揭秘人工智慧晶片亂象：搞噱頭挖對手牆角

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——「它能讓現有的晶片性能提升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款人工智慧晶片等待下線流片。

作為晶片正式量產前的小規模試產，流片意味著晶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，但晶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晶片，但晶片自給率低卻是不爭的事實。

業界早有「中國進口晶片比石油還多」的說法。

「這個數字大概是10%左右，」晶片行業資深專家莫大康談到中國晶片的自給率時說道，「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晶片也計算在內。

」

需求催生出市場。

自上世紀90年代開始，華為海思、展訊、中星微等一批中國晶片企業崛起，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慧技術落地。

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，讓中國成為人工智慧時代最具潛力的選手。

同時，政府立志實現「人工智慧強國」宏願，人工智慧晶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，主角是人工智慧晶片(AI晶片)。

它又被稱為深度學習晶片、神經元晶片，主要指專為深度學習計算特點和需求而設計的一類專用晶片。

製圖/四月

根據AI財經社統計，國內以AI晶片為核心的創業規模公司為18家，成立時間多為1-2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慧晶片創業者中，中科寒武紀是最為耀眼的一家：已經拿下華為麒麟970晶片合作訂單——將其人工智慧晶片的設計專利植入麒麟970晶片，為華為Mate10、榮耀V10等旗艦手機加速。

據業內人士透露，該款晶片的出貨量將達到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。

從左到右依次為陳雲霽、陳國良院士、陳天石。

圖片來源於網絡

「我畢業後一直做晶片，弟弟一直做算法——晶片加算法，正好誕生了『寒武紀』人工智慧晶片。

」陳雲霽說道。

這位在2015年就入選《麻省理工科技評論》「全球最佳創新人士」的天才語出驚人：「要讓人工智慧晶片的計算效率提高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，晶片的疊代周期為18個月，每一次疊代性能提升一倍。

現在，「算法」這項軟技能猶如九陽神功，要將硬體的鐵律打破。

也正因為此，在人工智慧晶片創業團隊中，大多數領頭人為人工智慧研究型學者或偏算法型人才，並沒有沿襲晶片行業的傳統——硬體科班出身。

早在2015年，英特爾豪擲167億美元收購可編程晶片廠商Altera時，投行分析師Tony給出的投資意見就是，「VC們在面對這樣的晶片創業者——根本沒有意識到他們在從事軟體工作，不具備軟體知識，應該迅速撤離。

」 可編程晶片(FPGA)現已經成為晶片廠商進軍AI的敲門磚。

隨後的一年裡，英特爾加大籌碼，開啟了「買買買」的大力布局戰略，代表性的收購案包括以3.5億美元收購AI晶片創業公司Nervana、4億美元收購計算機視覺晶片Movidius、153億美元收購自動駕駛供應商Mobileye等。

大企業的布局，更加速了追風人的步伐。

也是在這一年，中國AI晶片產業迎來了軟體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，人工智慧晶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。

取而代之的是深得網際網路精髓的新生代，他們自備「代言人」屬性，強調更快地疊代落地，慷慨激昂地講述著PPT上陡峭的性能提升曲線。

余凱在2017年新品發布會上引用圖靈獎得主Alan Kay的言論，「真正認真對待軟體的人應該做自己的硬體」。

圖 | AI財經社 四月

2017年年初，埋頭苦幹兩年後，地平線獲得英特爾投資;年底，其首款專用人工智慧晶片落地。

「我們無疑是這個領域中最快的，沒有第二。

」活動結束後，余凱激動地對AI財經社說道。

2017年11月，人工智慧獨角獸公司商湯科技宣布引入高通的戰略投資。

這一晶片巨頭表示，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慧晶片達成合作。

2017年12月，人工智慧晶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，成為晶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。

其首款集成人工智慧算法的晶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，公司就有做晶片的想法，「因為智能家居跟手機不一樣，不是純軟體就能解決問題」。

當然，在諸多以算法為核心實力的團隊之外，還有「硬」背景出身的人工智慧晶片公司。

因獲三星、賽靈思、聯發科等晶片巨頭投資而備受關注的深鑒科技，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，深鑒科技成立。

「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AI晶片靠純硬體背景行不通。

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「硬體工程師」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年的晶片行業從業經驗。

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隻半導體產業發展基金，公布的融資規模超過1000億美元。

僅在資本層面，晶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慧晶片之時，它的定義似乎都還沒準備好。

「你不覺得AI晶片是個偽概念嗎？」一位人工智慧晶片創業者對AI財經社直言，「從半導體圈子的人來看，AI晶片概念比較怪，定義也非常寬泛。

你做機器學習也是AI晶片，做深度學習也是AI晶片，做某幾種特定算法也是AI晶片。

」

地平線CEO余凱則對AI財經社分析道，廣義的人工智慧晶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晶片。

其中包括GPU(圖形處理器)、一些性能不錯的CPU和DSP(數位訊號處理晶片)等。

參考IT桔子數據統計，過去一年，中國晶片半導體領域投資事件為61起，總融資額超過1500億人民幣。

圖片來源IT桔子

狹義的人工智慧晶片則要求高得多。

它要圍繞深度學習或者人工智慧算法，對這顆晶片內部的架構和計算、存儲單元進行專門設計，比如谷歌的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，人工智慧加速晶片對應著嚴苛的NSF認證：「要讓DNN(深度神經網絡算法)計算功耗比提升1000倍的晶片」。

(註：NSF是美國獨立的非政府組織，專門致力於為各行業標準制訂、產品測試和認證服務工作。

)

可是這樣的討論僅限於認知層面。

和指甲蓋一般大小的晶片，一旦植入密密麻麻的電路板，再套上硬體的外殼，包裝上理想的性能參數表，其「人工智慧」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)的晶片，但實際上，只是幾顆傳統DSP(數位訊號處理器)晶片的組合，加上軟體的修改。

」晶片從業者吳力說道。

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，中國人工智慧晶片創業隊是不容忽視的存在。

展會期間，一篇關於人工智慧行業晶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、最好性價比的晶片。

」

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，在台灣地區，專利還在提交過程中。

但迫於智慧財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。

取證難是智慧財產權維權的主要障礙。

上海浦瑞律師事務所合伙人邢路對此表示，「在侵犯商業秘密案件中，原告取證的難度要遠遠高於其他智慧財產權案件。

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年初在被挖到了競爭對手公司。

「那是當時團隊成員的一名學生，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複製出來。

」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。

」另一位人工智慧晶片業者說道。

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。

晶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。

對於初創晶片公司，要成立專門的系統級晶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晶片設計打包方案。

製圖/四月

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，最為關鍵的人工智慧計算加速部分——前端的晶片體系結構設計，應該由晶片創業公司自己完成。

而接口、布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。

部分晶片創業公司有著「更精明」的打算。

「有的人工智慧晶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

行業早期競爭的亂象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。

製圖/四月

在產業化落地方面，以安防/泛安防和智慧型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、深鑒科技等。

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晶片。

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%，占據我國 GDP 的 0.73%。

在攝像頭中加入人工智慧晶片，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。

主打安防場景的深鑒科技樂觀地表示，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，前端市場的晶片需求的確比伺服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AI晶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。

在我們大談人工智慧晶片即將普及前，有一個前提需要被明確，只有規模化的出貨量才能抵扣高昂的流片和研發投入。

「28nm規格的晶片從投入到流片的投入大概是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晶片便宜多了。

」一位AI晶片創業公司CEO給AI財經社算了一筆帳。

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慧技術。

海康威視對於英偉達一年的需求量在20萬片的規模，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AI晶片公司維持正常運轉的出貨量標準線，那麼，一家AI創業晶片公司至少要談下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，AI晶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，多採購第三方FPGA晶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)對晶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。

」

但對於晶片巨頭而言，如英特爾，針對客戶的行業需求，他們講給出一個打包後的解決方案價格，方案中涉及到的晶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，當人工智慧晶片企業推出專用的晶片，「每隔18個月，晶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，AI晶片的增量市場仍大有可為。

2016年-2021年人工智慧晶片市場整體規模變化。

圖片來源於天風證券研究所

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——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，用於汽車的晶片，相較於工業級晶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和英特爾，也是其投資方之一，以合作的形式來獲得大型整車車企的入場票。

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，AI晶片也已經需求不斷。

「現在跑無人車的GPU晶片要占滿整個後備箱，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。

」

可以預見的是，2018年，將會是AI晶片產業密集落地的一年，深鑒科技、雲知聲、異構智能等一波晶片公司均在今年完成流片。

晶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。

前是嗷嗷待哺的行業需求，後有巨額的產業基金刺激，人工智慧晶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。

站在機遇和泡沫共存的十字路口，每一位趕風者都在理性與野心之間博弈