新浪科技訊8月10日下午消息，近日，華創資本正式推出由麻省理工科技評論、DeepTech深科技、華創資本共同出品的《未來版圖》圖書，發佈會邀請了人民郵電出版社社科人文分社副社長恭竟平，DeepTech聯合創始人陳禺杉，《未來版圖》編定人陳序，深鑑科技創始人姚頌和華創資本合夥人熊偉銘。
其中，深鑑科技因7月份正式被美國Xilinx公司收購而廣受關注，其創始人姚頌在會上分享了自己關於人工智能芯片的思考，姚頌表示：
1、AI芯片適用於不同種類，它的開發難度、開發週期、實用性應用場景可能是千差萬別的；
2、芯片的發展趨勢，以英偉達為例，已經不再是一個GPU公司，而是一個系統公司、軟件公司，從應用需求定義系統架構，代表了整個行業思路的變化；
3、當大家說芯片的時候一定不要只看芯片這兩個字，不然這個公司會死掉的。 （辛苓）
以下為姚頌演講原文節選，由新浪科技整理。
AI芯片現在非常火，火了一年多，今年大家都很關注。這個領域細節非常多，大家經常搞不清楚，感覺隨便來一個公司，不說是AI公司就沒法兒在市場上混。又來一個新的AI公司，不做芯片也沒有辦法在市場上混。這裡面的坑其實非常多，回到最根本的還是要搞清楚一個概念，什麼叫AI？
AI芯片是什麼？
AI是一個非常廣的概念，如果從做AI芯片的角度看，最通用是CPU，所有人工智能算法都能跑，這也是一種人工智能芯片。如果只跑機器學習，或者只跑深度學習，深度學習也分兩個階段，一個叫訓練，一個應用，可以只跑訓練，也可以只跑應用，還可以跑一種神經網絡，也可以跑多種神經網絡，現在被大家糅雜起來，這些都叫做AI芯片。當大家看到這樣一個概念的時候，需要認真思考，你支持的是怎樣的功能？你支持的是機器學習？是應用學習？是多種算法還是一種算法？因為它的開發難度、開發週期、實用性應用場景可能是千差萬別的。
做芯片新趨勢：不止做芯片
做AI芯片比開發傳統芯片還要困難，以CPU的公司為例，比如ARM和英特爾會開發處理器的設計，他們不生產芯片，而是以IP和軟的形式授權給客戶，他也不開發操作系統，不開發私語言環境，這些東西都交給下游公司去開發。英特爾可以更多的往下走一步，可以把芯片實際生產出來。為什麼可以做到？因為指令集是一個非常好的接口，CPU要求什麼東西都可以跑，當你定義了中間這樣一層，就可以專注做好這件事情。
回到剛才那個問題。AI到底可以做什麼。如果做一個什麼東西都能跑的芯片，可以把芯片的設計和應用區分開。而作為一家小公司，你不可能有一個像Windows公司來開發，也沒有wintel聯盟，更沒有開發一個編程的環境，自己去開發軟件，也沒有公司給你開發上層的App或者軟件——也就是說，沒有形成像英特爾、ARM這樣的生態系統。
我們再往下看，如果我只做IP核，大家想ARM一年的收入是多少，一年賣出幾十個億臺設備，最後收購的估值也就300億美金，總收入也是不高的。為什麼？賣一個芯片25美金，IP核授權給客戶生產，收入產生會很慢。ARM做了好幾十年才慢慢到了現在這樣的地步。如果你作為AI芯片公司，需要考慮到底是做哪幾層，如果只做到IP核層面，不把芯片做出來，一個是收入規模嚴重不足，量很少，每一個芯片收的錢也少；另一點是收入滯後，當芯片生產出來已經一年以後了。當生產出來的芯片被系統和解決方案公司的用到產品裡去，又一年過去了，從芯片設計完成到實際收入需要兩年，這時候你就要考慮，是不是把芯片做了，把IP做了，把系統也做了。你的指令集沒有人開發Windows，都沒有人做這個誰來開發軟件？你要有很漂亮的原來的案例，這時候你說是不是得把算法庫，把一些應用的案例也做了。這是一個非常複雜的問題。你得把芯片、系統、軟件甚至把算法和解決方案全都給做了。
另外一個事情是，怎麼把商業做好？也就是說產品，從技術到產品又是另外一個階段的事情。我做了一個自己覺得芯片性能特別好，但是它並不一定是客戶想要的。你要花很多時間去理解客戶，接觸到客戶真實的需求，最終把客戶綁定到產品上。讓用戶愛用，芯片要有比較完整的開發流程。買任何一個GPU上面的軟件是不用改的，就像買任何一寬英特爾的CPU上一樣，三年前寫的GPU也能夠在現在的GPU上跑的很好。哪怕是一個菜鳥，用GPU跑一些程序，可能過幾周就已經用的很熟了，用戶體驗就非常棒。
第三點，是用戶到底需要什麼？我原來提供了一些想法，儘量的減少客戶的開發以及能夠儘可能的增加收入，這一頁也不太展開的去講。
第四點，芯片公司和軟件算法應用公司是分開的，這就導致我如果要做一個芯片，很多人會有不一樣的需求和打算，我不知道芯片到底能不能滿足他們，或者在滿足各種要求時做的特別好。比如英特爾一個競爭優勢也是歷史最大的包袱，它兼容過往幾十年的架構，變得越來越臃腫，這是一個包袱。現在有一些公司開發芯片特別迅猛，比如谷歌在開發TPU的芯片，他們大概2014、2014年做芯片，幾年時間就能跟英偉達打平了。就是因為谷歌在開發芯片時，只需適用自家的東西，限定了範圍。我們這邊在做的很多事情也是，把算法和芯片放在一起做一個完整優化的呈現。
我們公司非常核心的一個技術叫深度壓縮。一個簡單的啟發式的想法：據不同研究，人腦有300億到800億個不等的神經元的數量，但是在人的真正日常思考中，你的大腦只有5%左右的神經元是激活的，其實大腦95%的部分是在休眠，這個概念也可以被延伸到所謂的深度學習人工神經網絡裡面。當芯片功能啟用時，其實裡面大部分參數對於實際結果沒有影響，我們可以把無關的參數刪除。然後再考慮上層的芯片架構如何設計，這兩個結合在一起可以取得好的效果。
從老牌芯片公司變革看新趨勢
還以英偉達舉例，這到底是一個GPU公司，是軟件公司還是一個平臺公司？這個定義非常重要。今年1月份，英偉達公開了基本沒有GPU的芯片，叫做DriveXavier。這一款對外公開說30個T，這裡面有10個DLA，是一個深度學習加速器，它不是GPU，有1.3個TFLOPS，有20個tensorCoreTOPS，整個芯片裡面只有510個CUDA，裡面的GPU除了做車輛的屏幕顯示以後，基本上是不做計算的，所有的計算都是針對AI設計的芯片。你會發現，英偉達已經不再是一個GPU公司，而是一個系統公司，軟件公司。從應用需求定義系統架構，這代表了整個行業思路的一種變化。
我們的投資方也是收購方，我們的母公司Xilinx，大家印象中這是一個老牌芯片公司，他們今年1月份做了一個非常大的變動，換了一個CEO，這是一個標誌性的事件。他上臺以後，Xilinx的口號發生變化了，現在主動去做各種各樣的軟件，主動尋找合作方，面向不同行業的解決方案，開始做電路板，把整體的板卡都做了，有點在學英偉達的思路——必須要超脫芯片本身才可能有競爭力，才可能做出用戶真正需要的東西。
做芯片不能只看到“芯片”
最後想講一個行業的新思維。現在大家老是在說AI芯片，有兩個最根本的問題值得關注。第一點，大家經常誤判芯片的研發難度和研發週期。高通開發一款芯片的平均週期是五年，芯片是有一定固有周期的行業，任何一款芯片開發，算上基礎研發是三年、四年，是一個週期很長的行業。由於有了長時間的週期，而在人工智能這樣一個算法迭代無比迅速的行業，新的芯片做出來一定就落伍了，這是一個非常大的問題。這裡面的解決方案，包括我們自己公司原來一直在嘗試的事情，我們必須要認真的走到行業裡面去，走到你的應用層面去，真正看到應用是什麼，要從一個芯片公司變成一個系統公司，變成一個解決方案的公司，這樣你掌握了整條堆棧的時候，你才能確保芯片被產品給用起來。
第二點，靠芯片能夠活得很好的公司，可能只3家公司，ARM、英偉達和英特爾。大家覺得高通做的非常好，芯片毛利潤非常多，其實更多的收入來自於授權補貼。大家如果想做系統的公司有哪些？我覺得數量可能會比這個多，比如IBM等等，大的整體規模也會比做芯片更大。很多公司在嘗試往上走，從一個芯片公司走成一個系統公司，這樣可能活的更長久，收入更高，利潤更高，更有黏性。
另外一個例子是TPU，系統肯定是賣給某些公司，把數據庫的系統賣給谷歌、Facebook，現在人家自己做芯片賣到服務裡面了，服務是最終的收入來源，這個格局又發生了一些問題。英特爾也在嘗試兼雲服務。對於大家來說，首先技術難度已經很高了，芯片要做到跟英偉達真的有競爭力是相當難的事情，大家不要相信PR的新聞稿，不要相信BP裡面寫的那些數字。要把芯片做好還得把芯片本身做好，把系統做好，把軟件做好，商務得找到一個垂直的東西，這是一個非常困難的事情。這裡面所有的公司都要做非常充足的準備。包括深鑑，最開始我們從壓縮的算法，從一些架構開發，也一步一步做到板卡，做硬件，做軟件，最後在客戶那邊拿到了一些訂單，也是這樣一步一步走來的。當大家說芯片的時候一定不要只看芯片這兩個字，如果只看芯片這兩個字，這個公司會死掉的。
閱讀更多 中國AI先鋒週刊 的文章
