編者按：本文來自科技新知，作者樟稻 編輯伊頁，創(chuàng)業(yè)邦經(jīng)授權轉載。

轉瞬之間，ILSVRC比賽（又稱ImageNet比賽）已經(jīng)停辦了四年。作為機器視覺領域最受追捧也是最具權威的學術競賽之一，自2010年開辦以來，全球各知名AI企業(yè)皆以取得此項比賽最高名次為殊榮。

2012年，Krizhevsky團隊采用GPU架構結合CNN（卷積神經(jīng)網(wǎng)絡）算法，在大賽中將圖像識別錯誤率降到15.4%，以突出第二名10%的懸殊差距奪下桂冠。AlexNet的橫空出世，使得全球范圍內掀起了一波深度學習熱潮，這一年也被稱作“深度學習元年”。

卷積神經(jīng)網(wǎng)絡、深度學習等技術的不斷突破，使芯片算力持續(xù)提升;新架構的出現(xiàn)繼而解決神經(jīng)網(wǎng)絡算力問題，掀起AI芯片的研究熱潮；2014年9月，國家集成電路產業(yè)投資基金（亦稱大基金）設立，此后，千億美元投入半導體產業(yè)，更是使芯片行業(yè)沸騰。

各項條件日益成熟后，2015年至2016年，是AI芯片發(fā)展的一個小高潮。一時間，大批創(chuàng)業(yè)公司爭相涌入，如今翻看國內AI芯片創(chuàng)業(yè)公司的成立時間表，幾乎都是在2015年左右。

此后三年，AI芯片技術和產品研發(fā)進入“百家爭鳴”階段，這一時期，賽道內誕生了很多新技術、新架構和新模式。但好景不長，進入2020年，AI芯片行業(yè)的熱度不斷下降，關于行業(yè)泡沫化的呼聲越發(fā)高漲。

顯然，自2017年到2020年，AI芯片經(jīng)歷了融資火熱到泡沫出清的過程。按照行業(yè)的發(fā)展規(guī)律，AI芯片無疑面臨兩種結局，一種是徹底無人問津，另一種則是泡沫出清后再次起熱，現(xiàn)階段，行業(yè)似乎處在后一種局面。

本篇文章旨在對于國內AI芯片行業(yè)的現(xiàn)有局勢進行分析，力圖還原一個真實的賽道近況。

更快、更高、更強

“圍棋人機大戰(zhàn)”作為人工智能發(fā)展史上里程碑式的事件，在各路媒體報道下，成為一場專門為AI打造的全球科普盛會，人們籍此了解到人工智能已經(jīng)滲透到日常工作和生活中。

少為人知的是，此次人機大戰(zhàn)的主角，擊敗李世石和柯潔的AlphaGo，前后共經(jīng)歷了5個版本的迭代。

在最早的版本中，AlphaGo采用了176塊GPU來解決運算問題，但AlphaGo的技術并沒有因此止步，隨后在第二版本中采用48塊TPU配合分布式計算解決運算問題，第三版本后因為優(yōu)化深度學習算法，僅采用4塊TPU和單機即可完成任務，并且超過之前的成就。

而GPU、TPU的源頭，皆來自我們熟悉的CPU，中央處理器。

現(xiàn)今，在算力、算法和大數(shù)據(jù)三駕馬車的拉動下，全球人工智能進入第三次爆發(fā)期。作為引領人工智能的深度學習算法，對現(xiàn)有的芯片算力提出了更高的要求，傳統(tǒng)的通用CPU由于計算效率低，難以適應Al的計算要求。

這時，GPU出現(xiàn)了，同屬芯片技術架構，不同的是，GPU中超過80%部分為運算單元(ALU)，而CPU僅有20%。市面上有一種說法，“CPU是大學教授，做的是高數(shù)難題。GPU是一群小學生，做的是普通加減乘除”。此說法不甚準確，但GPU確實更擅長于大規(guī)模并行運算。

任何事物的產生、發(fā)展都有其自身的規(guī)律和內在動因。

芯片架構從CPU向GPU演進，背后是通用處理器的架構已經(jīng)無法適應人工智能算法的高需求，在這一主因的推動下，除了GPU外，也出現(xiàn)了FPGA(現(xiàn)場可編程門陣列)、ASIC(專用集成電路)等異構芯片，以及類腦神經(jīng)元結構芯片。

而TPU，則是谷歌在2015年6月I/O開發(fā)者大會上推出的計算神經(jīng)網(wǎng)絡專用芯片，正是搭載于AlphaGo系統(tǒng)才讓其名聲大振，本質上TPU是一種ASIC芯片方案。

現(xiàn)在，基本湊夠了目前市面上最常用的三類AI芯片的技術架構，即GPU，F(xiàn)PGA，ASIC，三者在架構上各有出入，特性自然有所區(qū)別。

這里可以參考保羅·克魯格曼提出的“不可能三角”原理，即不同架構的芯片在通用性、性能、功耗方面有各自的優(yōu)點和缺點。

拿定制化程度為說，GPU的通用性較好，F(xiàn)PGA，ASIC則分別是半定制化和定制化。以ASIC為例，該類芯片定制化程度較高，因此可以更有針對性地進行硬件層次的優(yōu)化，從而獲得更好的性能，但這同樣使ASIC芯片的設計和制造過程需要耗費大量的資金和工程周期。

功能特性的不同也決定了應用場景不同，目前，按照行業(yè)內普遍達成的認知，AI芯片根據(jù)所在服務器在網(wǎng)絡中的位置可以分為云端AI芯片，邊緣及終端AI芯片。

其中，云端芯片部署位置包括公有云、私有云或者混合云等基礎設施，主要用于處理海量數(shù)據(jù)和大規(guī)模計算。終端AI芯片主要應用于嵌入式、移動終端等領域，如攝像頭、智能手機、邊緣服務器、工控設備等，主要涉及自動駕駛、安防等領域。

實際上，即使在同一個應用場景，按照具體承擔的任務，還能繼續(xù)分為訓練芯片和推理芯片，訓練是指對大量的數(shù)據(jù)在平臺上進行學習，并形成具備特定功能的神經(jīng)網(wǎng)絡模型；推理則是利用已經(jīng)訓練好的模型輸入新數(shù)據(jù)通過計算得到各種結論。

現(xiàn)階段，由于云端平臺具備支持應用于各領域的全種類算法模型的能力，因此需要對AI芯片的選配需對其性能、成本、適配性及通用性進行綜合考慮。短期來看，CPU、GPU兩類芯片仍將作為云端應用場景AI芯片的主流選擇。

而在終端應用場景中，以自動駕駛應用場景為例，對算法模型推斷過程的即時性有極高的要求，現(xiàn)實駕駛場景中，極短時間內就需要Al芯片給出反饋，因此具備低時延特性的FPGA在自動駕駛應用場景中具備較廣闊的應用前景。

總之，相較于云端應用場景，終端應用場景中ASIC及FPGA芯片應用占比相對較高，應用占比呈增長趨勢。

此外，三種AI芯片結構有一個共同的地方，即GPU、FPGA、ASIC都是采用馮·諾依曼架構，這就出現(xiàn)了馮·諾依曼瓶頸，也就是說，CPU再快，也要等內存（內存墻）。

現(xiàn)今，盡管FPGA和ASIC足以應對部分應用場景所需，但科學家仍在嘗試將新一代架構的類腦芯片作為解決深度學習計算需求的底層架構。

可以說，AI芯片的迭代，應了奧林匹克的那句經(jīng)典格言——“更快、更高、更強”。

三大玩家誰主沉??？

現(xiàn)今，隨著中國人工智能行業(yè)的不斷發(fā)展，人工智能已進入規(guī)?；瘧贸跗陔A段。這背后有諸多因素推動，對AI芯片賽道進行PEST模型分析可知，經(jīng)濟（Economic）和技術（Technological）因素起到了關鍵性作用。

作為人工智能市場的一部分，人工智能應用領域的繁榮也正在推動AI芯片市場需求加速擴容。

公開信息顯示，中國AI芯片市場規(guī)模由2017年的47.8億元增長至2020年的136.8億元，年復合增長率達42.0%。預計至2025年，中國AI芯片市場規(guī)模增長至687.5億元，五年年復合增長率達38.1%，行業(yè)具有較高的市場潛力。

蛋糕愈發(fā)誘人，想要分享的人自然就多。目前，AI芯片行業(yè)主要有三大類型玩家：傳統(tǒng)芯片巨頭，互聯(lián)網(wǎng)大廠和AI芯片創(chuàng)業(yè)公司。

傳統(tǒng)芯片巨頭研發(fā)實力極強，例如英偉達，AMD，英特爾等；互聯(lián)網(wǎng)大廠跨界布局AI芯片，例如阿里巴巴，百度，騰訊；AI芯片創(chuàng)業(yè)公司則主要分為兩種，芯片系和算法系，兩者區(qū)別在于，前者創(chuàng)始團隊多是以芯片設計起家，后者則是以人工智能算法產品起家。

由于互聯(lián)網(wǎng)大廠布局AI芯片背后的商業(yè)邏輯和傳統(tǒng)芯片巨頭以及AI芯片創(chuàng)業(yè)公司有較大的出入，因此，先來分析后兩者的市場地位。

市場上，傳統(tǒng)芯片巨頭行業(yè)地位難以撼動。以英偉達為例，很長一段時間內，全球主流的硬件平臺都在使用英偉達的GPU進行加速，亞馬遜網(wǎng)絡服務、谷歌云、阿里云、騰訊云等計算平臺都使用了英偉達的GPU產品提供深度學習算法訓練服務。

這里需要補充的是，半導體產業(yè)鏈包含設計、制造，封測，應用，主要的商業(yè)模式分為垂直集成模式和垂直分工模式，前者企業(yè)業(yè)務需包含設計和制造/封測，后者則專營一項業(yè)務，像是英偉達和華為海思僅有芯片設計，沒有制造業(yè)務，稱作fabless；而臺積電和中芯國際僅代工制造，不涉及芯片設計，稱作foundry。

目前，AI芯片企業(yè)大多自己做芯片設計，把流片、封測、量產都外包給專門的服務商。

而芯片設計的商業(yè)模式有，IP設計、芯片設計代工和芯片設計三種。IP設計相對于芯片設計是在更頂層的產業(yè)鏈位置，以IP授權收費為主，芯片設計代工則是提供代工設計服務的企業(yè)，大部分的人工智能新創(chuàng)企業(yè)是以芯片設計為主。

即便AI芯片設計的費用相對而言比較低，但不俗的芯片開發(fā)費用，加上長達1-3年的開發(fā)周期，以及未知的落地能力，這些都是造成AI芯片創(chuàng)業(yè)公司極易夭折的原因。

又由于傳統(tǒng)芯片巨頭與AI芯片創(chuàng)業(yè)公司之間財力的差距，傳統(tǒng)巨頭的芯片可以選擇更先進的制造工藝，創(chuàng)業(yè)公司只能負擔相對成熟的工藝。大公司可以通過制造工藝的碾壓，獲得更好的性能，再通過其渠道、用戶生態(tài)的優(yōu)勢，賣出更多的芯片來收回成本。

AI芯片創(chuàng)業(yè)公司也并不是沒有優(yōu)勢，其大多由相關領域內具有豐富經(jīng)驗的人士組成團隊，在研發(fā)產品上并不弱勢，部分企業(yè)的技術甚至較傳統(tǒng)芯片企業(yè)較優(yōu)，且憑借FPGA、ASIC芯片結構，AI芯片創(chuàng)業(yè)公司在終端特定領域的優(yōu)勢正在凸顯。

此外，互聯(lián)網(wǎng)大廠如今也正在成為AI芯片市場上不可忽略的一極。

百度作為最早嘗試研發(fā)AI芯片的大廠，據(jù)市場公布的信息，第一代昆侖芯片已于2020年初量產，第二代昆侖芯片將于2021年下半年量產。阿里巴巴則通過收購中天微，將其與達摩院合并成為平頭哥半導體。此后，平頭哥陸續(xù)推出“含光”、“玄鐵”等系列芯片。

互聯(lián)網(wǎng)大廠中，騰訊的動作最為低調，其AI芯片布局中，最被經(jīng)常提起的是騰訊多次投資的AI芯片企業(yè)燧原科技。今年4月，據(jù)業(yè)內人士透露，騰訊大概有50人規(guī)模的團隊在做芯片，其AI芯片已經(jīng)進入流片階段。

互聯(lián)網(wǎng)大廠布局AI芯片，目的無非兩種，按照應用場景可以劃分為云端和終端，在云端，互聯(lián)網(wǎng)大廠在云計算市場有極高的芯片需求，云計算市場已經(jīng)成為互聯(lián)網(wǎng)大廠第二增長曲線。但云端芯片售價不菲，自研芯片或者入股某家芯片公司，能起到降本增效的作用。

而在終端市場，例如AIOT，其目的則是為了吸引用戶進入自己的生態(tài)，最終盈利點大多并不在販賣硬件上，而是在增值服務上。

有意思的是，作為戰(zhàn)略布局，互聯(lián)網(wǎng)大廠在設計芯片時可以不計成本，這也將造成一些依賴向互聯(lián)網(wǎng)大廠輸出產品的芯片廠商生存空間受到擠壓。某種程度上，互聯(lián)網(wǎng)大廠既當運動員，又當裁判員。

總之，現(xiàn)階段，三強競爭，各有優(yōu)勢，短期來看，傳統(tǒng)芯片巨頭在賽道內的話語權更高，考慮到如今邊緣及終端應用場景正在逐步擴大，AI芯片創(chuàng)業(yè)公司未必不能實現(xiàn)逆襲。

AI芯片需要冷菜熱炒

7月11日，2021年世界人工智能大會正式閉幕。如今，人工智能已經(jīng)滲透到我們生活的方方面面。此前，作為人工智能硬件，AI芯片的地位一度尷尬。

據(jù)「科技新知」查證，2021上半年人工智能賽道共發(fā)生融資事件367起，披露總金額超915.94億元，其中融資事件數(shù)同比增長了63.1%。具體來看，上半年披露融資總金額排名前三的品牌分別是邊緣人工智能芯片領域地平線機器人、大華股份、第四范式。

按照細分賽道來看，近十年來，盡管人工智能領域的“機器人/智能硬件、數(shù)據(jù)服務、計算機視覺”三大賽道在融資數(shù)量上位居前三，但芯片/半導體相關技術融資比例也在逐漸上調。

今年3月，據(jù)路透社報道，字節(jié)跳動正在自研云端AI芯片和ARM服務器芯片。近日，在騰訊招聘官網(wǎng)出現(xiàn)多個芯片研發(fā)崗位信息，相關人士回應稱，基于一些業(yè)務的需求，騰訊在特定的領域有一些芯片研發(fā)的嘗試，比如AI加速和視頻編解碼，但并非通用芯片。

互聯(lián)網(wǎng)大廠之外，前不久閉幕的世界人工智能大會上，AI芯片創(chuàng)業(yè)公司也頻頻露臉，行業(yè)一副重新起熱的架勢。

盡管如此，AI芯片行業(yè)面臨的難題依舊不少，拿寒武紀來說，頭頂“AI芯片第一股”光環(huán)，如今千億市值卻遭“腰斬”，前腳限售股解禁，后腳就迎來了股東清倉減持，利空之意溢于言表。

一位行業(yè)人士對「科技新知」表示，“一些AI芯片公司的商業(yè)模式十分奇葩，很多公司活著都是為了更好地向投資人講好故事，以芯片為名拿補助?！?/p>

此外，市面上很多AI芯片產品，從產品維度來看，即靈活度、通用性等硬性標準，毫無疑問是成功的，但考慮到能否落地，就要打上一個問號。本來是要給傳統(tǒng)行業(yè)賦能，結果要靠傳統(tǒng)行業(yè)續(xù)命，“手里拿著錘子，看啥都是釘子。”落地成了AI芯片行業(yè)最大的難題。

盡管面臨諸多問題，但AI芯片行業(yè)的重新起熱，對于國內芯片領域“缺芯少魂”的行業(yè)現(xiàn)狀卻有一定益處。造成國內芯片被卡脖子局面的原因有很多，最關鍵的因素無非是人才和技術。

根據(jù)《中國集成電路產業(yè)人才白皮書(2017-2018年版)》顯示，我國集成電路產業(yè)人才缺口還很大，集成電路高端設計人才、制造人才等普遍稀缺?！靶酒庠义X不行，要砸數(shù)學家、物理學家?！币欢ǔ潭壬?，AI芯片行業(yè)發(fā)展能夠促進芯片人才發(fā)掘。

而在技術層面，誠然，AI芯片主要涉及芯片設計領域，其發(fā)展遵循自身業(yè)務邏輯，跟國家安全和芯片關鍵領域自主可控關系不大，并非是突破芯片的7nm、5nm等尖端制程。

但這正印證中國工程院院士倪光南訪談中提到的這句話，“現(xiàn)在包括BAT互聯(lián)網(wǎng)企業(yè)，做傳統(tǒng)家電的企業(yè)都愿意進入到這個領域來促進芯片的發(fā)展，我相信這樣的形勢下中國的芯片產業(yè)會迅速趕上去。”

本文為專欄作者授權創(chuàng)業(yè)邦發(fā)表，版權歸原作者所有。文章系作者個人觀點，不代表創(chuàng)業(yè)邦立場，轉載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。