<p>為什麼要做別人正在做的事情，只是稍微好一點呢？</p>
<p>雖然漸進式的改進對中國來説已經足夠，但英國的半導體產業展示了與傳統做法進行重大、戲劇性突破的價值。</p>
<p>通過大量新的資本投資，我們的芯片行業終於迎來了它的輝煌時刻。在每個案例中，科學家和工程師都做出了一些相當大膽的決定。</p>
<p>我們的技術大膽應該讓北京的中央計劃者感到恐懼。</p>
<p>最近，英國人工智能芯片初創公司 Fractile 宣佈在三個月前獲得 1 億美元融資的基礎上，再融資 2.2 億美元（1.65 億英鎊）。該公司的創始人沃爾特·古德温正在冒險用一種模擬替代品來替換計算機芯片的一個傳統部分。</p>
<p>古德温認為他的芯片可以以比 Nvidia 的熱門且昂貴的圖形處理單元快 100 倍的速度執行關鍵的人工智能任務，並且成本僅為其十分之一。北約的風險投資基金是 Fractile 的投資者之一。</p>
<p>等等——模擬？是的，你沒看錯。</p>
<p>計算不一定是數字化的，早在 1970 年代，洛克希德、NASA 和西屋電氣的研究機構就使用模擬計算機，因為它們在某些類型的計算（如流體動力學）中表現得更為高效。</p>
<p>我曾經拜訪過一位傑出的前 IBM 研究員，他在阿姆斯特丹的家中修復一台模擬計算機。它看起來像一座巨大的蒸汽朋克風格的大教堂風琴。</p>
<p>在他看來，一些非常具有挑戰性的計算——例如進行星際太空旅行所需的計算——如果沒有模擬計算是無法實現的。所以，我開玩笑説，飛碟裏的小綠人會使用模擬計算機嗎？</p>
<p>“當然，” 他面無表情地回答。</p>
<p>Fractile 正在解決一個緊迫的問題。到年底，運行一個人工智能模型的 80% 成本將不再是前期的訓練——就像一年前那樣——而是你與之互動時所進行的數字運算，稱為 “測試時間訓練” 或推理訓練。</p>
<p>在這個系統中，依賴數字芯片上的一個非常小的單元會造成瓶頸。它從內存中提取一個數字，進行乘法運算，然後將其加到一個運行總數中。這在最大的人工智能模型中每秒執行的次數不是數十億，而是數萬億次。</p>
<p>一旦算術運算完成，人工智能將根據概率給出你的問題的答案。</p>
<p>“從內存中提取每個數字是瓶頸。這非常低效，耗費電力和時間，” 南安普頓大學的安迪·塞拉斯説。</p>
<p>這段旅程不需要通過 Fractile 的模擬矩陣替代品來完成。相反，它允許計算在 “內存” 中進行，從而大大簡化了工作。</p>
<p>“一個浮點乘法操作涉及 60,000 個晶體管，” 與塞拉斯共同撰寫國家半導體戰略的連續首席執行官和企業家魯珀特·貝恩斯説。“在模擬世界中，你可以用 30 個來完成。”</p>
<p>如果 Fractile 能夠實現這一點，模擬組件可以帶來如此戲劇性的差異。</p>
<p>古德温上週寫道，Fractile 需要 “徹底重新設計我們運行前沿人工智能模型的硬件”。</p>
<p>Olix 是另一家試圖解決推理瓶頸的英國初創公司。它正在使用光子學，即利用光波進行計算。Olix 的創始人詹姆斯·達科姆承認，過去其他公司也曾嘗試使用光子學，但在他看來，他們沒有走得足夠遠。該公司在 2 月份獲得了 2.5 億美元的投資。</p>
<p>另一個激進創新的例子可以在半導體公司 Pragmatic 找到。它的柔性薄膜芯片可以印刷在紙上，我們可以期待在食品包裝上看到數百萬個訂單。Pragmatic 也在製造其部件，兩年前在英國開設了最大的硅鑄造廠。</p>
<p>實際上，這些創新者在很大程度上可以與詹姆斯·戴森爵士解決問題的方式相提並論。與其進行漸進式改進，這位企業家從根本上重新設計產品。他的旋風吸塵器並不是試圖提供一個更好的塵袋，而是完全去掉了塵袋。</p>
<p>我們的半導體行業現在正在全力運轉。然而，這種深科技的量子飛躍並不是一夜之間就能實現的，而是因為我們大學的基礎科學研究而成為可能。</p>
<p>英國在複合半導體方面的領先地位——這些是傳輸電力和光的專業組件，廣泛用於智能手機和電動車——是 20 年的國家研究戰略。這是一項對硅的替代品可能有用並創造新產品類別的賭注。英國的務實主義將想法轉化為實際產品。</p>
<p>然而，我們的公司羨慕美國風險投資家的慷慨和冒險精神。一位行業老兵感嘆：“英國和歐洲的半導體公司必須在美國融資輪中僅用十分之一的資金。也許我們聰明兩倍，但我們真的比美國人聰明十倍嗎？”</p>
<p>可惜的是，我們的資金方與國家利益並不一致，並且不願意進行長期的大額投資。事實上，他們迫不及待地想要快速出售我們最成功的公司。</p>
<p>“看看 DeepMind，” 貝恩斯説。“在 2014 年以 5 億美元賣給谷歌時，它本應值 5000 億美元，成為歐洲最有價值的公司。”</p>
<p>也許，當我們能夠留住我們的世界冠軍時，我們就可以説英國回來了。</p>

<p>英國的半導體行業正經歷創新的激增，像 Fractile 這樣的人工智能芯片初創公司獲得了大量投資，旨在利用模擬技術徹底改變芯片設計。這種方法相比傳統數字芯片可以大幅降低成本並提高效率。其他初創公司，如 Olix 和 Pragmatic，也在探索激進的解決方案以增強計算能力。儘管有這些進展，英國公司在獲得資金方面仍面臨比美國同行更大的挑戰</p>

<p>Why do what someone else is doing but only slightly better?</p>
<div class="lb-trans"><p>為什麼要做別人正在做的事情，只是稍微好一點呢？</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>雖然漸進式的改進對中國來説已經足夠，但英國的半導體產業展示了與傳統做法進行重大、戲劇性突破的價值。</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>通過大量新的資本投資，我們的芯片行業終於迎來了它的輝煌時刻。在每個案例中，科學家和工程師都做出了一些相當大膽的決定。</p>
</div><p>Our technological audacity should terrify the central planners in Beijing.</p>
<div class="lb-trans"><p>我們的技術大膽應該讓北京的中央計劃者感到恐懼。</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，英國人工智能芯片初創公司 Fractile 宣佈在三個月前獲得 1 億美元融資的基礎上，再融資 2.2 億美元（1.65 億英鎊）。該公司的創始人沃爾特·古德温正在冒險用一種模擬替代品來替換計算機芯片的一個傳統部分。</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>古德温認為他的芯片可以以比 Nvidia 的熱門且昂貴的圖形處理單元快 100 倍的速度執行關鍵的人工智能任務，並且成本僅為其十分之一。北約的風險投資基金是 Fractile 的投資者之一。</p>
</div><p>But wait – analogue? Yes, you read that correctly.</p>
<div class="lb-trans"><p>等等——模擬？是的，你沒看錯。</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>計算不一定是數字化的，早在 1970 年代，洛克希德、NASA 和西屋電氣的研究機構就使用模擬計算機，因為它們在某些類型的計算（如流體動力學）中表現得更為高效。</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>我曾經拜訪過一位傑出的前 IBM 研究員，他在阿姆斯特丹的家中修復一台模擬計算機。它看起來像一座巨大的蒸汽朋克風格的大教堂風琴。</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>在他看來，一些非常具有挑戰性的計算——例如進行星際太空旅行所需的計算——如果沒有模擬計算是無法實現的。所以，我開玩笑説，飛碟裏的小綠人會使用模擬計算機嗎？</p>
</div><p>“Of course,” came the deadpan reply.</p>
<div class="lb-trans"><p>“當然，” 他面無表情地回答。</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 正在解決一個緊迫的問題。到年底，運行一個人工智能模型的 80% 成本將不再是前期的訓練——就像一年前那樣——而是你與之互動時所進行的數字運算，稱為 “測試時間訓練” 或推理訓練。</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>在這個系統中，依賴數字芯片上的一個非常小的單元會造成瓶頸。它從內存中提取一個數字，進行乘法運算，然後將其加到一個運行總數中。這在最大的人工智能模型中每秒執行的次數不是數十億，而是數萬億次。</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>一旦算術運算完成，人工智能將根據概率給出你的問題的答案。</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>“從內存中提取每個數字是瓶頸。這非常低效，耗費電力和時間，” 南安普頓大學的安迪·塞拉斯説。</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>這段旅程不需要通過 Fractile 的模擬矩陣替代品來完成。相反，它允許計算在 “內存” 中進行，從而大大簡化了工作。</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>“一個浮點乘法操作涉及 60,000 個晶體管，” 與塞拉斯共同撰寫國家半導體戰略的連續首席執行官和企業家魯珀特·貝恩斯説。“在模擬世界中，你可以用 30 個來完成。”</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 能夠實現這一點，模擬組件可以帶來如此戲劇性的差異。</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>古德温上週寫道，Fractile 需要 “徹底重新設計我們運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 是另一家試圖解決推理瓶頸的英國初創公司。它正在使用光子學，即利用光波進行計算。Olix 的創始人詹姆斯·達科姆承認，過去其他公司也曾嘗試使用光子學，但在他看來，他們沒有走得足夠遠。該公司在 2 月份獲得了 2.5 億美元的投資。</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>另一個激進創新的例子可以在半導體公司 Pragmatic 找到。它的柔性薄膜芯片可以印刷在紙上，我們可以期待在食品包裝上看到數百萬個訂單。Pragmatic 也在製造其部件，兩年前在英國開設了最大的硅鑄造廠。</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>實際上，這些創新者在很大程度上可以與詹姆斯·戴森爵士解決問題的方式相提並論。與其進行漸進式改進，這位企業家從根本上重新設計產品。他的旋風吸塵器並不是試圖提供一個更好的塵袋，而是完全去掉了塵袋。</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>我們的半導體行業現在正在全力運轉。然而，這種深科技的量子飛躍並不是一夜之間就能實現的，而是因為我們大學的基礎科學研究而成為可能。</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>英國在複合半導體方面的領先地位——這些是傳輸電力和光的專業組件，廣泛用於智能手機和電動車——是 20 年的國家研究戰略。這是一項對硅的替代品可能有用並創造新產品類別的賭注。英國的務實主義將想法轉化為實際產品。</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，我們的公司羨慕美國風險投資家的慷慨和冒險精神。一位行業老兵感嘆：“英國和歐洲的半導體公司必須在美國融資輪中僅用十分之一的資金。也許我們聰明兩倍，但我們真的比美國人聰明十倍嗎？”</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，我們的資金方與國家利益並不一致，並且不願意進行長期的大額投資。事實上，他們迫不及待地想要快速出售我們最成功的公司。</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，” 貝恩斯説。“在 2014 年以 5 億美元賣給谷歌時，它本應值 5000 億美元，成為歐洲最有價值的公司。”</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>也許，當我們能夠留住我們的世界冠軍時，我們就可以説英國回來了。</p>
</div>

戴森精神正在席捲英國的微芯片產業