這次晶元不出事，你可能都不知道AI晶元有多火

「雖然做晶元門檻不低，但AI 晶元依然泡沫不少。」多名晶元產業人士表達了類似觀點。

本文共計2956字，閱讀時間6分鐘。

記者 | 蔡浩爽

編輯 | 趙力

在晶元，尤其是「中芯」霸佔了輿論頭條的日子，焦慮、恐慌、反思、質疑……各種情緒也隨之湧現。

但在長篇累牘的報道中，能簡單明快地把複雜「芯」事講清楚，又不失專業性的文章寥寥無幾。

從周三開始，尋找中國創客（ID：xjbmaker）開始推出圍繞 「創客芯事」的系列策劃報道。目前，已經有《中興被禁，「中芯」何從》（點擊看原文）、《阿里要做的「中國芯」，是不是能救中國的那顆「芯」》（點擊看原文）、《晶元行業你應該知道的幾個冷知識》（點擊看原文）等報道面世。接下來，我們還將從創業角度，為你呈現更多有料、專業的「創客芯事」報道，盡請關注。

中興被禁攪起的自研晶元風波一直未停息。國內不少創業公司甚至互聯網巨頭借勢宣布了進軍 AI 晶元領域的消息，但其實，即便沒有中興事件，研發AI 專用晶元也已經被提上這些企業的日程。

這是因為，人工智慧的快速發展離不開三個核心要素：數據、演算法和計算力。考慮到AI演算法開源的發展趨勢以及巨頭對數據的壟斷優勢，計算力層面的AI晶元可能成為人工智慧新的戰略高地。

憑藉著在深度學習領域性能強大的 GPU，英偉達在人工智慧時代一騎絕塵，收割了 AI 第一波紅利。但 AI 晶元這塊蛋糕著實誘人，再加上壟斷人工智慧訓練市場的英偉達 GPU 實在太貴，即便是有英偉達這座大山橫亘在前，也攔不住創業者和互聯網巨頭從中尋找自己的機會。

國內緣何在此時掀起 AI 晶元創業大潮？ AI晶元泡沫之下到底是誰在裸泳？ 而中國是否有機會出現「國產英偉達」？

風起

4月19日，阿里巴巴對外透露，阿里巴巴達摩院正在研發一款神經網路晶元——Ali-NPU。這款晶元將運用於圖像視頻分析、機器學習等AI推理計算。

緊接著，一直被認為是人工智慧硬體公司的 Rokid ，其CEO 也在朋友圈宣布自研 AI 晶元，「打響中美貿易反擊戰第二槍」。Rokid一周前剛剛宣布原三星半導體（中國）所長周軍加盟，擔任Rokid基礎平台副總裁。外界猜測這一舉動大概率是在為 AI 晶元做準備。

而在去年10月深鑒科技 A+輪融資發布會上，深鑒官方表示，由深鑒自主研發的晶元「聽濤」、「觀海」將在2018年第三季度推出，算算時間，差不多也就剩兩個月了。

深鑒科技2017新品發布會

不久前，脫胎於伯克利大學、以低功耗端計算(Edge Computing)AI晶元為核心技術的矽谷創業團隊 OURS 也宣佈於今年正式進入中國市場。值得一提的是，OURS創始人譚章熹是新晉圖靈獎得主David Patterson院士的兩個華人門徒之一，David Patterson是RISC 架構標準的開創者之一，谷歌TPU團隊的主要傳道者之一，也是OURS目前的顧問。

算上已經流片（像流水線一樣通過一系列工藝步驟製造晶元）的寒武紀、地平線科技、比特大陸等初創公司，以及華為、海康威視、大華、大疆等著名硬體廠商，人工智慧晶元市場更熱鬧了。

杭州雲棲大會：阿里成立全球研究院達摩院，未來3年投1000億 / 視覺中國

從2017年底，AI 晶元創業就迎來大爆發。到2018年，這一勢頭有增無減，賽道上參與者眾。

AI 晶元，緣何在此時迎來爆發？

溯源

「英偉達的 GPU 實在是太貴了！」國內一家人工智慧創業公司 CEO 向記者抱怨。

這個貴表現在兩方面：一方面是本身售價高。比如使用在自動駕駛汽車上的Drive PX2，公開售價1.5萬美元，也就是說只要使用這一自動駕駛平台，每台車售價就增加了近十萬元人民幣。另一方面，GPU 作為通用晶元，考慮到通用性和修改的靈活性，在設計的時候需要加入很多預留的模塊，所以功耗會很高，換句話說，也就是電費極其貴。

北京：英偉達2018 / 視覺中國

除了功耗高以外，通用AI 晶元由於針對性、反應速度也不如專用晶元。

隨著物聯網的發展以及人工智慧走嚮應用層面，低功耗、高效率的 AI 晶元成為市場新痛點，出於節省成本和提高效用的需求，很多 AI 創業公司決定自己做晶元。

同時，AI 晶元在世界範圍內發展歷史短、技術研發門檻低，也是國內 AI 晶元賽道玩家眾多的原因之一。「從整體上看，中美晶元水平差距在十年以上，AI相關領域是難得的同一起跑線的行業了。」晶元行業一不願具名的內部人士表示。

而造成 AI 晶元看起來如此繁榮的另一個原因，Rokid 創始人祝銘明毫不諱言：「大部分聲稱做 AI 晶元的都是假的。」

這一觀點也得到另一 AI 晶元公司 CEO 的認可。「從創業公司角度來看，市面上八九成以上聲稱做 AI 晶元的其實都是噱頭，為了融資而已。」

「雖然做晶元門檻不低，但AI 晶元依然泡沫不少。」多名晶元產業相關人士向記者表達了類似觀點。一些聲稱在自研AI 晶元的團隊，既不具備相關人才儲備，也難以查到流片信息，聯想到晶元行業著名的「漢芯事件」（2003年2月，陳進負責的團隊推出的「漢芯一號」，不過是從美國一家公司買回的晶元，僱人將晶元表面的原有標誌用砂紙磨掉，然後加上「漢芯」標誌「研製」而成，卻因為其欺騙成功，被鑒定為「完全擁有自主知識產權的高端集成電路」，是「我國晶元技術研究獲得的重大突破」），這些團隊是否真的在自研晶元，外界都有疑問。

2006年5月13日，上海交大證實漢芯造假，院長陳進相關職務被撤 / 視覺中國

前景

國內的 AI 晶元公司大多瞄準的是執行推斷任務的推斷層晶元，尤其是端側 AI 晶元（即使用在終端設備上的晶元）。

深度學習分為模型訓練與智能推斷兩個階段。

訓練階段需要輸入大量數據，或採取增強學習等非監督學習方法，訓練出一個複雜的深度神經網路模型。中國發展人工智慧在大數據方面的優勢也集中體現在訓練階段。

訓練階段就像是人的學習階段，需要通過大量外界信息來形成自己的判斷邏輯。由於涉及海量的訓練數據和複雜的深度神經網路結構，這一階段需要的計算規模非常龐大，通常需要GPU集群訓練幾天甚至數周的時間。

在訓練環節，英偉達GPU目前扮演著難以取代的角色。目前，國內所有人工智慧公司在訓練階段都離不開 GPU。

訓練所需晶元不僅開發周期長、投入成本巨大，而且除硬體本身外，還需建立晶元背後的整個完整生態，為開發者提供足夠友好、易用的工具環境，讓他們能夠迅速獲取到深度學習加速算力。

也就是說，訓練層晶元是巨頭的戰場，普通初創公司在這一領域難以看到機會。

而推斷環節則是指利用訓練好的模型，使用新的數據去「推斷」出各種結論，類似人類運用已經學到的知識解決具體問題。

按照推斷環節放在雲端還是用戶設備上，推斷又可具體劃分為雲側推斷和端側推斷（即邊緣計算）。

BAT 在雲端皆早有布局，初創玩家入局，只能從端側入手。

上海：2017年網路安全博覽會開幕式上的阿里雲 / 視覺中國

並且，隨著物聯網的發展以及人工智慧應用場景的擴展，在諸如自動駕駛等一些領域，雲端計算弊端凸顯。

一方面，與雲端進行大量的數據傳輸將產生極大的功耗，需要支付高昂電費，同時也給數據傳輸網路帶來壓力；另一方面，存在延遲、實時性不強也是雲端 AI 的弊端所在。

邊緣計算（即端側計算）的需求日益增強，低功耗端側 AI 晶元或成創業公司下一個戰場。

「但AI 晶元領域泡沫還是存在的，借用巴菲特的話說，只有當潮水退去的時候,才知道是誰在裸泳。」OURS 創始人譚章熹如是說。

本文為尋找中國創客原創

未經授權不得轉載

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！