2018年7月18日，自適應和智能計算的全球領(lǐng)導企業(yè)賽靈思公司（Xilinx, Inc.）宣布完成對深鑒科技的收購。深鑒科技是一家總部位于北京的初創(chuàng)企業(yè)，擁有業(yè)界領(lǐng)先的機器學習能力，專注于神經(jīng)網(wǎng)絡剪枝、深度壓縮技術(shù)及系統(tǒng)級優(yōu)化。

作為國內(nèi)為數(shù)不多的幾家智能芯片初創(chuàng)企業(yè)，此次被美國FPGA廠商賽靈思收購，對于不少置身事外的人而言，唏噓不已——國產(chǎn)芯片公司的發(fā)展之路除了被收購和被破產(chǎn)，還有什么？

深鑒科技有限公司聯(lián)合創(chuàng)始人，清華大學副教授汪玉在剛剛結(jié)束的CCAI2018會上表示：公司創(chuàng)立之初，就是做基于FPGA的深度學習解決方案，本身的目的就是希望將自己所研發(fā)的技術(shù)能夠更廣泛的應用。

賽靈思是FPGA領(lǐng)域的領(lǐng)頭羊，也是公司的早期投資者，也在公司的發(fā)展過程中提供了不少的幫助。因此被賽靈思收購，公司的技術(shù)可以得到大規(guī)模的應用，也樂得其所。正所謂由FPGA而來，到FPGA中去。

汪玉，博士，清華大學電子工程系長聘副教授，從事高能效電路與系統(tǒng)研究，發(fā)表論文200余篇，IEEE/ACM雜志文章40余篇；谷歌學術(shù)引用3000余次。

擔任ACM SIGDA E-News主編，IEEE TCAD、TCSVT編委，國際會議FPT2012，ISVLSI 2018技術(shù)委員會主席，DATE、GLSVLSI等多個會議的Track Chair，ISLPED 2012-2016財務主席，DAC等領(lǐng)域頂級會議技術(shù)委員會委員。

ACM杰出演講者，ACM FPGA技術(shù)委員會亞太地區(qū)唯一成員。獲得FPGA17、NVMSA17、ISVLSI12最佳論文，以及9次國際會議最佳論文提名。16年獲得NSFC優(yōu)秀青年基金。

曾獲得 2017 年中國計算機學會科學技術(shù)獎技術(shù)發(fā)明獎一等獎、中關(guān)村高聚工程-創(chuàng)新領(lǐng)軍人才等獎項。深度學習FPGA加速器在2016年知識產(chǎn)權(quán)轉(zhuǎn)化入股北京深鑒科技有限公司，打造世界最先進的FPGA深度學習平臺。

國產(chǎn)AI芯片初創(chuàng)公司涿鹿中原

AI芯片隨著人工智能的發(fā)展，近幾年也成為了行業(yè)的熱點。國內(nèi)初創(chuàng)的企業(yè)中，有寒武紀、深鑒科技、地平線、西井科技等公司。

寒武紀創(chuàng)始團隊源自中國科學院計算技術(shù)研究所，公司以處理器IP授權(quán)的形式與全世界同行快速共享最新的技術(shù)成果，并幫助全球客戶快速設計和生產(chǎn)具備人工智能處理能力的芯片產(chǎn)品。

目前，寒武紀已同時擁有終端AI處理器IP和云端高性能AI芯片兩條產(chǎn)品線，終端處理器IP產(chǎn)品已衍生出1A、1H、1M等多個型號，芯片有“MLU100”和“MLU200”，MLU100智能芯片（Cambricon-MLU100）。

深鑒科技的深度學習加速模塊，可用于智能IPC、NVR/DVR，深度學習加速卡可用于視頻結(jié)構(gòu)化服務器。其面向AI異構(gòu)計算平臺DPU（Deep-Learning Processor Unit，深度學習處理器）自主研發(fā)的原創(chuàng)深度學習SDK DNNDK? (Deep Neural Network Development Kit)，為DPU平臺各種深度學習應用開發(fā)和部署提供的一套高效全棧式解決方案。

地平線成立于2015年，主要是做CNN、DNN、RNN的加速器，基于創(chuàng)新的人工智能專用處理器架構(gòu)BPU（Brain Processing Unit ) ，自主設計研發(fā)了中國首款全球領(lǐng)先的嵌入式人工智能視覺芯片——面向智能駕駛的征程(Journey)系列處理器和面向智能攝像頭的旭日(Sunrise) 系列處理器，并向行業(yè)客戶提供“芯片+算法+云”的完整解決方案。

西井科技則是一家專注研究Neuromorphic Engineering神經(jīng)形態(tài)工程的類腦強人工智能公司，希望構(gòu)造一種模擬人腦神經(jīng)元工作原理而制造出的芯片。

其仿生類腦神經(jīng)元芯片——deepsouth（深南），具有”自我學習，自我實時提高”的特點，而且集成度更高、 模板更易更換，解決實時的復雜的智能問題功耗為傳統(tǒng)芯片在同一任務下的 幾十分之一到幾百分之一。還有深度學習類腦神經(jīng)元芯片——deepwell（深井），學習與識別速度遠遠高于運行在通用硬件(例如,CPU, GPU)上的傳統(tǒng)方法(例如,CNN)，且功耗更低。

初創(chuàng)公司紛紛跑步進入AI芯片市場，是看中了其中的市場機遇，但芯片市場的生存難度有多大？

從業(yè)人士表示，芯片是一個高技術(shù)含量，高投入的行業(yè)，其盈利要靠大規(guī)模鋪量才能成行。但芯片行業(yè)本身是一個經(jīng)驗市場，初出茅廬的企業(yè)很難獲得行業(yè)伙伴的信任。同時，芯片的價格也進入了白熱化的競爭，國產(chǎn)初創(chuàng)公司很難在多重壓力下突圍。

此次深鑒科技被收購，也被視作一條國產(chǎn)芯片廠商的出路，但大部分芯片公司，還需要自己解決生存問題。

中科院計算所研究員陳云霽也表示了相同的疑慮：國內(nèi)初創(chuàng)的芯片公司，要想獲得市場的信任是比較困難的，因此一條較為容易的路線是，可以將技術(shù)通過IP的形式打包，嵌入到行業(yè)應用的芯片中，這樣的做法相對可取。

陳云霽，中科院計算所研究員，博士生導師。陳云霽帶領(lǐng)團隊研制了國際上首個深度學習處理器芯片“寒武紀”，目前已經(jīng)應用在千萬級智能終端上。

深度學習處理器論文多次獲得計算機體系結(jié)構(gòu)頂級國際會議最佳論文獎，受到上百個國際知名機構(gòu)跟蹤引用。

被Science雜志評價為深度學習處理器的先驅(qū)和領(lǐng)導者。曾獲全國創(chuàng)新爭先獎、中國青年科技獎、國家自然科學基金“優(yōu)秀青年基金”、國家萬人計劃“青年拔尖人才”、中科院青年科學家獎和中國計算機學會青年科學家獎，并被MIT技術(shù)評論評為全球35位杰出青年創(chuàng)新者（2015年度）。

自動駕駛AI芯片的萌芽期

國產(chǎn)人工智能芯片初創(chuàng)企業(yè)，創(chuàng)立時間往往比較短，因此在技術(shù)成熟性以及行業(yè)經(jīng)驗上，都相對比較欠缺。芯片的研發(fā)、生產(chǎn)會花費巨額的費用，其成本的回收有賴于銷量。因此初創(chuàng)企業(yè)大都將產(chǎn)品擴張到了多個領(lǐng)域。汽車作為一個龐大的市場，自然也是兵家必爭之地。

2018年6月，深鑒宣布推出自主研發(fā)的ADAS系統(tǒng)DPhiAuto，而且還與日本、美國、德國車企簽下合同。深鑒科技CEO姚頌表示：最慢3年，搭載深鑒DPhiAuto系統(tǒng)的量產(chǎn)車就會推出。

DPhiAuto是基于FPGA的自動駕駛嵌入式AI計算平臺，可以為輔助駕駛系統(tǒng)提供車輛檢測、行人檢測、車道檢測、語義分割、交通標志識別、可行駛區(qū)域檢測等深度學習算法功能，是一套針對環(huán)境感知技術(shù)打造的軟硬件協(xié)同產(chǎn)品。

地平線在2017年就推了面向汽車后裝ADAS市場的征程(Journey)系列處理器，西井科技CEO譚黎敏在剛剛結(jié)束的2018高工智能汽車開發(fā)者大會（武漢站）會上就表示：deepwell的微秒級目標識別速度，實現(xiàn)超高速自動避障(大于200公里/小時)，同時自主識別空中/道路物體、交通標志/周邊靜、動態(tài)物體，實現(xiàn)無需互聯(lián)網(wǎng)的本地化、高速、低功耗、自我學習的自主主動智能駕駛。

自動駕駛的發(fā)展延緩性，在芯片領(lǐng)域同樣存在。汪玉表示，他們目前還只關(guān)注ADAS領(lǐng)域的芯片應用，因為ADAS功能是未來數(shù)年內(nèi)最有可能大規(guī)模量產(chǎn)普及的，相應的處理芯片也才有大量生產(chǎn)、銷售的機會。

自動駕駛AI芯片屬于終端處理芯片，對功耗和算力的要去都比較高，業(yè)內(nèi)通常是以Tops/w的單位來表示芯片的性能，及單位瓦數(shù)內(nèi)每秒處理數(shù)據(jù)的速度。

業(yè)內(nèi)以算力著稱的NVIDIA，最新一代GPU可以達到1Tops/w，目前處理的圖片都是百萬像素級的，未來隨著要求的提升，圖像清晰度也會與日俱增，對應的算力也要跟得上。

目前只有ASIC的算力，可以達到10Tops/w ，而大部分FPGA都處在10Gops/w 區(qū)間，經(jīng)過加速處理的FPGA也可以達到GPU1Tops/w的水平。

想要讓算力達到更高水平，無疑還需要做更多的努力，但在技術(shù)以及實踐上，需要克服更多未知的困難。而要讓自動駕駛AI芯片處理速度、功耗滿足瞬時性、可靠性等苛刻要求，這些坎兒又是必須要邁過的。

美國杜克大學電子與計算機工程系教授，昆山杜克大學應用科學與工程研究院院長和大數(shù)據(jù)研究中心主任李昕也表示了類似的觀點，他以Uber事故為例，車規(guī)級AI芯片的軟硬件要求、規(guī)范比傳統(tǒng)AI芯片要高數(shù)個量級，在穩(wěn)定性和冗余性上都有特殊的要求。

因此，從AI芯片發(fā)展的階段上來看，目前尚處早期。

李昕，現(xiàn)為美國杜克大學電子與計算機工程系教授，昆山杜克大學應用科學與工程研究院院長和大數(shù)據(jù)研究中心主任，美國NSF CAREER獎獲得者，IEEE Fellow，大數(shù)據(jù)與人工智能專家，被富士康集團創(chuàng)始人、董事長郭臺銘先生譽為“世界知名的制造業(yè)大數(shù)據(jù)分析專家”。

李昕曾為美國卡內(nèi)基梅隆大學電子與計算機工程系助理教授和副教授，曾創(chuàng)立美國Xigmix公司，并擔任公司的首席技術(shù)官, 后被Synopsys收購。出版著作4本，在國際頂級期刊發(fā)表論文50余篇，在國際頂級學術(shù)會議發(fā)表論文130余篇，獲得6次最佳論文獎和6次最佳論文提名。擔任國際頂級期刊IEEE Trans. on CAD常務主編，IEEE Trans. on Biomedical Engineering、ACM Trans. on DAES、IEEE D & T等副主編。