第258章 AI晶片啟新篇
網際網路大會的餘溫尚未散去，陸長青的演講視頻在網上被反覆播放了上百萬次。
在回深圳的飛機上，他心裡想的不是那些掌聲和讚譽，而是一個更根本的問題——長青講的這些未來，靠什麼來實現？
無人駕駛需要算力，無人超市需要算力，在家辦公的協同工具需要算力，AI更需要算力。
沒有算力，長青講的未來就是空中樓閣。
而算力的核心，是AI晶片。
回到長青大廈的第二天，陸長青把張志強叫到了辦公室。
張志強進門的時候，手裡還拿著一份晶片測試報告，臉上帶著一絲疲憊。
長青晶片已經做到了世界一流，可那是在手機處理器和基帶晶片領域，AI晶片是完全不同的物種。
陸長青沒有寒暄，開門見山：「張工，長青要做AI晶片。」
「不是修修補補的升級，是從零開始，自主研發。」
「你告訴我，需要多久？需要多少人？需要多少錢？」
張志強愣了一下。
他知道陸長青遲早會提這件事，可沒想到這麼快。
他想了想，說了一句讓陸長青滿意的話：「陸先生，AI晶片這件事，我早就開始想了。」
「長青晶片團隊裡，我已經悄悄拉了一個預研小組，研究了大半年了。」
陸長青嘴角微微上揚：「說說你的思路。」
張志強站起來，走到白板前面，拿起馬克筆，畫了一張圖。
「AI晶片和普通晶片不一樣。」
「普通CPU是通用計算，什麼都能算，可什麼都不精。」
「AI晶片是專用計算，專門為神經網絡算法設計的。」
「神經網絡的計算核心是什麼？是乘加運算。」
【寫到這裡我希望讀者記一下我們域名 讀好書上 TW 看書網，𝖘𝖍𝖚.𝖙𝖜超省心 】
「一個神經元接收多個輸入，每個輸入乘以一個權重，求和，再經過激活函數輸出。」
他在白板上寫了一個公式，然後畫了一個矩陣。
「一個神經網絡有幾百萬、幾千萬甚至幾十億個參數。」
「每一次前向傳播和反向傳播，都要做海量的乘加運算。」
「傳統的CPU算這些東西太慢了，功耗太高了。」
「AI晶片的本質，就是用專用的硬體電路，把這些乘加運算加速。」
「不是用軟體算，是用硬體算。」
「軟體算是一步一步來，硬體算是一起上。」
陸長青在沙發上換了個姿勢，示意他繼續。
張志強在白板上畫了幾種晶片的架構簡圖。
「目前主流的AI晶片有三種路線。」
「第一種是GPU，英偉達的A100、H100。」
「GPU本來是為圖形渲染設計的，圖形渲染的核心也是矩陣運算，跟神經網絡天然匹配。」
「英偉達抓住了這個機會，把GPU改造成了AI訓練的主力晶片。」
「通用性強，軟體生態好，什麼模型都能跑。」
「缺點是功耗高，貴，一片難求。」
他在GPU旁邊畫了一個圈，寫了「通用訓練」三個字。
「第二種是TPU，谷歌搞的。」
「核心叫脈動陣列。」
「權重固定在片上計算單元里，數據像流水一樣在陣列里流動。」
「這種方式數據搬移少，能效比GPU高。」
「缺點是通用性弱，基本只適配谷歌自己的生態。」
「第三種是NPU，專為端側推理設計的晶片。」
「手機里的NPU、自動駕駛的NPU、安防攝像頭的NPU，都屬於這一類。」
「特點是低功耗、小面積、推理速度快。」
「訓練還是在雲端用GPU，推理可以在端側用NPU。」
陸長青問了一句：「長青要做哪一種？」
張志強想了想，在白板上寫下了三個方向。
「第一，雲端訓練晶片。」
「對標英偉達的H100，做AI訓練的主力晶片。」
「這條路最難，投入最大，周期最長，可一旦做成了，長青就是全球第二家能做AI訓練晶片的公司。」
「第二，雲端推理晶片。」
「訓練好的模型，部署在雲端做推理。」
「技術難度比訓練晶片低，可市場需求大。」
「第三，端側推理晶片。」
「放在手機里、汽車裡、攝像頭裡。」
「長青有場景，長青的手機、汽車、安防設備，都需要端側推理晶片。」
「這是長青的優勢，別人沒有。」
陸長青站起來，走到白板前面，盯著那張圖看了很久，然後拿起紅色馬克筆，在「端側推理晶片」上面畫了一個圈。
「先做端側。」
「長青的手機需要NPU，長青的汽車需要NPU，長青的安防攝像頭需要NPU。」
「這些場景長青自己就有，不需要求別人。」
「產品做出來就能用，用了就能疊代，疊代了就能進步。」
「等端側站穩了，再做雲端推理。」
「等雲端推理站穩了，再做雲端訓練。」
「一步一個腳印，不跳級。」
張志強在筆記本上記下了這行字，說了一句：「陸先生，端側NPU的設計，我有思路。」
「核心是三點。」
「第一，MAC計算陣列。」
「神經網絡百分之九十的運算都是乘加運算，MAC陣列就是專門幹這個活的硬體。」
「MAC陣列越大，並行度越高，算力越強。」
「第二，存儲層級。」
「NPU跟GPU最大的區別是存儲架構。」
「GPU有大容量的高帶寬顯存，NPU依賴片上SRAM。」
「片上SRAM速度快，功耗低，可面積大。」
「多大容量的SRAM，放多大的模型，這是NPU設計的核心取捨。」
「第三，低精度量化。」
「訓練用FP16、BF16，推理用INT8、INT4。」
「精度越低，算力越高，功耗越低。」
「INT8的功耗大約是FP32的四分之一。」
「手機NPU推理用INT8是主流，INT4正在起來。」
陸長青在白板上寫了三個關鍵詞：MAC陣列、SRAM、低精度。
「張工，技術細節你比我懂。」
「我只問三個問題。」
「第一，長青做端側NPU，需要多久？」
「第二，長青的NPU能不能做到世界領先？」
「第三，長青的NPU能不能跟長青的手機、汽車深度整合？」
張志強想了想，伸出了兩根手指：「兩年。」
「第一顆端側NPU晶片，兩年之內流片。」
「性能對標同期高通和蘋果的NPU，不會差。」
「整合的事，長青有優勢。」
「蘋果的NPU只給自己用，高通的NPU賣給所有人。」
「長青的NPU也給自己用，可長青的手機、汽車、安防設備，比蘋果的產品線更寬，數據更多，疊代更快。」
陸長青說了一句讓張志強熱血沸騰的話：「兩年太長。」
「一年半。」
「長青的手機，下一代就要用上自己的NPU。」
「不是PPT上的NPU，是裝在手機里的NPU，是用戶用得到的NPU。」
張志強咬了咬牙：「我試試。」
陸長青說：「不是試試，是一定。」
AI晶片項目組在長青大廈的十四樓成立了。
辦公室不大，幾十個工位擠在一起，桌上堆滿了各種技術文檔和開發板。
白板上貼著NPU的架構圖、MAC陣列的示意圖、存儲層級的金字塔圖。
張志強親自帶隊，從晶片、手機、網際網路三個事業部抽調了最精銳的工程師。
有人做架構設計，有人做MAC陣列，有人做存儲層級，有人做低精度量化，有人做編譯器。
每個人都有自己的任務，每個人都清楚自己在做什麼。
張志強把開發計劃拆解到了每一個月。
第一月，架構設計。
第二月到第四月，前端設計。
第五月到第八月，後端物理設計。
第九月到第十月，流片。
第十一月到第十二月，回片調試。
第十三月到第十八月，軟硬體適配和產品化。
他在計劃表的第一頁寫了一行字：「只許提前，不許延後。」
架構設計的那一個月，是團隊最煎熬的日子。
NPU的核心參數怎麼定？MAC陣列多大？SRAM多大？支持哪些精度？功耗控制在多少？
每一個參數都是一道選擇題，每道選擇題背後都有一堆trade-off。
MAC陣列大了，算力強了，可面積大了，功耗高了。
SRAM大了，能效好了，可面積大了，成本高了。
精度高了，準確率好了，可算力低了，功耗高了。
張志強帶著團隊跑了幾十版仿真，把各種參數組合的性能數據擺在桌上，一條一條地比，一版一版地看。
最終定下來的方案是：MAC陣列，脈動陣列架構。
片上SRAM容量，在面積和功耗可接受的範圍內取上限。
支持精度，訓練用FP16，推理用INT8，預留INT4擴展。
架構方案通過的那天，張志強在報告上簽了字，寫了一句：「方向對了，剩下的就是干。」
前端設計是最燒腦的階段。
幾十萬行Verilog代碼，每一行都要反覆斟酌。
MAC陣列的實現方式、數據流的控制邏輯、存儲器的讀寫仲裁、片上網絡的路由算法，每一個模塊都是一個坑，每一個坑都要有人去填。
有人為了優化一條數據通路，在電腦前坐了整整三天，眼睛熬得通紅，改了幾十版代碼，最終把時序收斂了。
有人為了省幾個百分點的功耗，把存儲器的讀寫策略翻來覆去地改了好幾輪，測試數據一遍又一遍地跑。
後端物理設計比前端更折磨人。
晶片的面積只有指甲蓋大小，可要在上面擺幾百萬個標準單元、幾萬個MAC陣列、幾百塊SRAM。
擺得不好，時序收斂不了，功耗降不下來，信號串擾壓不住。
物理設計組的工程師們天天跟EDA工具較勁，布了一版又一版，優化了一次又一次。
有人開玩笑說：「這哪是設計晶片，這是在螺絲殼裡做道場。」
張志強接了一句：「螺絲殼裡做道場，才是真本事。」
流片的前一天晚上，張志強把團隊召集起來，在會議室里開了一個短會。
白板上貼著最後版的GDSII版圖，密密麻麻的線條和色塊，像一幅抽象畫。
他看著那些年輕的工程師，說了一句讓所有人都記住的話：「從明天開始，這顆晶片就在晶圓廠里生長了。」
「你們能做的已經做完了，剩下的交給時間。」
「等它回來的時候，希望我們都能說一句——我沒有遺憾。」
會議室里安靜了片刻，然後有人開始鼓掌。
流片之後的一個月，是漫長的等待。
張志強每天都會打開晶圓廠的進度系統，看那顆晶片走到了哪一步。
光刻、刻蝕、沉積、拋光，每一道工序都有固定的周期，急不來，也催不動。
陸長青有時在走廊里碰到張志強，會問一句：「晶片到哪了？」
張志強每次都會回答同一個字：「等。」
二〇一二年春天，長青的第一顆端側NPU晶片回片了。
晶片從晶圓廠寄回來的時候，裝在防靜電袋裡，被快遞員送到長青大廈的門口。
張志強親自下樓簽收，拿著那個小小的包裹，坐電梯回到十四樓。
工程師們圍過來，沒人說話，所有人的目光都盯著那個包裹。
張志強把包裹放在桌上，拆開，取出防靜電袋，把晶片放在顯微鏡下。
封裝上的絲印清晰可見——長青NPU-1。
他把晶片從顯微鏡下取出來，插到測試板上，接上電源，接上調試器，按下電源鍵。
電流從電源流向晶片，晶片的溫度從室溫慢慢升了上來。
調試器的屏幕上，第一行日誌跳出來了。
不是錯誤，不是警告，是正常的啟動信息。
第二行，第三行，第四行。
所有的自檢項全部通過，沒有一個錯誤，沒有一個警告。
張志強盯著屏幕上那行綠色的「PASS」，愣了好一會兒，然後說了一句：「活了。」
辦公室里的工程師們像炸開了鍋。
有人鼓掌，有人吹口哨，有人拍桌子，有人抱在一起。
有人蹲在角落裡捂著臉不出聲，肩膀在抖，不知道是在哭還是在笑。
張志強站在測試台前面，看著那顆指甲蓋大小的晶片，看著它安靜地運行著測試程序，看著調試器屏幕上跳動的數據。
他在心裡默默地說了一句——長青，有了自己的AI晶片。
消息很快傳到了陸長青的耳朵里。
他沒有去十四樓，可他把那份測試報告要了過去，從頭到尾看了一遍。
報告的最後一頁寫著幾行字：INT8算力，對標同期高通旗艦NPU。
能效比，優於同期蘋果NPU。
面積，小於同期三星NPU。
三句話，三個對比，三個勝出。
陸長青在報告封面上用紅筆畫了一個勾，批了三個字：「好。量產。」
二〇一二年夏天，搭載長青NPU-1的新一代珠峰手機正式發布。
發布會的主題是「智慧的珠峰」，林振華在台上演示了NPU加持下的各項AI功能。
拍照時，AI自動識別場景，人像模式背景虛化，夜景模式降噪提亮。
語音助手響應更快，識別更准。
相冊里的人臉識別、物體識別、場景分類，全部在端側完成，不上雲，不傳數據，保護用戶隱私。
台下掌聲雷動。
有記者問林振華：「長青的NPU是自己研發的嗎？」
林振華說了一句讓台下再次鼓掌的話：「從架構到設計，從代碼到版圖，從流片到量產，全部是長青自己做的。」
「長青不做組裝晶片，長青做的是真晶片。」
發布會結束後，有科技博主寫了一篇長文，標題是「長青NPU，中國晶片的新高度」。
文章最後寫道：「長青用一顆指甲蓋大小的晶片，證明了中國人不僅能設計手機、能造手機，還能設計晶片、能造晶片。」
「這顆晶片不大，可它代表的意義很大。」
在回深圳的飛機上，他心裡想的不是那些掌聲和讚譽，而是一個更根本的問題——長青講的這些未來，靠什麼來實現？
無人駕駛需要算力，無人超市需要算力，在家辦公的協同工具需要算力，AI更需要算力。
沒有算力，長青講的未來就是空中樓閣。
而算力的核心，是AI晶片。
回到長青大廈的第二天，陸長青把張志強叫到了辦公室。
張志強進門的時候，手裡還拿著一份晶片測試報告，臉上帶著一絲疲憊。
長青晶片已經做到了世界一流，可那是在手機處理器和基帶晶片領域，AI晶片是完全不同的物種。
陸長青沒有寒暄，開門見山：「張工，長青要做AI晶片。」
「不是修修補補的升級，是從零開始，自主研發。」
「你告訴我，需要多久？需要多少人？需要多少錢？」
張志強愣了一下。
他知道陸長青遲早會提這件事，可沒想到這麼快。
他想了想，說了一句讓陸長青滿意的話：「陸先生，AI晶片這件事，我早就開始想了。」
「長青晶片團隊裡，我已經悄悄拉了一個預研小組，研究了大半年了。」
陸長青嘴角微微上揚：「說說你的思路。」
張志強站起來，走到白板前面，拿起馬克筆，畫了一張圖。
「AI晶片和普通晶片不一樣。」
「普通CPU是通用計算，什麼都能算，可什麼都不精。」
「AI晶片是專用計算，專門為神經網絡算法設計的。」
「神經網絡的計算核心是什麼？是乘加運算。」
【寫到這裡我希望讀者記一下我們域名 讀好書上 TW 看書網，𝖘𝖍𝖚.𝖙𝖜超省心 】
「一個神經元接收多個輸入，每個輸入乘以一個權重，求和，再經過激活函數輸出。」
他在白板上寫了一個公式，然後畫了一個矩陣。
「一個神經網絡有幾百萬、幾千萬甚至幾十億個參數。」
「每一次前向傳播和反向傳播，都要做海量的乘加運算。」
「傳統的CPU算這些東西太慢了，功耗太高了。」
「AI晶片的本質，就是用專用的硬體電路，把這些乘加運算加速。」
「不是用軟體算，是用硬體算。」
「軟體算是一步一步來，硬體算是一起上。」
陸長青在沙發上換了個姿勢，示意他繼續。
張志強在白板上畫了幾種晶片的架構簡圖。
「目前主流的AI晶片有三種路線。」
「第一種是GPU，英偉達的A100、H100。」
「GPU本來是為圖形渲染設計的，圖形渲染的核心也是矩陣運算，跟神經網絡天然匹配。」
「英偉達抓住了這個機會，把GPU改造成了AI訓練的主力晶片。」
「通用性強，軟體生態好，什麼模型都能跑。」
「缺點是功耗高，貴，一片難求。」
他在GPU旁邊畫了一個圈，寫了「通用訓練」三個字。
「第二種是TPU，谷歌搞的。」
「核心叫脈動陣列。」
「權重固定在片上計算單元里，數據像流水一樣在陣列里流動。」
「這種方式數據搬移少，能效比GPU高。」
「缺點是通用性弱，基本只適配谷歌自己的生態。」
「第三種是NPU，專為端側推理設計的晶片。」
「手機里的NPU、自動駕駛的NPU、安防攝像頭的NPU，都屬於這一類。」
「特點是低功耗、小面積、推理速度快。」
「訓練還是在雲端用GPU，推理可以在端側用NPU。」
陸長青問了一句：「長青要做哪一種？」
張志強想了想，在白板上寫下了三個方向。
「第一，雲端訓練晶片。」
「對標英偉達的H100，做AI訓練的主力晶片。」
「這條路最難，投入最大，周期最長，可一旦做成了，長青就是全球第二家能做AI訓練晶片的公司。」
「第二，雲端推理晶片。」
「訓練好的模型，部署在雲端做推理。」
「技術難度比訓練晶片低，可市場需求大。」
「第三，端側推理晶片。」
「放在手機里、汽車裡、攝像頭裡。」
「長青有場景，長青的手機、汽車、安防設備，都需要端側推理晶片。」
「這是長青的優勢，別人沒有。」
陸長青站起來，走到白板前面，盯著那張圖看了很久，然後拿起紅色馬克筆，在「端側推理晶片」上面畫了一個圈。
「先做端側。」
「長青的手機需要NPU，長青的汽車需要NPU，長青的安防攝像頭需要NPU。」
「這些場景長青自己就有，不需要求別人。」
「產品做出來就能用，用了就能疊代，疊代了就能進步。」
「等端側站穩了，再做雲端推理。」
「等雲端推理站穩了，再做雲端訓練。」
「一步一個腳印，不跳級。」
張志強在筆記本上記下了這行字，說了一句：「陸先生，端側NPU的設計，我有思路。」
「核心是三點。」
「第一，MAC計算陣列。」
「神經網絡百分之九十的運算都是乘加運算，MAC陣列就是專門幹這個活的硬體。」
「MAC陣列越大，並行度越高，算力越強。」
「第二，存儲層級。」
「NPU跟GPU最大的區別是存儲架構。」
「GPU有大容量的高帶寬顯存，NPU依賴片上SRAM。」
「片上SRAM速度快，功耗低，可面積大。」
「多大容量的SRAM，放多大的模型，這是NPU設計的核心取捨。」
「第三，低精度量化。」
「訓練用FP16、BF16，推理用INT8、INT4。」
「精度越低，算力越高，功耗越低。」
「INT8的功耗大約是FP32的四分之一。」
「手機NPU推理用INT8是主流，INT4正在起來。」
陸長青在白板上寫了三個關鍵詞：MAC陣列、SRAM、低精度。
「張工，技術細節你比我懂。」
「我只問三個問題。」
「第一，長青做端側NPU，需要多久？」
「第二，長青的NPU能不能做到世界領先？」
「第三，長青的NPU能不能跟長青的手機、汽車深度整合？」
張志強想了想，伸出了兩根手指：「兩年。」
「第一顆端側NPU晶片，兩年之內流片。」
「性能對標同期高通和蘋果的NPU，不會差。」
「整合的事，長青有優勢。」
「蘋果的NPU只給自己用，高通的NPU賣給所有人。」
「長青的NPU也給自己用，可長青的手機、汽車、安防設備，比蘋果的產品線更寬，數據更多，疊代更快。」
陸長青說了一句讓張志強熱血沸騰的話：「兩年太長。」
「一年半。」
「長青的手機，下一代就要用上自己的NPU。」
「不是PPT上的NPU，是裝在手機里的NPU，是用戶用得到的NPU。」
張志強咬了咬牙：「我試試。」
陸長青說：「不是試試，是一定。」
AI晶片項目組在長青大廈的十四樓成立了。
辦公室不大，幾十個工位擠在一起，桌上堆滿了各種技術文檔和開發板。
白板上貼著NPU的架構圖、MAC陣列的示意圖、存儲層級的金字塔圖。
張志強親自帶隊，從晶片、手機、網際網路三個事業部抽調了最精銳的工程師。
有人做架構設計，有人做MAC陣列，有人做存儲層級，有人做低精度量化，有人做編譯器。
每個人都有自己的任務，每個人都清楚自己在做什麼。
張志強把開發計劃拆解到了每一個月。
第一月，架構設計。
第二月到第四月，前端設計。
第五月到第八月，後端物理設計。
第九月到第十月，流片。
第十一月到第十二月，回片調試。
第十三月到第十八月，軟硬體適配和產品化。
他在計劃表的第一頁寫了一行字：「只許提前，不許延後。」
架構設計的那一個月，是團隊最煎熬的日子。
NPU的核心參數怎麼定？MAC陣列多大？SRAM多大？支持哪些精度？功耗控制在多少？
每一個參數都是一道選擇題，每道選擇題背後都有一堆trade-off。
MAC陣列大了，算力強了，可面積大了，功耗高了。
SRAM大了，能效好了，可面積大了，成本高了。
精度高了，準確率好了，可算力低了，功耗高了。
張志強帶著團隊跑了幾十版仿真，把各種參數組合的性能數據擺在桌上，一條一條地比，一版一版地看。
最終定下來的方案是：MAC陣列，脈動陣列架構。
片上SRAM容量，在面積和功耗可接受的範圍內取上限。
支持精度，訓練用FP16，推理用INT8，預留INT4擴展。
架構方案通過的那天，張志強在報告上簽了字，寫了一句：「方向對了，剩下的就是干。」
前端設計是最燒腦的階段。
幾十萬行Verilog代碼，每一行都要反覆斟酌。
MAC陣列的實現方式、數據流的控制邏輯、存儲器的讀寫仲裁、片上網絡的路由算法，每一個模塊都是一個坑，每一個坑都要有人去填。
有人為了優化一條數據通路，在電腦前坐了整整三天，眼睛熬得通紅，改了幾十版代碼，最終把時序收斂了。
有人為了省幾個百分點的功耗，把存儲器的讀寫策略翻來覆去地改了好幾輪，測試數據一遍又一遍地跑。
後端物理設計比前端更折磨人。
晶片的面積只有指甲蓋大小，可要在上面擺幾百萬個標準單元、幾萬個MAC陣列、幾百塊SRAM。
擺得不好，時序收斂不了，功耗降不下來，信號串擾壓不住。
物理設計組的工程師們天天跟EDA工具較勁，布了一版又一版，優化了一次又一次。
有人開玩笑說：「這哪是設計晶片，這是在螺絲殼裡做道場。」
張志強接了一句：「螺絲殼裡做道場，才是真本事。」
流片的前一天晚上，張志強把團隊召集起來，在會議室里開了一個短會。
白板上貼著最後版的GDSII版圖，密密麻麻的線條和色塊，像一幅抽象畫。
他看著那些年輕的工程師，說了一句讓所有人都記住的話：「從明天開始，這顆晶片就在晶圓廠里生長了。」
「你們能做的已經做完了，剩下的交給時間。」
「等它回來的時候，希望我們都能說一句——我沒有遺憾。」
會議室里安靜了片刻，然後有人開始鼓掌。
流片之後的一個月，是漫長的等待。
張志強每天都會打開晶圓廠的進度系統，看那顆晶片走到了哪一步。
光刻、刻蝕、沉積、拋光，每一道工序都有固定的周期，急不來，也催不動。
陸長青有時在走廊里碰到張志強，會問一句：「晶片到哪了？」
張志強每次都會回答同一個字：「等。」
二〇一二年春天，長青的第一顆端側NPU晶片回片了。
晶片從晶圓廠寄回來的時候，裝在防靜電袋裡，被快遞員送到長青大廈的門口。
張志強親自下樓簽收，拿著那個小小的包裹，坐電梯回到十四樓。
工程師們圍過來，沒人說話，所有人的目光都盯著那個包裹。
張志強把包裹放在桌上，拆開，取出防靜電袋，把晶片放在顯微鏡下。
封裝上的絲印清晰可見——長青NPU-1。
他把晶片從顯微鏡下取出來，插到測試板上，接上電源，接上調試器，按下電源鍵。
電流從電源流向晶片，晶片的溫度從室溫慢慢升了上來。
調試器的屏幕上，第一行日誌跳出來了。
不是錯誤，不是警告，是正常的啟動信息。
第二行，第三行，第四行。
所有的自檢項全部通過，沒有一個錯誤，沒有一個警告。
張志強盯著屏幕上那行綠色的「PASS」，愣了好一會兒，然後說了一句：「活了。」
辦公室里的工程師們像炸開了鍋。
有人鼓掌，有人吹口哨，有人拍桌子，有人抱在一起。
有人蹲在角落裡捂著臉不出聲，肩膀在抖，不知道是在哭還是在笑。
張志強站在測試台前面，看著那顆指甲蓋大小的晶片，看著它安靜地運行著測試程序，看著調試器屏幕上跳動的數據。
他在心裡默默地說了一句——長青，有了自己的AI晶片。
消息很快傳到了陸長青的耳朵里。
他沒有去十四樓，可他把那份測試報告要了過去，從頭到尾看了一遍。
報告的最後一頁寫著幾行字：INT8算力，對標同期高通旗艦NPU。
能效比，優於同期蘋果NPU。
面積，小於同期三星NPU。
三句話，三個對比，三個勝出。
陸長青在報告封面上用紅筆畫了一個勾，批了三個字：「好。量產。」
二〇一二年夏天，搭載長青NPU-1的新一代珠峰手機正式發布。
發布會的主題是「智慧的珠峰」，林振華在台上演示了NPU加持下的各項AI功能。
拍照時，AI自動識別場景，人像模式背景虛化，夜景模式降噪提亮。
語音助手響應更快，識別更准。
相冊里的人臉識別、物體識別、場景分類，全部在端側完成，不上雲，不傳數據，保護用戶隱私。
台下掌聲雷動。
有記者問林振華：「長青的NPU是自己研發的嗎？」
林振華說了一句讓台下再次鼓掌的話：「從架構到設計，從代碼到版圖，從流片到量產，全部是長青自己做的。」
「長青不做組裝晶片，長青做的是真晶片。」
發布會結束後，有科技博主寫了一篇長文，標題是「長青NPU，中國晶片的新高度」。
文章最後寫道：「長青用一顆指甲蓋大小的晶片，證明了中國人不僅能設計手機、能造手機，還能設計晶片、能造晶片。」
「這顆晶片不大，可它代表的意義很大。」