文 | 新质动能，作者｜沐风，编辑｜时楠 AI创业圈里，又冲出一个估值288亿的独角兽。 这家公司背后的掌舵人——乔琳，本硕均毕业于复旦大学计算机系，资历硬到能在硅谷掀起风浪。 她的投资人阵容堪称豪华：有红杉、Benchmark这样的顶级老牌风投，也有一票手握核心算力的产业巨 头。 而最炸裂的，是那两位名字——英伟达和AMD。 没错，黄仁勋和苏姿丰，这对在芯片战场互不相让的对手，竟罕见地坐到同一张牌桌上，为同一个创业 者押下重注。 这就让人忍不住想问：乔琳，这位复旦才女，以及她创立的名字有点拗口的Fireworks AI，究竟有何底 气，让芯片圈的"教父"和"女王"同时放下刀剑，掏出支票？ 复旦才女硅谷进阶 要看懂Fireworks AI，必须先看懂它的创始人，乔琳。 这位姐的履历，堪称一部学霸和技术大牛的进化史。复旦本硕连读，加州大学圣巴巴拉分校博士，先后 在IBM、LinkedIn当技术高管。创业前，她最重要的一站，是在Meta（当年的Facebook）。 在 Meta 任职期间，她领导了超过 300 人的工程团队，把 PyTorch 从一个科研圈的小众工具，打造成支 撑全球开发者生态的行业标杆。她主导的 ...

计算机架构发展趋势 - 2003年迈克尔·J·弗林预测计算的未来将依赖简单、并行、确定性和领域特定性设计，而非复杂通用处理器 [1] - 二十年后，推测执行的漏洞（如2018年Spectre和Meltdown）验证了弗林对复杂架构的批评 [4] - 行业领导者（谷歌、NVIDIA、Meta）和新兴企业（如Simplex Micro）的设计理念已转向简洁性、确定性和专业化 [1][5] 推测执行的局限性与行业调整 - 推测执行带来性能提升的同时导致高功耗、验证困难及安全隐患 [4] - 英特尔Lunar Lake和Sierra Forest核心转向效率优化，苹果M系列芯片强调可预测延迟，Arm Cortex-M放弃推测逻辑以满足实时性需求 [5] - RISC-V生态系统推动无推测设计，Simplex Micro等公司采用确定性执行模型 [6] 人工智能加速器与弗林愿景的契合 - 谷歌TPU、Cerebras晶圆级引擎、Groq数据流处理器均摒弃推测执行，采用大规模并行确定性计算 [9][10] - 谷歌TPU通过脉动阵列实现高吞吐量和确定性延迟，Cerebras通过无缓存设计优化数据局部性 [9] - Meta MTIA芯片针对推荐系统优化，体现领域特定架构（DSA）理念 [10] 领域特定架构（DSA）的兴起 - 弗林预测计算将分裂为针对不同任务的定制化架构（如服务器、AI、嵌入式系统） [12] - 现代硬件生态涵盖AI处理器（TPU）、网络加速器（SmartNIC）、安全微控制器（汽车RISC-V）等DSA [17] - GPU演化成针对机器学习的DSA，集成张量核心和低精度流水线 [13] 行业现状与未来方向 - 数据流架构、显式调度和确定性流水线成为主流，符合弗林对简洁性和可扩展性的主张 [15] - 在AI推理、汽车安全和边缘计算领域，安全性、能效和实时可靠性需求推动后推测计算发展 [15] - 弗林的理念已渗透至TPU、RISC-V等架构设计，但较少被明确提及 [15]