AI芯片，站在機遇與泡沫的十字路口

中國芯彎道超車的機會終於來了，主角是人工智能芯片。 前赴後繼的趕風者紛湧踏至。 一面是迅速崛起的行業需求，一面是急功近利的產業氛圍，二者夾擊間，風口將往哪兒吹？

深度學習技術，猶如一管強大的興奮劑，讓中年遲暮的半導體產業整個沸騰了——它能讓現有的芯片性能提升1萬倍。 正在經歷“摩爾定律失效”危機的從業者們喜出望外，終於因深度學習而柳暗花明。

隨之而來的還有，前赴後繼的趕風者，他們野心勃勃，手握前沿算法，紛紛誓言要做傳統半導體行業的顛覆者……讓資本和市場興奮不已。

坊間傳聞，僅僅2017年下半年，在全球最大晶圓代工廠台積電，忙碌的流水線上已積攢了超過30款人工智能芯片等待下線流片。 作為芯片正式量產前的小規模試產，流片意味著芯片距離落地越來越近了。

AI時代下的“軟”紅利

中國是全球最大電子產品製造國，但芯片卻一直是從業者們的一塊心病。  

雖然中國市場消耗著全球近三分之一的芯片，但芯片自給率低卻是不爭的事實。 業界早有“中國進口芯片比石油還多”的說法。

“這個數字大概是10%左右。”芯片行業資深專家莫大康談到中國芯片的自給率時說道，“一些機構給出的數字為17%，但這是把英特爾和三星在中國生產的芯片也 計算在內。” 

需求催生出市場。 自上世紀90年代開始，華為海思、展訊、中星微等一批中國芯片企業崛起，但站在全球市場上來看，這遠遠不夠，直到最近以深度學習為首的人工智能技術落地。

依託中國人口紅利的海量數據，資本加持、人才和巨大市場需求，讓中國成為人工智能時代最具潛力的選手。 同時，政府立志實現“人工智能強國”宏願，人工智能芯片被列為八大關鍵技術之一。

一切因素向好，似乎中國芯彎道超車的機會終要來臨，主角是人工智能芯片。 它又被稱為深度學習芯片、神經元芯片，主要指專為深度學習計算特點和需求而設計的一類專用芯片。

根據AI財經社統計，國內以人工智能芯片為核心的創業規模公司為18家，成立時間多為1年～2年，融資輪次集中在A輪及更早，多聚焦在端智能和視覺領域 。

在這群極具挑戰精神的人工智能芯片創業者中，中科寒武紀是最為耀眼的一家：已經拿下華為麒麟970芯片合作訂單——將其人工智能芯片的設計專利植入麒麟970芯片 ，為華為Mate10、榮耀V10等旗艦手機加速。 據業內人士透露，該款芯片的出貨量將達到3000萬片。

“公司如其名。”中科寒武紀依託於“國家隊”創建，其中陳雲霽、陳天石兩兄弟為創始人。 陳雲霽9歲上中學，14歲進入科大少年班，是典型的“天才少年”。 弟弟陳天石也基本沿襲了哥哥的成長路徑。  

“我畢業後一直做芯片，弟弟一直做算法——芯片加算法，正好誕生了‘寒武紀’人工智能芯片。”陳雲霽說道。 這位在2015年入選《麻省理工科技評論》“全球最佳創新人士”的天才語出驚人：“要讓人工智能芯片的計算效率提高1萬倍，功耗降低1萬倍。”

這對遵循摩爾定律運轉了近70年的半導體業而言，是一次巨大衝擊！ 過去，芯片的迭代周期為18個月，每一次迭代性能提升一倍。 現在，“算法”這項軟技能猶如九陽神功，要將硬件的鐵律打破。 也正因為此，在人工智能芯片創業團隊中，大多數領頭人為人工智能研究型學者或偏算法型人才，並沒有沿襲芯片行業的傳統——硬件科班出身。

早在2015年，英特爾豪擲167億美元收購可編程芯片廠商Altera時，投行分析師Tony給出的投資意見就是：“VC們在面對這樣的芯片創業者——根本沒有意識到他們在從事 軟件工作，不具備軟件知識，應該迅速撤離。” 可編程芯片（FPGA）現已經成為芯片廠商進軍AI的敲門磚。

隨後的一年裡，英特爾加大籌碼，開啟了“買買買”的大力佈局戰略，代表性的收購案包括以3.5億美元收購人工智能芯片創業公司Nervana、4億美元收購計算機視覺芯片Movidius、 153億美元收購自動駕駛供應商Mobileye等。 大企業的佈局，更加速了追風人的步伐。

也是在這一年，中國人工智能芯片產業迎來了軟件算法出身的余凱入場。

2015年11月，前百度研究院副院長余凱辭職，創立地平線（原“地平線機器人”）。 那時，人工智能芯片還是一個讓大多數中國從業者摸不著頭腦的詞。 “這是一件非常具有遠見的事。因為你看到了別人還沒有看到的事情。”余凱談道。

“低調內斂”“不善言辭”等傳統半導體從業者的標籤被一一撕掉。 取而代之的是深得互聯網精髓的新生代，他們自備“代言人”屬性，強調更快地迭代落地，慷慨激昂地講述著PPT上陡峭的性能提升曲線。

2017年年初，埋頭苦幹兩年後，地平線獲得英特爾投資；年底，其首款專用人工智能芯片落地。 “我們無疑是這個領域中最快的，沒有第二。”余凱激動地對AI財經社說道。

2017年11月，人工智能獨角獸公司商湯科技宣布引入高通的戰略投資。 這一芯片巨頭表示，正是看中了商湯在機器學習模型與算法上的優勢。 早些時候，兩家公司已就手機和物聯網人工智能芯片達成合作。

2017年12月，人工智能芯片初創團隊熠知科技（ThinkForce）橫空出世，宣布完成4.5億元A輪融資，成為芯片創業隊中早期融資額最大的一筆。 在其亮眼的投資人背景中——依圖科技、雲鋒基金、紅杉資本、高瓴資本，計算機視覺公司依圖科技排在第一位。 有業內人士指出，該團隊早期曾在依圖科技內部孵化而成。

創辦於2012年，早期以提供語音識別、語音交互等技術方案的雲知聲也加入了戰局。 其首款集成人工智能算法的芯片將在今年完成流片。 雲知聲聯合創始人李霄寒博士向AI財經社表示，早在2014年，公司就有做芯片的想法，“因為智能家居跟手機不一樣，不是純軟件就能解決問題”。  

當然，在諸多以算法為核心實力的團隊之外，還有“硬”背景出身的人工智能芯片公司。 因獲三星、賽靈思、聯發科等芯片巨頭投資而備受關注的深鑑科技，脫胎於清華大學電子系，其CEO姚頌是一位來自於2011屆的90後。 他在本科期間就發表了多篇相關論文，同時也是清華電子系學生科協主席。  

2015年姚頌本科畢業。 一年後，深鑑科技成立。 “我們聯合創始人之一韓松是在博士研究過程中轉向算法方向的。”姚頌談到團隊背景，“做人工智能芯片靠純硬件背景行不通。我們在機器學習、SLAM算法（實時定位 和地圖構建）等方面進行了長期研究。”

2014年創立於美國聖地亞哥，兩年後選擇在中國珠海落地的耐能科技也同樣堅信著“硬件工程師”文化。 創始人劉峻城曾供職於三星、高通等巨頭公司的研發中心，創始團隊多畢業於世界名校的電子工程系，擁有超過10年的芯片行業從業經驗。 2017年11月，耐能科技獲得阿里巴巴、紅杉、高通等數千萬美元的A輪融資。

風口背後：偽概念和“拿來”主義

然而，這不過是冰山一角。

早在2014年12月，“大基金”甫一成立就釋放出強烈信號，這是一隻200億美元規模的國家集成電路產業投資基金。 隨後3年間，各級地方政府相繼設立了超過30只半導體產業發展基金，公佈的融資規模超過1000億美元。

僅在資本層面，芯片市場已足夠掀起一場創投狂歡。 但就在從業者歡呼雀躍地擁抱人工智能芯片之時，它的定義似乎都還沒準備好。

“你不覺得人工智能芯片是個偽概念嗎？”一位人工智能芯片創業者對AI財經社直言，“從半導體圈子的人來看，人工智能芯片概念比較怪，定義也非常寬泛。你做機器 學習也是人工智能芯片，做深度學習也是人工智能芯片，做某幾種特定算法也是人工智能芯片。”

地平線CEO余凱則對AI財經社分析道，廣義的人工智能芯片是指能夠很好地去支持主流算法，尤其是以深度學習為代表的算法的芯片。 其中包括GPU（圖形處理器）、一些性能不錯的CPU和DSP（數字信號處理芯片）等。

狹義的人工智能芯片則要求高得多。 它要圍繞深度學習或者人工智能算法，對這顆芯片內部的架構和計算、存儲單元進行專門設計，比如穀歌的TPU。  

曾在高通、三星電子研發中心、晨星半導體等企業擔任研發職務的耐能創始人劉峻誠則表示，在美國，人工智能加速芯片對應著嚴苛的NSF認證：“要讓DNN（深度神經網絡算法） 計算功耗比提升1000倍的芯片”。  

可是這樣的討論僅限於認知層面。 和指甲蓋一般大小的芯片，一旦植入密密麻麻的電路板，再套上硬件的外殼，包裝上理想的性能參數表，其“人工智能”的含量和真假實在難辨。

“去年就有一家公司出了款號稱NPU（神經網絡處理器）的芯片，但實際上，只是幾顆傳統DSP（數字信號處理器）芯片的組合，加上軟件的修改。”芯片從業者吳 力說道。

如果說概念炒作只是從業者的一個入門，那麼，挖對手牆腳、“拿來主義”、噱頭包裝……才是進階後的真正“套路”。

年初，在剛結束的CES（全球消費電子展）上，中國人工智能芯片創業隊是不容忽視的存在。 展會期間，一篇關於人工智能行業芯片的採訪報導這樣寫道：“我們敢為人先。完全捨棄了傳統運算，採取了一種獨特的新型架構……這將讓我們獲得全世界最好性能功 耗比、最好性價比的芯片。”

百公里之外，正在趕去機場路上的Kevin看到報導後，異常氣憤。 他認為，文中所謂的“新型架構”，正是自家獨有的專利技術，卻被競爭對手公司拿來作產品宣傳的新噱頭。

“這部分是我們公司的專利，2016年我們團隊發布的論文中就已詳細論述，2017年1月這篇論文被刊發在IEEE雜誌上。”Kevin對AI財經社解釋道，並翻出了 論文原文和對應內容。 他補充，該項專利已在美國和中國大陸申請到方法型專利保護，在中國台灣地區，專利還在提交過程中。

但迫於知識產權糾紛案件取證和指控都十分困難，Kevin並不打算將時間和精力耗費在起訴對手公司上。 取證難是知識產權維權的主要障礙。 上海浦瑞律師事務所合夥人邢路對此表示““在侵犯商業秘密案件中，原告取證的難度要遠遠高於其他知識產權案件。 起訴時間長，主要是取證複雜。 ”

Kevin之所以對競爭對手“竊取”自家專利技術如此肯定，其佐證之一在於該篇論文的其中一名作者在2017年初被挖到了競爭對手公司。 “當時團隊成員裡有一名學生，他很清楚該專利的技術細節。”

激烈的技術競爭背後，隱含的是人才爭奪的拉鋸戰。 “高價碼的薪資固然有吸引力，但這也是有代價的。”現為某上市​​公司深度學習加速項目負責人張然說道。 春節後，張然打算跳槽，年底他正在物色更有活力的創業公司，但面試經歷卻讓他心裡有說不出來的彆扭。

“我面試過一些相關企業，無一例外地，他們都會委婉地提出一個問題——能否快速地將原公司或原來的研究成果復制出來。”張然進一步解釋道，“換句話說，就是 讓你把原公司的技術’拿’到新公司來”。 ”

“大家都這樣。”某知名創業公司CEO一語道出了行業的“潛規則”。

“這個行業的准入門檻很高，站在外圍的旁觀者通常是缺少判斷力的。”另一位人工智能芯片業者說道。

在“拿來主義”背後，是各家爭相出頭，一味追求速度的急功近利。 芯片設計不再是一門高深的科技藝術。 在工業化的流水線上，現在，一些追風人比拼的僅僅是組裝能力。

對於初創芯片公司，要成立專門的系統級芯片設計部門存在一定風險。 一旦市場暗淡或產品沒能及時量產，此前的大筆投入將會付之東流。 這時，一批設計代工廠商便應運而生，他們致力於提供完整的芯片設計打包方案。

當數家設計都集中湧向設計代工企業，他們沒有花費太多精力打磨產品。 一般來說，最為關鍵的人工智能計算加速部分——前端的芯片體系結構設計，應該由芯片創業公司自己完成。 而接口、佈線等其他後端工作交由代工設計方完成。

但“求快”的創業氛圍改變了這一切。 部分芯片創業公司有著“更精明”的打算。 “有的人工智能芯片公司連前端的設計也都外包給代工方做。”有從業者透露。

無人駕駛太遠，人人都想切安防蛋糕 

行業早期競爭的亂像印證著市場的不理性，而更大的質疑還在於—— 能夠支撐起產品落地的故事越來越難講了。

在產業化落地方面，以安防/泛安防和智能手機為主要切入的市場和領域。 其次，在雲端的訓練和大型數據處理中心也有數家公司有嘗試與挑戰，如中科寒武紀、深鑑科技等。 離普羅大眾的智能家居產品中也越來越多地需要針對語音交互、視覺處理等功能的專用芯片。  

在這之中，產業成熟度最高、需求量最大的當屬安防產業。 2016年國內安防行業規模達到5410億元，同比增長了11%，佔據我國GDP的0.73%。 在攝像頭中加入人工智能芯片，不僅能提高其影像錄製效率，還能為其加入人臉識別、身份比對、人數統計、行為分析等智能功能。

主打安防場景的深鑑科技樂觀地表示，這個市場是巨大的。 “海康威視一年的攝像頭出貨量是1億台，大華是3千萬台。”

就市場規模而言，前端市場的芯片需求的確比服務器和雲端的想像力更大。 但這是一個“看上去很美”的市場。 安防產業以傳統和封閉著稱，要撬開這扇大門並非易事。 目前來看，面向人工智能芯片市場的存量仍十分有限，並且天平更多時候還是向“更便宜”的那一方傾斜。

在我們大談人工智能芯片即將普及前， 有一個前提需要被明確，只有規模化的出貨量才能抵消高昂的流片和研發投入。 “28nm規格的芯片從投入到流片的成本大概是400萬美元，如果能夠賣出去100萬片，每片的成本大概能攤到4美元，這比客戶購買FPGA芯片便宜多了。”一 位人工智能芯片創業公司CEO給AI財經社算了一筆賬。

然而，這與現實情況相去甚遠。 “目前大概只有1％的安防設備應用了人工智能技術。海康威視對於英偉達一年的需求量在20萬片左右，這還是世界上最大的安防廠商需求量。”某上市公司深度學習加速 項目總監張然表示。  

如果說，“100萬片”是現階段人工智能芯片公司維持正常運轉的出貨量標準線，那麼一家AI創業芯片公司至少要談下5家海康威視需求量級的大客戶才行。 此外，儘管是在這樣有限的增量市場裡，人工智能芯片創業公司也未能掌握獨立的話語權。 現階段創業公司所能提供的大多為折中方案，多采購第三方FPGA芯片再進行編程和優化，如Xilinx（賽靈思）、被英特爾收購的Altera等。

“他們（創業公司）對芯片價格和用量是及其敏感的，用量多可能導致整體方案很貴。因為議價權還是掌握在FPGA廠商手中——他們並不會因為創業公司的方案而降價。” 但 對於芯片巨頭而言，如英特爾，針對客戶的行業需求，他們給出一個打包後的解決方案價格，方案中涉及到的芯片使用量並不會影響方案價格的浮動。

當然，摩爾定律的另一面也同樣值得重視。 當人工智能芯片企業推出專用的芯片，每隔18個月，芯片性能提升一倍的同時，其價格也將下降一倍。 在大部分從業者和投資人看來，人工智能芯片的增量市場仍大有可為。

在落地層面，性能和功耗之間的平衡也是硬性指標之一。 追求性能容易，但功耗可能達不到。 雲知聲IoT副總裁李霄寒介紹，因為格力對產品質量和相關驗收標準及其嚴格，我們跟格力磨合了近一年時間。  

僅次於“安防熱”的，便是自動駕駛領域，但同樣面臨著“雷聲大、雨點小”的尷尬。 談到是否真正投身其中，大多數廠商仍持觀望態度。 其原因主要在兩個方面：

• 一是具有真正意義上的自動駕駛汽車還未量產，更談不上普及和規模化；

• 其二，用於汽車的芯片，相較於工業級芯片有著更為嚴苛的性能考核機制，在其工作溫度範圍（-40℃～125℃）、耐受抗震能力、冗餘設計等方面都 加入了安全考量機制。

不過，在該領域仍不乏敢於挑戰的試險者。 前百度研究創始人副院長余凱博士創辦的地平線就瞄準了該方向，在落地方面主要依靠英特爾，英特爾也是其投資方之一在異構智能中國區總裁周斌看來，哪怕是自動駕駛訓練 和測試階段，人工智能芯片也已經需求不斷。 “現在跑無人車的GPU芯片要佔滿整個後備箱，而且通常跑個半小時就需要停下來降溫。在今年的CES現場，我們已經收到了很多關於該領域的需求。” 

總結

可以預見的是，2018年，將會是人工智能芯片產業密集落地的一年，深鑑科技、雲知聲、異構智能等一波芯片公司均在今年完成流片。 芯片產業在搭載深度學習加速的火箭後，將以指數級速度向前發展。

前有嗷嗷待哺的行業需求，後有巨額的產業基金刺激，人工智能芯片創業者受到了前所未有的關注和期待。 然而，逐風口的狂歡背後，也少不了荒唐的亂象和叢生的泡沫。 概念模糊不清、貼牌式廠商濫竽充數、“拿來”主義司空見慣、一味追求速度的急功近利……隨著落地步伐的加速，危機正在不斷放大。

站在機遇和泡沫的十字路口，每一位趕風者都在理性與野心之間博弈。