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(quán)轉(zhuǎn)載。

轉(zhuǎn)瞬之間，ILSVRC比賽（又稱ImageNet比賽）已經(jīng)停辦了四年。作為機(jī)器視覺領(lǐng)域最受追捧也是最具權(quán)威的學(xué)術(shù)競(jìng)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(xiàng)比賽最高名次為殊榮。

2012年，Krizhevsky團(tuán)隊(duì)采用GPU架構(gòu)結(jié)合CNN（卷積神經(jīng)網(wǎng)絡(luò)）算法，在大賽中將圖像識(shí)別錯(cuò)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(nèi)掀起了一波深度學(xué)習(xí)熱潮，這一年也被稱作“深度學(xué)習(xí)元年”。

卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等技術(shù)的不斷突破，使芯片算力持續(xù)提升;新架構(gòu)的出現(xiàn)繼而解決神經(jīng)網(wǎng)絡(luò)算力問題，掀起AI芯片的研究熱潮；2014年9月，國(guó)家集成電路產(chǎn)業(yè)投資基金（亦稱大基金）設(shè)立，此后，千億美元投入半導(dǎo)體產(chǎn)業(yè)，更是使芯片行業(yè)沸騰。

各項(xiàng)條件日益成熟后，2015年至2016年，是AI芯片發(fā)展的一個(gè)小高潮。一時(shí)間，大批創(chuàng)業(yè)公司爭(zhēng)相涌入，如今翻看國(guó)內(nèi)AI芯片創(chuàng)業(yè)公司的成立時(shí)間表，幾乎都是在2015年左右。

此后三年，AI芯片技術(shù)和產(chǎn)品研發(fā)進(jìn)入“百家爭(zhēng)鳴”階段，這一時(shí)期，賽道內(nèi)誕生了很多新技術(shù)、新架構(gòu)和新模式。但好景不長(zhǎng)，進(jìn)入2020年，AI芯片行業(yè)的熱度不斷下降，關(guān)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(jié)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(duì)于國(guó)內(nèi)AI芯片行業(yè)的現(xiàn)有局勢(shì)進(jìn)行分析，力圖還原一個(gè)真實(shí)的賽道近況。

更快、更高、更強(qiáng)

“圍棋人機(jī)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(bào)道下，成為一場(chǎng)專門為AI打造的全球科普盛會(huì)，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(jī)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(gè)版本的迭代。

在最早的版本中，AlphaGo采用了176塊GPU來解決運(yùn)算問題，但AlphaGo的技術(shù)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(jì)算解決運(yùn)算問題，第三版本后因?yàn)閮?yōu)化深度學(xué)習(xí)算法，僅采用4塊TPU和單機(jī)即可完成任務(wù)，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(dòng)下，全球人工智能進(jìn)入第三次爆發(fā)期。作為引領(lǐng)人工智能的深度學(xué)習(xí)算法，對(duì)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(jì)算效率低，難以適應(yīng)Al的計(jì)算要求。

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

任何事物的產(chǎn)生、發(fā)展都有其自身的規(guī)律和內(nèi)在動(dòng)因。

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

而TPU，則是谷歌在2015年6月I/O開發(fā)者大會(huì)上推出的計(jì)算神經(jīng)網(wǎng)絡(luò)專用芯片，正是搭載于AlphaGo系統(tǒng)才讓其名聲大振，本質(zhì)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(shù)架構(gòu)，即GPU，F(xiàn)PGA，ASIC，三者在架構(gòu)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(gòu)的芯片在通用性、性能、功耗方面有各自的優(yōu)點(diǎn)和缺點(diǎn)。

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(duì)性地進(jìn)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(shè)計(jì)和制造過程需要耗費(fèi)大量的資金和工程周期。

功能特性的不同也決定了應(yīng)用場(chǎng)景不同，目前，按照行業(yè)內(nèi)普遍達(dá)成的認(rèn)知，AI芯片根據(jù)所在服務(wù)器在網(wǎng)絡(luò)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(chǔ)設(shè)施，主要用于處理海量數(shù)據(jù)和大規(guī)模計(jì)算。終端AI芯片主要應(yīng)用于嵌入式、移動(dòng)終端等領(lǐng)域，如攝像頭、智能手機(jī)、邊緣服務(wù)器、工控設(shè)備等，主要涉及自動(dòng)駕駛、安防等領(lǐng)域。

實(shí)際上，即使在同一個(gè)應(yīng)用場(chǎng)景，按照具體承擔(dān)的任務(wù)，還能繼續(xù)分為訓(xùn)練芯片和推理芯片，訓(xùn)練是指對(duì)大量的數(shù)據(jù)在平臺(tái)上進(jìn)行學(xué)習(xí)，并形成具備特定功能的神經(jīng)網(wǎng)絡(luò)模型；推理則是利用已經(jīng)訓(xùn)練好的模型輸入新數(shù)據(jù)通過計(jì)算得到各種結(jié)論。

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

而在終端應(yīng)用場(chǎng)景中，以自動(dòng)駕駛應(yīng)用場(chǎng)景為例，對(duì)算法模型推斷過程的即時(shí)性有極高的要求，現(xiàn)實(shí)駕駛場(chǎng)景中，極短時(shí)間內(nèi)就需要Al芯片給出反饋，因此具備低時(shí)延特性的FPGA在自動(dòng)駕駛應(yīng)用場(chǎng)景中具備較廣闊的應(yīng)用前景。

總之，相較于云端應(yīng)用場(chǎng)景，終端應(yīng)用場(chǎng)景中ASIC及FPGA芯片應(yīng)用占比相對(duì)較高，應(yīng)用占比呈增長(zhǎng)趨勢(shì)。

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

現(xiàn)今，盡管FPGA和ASIC足以應(yīng)對(duì)部分應(yīng)用場(chǎng)景所需，但科學(xué)家仍在嘗試將新一代架構(gòu)的類腦芯片作為解決深度學(xué)習(xí)計(jì)算需求的底層架構(gòu)。

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

三大玩家誰主沉??？

現(xiàn)今，隨著中國(guó)人工智能行業(yè)的不斷發(fā)展，人工智能已進(jìn)入規(guī)模化應(yīng)用初期階段。這背后有諸多因素推動(dòng)，對(duì)AI芯片賽道進(jìn)行PEST模型分析可知，經(jīng)濟(jì)（Economic）和技術(shù)（Technological）因素起到了關(guān)鍵性作用。

作為人工智能市場(chǎng)的一部分，人工智能應(yīng)用領(lǐng)域的繁榮也正在推動(dòng)AI芯片市場(chǎng)需求加速擴(kuò)容。

公開信息顯示，中國(guó)AI芯片市場(chǎng)規(guī)模由2017年的47.8億元增長(zhǎng)至2020年的136.8億元，年復(fù)合增長(zhǎng)率達(dá)42.0%。預(yù)計(jì)至2025年，中國(guó)AI芯片市場(chǎng)規(guī)模增長(zhǎng)至687.5億元，五年年復(fù)合增長(zhǎng)率達(dá)38.1%，行業(yè)具有較高的市場(chǎng)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(shí)力極強(qiáng)，例如英偉達(dá)，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(tuán)隊(duì)多是以芯片設(shè)計(jì)起家，后者則是以人工智能算法產(chǎn)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(chǎng)地位。

市場(chǎng)上，傳統(tǒng)芯片巨頭行業(yè)地位難以撼動(dòng)。以英偉達(dá)為例，很長(zhǎng)一段時(shí)間內(nèi)，全球主流的硬件平臺(tái)都在使用英偉達(dá)的GPU進(jìn)行加速，亞馬遜網(wǎng)絡(luò)服務(wù)、谷歌云、阿里云、騰訊云等計(jì)算平臺(tái)都使用了英偉達(dá)的GPU產(chǎn)品提供深度學(xué)習(xí)算法訓(xùn)練服務(wù)。

這里需要補(bǔ)充的是，半導(dǎo)體產(chǎn)業(yè)鏈包含設(shè)計(jì)、制造，封測(cè)，應(yīng)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(wù)需包含設(shè)計(jì)和制造/封測(cè)，后者則專營(yíng)一項(xiàng)業(yè)務(wù)，像是英偉達(dá)和華為海思僅有芯片設(shè)計(jì)，沒有制造業(yè)務(wù)，稱作fabless；而臺(tái)積電和中芯國(guó)際僅代工制造，不涉及芯片設(shè)計(jì)，稱作foundry。

目前，AI芯片企業(yè)大多自己做芯片設(shè)計(jì)，把流片、封測(cè)、量產(chǎn)都外包給專門的服務(wù)商。

而芯片設(shè)計(jì)的商業(yè)模式有，IP設(shè)計(jì)、芯片設(shè)計(jì)代工和芯片設(shè)計(jì)三種。IP設(shè)計(jì)相對(duì)于芯片設(shè)計(jì)是在更頂層的產(chǎn)業(yè)鏈位置，以IP授權(quán)收費(fèi)為主，芯片設(shè)計(jì)代工則是提供代工設(shè)計(jì)服務(wù)的企業(yè)，大部分的人工智能新創(chuàng)企業(yè)是以芯片設(shè)計(jì)為主。

即便AI芯片設(shè)計(jì)的費(fèi)用相對(duì)而言比較低，但不俗的芯片開發(fā)費(fèi)用，加上長(zhǎng)達(dá)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(cái)力的差距，傳統(tǒng)巨頭的芯片可以選擇更先進(jìn)的制造工藝，創(chuàng)業(yè)公司只能負(fù)擔(dān)相對(duì)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(shì)，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(shì)，其大多由相關(guān)領(lǐng)域內(nèi)具有豐富經(jīng)驗(yàn)的人士組成團(tuán)隊(duì)，在研發(fā)產(chǎn)品上并不弱勢(shì)，部分企業(yè)的技術(shù)甚至較傳統(tǒng)芯片企業(yè)較優(yōu)，且憑借FPGA、ASIC芯片結(jié)構(gòu)，AI芯片創(chuàng)業(yè)公司在終端特定領(lǐng)域的優(yōu)勢(shì)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(chǎng)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(chǎng)公布的信息，第一代昆侖芯片已于2020年初量產(chǎn)，第二代昆侖芯片將于2021年下半年量產(chǎn)。阿里巴巴則通過收購(gòu)中天微，將其與達(dá)摩院合并成為平頭哥半導(dǎo)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(dòng)作最為低調(diào)，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(nèi)人士透露，騰訊大概有50人規(guī)模的團(tuán)隊(duì)在做芯片，其AI芯片已經(jīng)進(jìn)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(yīng)用場(chǎng)景可以劃分為云端和終端，在云端，互聯(lián)網(wǎng)大廠在云計(jì)算市場(chǎng)有極高的芯片需求，云計(jì)算市場(chǎng)已經(jīng)成為互聯(lián)網(wǎng)大廠第二增長(zhǎng)曲線。但云端芯片售價(jià)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(chǎng)，例如AIOT，其目的則是為了吸引用戶進(jìn)入自己的生態(tài)，最終盈利點(diǎn)大多并不在販賣硬件上，而是在增值服務(wù)上。

有意思的是，作為戰(zhàn)略布局，互聯(lián)網(wǎng)大廠在設(shè)計(jì)芯片時(shí)可以不計(jì)成本，這也將造成一些依賴向互聯(lián)網(wǎng)大廠輸出產(chǎn)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(dāng)運(yùn)動(dòng)員，又當(dāng)裁判員。

總之，現(xiàn)階段，三強(qiáng)競(jìng)爭(zhēng)，各有優(yōu)勢(shì)，短期來看，傳統(tǒng)芯片巨頭在賽道內(nèi)的話語權(quán)更高，考慮到如今邊緣及終端應(yīng)用場(chǎng)景正在逐步擴(kuò)大，AI芯片創(chuàng)業(yè)公司未必不能實(shí)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(huì)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(zhǎng)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(lǐng)域地平線機(jī)器人、大華股份、第四范式。

按照細(xì)分賽道來看，近十年來，盡管人工智能領(lǐng)域的“機(jī)器人/智能硬件、數(shù)據(jù)服務(wù)、計(jì)算機(jī)視覺”三大賽道在融資數(shù)量上位居前三，但芯片/半導(dǎo)體相關(guān)技術(shù)融資比例也在逐漸上調(diào)。

今年3月，據(jù)路透社報(bào)道，字節(jié)跳動(dòng)正在自研云端AI芯片和ARM服務(wù)器芯片。近日，在騰訊招聘官網(wǎng)出現(xiàn)多個(gè)芯片研發(fā)崗位信息，相關(guān)人士回應(yīng)稱，基于一些業(yè)務(wù)的需求，騰訊在特定的領(lǐng)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(huì)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(shì)。

盡管如此，AI芯片行業(yè)面臨的難題依舊不少，拿寒武紀(jì)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(duì)「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(bǔ)助?！?/p>

此外，市面上很多AI芯片產(chǎn)品，從產(chǎn)品維度來看，即靈活度、通用性等硬性標(biāo)準(zhǔn)，毫無疑問是成功的，但考慮到能否落地，就要打上一個(gè)問號(hào)。本來是要給傳統(tǒng)行業(yè)賦能，結(jié)果要靠傳統(tǒng)行業(yè)續(xù)命，“手里拿著錘子，看啥都是釘子?！甭涞爻闪薃I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(duì)于國(guó)內(nèi)芯片領(lǐng)域“缺芯少魂”的行業(yè)現(xiàn)狀卻有一定益處。造成國(guó)內(nèi)芯片被卡脖子局面的原因有很多，最關(guān)鍵的因素?zé)o非是人才和技術(shù)。

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

而在技術(shù)層面，誠(chéng)然，AI芯片主要涉及芯片設(shè)計(jì)領(lǐng)域，其發(fā)展遵循自身業(yè)務(wù)邏輯，跟國(guó)家安全和芯片關(guān)鍵領(lǐng)域自主可控關(guān)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(guó)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(jìn)入到這個(gè)領(lǐng)域來促進(jìn)芯片的發(fā)展，我相信這樣的形勢(shì)下中國(guó)的芯片產(chǎn)業(yè)會(huì)迅速趕上去?！?/p>

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。如有任何疑問，請(qǐng)聯(lián)系editor@cyzone.cn。