曾經，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，創業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展種子，在半導體行業內散播半個世紀后，最終撞上內存墻。

臺積電創始人張忠謀在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，而是如Google、Amazon和華為這類能夠整合整個物聯網系統的公司。

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和風口一詞緊緊聯系在一起，也和摩爾定律失效聯系在一起。

現有的半導體進化速度將越來越不能滿足AI時代呈指數增長的算力需求。為避免硬件被數據“吞噬”，美國2017年提出“軟件定義芯片”的概念，將科技創新的風向標扔向了互聯網企業。

然而事實證明，多數把AI芯片當成風口的人都賭輸了。包括國資背景寒武紀在內的初創企業，虧損持續擴大，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，由于有著超過許多行業的時間及試錯成本，意味著芯片必須盡早打通新的商業模式以維持研發，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勢的互聯網企業寄予厚望。

華為之后，小米花費三年從澎湃S1掙扎到澎湃S2，攜手聯發科想擺脫高通，OV帶數十億上場賭芯。

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網企業。

阿里旗下半導體公司平頭哥自研出玄鐵910，成功適配Linux內核與安卓系統；騰訊成立深圳寶安灣騰訊云計算有限公司，業務涵蓋集成電路設計、研發；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，2018年昆侖1出世，次年流片成功，隨后實現量產，性能提升3倍的昆侖2眼見量產。

業內盛傳GPU阻礙人工智能發展不是毫無道理，無論是深度學習所需的大數據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據資源的互聯網公司得到解決方案。

國內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，不如看看互聯網企業能夠為芯片帶去什么架構創新。

下一個十年，或許是芯片行業的黃金十年，也是互聯網企業的新征程。

1產業布局，芯片生機？

越是有想象力的市場，資本越偏好。

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

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

2020年，可以說是AI公司的爆發之年，去年發布的2035年遠景規化中，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行業的發展水漲船高。比特大陸高調進軍智慧城市，欣博電子聯合百度又布局金融、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芯片面對更新換代十分迅速的消費和企業服務市場，隨著圖像識別、語音識別等智慧領域發展，算法對算力需求的增長已非硬件升級就可以實現。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無法實現的能效和通用性，進而才能真正落地到商業應用上。

傳統芯片每秒瓦可以進行的操作完全不能滿足大規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，不過短時間內還沒有辦法出現像曾經的CPU一樣的AI通用算法芯片，這便是機會。

以百度自主研發的XPU為例，該架構專用于解決計算密集型和基于規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，技術正在把互聯網帶向神經網絡的格局。

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的寒武紀、百度等，多數企業都將重心放在了終端AI芯片的研發上。

云端芯片門檻更高，研發成本更高，一個產品從設計到流片成功再到量產，耗資往往數千萬美元，并非一般的AI芯片初創企業所能拿下。以小米澎湃S2為例，連續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據處理任務。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據，這對國內外的大型互聯網企業來說都較為容易。加之云端芯片研發面臨的技術、費用門檻，不難理解，為何現下只有華為、百度和寒武紀三家能夠真的將產品做出來。

不過，終端市場一直是國內優勢。終端AI芯片需要在現有計算機架構上，模擬人體神經網絡的神經元和突觸，這就需要研發相對CPU和GPU更具靈活性的AI芯片。

根據定制化程度，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，后者長于單數據流分析，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AI架構，既可應對云端的高密度計算，也可以穩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。基于FPGA靈活的優勢，產品更新換代、市場變化越迅速的行業更適用昆侖一類的AI芯片。

當然，FPGA的技術路線也有其弱點，在實現龐大復雜的算法時，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優勝劣汰。

Gartner相關報告顯示，2019年到2023年，AI芯片的市場規模增速為每年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屬性，不能脫離實際應用場景和可持續的商業模式。

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芯片成為獨立產業的潛力巨大。前段時間傳出百度將成立獨立的AI芯片企業，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。

商業模式上，自產自銷并非長久之計，也支撐不起高耗的研發成本。科技成果賦能于己只是初級關卡，賦能于彼才是長久生態。

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。

隨著行業發展，昆侖芯片已經實現對全球主流操作系統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，英偉達依然占據著一半以上的市場份額，英特爾積極轉型，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研發的IPU，由于兼具CPU與GPU的工作能力，ARM創始人赫曼·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的主觀情緒，IPU最終是否能夠挑戰英偉達，成為一方霸主，暫時還很難說。尤其是在芯片制造已從2D轉3D的今天，軟件領域的顛覆性創新顯得越來越重要，這也是為什么說互聯網企業可以在AI芯片領域大有可為的理由之一。

就國內的AI造芯行業而言，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，這類似于寒武紀創始人陳天石所謂“端云一體”思路。商業落地是寒武紀的弱勢，它不得不與各大具備成熟商業體系的廠商如OV、聯想、美的等保持深度合作。

再好的AI芯片都需要藉由AI應用實現商業落地，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。

智研咨詢數據顯示，2020年國內AI語音市場規模達155億元，接下來還會保持高速增長的態勢。

云知聲、思必馳和百度等是著力語音芯片領域的代表企業。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年發布雪燕、海豚等產品后開始沖擊IPO。百度的鴻鵠語音芯片則是對傳統語音交互技術進行了革新。

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

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

鴻鵠語音芯片打破了這種傳統方案，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，統一二者的優化目標。這種“基于復數的卷積神經網絡”的技術將語音識別的錯誤率降低了30%，高噪音環境下的喚醒率也提升了10%。

上述壓縮能耗，分擔算力，互聯網企業做芯片的思維，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初創公司，阿里、微軟、亞馬遜、百度等互聯網企業開始扎根半導體行業，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