Meta收購韓國AI晶片公司Furiosa AI的談判進入關鍵階段，交易或於2月內落定。此舉不僅加速Meta擺脫NVIDIA依賴的進程，更可能引發AI晶片軍備競賽的質變。

韓國無晶圓廠(Fabless)產業正在發生巨大變化

去年11月的中國國際進口博覽會（CIIE）期間, 沙烏地阿美(Aramco)在韓國投資的第一家半導體公司--Rebellions( 1500萬美金)透露進軍中國市場的規劃, 執行長朴成現指出，儘管地緣政治風險猶存，但中國作為亞洲AI半導體市場樞紐的地位，促使公司必須布局中國市場。

值得關注的是Rebellions與SK集團旗下Sapeon的閃電合併案。這項自年初啟動的談判以高度保密方式進行，甚至多數高階主管與小股東都未預先知情，最終在8月簽署協議預計年底完成整併。業界解讀此舉反映AI晶片產業的時效壓力，特別是在NPU領域的全球競賽中，未來2-3年被視為決勝關鍵期。合併後的新公司將整合雙方技術資源，結合Sapeon在SK電信體系內的研發基礎與Rebellions的創新能量，並獲得SK集團旗下三家公司持續注資。

這項策略聯盟也呼應韓國打造「主權AI」的國家級計劃。SK電信宣布自2024年起投入千億韓元，整合Rebellions的NPU、SK海力士的高頻寬記憶體（HBM3E）及AI數據中心解決方案，構建本土AI生態系。

Furiosa的TCP技術核心優勢

(基於ISCA 2024論文實證)

1. 專為張量計算設計的硬體架構
TCP直接針對AI運算中最耗資源的「張量收縮」操作優化（例如Transformer模型中的QKV矩陣運算），相較GPU的通用矩陣乘法單元：

• 內建專用收縮引擎(CE)與轉置引擎(TE)，自動處理多維張量形狀變化
• 減少46%的數據搬移次數（實驗測量值）
• 在處理batch_size×seq_len×hidden_dim這類動態維度時，運算週期浪費減少47%

2. 高效數據複用機制
透過三層設計降低記憶體存取頻率：

• 預編譯數據流：編譯器事先規劃數據傳輸路徑，消除硬體仲裁延遲
• 共享輸入廣播：將多個運算單元共用的數據一次性傳輸（例如Attention層的Key/Value矩陣）
• 分級緩衝系統：每個運算單元(PU)內含8個獨立緩存區(Slice SRAM)，搭配晶片級共享記憶體
  → 實測結果：DRAM存取次數減少62%，數據複用效率達傳統架構的3.8倍

3. 可動態調整的運算單元
每個處理單元(PU)可依任務需求即時重組：

• 合併模式：4個PU組合成2,048個並行乘法器(MAC)，處理密集運算（如FFN層）
• 分割模式：單個PU拆解為8個獨立單元，並行處理多任務（如Attention頭計算）
  → 在LLAMA-2 7B模型實測中，硬體利用率達92%（GPU平均為68%）

4. 顯著能效提升
採用TSMC 5nm製程，對比NVIDIA H100 GPU：

• 同等運算量下功耗降低41%
• 每瓦效能(TOPS/W)提升1.7倍
  關鍵技術：
• 細粒度電壓調節：精確控制每個運算單元(Slice)的供電
• 閒置模組功耗壓制：漏電功耗僅佔總功耗8%
• 數據複用減少外部存取：DRAM功耗降低59%

5. 編譯器深度優化
軟體層預先將張量操作轉換為：

• 硬體可執行的數據流時序
• 記憶體分配藍圖
• 運算單元配置指令
  → 指令派發開銷減少83%，尤其適合處理形狀多變的張量（如動態序列長度）

💡詳細內容請閱讀:

KIM, Hanjoon, et al. TCP: A Tensor Contraction Processor for AI Workloads Industrial Product. In: 2024 ACM/IEEE 51st Annual International Symposium on Computer Architecture (ISCA). IEEE, 2024. p. 890-902.

Meta目前在芯片領域需要什麼？

1. 立即戰力補給

海力士的今年生產的HBM3被英偉達全部包下，再加上台積電CoWoS產能不足，Meta自研的MTIA v3晶片要等到2026年才能進入量產階段。

Furiosa現有技術方案（已應用SK海力士HBM3+創意電子CoWoS設計）可立即補位，解決Meta在LLM推理場景的即時效能需求。

2. 邊緣計算佈局

TCP晶片的低功耗特性，讓Meta能將AI推理部署到：

• AI眼鏡/手機端：直接在用戶裝置運行小語言模型
• Oculus：即時處理來自各種感測器的數據, 實現超低延遲的用戶體驗(類似蘋果Vision pro的 R1芯片)
• AI眼鏡：Meta與Furiosa的共同設計服務合作夥伴——創意電子，過去與Meta在智慧眼鏡專案有合作經驗