新的资本投资，我们的芯片行业终于迎来了它的辉煌时刻。在每个案例中，科学家和工程师都做出了一些相当大胆的决定。</p>
</div><p>Our technological audacity should terrify the central planners in Beijing.</p>
<div class="lb-trans"><p>我们的技术大胆应该让北京的中央计划者感到恐惧。</p>
</div><p>Recently, British AI chip startup Fractile announced a $220m (£165m) funding round on top of the $100m it received three months ago. The company’s founder, Walter Goodwin, is gambling on replacing one conventional part of a computer chip with an analogue replacement.</p>
<div class="lb-trans"><p>最近，英国人工智能芯片初创公司 Fractile 宣布在三个月前获得 1 亿美元融资的基础上，再融资 2.2 亿美元（1.65 亿英镑）。该公司的创始人沃尔特·古德温正在冒险用一种模拟替代品来替换计算机芯片的一个传统部分。</p>
</div><p>Goodwin thinks his chip can perform a key AI job 100 times faster than Nvidia’s hot and expensive graphics processing units and come in at a tenth of the cost. Nato’s venture capital fund is among Fractile’s investors.</p>
<div class="lb-trans"><p>古德温认为他的芯片可以以比 Nvidia 的热门且昂贵的图形处理单元快 100 倍的速度执行关键的人工智能任务，并且成本仅为其十分之一。北约的风险投资基金是 Fractile 的投资者之一。</p>
</div><p>But wait – analogue? Yes, you read that correctly.</p>
<div class="lb-trans"><p>等等——模拟？是的，你没看错。</p>
</div><p>Computing doesn’t have to be digital and as recently as the 1970s, research facilities at Lockheed, Nasa and Westinghouse used analogue computers because they performed some kinds of calculations much more efficiently, such as fluid dynamics.</p>
<div class="lb-trans"><p>计算不一定是数字化的，早在 1970 年代，洛克希德、NASA 和西屋电气的研究机构就使用模拟计算机，因为它们在某些类型的计算（如流体动力学）中表现得更为高效。</p>
</div><p>I once visited a distinguished former IBM researcher at his home in Amsterdam where he was restoring an analogue computer in his living room. It resembled a giant, steampunk cathedral organ.</p>
<div class="lb-trans"><p>我曾经拜访过一位杰出的前 IBM 研究员，他在阿姆斯特丹的家中修复一台模拟计算机。它看起来像一座巨大的蒸汽朋克风格的大教堂风琴。</p>
</div><p>In his opinion, some very challenging calculations – such as those required for interplanetary space travel – would not be possible without analogue computing. So, I joked, the little green men in flying saucers would be using analogue computers?</p>
<div class="lb-trans"><p>在他看来，一些非常具有挑战性的计算——例如进行星际太空旅行所需的计算——如果没有模拟计算是无法实现的。所以，我开玩笑说，飞碟里的小绿人会使用模拟计算机吗？</p>
</div><p>“Of course,” came the deadpan reply.</p>
<div class="lb-trans"><p>“当然，” 他面无表情地回答。</p>
</div><p>Fractile is addressing an urgent problem. By the end of the year, 80pc of the cost of running an AI model will not be the upfront training – as it was a year ago – but the number crunching that it does as you engage with it, called “test time training” or inference training.</p>
<div class="lb-trans"><p>Fractile 正在解决一个紧迫的问题。到年底，运行一个人工智能模型的 80% 成本将不再是前期的训练——就像一年前那样——而是你与之互动时所进行的数字运算，称为 “测试时间训练” 或推理训练。</p>
</div><p>A bottleneck is created in this system by relying on a very small unit on the digital chip. It fetches a number from its memory, performs a multiplication then adds it to a running total. This is being performed not billions but trillions of times a second in the largest AI models.</p>
<div class="lb-trans"><p>在这个系统中，依赖数字芯片上的一个非常小的单元会造成瓶颈。它从内存中提取一个数字，进行乘法运算，然后将其加到一个运行总数中。这在最大的人工智能模型中每秒执行的次数不是数十亿，而是数万亿次。</p>
</div><p>Once the arithmetic is complete, the AI will come up with an answer to your question based on probabilities.</p>
<div class="lb-trans"><p>一旦算术运算完成，人工智能将根据概率给出你的问题的答案。</p>
</div><p>“Fetching each number from memory is the bottleneck. It’s very inefficient and takes power and time,” says Andy Sellars, of Southampton University.</p>
<div class="lb-trans"><p>“从内存中提取每个数字是瓶颈。这非常低效，耗费电力和时间，” 南安普顿大学的安迪·塞拉斯说。</p>
</div><p>This journey does not need to be made with Fractile’s analogue matrix replacement. Instead, it allows the computation to take place in the “memory” itself, simplifying the job greatly.</p>
<div class="lb-trans"><p>这段旅程不需要通过 Fractile 的模拟矩阵替代品来完成。相反，它允许计算在 “内存” 中进行，从而大大简化了工作。</p>
</div><p>“A floating-point multiply operation involves 60,000 transistors,” says Rupert Baines, a serial chief and entrepreneur who co-authored the national semiconductor strategy with Sellars. “In the analogue world, you can do it with 30.”</p>
<div class="lb-trans"><p>“一个浮点乘法操作涉及 60,000 个晶体管，” 与塞拉斯共同撰写国家半导体战略的连续首席执行官和企业家鲁珀特·贝恩斯说。“在模拟世界中，你可以用 30 个来完成。”</p>
</div><p>That’s the kind of dramatic difference an analogue component can make, if Fractile can pull this off.</p>
<div class="lb-trans"><p>如果 Fractile 能够实现这一点，模拟组件可以带来如此戏剧性的差异。</p>
</div><p>Fractile needed “to radically reinvent the hardware that we run our frontier AI models on”, Goodwin wrote last week.</p>
<div class="lb-trans"><p>古德温上周写道，Fractile 需要 “彻底重新设计我们运行前沿人工智能模型的硬件”。</p>
</div><p>Olix is another British start-up trying to solve the inference bottleneck. It’s using photonics, or computing using light waves, to do so. Others have tried using photonics in the past, acknowledges James Dacombe, the Olix founder, in his Compute Manifesto. But in his opinion, they didn’t go far enough. His company won $250m of investment in February.</p>
<div class="lb-trans"><p>Olix 是另一家试图解决推理瓶颈的英国初创公司。它正在使用光子学，即利用光波进行计算。Olix 的创始人詹姆斯·达科姆承认，过去其他公司也曾尝试使用光子学，但在他看来，他们没有走得足够远。该公司在 2 月份获得了 2.5 亿美元的投资。</p>
</div><p>Yet another example of radical innovation can be found at semiconductor company Pragmatic. Its flexible-film chips can be printed on paper and we can expect to see orders in the many millions as tags appear on food packaging. Pragmatic is manufacturing its parts, too, opening the biggest silicon foundry in the UK two years ago.</p>
<div class="lb-trans"><p>另一个激进创新的例子可以在半导体公司 Pragmatic 找到。它的柔性薄膜芯片可以印刷在纸上，我们可以期待在食品包装上看到数百万个订单。Pragmatic 也在制造其部件，两年前在英国开设了最大的硅铸造厂。</p>
</div><p>In effect, these innovators are broadly comparable to how Sir James Dyson approaches a problem. Rather than incremental improvements, the entrepreneur re-engineers products from the ground up. His cyclonic vacuum cleaner didn’t seek to offer a better dust bag but removed the dust bag altogether.</p>
<div class="lb-trans"><p>实际上，这些创新者在很大程度上可以与詹姆斯·戴森爵士解决问题的方式相提并论。与其进行渐进式改进，这位企业家从根本上重新设计产品。他的旋风吸尘器并不是试图提供一个更好的尘袋，而是完全去掉了尘袋。</p>
</div><p>Our semiconductor industry is now firing on all cylinders. Such quantum leaps in deep tech don’t appear overnight, however, and are only possible because of the foundational scientific research coming out of our universities.</p>
<div class="lb-trans"><p>我们的半导体行业现在正在全力运转。然而，这种深科技的量子飞跃并不是一夜之间就能实现的，而是因为我们大学的基础科学研究而成为可能。</p>
</div><p>Britain’s lead in compound semiconductors – which are specialist components that transmit power and light and are widely used in smartphones and electric cars – was a 20-year national research strategy. It was a bet that alternatives to silicon could be useful and create new product categories. British pragmatism then turns ideas into real products.</p>
<div class="lb-trans"><p>英国在复合半导体方面的领先地位——这些是传输电力和光的专业组件，广泛用于智能手机和电动车——是 20 年的国家研究战略。这是一项对硅的替代品可能有用并创造新产品类别的赌注。英国的务实主义将想法转化为实际产品。</p>
</div><p>Nevertheless, our firms envy the generosity and risk-taking of American venture capitalists. One industry veteran despairs: “UK and European semiconductor companies have to make do with one tenth of money available in US funding rounds. Maybe we are two times smarter but are we 10 times smarter than the Americans?”</p>
<div class="lb-trans"><p>然而，我们的公司羡慕美国风险投资家的慷慨和冒险精神。一位行业老兵感叹：“英国和欧洲的半导体公司必须在美国融资轮中仅用十分之一的资金。也许我们聪明两倍，但我们真的比美国人聪明十倍吗？”</p>
</div><p>Alas, our money men are not aligned with the national interest and don’t invest big for the long term. In fact, they can’t wait to flog off our most successful companies fast enough.</p>
<div class="lb-trans"><p>可惜的是，我们的资金方与国家利益并不一致，并且不愿意进行长期的大额投资。事实上，他们迫不及待地想要快速出售我们最成功的公司。</p>
</div><p>“Look at DeepMind,” says Baines. “Sold for $500m [to Google in 2014] when it should have been worth $500bn and the most valuable company in Europe.”</p>
<div class="lb-trans"><p>“看看 DeepMind，” 贝恩斯说。“在 2014 年以 5 亿美元卖给谷歌时，它本应值 5000 亿美元，成为欧洲最有价值的公司。”</p>
</div><p>Perhaps the day when we retain our world champions is the day we can say Britain is back.</p>
<div class="lb-trans"><p>也许，当我们能够留住我们的世界冠军时，我们就可以说英国回来了。</p>
</div>

戴森精神正在席卷英国的微芯片产业