不過，當一切進入AI“智算”模式，芯片領域的競爭也將被數百倍的放大，各路新晉選手們開始在硬件設計上逐漸采取與傳統巨頭趨同化的方案。畢竟如此，一方面既能保證“穩妥”，又能極大的降低“試錯成本”，可謂是一舉兩得。

這也使得不少有軟件實力的芯片廠商未來會更多的依靠自有強大軟件生態優勢傲視群雄。而軟件生態，也將成為芯片廠商抵御入侵者們的最后一道“防線”。就拿當下最火熱的AI處理器產業為例，Graphcore中國區總經理盧濤就曾表示，現有市場上的AI芯片公司大致可以分為三類，一類公司是正在講PPT的公司，一類公司是有了芯片的公司，一類公司是真正接近或者是有了軟件的公司，足見“軟件”在芯片企業評級上的權重。

即便是“智算”時代，軟件的壁壘比硬件要更高，可這二者之間仍然是齊頭并進、相互依存、共謀發展的關系。畢竟，AI芯片成功的關鍵在于硬件/軟件的協同設計，AI芯片本身只起到加速的作用, 除了少量定制化AI芯片具備一定功能外，大多數AI芯片本身并不具備功能，它們的功能必須結合相關軟件來實現，這里的軟件包含芯片底層的驅動、開發工具鏈、各類計算庫、IR中間件、深度學習框架以及人機交互的界面等等。

鄒挺解釋到：“ AI芯片軟件需要把開發人員的生產力、易用性和靈活性與對大規模效率的需求結合起來，必須與硬件進行底層通信，以防止在硬件運行時的決策遲緩，并提高效率。AI算法中的概率性、高階數據結構使對運行時將要發生的事情進行預測變得更加困難，這就需要軟件提供更多有關算法結構和正在執行的機器學習模型結構的信息。軟件和硬件無縫地協同工作，將是提高AI芯片性能和效率的關鍵所在。”

Imagination也認為硬件和軟件應該是高度相互依賴的，沒有正確的硬件，世界上最好的軟件也是無用的，反之亦然，Andrew Grant指出：“相比從硬件轉向軟件，將會更多地出現從使用GPU這樣更通用的元件轉向關注ASIC。尤其在AI領域，擁有專為與GPU協同工作及增強GPU批量計算能力而設計的電路，就可以持續支撐AI任務中不斷增加的數據量和復雜性。NNA就是這樣一種ASIC，它將持續開拓數據中心的AI和機器學習功能。當與GPU的通用計算協同實現，并與高效、豐富的數據集和算法集成在一起時，跟上AI的發展步伐將變得更加可控。AI是一個令人興奮的領域，AI框架的開發在不斷演進。我們在自己的軟件工具中已經考慮了這一點，從而可以支持客戶在現有設計上運行最新的網絡，延長了我們設計的使用壽命和實用性，同時有助于向客戶確保我們在設計產品時有效地考慮了未來發展。”

但這并不能改變軟件構成芯片企業核心競爭力的事實，鄒挺告訴記者：“生態和開源軟件是Arm長久以來努力工作的方向。一直以來，Arm都在跟生態中的主要公司保持密切合作，包括軟件生態中的各個環節，從固件、操作系統、虛擬化軟件，到編程語言，到應用程序。近年來Arm軟件生態有了長足的進步，各種主流開源軟件都能直接運行于Arm的硬件，基于Arm的軟件開發越來越容易。比競爭壁壘更重要的是可重用性、標準化和合作。Arm去年發布了Cassini項目，它的目標是讓硬件廠商、開發者、和最終用戶有了一套共同的操作框架，遵循這個框架會容易地開發和部署應用程序。這些標準化工作避免了分歧，使能了創新和合作。”而這，也將成為Arm公司接下來持續引領全球芯片IP市場的關鍵。

總之，歷經充實“量變”之后的服務器芯片市場，已經開始從多個角度醞釀著“質變”。而對于各路沉浸這一領域多年的“老江湖”們來說，這既是一個拼“家底兒”的時刻，又是“更上一層樓”的契機。顯然，在這條競爭已經白熱化的賽道上，從硬件的角度能夠挖掘的“差異化”價值會越來越少，更多的發力軟件生態或許會是各路玩家構建核心競爭力之路上比較明朗且真正能夠有回報的路徑。但這并不意味著硬件已不再重要，從企業核心競爭力的長遠發展來看，軟硬件協同依然是芯片廠商立足全球市場并保持不敗競爭力的基礎。畢竟，無論是在高性能AI計算還是在其他任何一條芯片賽道上，唯有軟硬兼施、雙管齊下，方可運籌帷幄、決勝千里。