“你們準備做AI芯片嗎？”可能這是很多AI公司都會遇到的一個問題。

根據IT桔子的數據統計，2017年國內AI領域的投資事件高達384起，投資總額已經超過622億元人民幣。值得注意的是，這其中，計算機視覺領域共有139家公司獲得融資，總投資額已經達到了225億元。比如去年接二連三刷新融資記錄的商湯、曠視。

同時，高額融資的背后也透露出一個新的趨勢：技術層的公司正在往下沉，開始將目光轉向基礎層的芯片開發領域。僅僅是2017年，粗略估算就有數十家初創公司對外宣布要做AI芯片。另外，有數據顯示，2016年AI芯片全球市場規模為23.88億美元，預計到2020年AI芯片全球市場規模將達到146.16億美元。

AI終端芯片崛起的背后：邊緣計算

傳統的處理器主要是CPU，隨著算力的要求提高，GPU成為現階段AI行業的香餑餑。這也是英偉達這幾年股價持續上揚的一大重要因素。而我們現在所說的AI芯片指的是是專門針對AI算法做了特殊加速設計的芯片。基于通用性以及計算性能的差異，我們通常可以把AI芯片分為三大類：FPGA、ASIC、類腦芯片等。

計算機視覺公司曠視曾在采訪中透露公司正在開發FPGA芯片，而依圖科技也對外表示未來有做芯片的計劃，巧的是，他們在去年投了人工智能芯片公司ThinkForce。商湯在去年年末獲得來自高通的戰略投資，其相關人士表示，芯片方面，商湯主要是和高通合作。目前，AI芯片主要的使用場景又可以分為云端（服務器端）和終端兩大類。在云端上，以英偉達的GPU為主導，而英特爾、谷歌的TPU以及國內的比特大陸也相繼推出了各自的專用芯片。

但是隨著AI的崛起，對計算能力的需求越來越高，云端也有了更多的數據壓力。如果所有的數據處理都放在云端，首先會給通信的帶寬以及實時傳輸帶來壓力，其次涉及到信息安全以及隱私問題，所以高性能和低功耗的終端智能被提上日程：把更多的數據處理放在靠近數據源的設備端，將一些AI計算量的壓力從云端轉移到邊緣端。

也就是我們一直在說的邊緣計算：

邊緣計算指在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

這也是為什么會涌現出越來越多AI專用芯片廠商的一大因素。

另外，“云端的服務器芯片不是誰都能做的，一些服務器是要一個核電站來供電的，自然我們普通人就只能集中做AI終端‘接口’芯片。”國家“***”特聘專家、中國科學技術大學微電子學院副院長林福江表示。在這樣的態勢下，適用于終端側設備的AI芯片也應運而生。那么，在傳統芯片市場一直被國外巨頭壟斷的當下，AI芯片會繼續重蹈覆轍嗎？

這次風口上的AI芯片

是國外巨頭的游戲嗎？

在鎂客網《做芯片的不如做項鏈的？國內高端IC芯片破局已刻不容緩|專訪中科大副院長、浙大教授》一文中提到：

雖然我國已消化了近1/3市場需求而成為全球最大的芯片消費國，但繁榮背后卻有一個殘酷的事實：我國國產芯片的自給率不到30%，產值不足全球的7%，市場份額更是不到10%，也就是說中國“芯”90%以上依賴進口。

截至2016年底，中國芯片的進口金額達到1.3萬億人民幣左右，而同期的原油進口不到0.7萬億。中國在芯片進口上的花費已經接近原油的兩倍。

同時，像海康威視、大華股份、宇視科技等安防巨頭都和英偉達、英特爾等芯片商保持緊密聯系。

種種案例表示，在半導體這塊，國內一直落后于國外。所以AI芯片也是一次趕超的機會，這也是為什么一些初創公司會得到國資背景資本的支持，比如寒武紀的投資者就包括國投創業和國科創投。同時，去年12月，在工業和信息化部關于印發《促進新一代人工智能產業發展三年行動計劃（2018-2020年）》的通知中，提到要在智能終端、自動駕駛、智能安防、智能家居等重點領域實現神經網絡芯片的規模化商用。AI芯片作為最基礎的一環，提前做好“攻城略池”的準備，也是為后續發展做好鋪墊。有資料顯示，我國也已經制定了發展半導體產業的目標，2016年，芯片國產率只有26.2%，到2025年，國產率將增加到七成。這意味著國內的半導體制造能力也要同步增加。

而且相較之下，AI芯片研發上，目前國外的半導體巨頭動作并不大，主要還是以收購和合作為主，以英特爾為例，他們陸陸續續收購了Altera、Nervana、Movidius、Mobileye等多家公司，拿下了FPGA等多種芯片處理器技術。在國家“***”特聘專家、IEEE Fellow、南京大學教授王天風看來，“芯片一般來說是巨頭的游戲，但許多國際型大公司，例如美國的博通公司以及日本和韓國的一些大公司在AI方面的研發投入并不大， 主因是機器學習或人工智能算法并不是這些公司的傳統強項，當然也有些注重利潤率的公司不想進入還不太成熟的AI市場。初創的AI芯片公司如果專注一些特定應用場景是有可能在激烈的市場競爭中占有一席之地的。”

林福江教授認為國內初創公司做AI芯片是能夠突圍的，“‘接口’芯片（用于終端的芯片）的特殊應用，硬件也不太大，而且以算法為主，小公司是有很大機會的。”

AI芯片公司“各自為政”

不會出現一家獨大

確實，現在大多數計算機視覺或者自然語言處理初創公司，更多的是從技術應用場景出發，圍繞終端側開發相應的芯片。毫不夸張的說，軟硬件解決方案+前后端通吃正在成為大趨勢。

地平線的創始人余凱在此前的采訪中也表示，“芯片最終是拿來用的，并不是用來發論文的，所以要看在具體場景下把這個問題解決的怎么樣。傳統的芯片可能不用管后續的應用，所以他們只能做到他們的層次，多少瓦處理多少計算力，并沒有去考慮計算力對應用的意義，這個是傳統的芯片問題。”AI芯片“回歸初心”的話，其本質上是為具體的應用場景而服務的。云知聲loT事業部副總裁李霄寒認為，“技術實際上還在其次，最關鍵要看你解決問題的具體場景，要從具體的場景出發，去推演芯片能不能解決實際的問題。”

從接觸到的一些AI企業來看，現階段AI芯片的應用也主要以金融、安防、物聯網、自動駕駛等幾個細分的場景為主。“目前國內做AI芯片的公司可能有幾十家，重合度不會低。但多數公司有自己的側重點，例如寒武紀主推自己的AI專用處理器，地平線機器人在自動駕駛方面發展較多，商湯在智能監控方面積累較好。”

王中風教授表示，“最終市場必然會淘汰其中大部分的公司，有些公司會互相合并，也有些公司被大公司收購，能夠自己獨立發展并成功上市的也許不到十家。”

但是在那些重合度比較高的細分市場中，最終會不會出現一兩家芯片廠商壟斷呢？

對此，林福江教授認為，AI芯片發展到后期不會出現這樣的局面，“AI芯片更多是概念產業，是把一些可以解決算法問題的東西引進到芯片中來，我不認為會有通用AI芯片，也不會有一兩家大的芯片廠商來統一。”

AI芯片是階段性的

指望它在一兩年回本略顯著急

一般情況下，芯片研發的周期都是按照年來計算，按照去年的發布時間，2018年下半年會有不少AI芯片陸續面世。如此長的研發投入時間有可能無法和算法以及應用的發展同步，這種不確定性，也帶來未知的風險。尤其是對于芯片這種燒錢的硬件，出了一點紕漏，損失的都是千萬元以上。換句話說，雖然國內芯片產業是巨大的，但是整個研發成本非常之高，成功率也很難有保證。而且AI芯片僅僅強化深度學習能力是不夠的，傳感器接入，信號處理，檢測識別，以及軟件層面的決策和反饋等，各個環節需要的算法和計算特性也是不一樣的。

云知聲的李霄寒認為，做AI芯片有三個要素必須要考慮：

第一：有沒有相應的芯片知識，會不會做芯片。

第二：有沒有算法和應用，其實從核心的角度，我們是在為算法找一個適合的應用平臺，如果我們做AI芯片的話，必須要有AI方面的算法，算法和硬件是綁定的。

第三：要有自己的業務模型，當芯片出來后，怎么去銷售它，誰是你的客戶，你準備把它做成一種什么樣的產品形態，這些業務模型都是要考慮的。

從這個角度說，現在有一部分公司是有算法技術的，但如果僅僅從一個點出發去著手做芯片研發，擺在他們面前的則是后續的落地應用以及終端市場的開發。

李霄寒，“雖然在做芯片這件事情上是盈利，但是指望第一款芯片出來就能回本就太激進了。”“芯片沒有那么好做，投入大產出低，現在這么多人做芯片，我覺得大多數都會被淘汰掉。”云從科技聯合創始人孫慶凱表示。

AI芯片是一個需要長線投入的產業，它有自己的演進路線，基本上不可能在一兩年時間內一蹴而就，開始賺錢。比如，當第一款芯片推出后，芯片廠商肯定要繼續做相應的優化，包括添加功能 、降低成本等，而且它的生產測試也有自己的周期。

就像大多數初創公司認為的：AI芯片是一個長期的過程，指望它在一兩年回本就有點著急了。一位業內人士表示，“我沒看清楚為什么大家都開始做芯片，不過芯片這個方向是好的，它是一個市場發展方向。但是也不像業界內傳的這樣神乎其神，泡沫有點大。在盈利方面，芯片本身就不容易，更何況AI芯片的還是在炒概念。”

確實，將芯片的性能、功耗和使用場景結合起來，做出一個非常好的產品，這實際上對每個企業都是巨大的挑戰。

林福江教授則認為只有等基于旋轉電子的量子計算機30年后成為普及，才會有真正的AI終端出現。

結語

2018年是檢驗這些AI芯片廠商的開端，到底是哪些初創公司能做到小而美或者大而全，在優勝劣汰的過程中，芯片市場格局將發生大的變化，即使是像英偉達這樣的公司，也隨時面臨著被新的黑馬逆襲的危機。而很多沒有太多半導體背景的資本大量進入芯片領域，也釋放出一個信號：山雨欲來風滿樓，變天的時刻不遠了。