曾經(jīng)，喬布斯把硅谷的黃埔軍校仙童半導體比喻為一顆成熟的蒲公英，輕輕一吹，創(chuàng)業(yè)的種子就播散到了四方。

以仙童半導體和德州儀器為開端的科技發(fā)展種子，在半導體行業(yè)內(nèi)散播半個世紀后，最終撞上內(nèi)存墻。

臺積電創(chuàng)始人張忠謀在2014年斷言“摩爾定律只剩五六年壽命”，屆時，最賺錢的公司不會是半導體企業(yè)，而是如Google、Amazon和華為這類能夠整合整個物聯(lián)網(wǎng)系統(tǒng)的公司。

從2015年開始，每年都有人工智能的相關政策出爐，人工智能逐漸上升到國家戰(zhàn)略地位，2017年進入十九大報告。過去五年，AI和風口一詞緊緊聯(lián)系在一起，也和摩爾定律失效聯(lián)系在一起。

現(xiàn)有的半導體進化速度將越來越不能滿足AI時代呈指數(shù)增長的算力需求。為避免硬件被數(shù)據(jù)“吞噬”，美國2017年提出“軟件定義芯片”的概念，將科技創(chuàng)新的風向標扔向了互聯(lián)網(wǎng)企業(yè)。

然而事實證明，多數(shù)把AI芯片當成風口的人都賭輸了。包括國資背景寒武紀在內(nèi)的初創(chuàng)企業(yè)，虧損持續(xù)擴大，離盈利還差一場馬拉松。

這不是一個單純靠砸錢和砸人便能成就的行業(yè)，由于有著超過許多行業(yè)的時間及試錯成本，意味著芯片必須盡早打通新的商業(yè)模式以維持研發(fā)，如可落地的AI應用。

就像英偉達追過英特爾一樣，更適宜人工智能大規(guī)模高算力需求的GPU得以被重新估值。隨著對“缺芯”劣勢的認知加深，市場對具備軟硬件一體化優(yōu)勢的互聯(lián)網(wǎng)企業(yè)寄予厚望。

華為之后，小米花費三年從澎湃S1掙扎到澎湃S2，攜手聯(lián)發(fā)科想擺脫高通，OV帶數(shù)十億上場賭芯。

不過眼下真正值得細究的，是以BAT為代表紛紛宣布造芯的互聯(lián)網(wǎng)企業(yè)。

阿里旗下半導體公司平頭哥自研出玄鐵910，成功適配Linux內(nèi)核與安卓系統(tǒng)；騰訊成立深圳寶安灣騰訊云計算有限公司，業(yè)務涵蓋集成電路設計、研發(fā)；百度帶著AI算法入場最早，2010年已使用FPGA進行AI架構的研發(fā)，2018年昆侖1出世，次年流片成功，隨后實現(xiàn)量產(chǎn)，性能提升3倍的昆侖2眼見量產(chǎn)。

業(yè)內(nèi)盛傳GPU阻礙人工智能發(fā)展不是毫無道理，無論是深度學習所需的大數(shù)據(jù)還是強化學習面臨的并行方式，都可以從天然具備軟件技術和數(shù)據(jù)資源的互聯(lián)網(wǎng)公司得到解決方案。

國內(nèi)的芯片設計領域與國際差距并不算太遠，因此，我們可以換個思路來看芯片的未來：與其拘泥于只能針尖式突破，暫時毫無辦法的的EDA/IP和光刻機，不如看看互聯(lián)網(wǎng)企業(yè)能夠為芯片帶去什么架構創(chuàng)新。

下一個十年，或許是芯片行業(yè)的黃金十年，也是互聯(lián)網(wǎng)企業(yè)的新征程。

1產(chǎn)業(yè)布局，芯片生機？

越是有想象力的市場，資本越偏好。

國內(nèi)外資本對AI芯片的偏好略有不同，這與半導體的發(fā)展歷史有關。以硅谷為代表的半導體投資行業(yè)愿意放手賭注高門檻的云端芯片公司。國內(nèi)則主要是富有積累的大型互聯(lián)網(wǎng)企業(yè)在進行云端芯片研發(fā)，但偏向終端芯片的初創(chuàng)企業(yè)也通常能獲得資本青睞。

亞太地區(qū)以后很長一段時間都還會是全球最大的半導體消費市場，市場會倒逼科技創(chuàng)新。

2020年，可以說是AI公司的爆發(fā)之年，去年發(fā)布的2035年遠景規(guī)化中，AI是首要關鍵。AI四小龍里，除商湯外的云從、依圖和曠視先后提起IPO。

AI芯片的價值隨著AI行業(yè)的發(fā)展水漲船高。比特大陸高調(diào)進軍智慧城市，欣博電子聯(lián)合百度又布局金融、安防領域，地平線主攻自動駕駛和AIoT市場，清微智能和寒武紀類似，仰仗學術背景，有CGRA架構技術加持……

不過芯片本身的特性使得市場可能還需要走過一段泡沫期，過濾大部分偏科選手。

目前國內(nèi)排名靠前的IC設計公司，放到國際行列，多處于第三梯隊，除開一些外部不可抗力因素外，市場也是一個很重要的因素。

AI芯片面對更新?lián)Q代十分迅速的消費和企業(yè)服務市場，隨著圖像識別、語音識別等智慧領域發(fā)展，算法對算力需求的增長已非硬件升級就可以實現(xiàn)。從2012年以后開始，算力需求幾乎是每3個月就翻倍一次。

因此，AI芯片從誕生之初就是為了彌補CPU、GPU無法實現(xiàn)的能效和通用性，進而才能真正落地到商業(yè)應用上。

傳統(tǒng)芯片每秒瓦可以進行的操作完全不能滿足大規(guī)模深度學習的算力需求。一般而言，AI專用芯片的能效是 CPU 的萬倍，GPU 的百倍，可達到100 TOPS/W以上。

滿足了算力需求，還需要滿足通用性，通用AI芯片被稱為AI芯片皇冠上的明珠，不過短時間內(nèi)還沒有辦法出現(xiàn)像曾經(jīng)的CPU一樣的AI通用算法芯片，這便是機會。

以百度自主研發(fā)的XPU為例，該架構專用于解決計算密集型和基于規(guī)則的多樣化計算任務，既能提高能效也有助于靈活性，昆侖芯片的高性能便得益于此。

隨著AI芯片的發(fā)展，未來的計算機和各類終端很可能都需要配備AI芯片，技術正在把互聯(lián)網(wǎng)帶向神經(jīng)網(wǎng)絡的格局。

02AI上云，終端入芯

目前市場上的AI芯片從用途來看大致分為云端和終端兩類。除了堅持云端芯片開發(fā)的寒武紀、百度等，多數(shù)企業(yè)都將重心放在了終端AI芯片的研發(fā)上。

云端芯片門檻更高，研發(fā)成本更高，一個產(chǎn)品從設計到流片成功再到量產(chǎn)，耗資往往數(shù)千萬美元，并非一般的AI芯片初創(chuàng)企業(yè)所能拿下。以小米澎湃S2為例，連續(xù)五次流片失敗就已耗光2500萬美元。

當云計算無法承載IoT設備碎片化趨勢下的算力需求，終端設備就需要分擔相應的數(shù)據(jù)處理任務。簡而言之，無論是云端還是終端的AI芯片，都需要具備相應的算力。

訓練算力涉及大量數(shù)據(jù)，這對國內(nèi)外的大型互聯(lián)網(wǎng)企業(yè)來說都較為容易。加之云端芯片研發(fā)面臨的技術、費用門檻，不難理解，為何現(xiàn)下只有華為、百度和寒武紀三家能夠真的將產(chǎn)品做出來。

不過，終端市場一直是國內(nèi)優(yōu)勢。終端AI芯片需要在現(xiàn)有計算機架構上，模擬人體神經(jīng)網(wǎng)絡的神經(jīng)元和突觸，這就需要研發(fā)相對CPU和GPU更具靈活性的AI芯片。

根據(jù)定制化程度，AI芯片可以分為GPU、FPGA和ASIC三大類型。其中ASIC的定制化程度最高，靈活性最差，寒武紀MLU100和1M兩款芯片，技術路線都是ASIC。

GPU和FPGA的靈活性較佳，前者專用多重任務處理，主打云端訓練和推理，后者長于單數(shù)據(jù)流分析，主打云、終端推理。

從成本、功耗及平均算力來考慮，半定制的FPGA是性價比更高的選擇。

以百度的通用芯片昆侖為例，這款芯片基于FPGA研發(fā)AI架構，既可應對云端的高密度計算，也可以穩(wěn)定邊緣端的基礎計算。

FPGA高性能、低成本、自主可控和易編程等特點對應的是廣闊的市場前景和生命周期?；贔PGA靈活的優(yōu)勢，產(chǎn)品更新?lián)Q代、市場變化越迅速的行業(yè)更適用昆侖一類的AI芯片。

當然，F(xiàn)PGA的技術路線也有其弱點，在實現(xiàn)龐大復雜的算法時，需要增加DSP等高級模塊。

長遠看來，AI芯片企業(yè)只會越來越多，智能終端還具有許多尚未開墾的領地，也面臨向手機外其他形態(tài)遷徙的可能。

盡管資本市場對芯片投資進入冷靜期，但AIoT趨勢并不會放緩，并且還會加速造芯企業(yè)優(yōu)勝劣汰。

Gartner相關報告顯示，2019年到2023年，AI芯片的市場規(guī)模增速為每年50%，預計2023年將超過320億美元。

我們必須要清楚的一點是，芯片制造行業(yè)類似軍備賽，被寄托了更多歷史使命和科技振興的希望，AI芯片的設計則天然攜帶商業(yè)屬性，不能脫離實際應用場景和可持續(xù)的商業(yè)模式。

實際應用方面，造車和造芯幾乎是孿生兄弟，此外還有以小米、小度、小愛等一系列智能音箱的落地設備。

AI芯片成為獨立產(chǎn)業(yè)的潛力巨大。前段時間傳出百度將成立獨立的AI芯片企業(yè)，從百度近兩年在AI領域的動作來看，可能性較大。隨著Apollo智能駕駛商業(yè)化落地，智能音箱的市場拓寬，AI芯片應用市場的成熟已入開局。

商業(yè)模式上，自產(chǎn)自銷并非長久之計，也支撐不起高耗的研發(fā)成本?？萍汲晒x能于己只是初級關卡，賦能于彼才是長久生態(tài)。

入場早不代表最終勝利，開源才能將一切機會無限放大。百度2010年上場AI架構賽道，芯片設計之初主要是為了支撐自己的機器學習平臺BML。

隨著行業(yè)發(fā)展，昆侖芯片已經(jīng)實現(xiàn)對全球主流操作系統(tǒng)CPU，深度學習框架Pytorch和 TensorFlow等的支持。其實，這種開放性，在百度開啟開源深度學習框架飛槳（PaddlePaddle）對0基礎用戶的友好模式時就已見端倪。

類似去年百度在資本市場的逆勢上漲，我們也需要重新審視AI算法加持下的軟件創(chuàng)新，能為局促的硬件世界帶去什么。

03軟硬一體，應用先行

全球AI芯片市場，英偉達依然占據(jù)著一半以上的市場份額，英特爾積極轉(zhuǎn)型，Google的TPU從誕生以來備受矚目。

幾乎所有人都想超過英偉達，但所有人都需要跨越硬件、軟件兩條大河。

比較有代表性的是英國AI芯片制造商Graphcore研發(fā)的IPU，由于兼具CPU與GPU的工作能力，ARM創(chuàng)始人赫曼·豪瑟將其稱為計算機史上的第三次革命。

赫曼的上述評價帶有相當?shù)闹饔^情緒，IPU最終是否能夠挑戰(zhàn)英偉達，成為一方霸主，暫時還很難說。尤其是在芯片制造已從2D轉(zhuǎn)3D的今天，軟件領域的顛覆性創(chuàng)新顯得越來越重要，這也是為什么說互聯(lián)網(wǎng)企業(yè)可以在AI芯片領域大有可為的理由之一。

就國內(nèi)的AI造芯行業(yè)而言，資金首先就會刷掉一大批競爭者，再剩下一群或偏硬件或偏軟件的玩家。

唯有軟硬件結合到位得玩家才可能真正存活下來，這類似于寒武紀創(chuàng)始人陳天石所謂“端云一體”思路。商業(yè)落地是寒武紀的弱勢，它不得不與各大具備成熟商業(yè)體系的廠商如OV、聯(lián)想、美的等保持深度合作。

再好的AI芯片都需要藉由AI應用實現(xiàn)商業(yè)落地，對于普通用戶來說，云計算不容易直接感受，能直接感受到的商品是如智能音箱這一類的AI終端。

終端芯片要求比云端更低的功耗，最常見用于智能家居語音交互、智能車載語音交互等場景。

智研咨詢數(shù)據(jù)顯示，2020年國內(nèi)AI語音市場規(guī)模達155億元，接下來還會保持高速增長的態(tài)勢。

云知聲、思必馳和百度等是著力語音芯片領域的代表企業(yè)。其中，思必馳與海信、長虹、阿里、北汽等達成了深度合作，而云知聲在2019年發(fā)布雪燕、海豚等產(chǎn)品后開始沖擊IPO。百度的鴻鵠語音芯片則是對傳統(tǒng)語音交互技術進行了革新。

值得一提的是，百度最新發(fā)布的小度智能音箱2紅外版得益于這種技術革新，平均功耗僅100mw，低于3C產(chǎn)品通行的待機標準。

傳統(tǒng)智能音箱走的是將語音交互分割為先增強后識別的路子，增強和識別模塊優(yōu)化目標不一致，拾音嚴重依賴聲源定位，在真實使用環(huán)境中性能會大打折扣。

鴻鵠語音芯片打破了這種傳統(tǒng)方案，它分擔了語音交互中復雜地計算，將語音增強和識別地建模進行端到端一體化，統(tǒng)一二者的優(yōu)化目標。這種“基于復數(shù)的卷積神經(jīng)網(wǎng)絡”的技術將語音識別的錯誤率降低了30%，高噪音環(huán)境下的喚醒率也提升了10%。

上述壓縮能耗，分擔算力，互聯(lián)網(wǎng)企業(yè)做芯片的思維，其實是在為AI終端應用的市場普及開路。

不同于寒武紀一類科研出身的AI初創(chuàng)公司，阿里、微軟、亞馬遜、百度等互聯(lián)網(wǎng)企業(yè)開始扎根半導體行業(yè)，追逐異構計算。表面上看是在販賣硬件，實際上圖的是硬核技術背后的增值服務。

唯有走出販賣商品的階段，AI才會真正成為新基建。因為說到底，AI、AI芯片以及背后的軟硬件一體化，都是作為服務存在的。顯然，服務是一個更具有想象空間的世界。
責任編輯:tzh