BAT下場“造芯”，“中興”是否有救？

文 ✎ 楊潔

來源 ✎ 創業家&黑智

中興“告急”再次敲響了中國芯缺失的警鐘。

不久前，美國宣佈發起對中興長達7年的封殺，美國商務部將禁止美國企業向中興通訊銷售元器件，期限直到2025年3月。華為也曾遭遇了相似的待遇。今年1月，在華為宣佈和美國移動運營商AT&T合作的前夕，變故突生：AT&T單方面要求暫停和華為在美的一切合作。

“軟芯”意味著硬實力。作為全球最大的電子產品製造國，中國卻有著“芯”病。我國國產芯片自給率不到30%，產值不足全球的7%，市場份額不到10%。據海關總署數據，2016年中國集成電路進口金額為2270.26億美元，而同期的中國原油進口金額才1164.69億美元。

我們也有華為海思、展訊、中星微等芯片企業，但是“中國芯”的實力，仍然遠遠不夠。

直到AI時代來臨。

人工智能的創投熱潮爆發至今，在“算法”之後，“算力”站上了風口。深度學習算法的突破，推動了圖像識別、語音識別、搜索和推薦引擎等的發展，整個AI生態向更深的行業應用延伸。以AI芯片為載體，一場新的“算力”革新，正席捲而來。

在近幾年內，國內AI芯片公司開始湧現融資熱潮。據創業家&黑智不完全統計，業內湧現了超20家“芯”相關創業公司，其中多數是2014年後成立。其中，寒武紀、地平線等創業公司，在近兩年獲得了1億美元左右的融資。

這是十幾年來，半導體行業都未曾有過這樣的景象：創業公司紛紛湧入，而它們背後是產業資本近億美元的催化。

埋頭追趕了幾十年的國內芯片行業，第一次有了和海外站在同一起跑線上的機會。國內芯片領域知名的獨角獸“寒武紀”崛起的同時，正如同寒武紀時代一樣，一個算力新物種的繁榮時代也蓄勢待發。

“彎道超車”的“中國芯”時代，是否能夠就此打開大門？

“算力”的商業價值

“算力”是駛向新世界的船票。而這一切的載體，就是小小的芯片。

巨頭們的行動早已開始。2016年，孫正義花費321億美元收購了ARM；2017年5月，軟銀又用40億美元購買了英偉達4.9%的股份。那時的英偉達，股價已經飆升到將近170美元。而在2016年之前，它上市17年來的股票價格還從沒有突破過40美元。

英偉達無疑是AI時代受益最大的巨頭。創始人黃仁勳說，GPU（圖形處理器）運算已經成為當代的達爾文和愛因斯坦們不可或缺的工具。

GPU就是電腦顯卡的核心。早期通用的CPU芯片已經能夠提供足夠的算力，GPU受算法和數據等的限制，更多地應用於大型遊戲和高清視頻領域。

雲計算和人工智能帶來了改變。隨著雲計算的廣泛應用，越來越多的數據開始在雲端處理，大量的圖形視頻帶來了更大的運算量，不止是軟件層面，企業對高能效的服務器和數據中心的需求也開始增加。而人工智能和深度學習在算法上的突破，推動了最近一次的AI浪潮。深度學習的訓練和推斷需要大量的計算，GPU以其強大的並行計算和浮點計算能力，成為深度學習模型通用芯片的標配。英偉達迎來了最好的時機。

在人工智能投資熱潮進行了一段時間後，新的需求開始爆發：如果未來世界真的是由“算法”支配的，那麼，“算力”必然是基礎。

GPU的處理流程，更加適用於深度學習算法的訓練，但在應用層面性能的性價比較低，而且功耗極高——黃仁勳就是這樣獲得了“核武狂魔”的“光榮”稱號。在這種情況下，實現深度學習及其相關應用的專用芯片，應運而生。

AI芯片成為這場新競爭的主角。和以往不同的是，這將不再單純是半導體巨頭們的遊戲。AI短期內出現了泡沫，但技術發展的趨勢卻是無可阻擋。可以想見，如果未來真有一個“萬物有靈”的時代，雲計算、人工智能、自動駕駛、新能源汽車、智能硬件和機器人們的競爭，都將承載在一塊小小的芯片上。

互聯網和雲計算的巨頭們也不約而同地入場了。微軟押注FPGA芯片加速雲服務器；2018年初，Google將TPU能力對外開放——戰勝了柯潔的AlphaGo，計算能力就是TPU所提供的；亞馬遜和Facebook，也在今年先後開始投入AI芯片設計。

中國的芯片製造工藝與發達國家相比仍然存在巨大的差距，關鍵的核心技術對外依存度較高，產業發展仍然處於中低端階段。例如，臺積電和英特爾等已經在進行7nm芯片的研發，而我國大陸現階段仍然剛普及28nm工藝。

但在AI芯片領域，國內創業公司卻似乎看到了“彎道超車”的曙光。

站上同一起跑線的機會

“我們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”，寒武紀科技創始人陳雲霽說。

半導體行業在被摩爾定律支配了70年後，面臨了新的挑戰。軟件和算法成為了新的敲門磚。陳雲霽表示，站在學術的角度，神經網絡處理器還是個新興領域，“和通用CPU不同，中外這次是站在了同樣的起跑線上”。

從應用場景上，AI芯片主要分為雲端服務器芯片和智能終端芯片。在雲端芯片領域，GPU佔據了主導地位。但隨著計算能力需求的增加和物聯網技術的提高，“端智能”概念也開始興起：把更多的數據處理放在設備端，把AI計算量的壓力從雲端向靠近數據源的邊緣端轉移。

“萬物互聯”智能時代的廣闊市場帶來了巨大的吸引力。“軟件+加速芯片”，硬件不大，算法為主，是巨頭們未曾深入涉足的領域，也成為AI芯片創業公司們能夠切入的機會。

學術界加快了產業化的步伐。擁有中科院背景的寒武紀，是AI芯片創業公司中最耀眼的一家。2017年8月，寒武紀成立一年後即宣佈完成1億美元A輪融資，估值接近10億美元，成為國內首家AI芯片領域獨角獸公司。據媒體透露，寒武紀的B輪融資也已於日前完成。而更多的人瞭解它，則是通過華為麒麟970——這款華為發佈的全球首款手機AI芯片，雖然沒有公開宣佈，但其背後集成了寒武紀的NPU（寒武紀 1A 處理器）作為神經網絡專用處理單元。

（搭載了寒武紀1A 處理器的華為麒麟970）

寒武紀的兩位創始人，陳雲霽和陳天石兄弟是公認的天才。陳雲霽14歲考入中科大少年班。2002年，19歲的陳雲霽進入中科院計算所碩博連讀，成為當時國產芯片“龍芯”團隊中最年輕的成員。25歲時，陳雲霽就已經是8核龍芯3號的主架構師。比他小兩歲的陳天石几乎是複製了他從中科大少年班到中科院計算所的道路。陳雲霽的主要研究方向是芯片，陳天石則主攻AI算法。而寒武紀AI芯片，陳雲霽說，就是“芯片+算法”的產物。

清華電子工程系汪玉副教授帶隊成立的深鑑科技，是清華大學的學術系統向產業界轉化的代表之一。公司的創始團隊全部為清華電子系背景。早在2016年11月，深鑑科技就基於FPGA平臺，推出了DPU架構深度學習處理器。

2017年初，全球最大的FPGA廠商賽靈思和聯發科等聯合投資了深鑑科技的A輪融資。10月，深鑑科技宣佈，自主研發的AI芯片“聽濤”、“觀海”將在2018年推出。其中，“聽濤”系列Soc，搭載了聯發科28nmTSMC製程，僅用1.1W功耗，就可以達到4.1TOPS的峰值性能。在發佈會上，深鑑科技CEO、汪玉的學生姚頌同時宣佈公司獲得了螞蟻金服、三星電子領投的4000萬美元A+輪融資。

與此同時，從產業裡走出的、具備軟件算法出身和一定芯片研發經驗的創業者們，也加入了AI芯片行業創業大軍。

“應用層面的競爭和進化正在加速”，地平線相關業務負責人對創業家&黑智說。在他看來，智能化時代正洶湧而來，“基於圖像和語音的智能化滲透率將在未來的10-20年內快速提升。它是上升中的火箭，市場份額也足夠大。”而在這個智能化時代，並不意味著“標準化”——個性化和差異化才是真正的智能。“在智能時代，以往靠規模化取勝的公司的優勢將被大大削弱。”

芯片產業的生態也在發生改變。2017年11月，高通戰略投資商湯科技，它所看重的正是商湯科技的人工智能和機器學習算法，實現算法和芯片融合，推動“終端智能化”。一個月後，初創公司熠知科技完成4.5億元A輪融資，它的投資方中，排在首位的正是計算機視覺公司依圖科技。

從比特幣領域裡走出的高性能計算公司也成為其中獨特的一員。2017年，礦機芯片廠商比特大陸正式推出了AI專用芯片“SOPHON（算豐）” 。“硬件軟件化、軟件場景服務化是個巨大的趨勢”，比特大陸人工智能產品戰略總監湯煒偉對創業家&黑智說，

場景定義算法，算法定義芯片

在智能化和萬物互聯的未來，要將設備、人、家庭或組織都實現連接，解決人工智能如何落地應用，就必然走向軟件和硬件的協同。

AlphaGo在烏鎮戰勝柯潔，讓Google的TPU廣為人知。2017年底，TPU對外開放，成為Google的AI雲服務內容之一。對眾多創業公司而言，Google恰恰驗證了這一點：從具體的應用場景出發，軟件正在推動處理器架構的研發，差異化的智能時代巨頭的權威也在面臨挑戰。

從場景到算法，從算法到芯片。不同於以往從硬件出發的思路，芯片的行業形態和商業模式也在被這些“新勢力”影響。

它們也在重塑著各種商業應用場景。在目前，AI芯片的應用場景主要集中在安防、智能家居和消費電子、自動駕駛、雲計算、智慧城市等行業。

成立兩年多之後，“地平線”的芯片終於問世。去年12月，“地平線”推出首款嵌入式人工智能視覺芯片——面向自動駕駛的征程處理器和麵向智能攝像頭的旭日處理器。旭日面向智能攝像頭，基於“地平線”此前推出的高斯架構和深度學習算法，可在前端實現大規模人臉檢測跟蹤、視頻結構化處理，主要針對的應用場景包括智能安防、智慧商業等。

地平線發佈面向智能駕駛的征程（Journey）1.0處理器

征程1.0處理器同樣基於高斯架構，支持L2級自動駕駛（ADAS）系統，能夠同時對行人、機動車、車道線、交通標示牌、紅綠燈等8類目標進行準備的實時檢測與識別。據透露，“地平線”的AI芯片已經流片。

在2018CES展會上，“地平線”第一次現場展示了和英特爾合作的L3/L4級自動駕駛解決方案。目前，“地平線”正和英特爾一起推動該方案的前裝量產。

自動駕駛領域，是“地平線”最為重視的方向。餘凱也在發佈會上公佈了“地平線”的十年願景：2025年中國道路上的3000萬輛新車都將具備自動駕駛功能，每輛自動駕駛汽車大腦都基於地平線的人工智能處理器。

然而，餘凱在發佈會上也表示，“地平線”仍然不是一家硬件公司。“地平線”提供的是深度神經網絡算法和芯片解決方案，是要在具體的商業應用場景中落地的。

軟件正在定義硬件。在2015年時，這個概念已經並不新鮮，但是在地平線看來，AI芯片有和以往並不相同的特質：它要依賴大量的數據，從而天然和互聯網、大數據產生聯繫。硬件和軟件、落地應用的路打通了。這意味著芯片行業的生態將更加豐富，以及更大的市場。在地平線看來，“如果我們真的要實現‘智能無處不在’，把它做成嵌入式的智能，這是一個非常自然的想法”。

“從本質上看，AI應用落地的軟硬結合是必然趨勢，你要了解應用場景，並且核心算法和應用能夠把場景清楚地定義和實現；然後在芯片層面進行優化和加速，讓產品具有更好的性價比、功耗和可部署性。”地平線業務負責人表示，“我們談到AI芯片的時候，本質上說的就是針對某個具體場景的、算法+芯片的一套整體解決方案，其中甚至還包括應用上的軟件和架構。”

在安防領域，2014年成立的雲天勵飛已經浸潤多年。它由兩位“千人計劃”專家陳寧、田第鴻在2014年創辦。陳寧曾在中興通訊任職，是硬件專家，田第鴻主要研究方向則是機器視覺。同樣是“軟硬結合”的組合，雲天勵飛在成立後不久，就推出了“雲+端”的解決方案，研發針對安防攝像頭的人臉識別芯片。

雲天勵飛走的是一條“算法+芯片+數據+應用+服務”、提供端到端整體解決方案的路線：將算法植入前端的智能攝像頭，進行人像檢測、特徵值提取，數據上傳到雲端，由雲端引擎進行搜索和識別、決策。前端後端算法聯動和深度優化，而芯片級的解決方案則是核心，不止是應用於前端的處理器，同樣也為邊緣計算端和雲端服務器提供更高性能的服務，降低對硬件平臺的需求。

這也是一條更容易實現產業化的道路。傳統的通用芯片廠商，要實現規模化才能生存。“我們從垂直的產品出發，並不是賣最終的芯片，而是整個產品和系統，甚至服務”，雲天勵飛硬件研發副總李愛軍告訴創業家&黑智，“對於安防領域的人臉識別，雲天勵飛的AI芯片是為整個系統服務的。”

此前，雲天勵飛設計開發了IPU (intelligent Processing Unit)，專門面向深度學習的多層神經網絡的計算。據李愛軍透露，雲天勵飛正在打造的這款芯片已經是第二代，本質上是ASIP專用指令集處理器，指令集針對CNN算法定製。目前該芯片前端設計已經基本完成，計劃在2018年中流片。

隨著人工智能、深度學習技術的逐漸成熟，不同公司間算法的差距也將越來越小，“在底層芯片架構層面和算法結合，則可以保持競爭上的優勢”，李愛軍說。

在AI芯片“新勢力”中，比特大陸是一支獨特的力量。

“算力”的商業價值，在比特幣崛起的時代，就已經直觀地得到了一次顯現。瘋漲的幣價、不斷減少的比特幣數量，讓挖礦算力成為絕對意味上的“點金石”。比特幣挖礦芯片也從CPU到GPU，再到進入ASIC時代。從中走出的比特大陸已經佔據了礦機專用芯片市場70%以上的份額，控制了全球一半的採礦算力。據其聯合創始人、CEO詹克團對外透露，

當去年比特幣和區塊鏈掀起關注熱潮時，比特大陸正式推出了AI專用芯片“SOPHON（算豐）”。SOPHON 基於ASIC架構，是專為張量計算設計的TPU芯片，運行在服務器端。隨後，搭載了SOPHON BM1680芯片的深度學習加速卡和智能視頻分析服務器面世。在2018年，比特大陸將主要佈局三個行業的落地：安防、互聯網，以及城市大數據。

和其他AI芯片公司多是從終端芯片切入不同，比特大陸選擇了從GPU一直一家獨大的雲端芯片入場。比特大陸人工智能產品戰略總監湯煒偉對創業家&黑智表示，這是由公司的基因和特點決定的。比特大陸此前推出的數字貨幣芯片是適合高性能計算的芯片、偏重於相對高的功耗，適合於在雲上做高性能智能計算，“只不過過去用於數字貨幣，現在用於AI深度學習的推理”。

AI和算法正在快速迭代，半導體行業正在被AI深刻地改變。“AI賦能各行業，面向垂直行業場景的定製化芯片產品需求也將日益增加”，湯煒偉說。但是當前的計算機構在應對深度學習所用的張量計算時，已經相對乏力。在他看來，和比特幣領域一樣，深度學習架構也將走過從CPU到GPU，再到ASIC的路。因此，從2015年起，比特大陸即開始了對AI芯片的研發。“在技術、產品文化、團隊實力上，比特大陸是在數字貨幣芯片領域經受過戰火洗禮的”，湯煒偉說。“對於比特大陸而言，從區塊鏈過渡到AI是一個自然而然的過程。”

“硬件”出身的比特大陸，也加強了在算法和數據方面的佈局。湯煒偉透露，在算法層面，比特大陸也建立了幾十人規模的算法團隊，並專門追蹤算法的新趨勢；建立了自己的數據標註團隊，進行算法的訓練；同時，懂場景應用和客戶形態的“產品經理”團隊，也在快速地擴容中。現在，比特大陸在全球的員工已經超過1500人，AI團隊已經擁有超過200名員工。

比特大陸的芯片產品也計劃進行快速迭代：在未來兩年時間內完成數款AI芯片的迭代，刨除已經發布的BM1680以及已流片的BM1682，平均9個月一代。比特大陸稱它為“超摩爾定律”。目前，SOPHON第二代產品已經流片，預計今年發佈。

這仍然是算力生意的延伸，而這次，比特大陸是想運用自己的超級算力，向其他行業賦能。畢竟，算力正是制約AI發展的最大要素。

比特大陸給自己的定位，是人工智能和高性能計算公司。湯煒偉說：“我們是真正的芯片公司，相比起現在AI芯片領域裡的很多創業公司，我們已經趟過了做芯片的坎兒，我們的技術、體量、資源等都是我們的優勢。”

征程與未來

國家對於人工智能和AI芯片的重視程度也前所未有。去年7月國務院發佈了《新一代人工智能發展規劃》，當年12月工信部又發佈了《促進新一代人工智能產業發展三年行動計劃（2018-2020年）》，除了落實人工智能戰略“三步走”之外，包括AI芯片在內的三大核心人工智能技術也成為重點突破對象。

當下的中美貿易戰，讓芯片等核心技術的自主研發再度得到了廣泛關注。但是，AI芯片火熱的背後，國產芯片行業面對的仍然是長長的征程。多數接受創業家&黑智採訪的公司都表示，在設計和封測領域，國內芯片公司在逐步向美國追趕，但是在製造環節上，中美之間還存在不小的差距。國內的芯片製造主要還是由臺積電代工。

清華大學微電所所長魏少軍在今年的一場演講中表示，國內集成電路產能仍嚴重不足，而且可能出現部分節點上產能過剩、先進工藝節點產能不足的失衡問題。他指出，國內每年投入約45億美元用於集成電路研發，還不到英特爾一家公司年研發投入資金的一半。

資本正在給AI芯片行業帶來巨大的助推力，但其背後，芯片是個高投入、高風險、回報週期長的行業。對AI芯片快速投產、迭代的需求，是否能夠滿足市場的需求？資本推動帶來的創業公司估值上漲，是否會帶來行業的“虛火”？人工智能市場爆發時間還未確定，人才和研發費用還存在巨大缺口，都是未來所需面對的問題。

不過，“彎道超車”之不易，在於起跑線的落後，與沒有起步的機會。而現在，在AI芯片領域，國產芯片和海外對手站上了同場競爭的舞臺。

“（AI芯片創業）兩到三年內會碰到一個低潮，今天的一部分甚至大部分的創業者將成為技術變革的先烈”，魏少軍說，“但是，這也仍是最令人動容的偉大事件。”

閱讀更多 黑智 的文章

關鍵字: 寒武紀 封殺 雲計算