溫馨提示：如需原文檔，可在PC端登陸未來智庫（www.vzkoo.com）搜索下載。
1. 邊緣 AI 芯片——邊緣智能之魂
1.1 邊緣智能迅猛發展，而邊緣 AI 芯片佔據產業鏈上游舉足輕重
邊緣計算的下一發展階段即為邊緣智能。借用《邊緣智能白皮書》中的比喻，邊緣計算可以認為是在象牙塔裡學到的理論知識，但是理論終究要運用到實踐中，而將邊緣計算與人工智能相結合，讓每個邊緣計算的節點都具有計算和決策的能力，才是現實中可落地的方案，這一方案即邊緣智能。邊緣計算產業與雲計算產業相輔相成，而邊緣智能使得邊緣計算、人工智能與應用場景結合，是邊緣計算最好的實踐形態。
邊緣智能優勢頗多。與邊緣計算相比，邊緣智能安全性更高，功耗更低，時延更短，可靠性更高，帶寬需求更低，還可以更大限度的利用數據，以及進一步縮減數據處理成本。機構研究發現邊緣與雲端距離越短，數據處理成本越低。邊雲距離減少到 322 公里的時候，成本將縮減 30%，當距離為 161 公里的時候，成本將縮減 60%，而當邊緣具備人工智能分析能力的時候，成本將進一步縮減。
依託於物聯網，邊緣智能將有無限發展潛力。儘管 Gartner 曲線顯示，邊緣智能目前僅處於最初的觸發期，技術、業務、商業模式等各方面仍具有不確定性，但隨著物聯網產業規模的不斷髮展壯大，邊緣智能必定有巨大的市場規模。從連接數來看，未來產業物聯網中有大量設備會直接連接至邊緣智能平臺。根據BI Intelligence 發佈的報告預測，到 2020 年估計有超過 5.63 億政府和企業級物聯網設備連接至邊緣智能平臺，而以上數據僅為政府和企業級項目，預計消費物聯網中採用邊緣智能方案的項目更多。如此龐大的設備連接數為邊緣智能產業發展奠定堅實基礎。
作為邊緣智能的靈魂，邊緣 AI 芯片有著重要地位。邊緣智能（EI）其實就是在業務層、終端側部署人工智能，而 AI 芯片則是人工智能的核心，是人工智能唯一的物理基礎。業內素有“無芯片，不 AI”的說法，可見 AI 芯片的重要性。根據調研機構 IDC 的預測，到 2021 年，將有 43%的物聯網計算將發生在邊緣，而賦予 AI 芯片是邊緣計算及學習能力的重要支撐。假如將擁有計算能力的邊緣設備看作一個人的話，那麼設備邊緣 AI 芯片就相當於他負責學習的大腦，有著不可或缺的地位。只有邊緣設備通過 AI 芯片獲得了自主計算的能力，才能真正的稱之為邊緣智能。
根據 ICA 聯盟發佈的《邊緣智能白皮書》，我們可以發現芯片在整個邊緣智能的產業圖譜中佔據產業鏈上游，屬於基礎設施層。邊緣 AI 芯片廠商作為產業鏈上游參與方投入大量資源進行技術研發，從供給方面為邊緣智能的實現打下堅實牢固基礎。
1.2 邊緣 AI 芯片多為邊緣推斷芯片，可由三種架構實現
要想了解邊緣 AI 芯片，首先需要了解 AI 芯片。寬泛的講，面向人工智能應用的芯片都可以稱之為AI 芯片。從部署位置上來看，AI 芯片分為兩種：雲端 AI 芯片和邊緣 AI 芯片，而從功能上來看，AI 芯片分為訓練芯片和推斷芯片兩種。
由於功耗、算力等條件限制，目前邊緣端的 AI 芯片絕大部分為邊緣推斷芯片。作為人工智能實現途徑的深度學習分為兩個階段：模型訓練與智能推斷。由於模型訓練通常需要運用各種非監督學習方法訓練出一個複雜的神經網絡模型，故其對功耗、算力等硬性指標要求很嚴格，目前只能在雲端實現。而推斷環節則不同，其僅需利用既定模型推斷出新結論。相比訓練環節來說，推斷的計算量要小很多，對硬性指標的要求可放寬，更有望在邊緣側完成。因此邊緣 AI 芯片大部分是邊緣推斷芯片。
從技術架構來看，它可分為四大類，分別為通用性芯片（GPU）、半定製化芯片（FPGA）、全定製化芯片（ASIC）、類腦芯片。由於類腦芯片屬新型編程架構，整體還處於研發初期，實現起來較為困難，故我們暫且不將其納入對比範圍。
GPU、FPGA、ASIC 三種架構均可以用在邊緣端，各有優勢。
GPU 技術成熟，終端拔得頭籌。GPU 最先被引入深度學習，技術最為成熟，在終端的安防、汽車等領域，GPU 也率先落地，是目前應用範圍最廣、靈活度最高的 AI 硬件。
FPGA 具有硬件可編程特點，性能出眾但壁壘高。FPGA 相比 GPU 具有低功耗優勢，同時相比 ASIC具有開發週期快，更加靈活編程等特點。FPGA 是效率和靈活性的較好折衷——“和時間賽跑”，在算法未定型之前具較大優勢。在現階段的終端智能安防領域，目前也有廠商採用 FPGA 方案實現 AI 硬件加速。
ASCI 由於可定製、低成本是未來終端應用的最佳選擇。無論是從性能、面積、功耗等各方面，AISC都優於 GPU 和 FPGA。但在 AI 算法尚處於蓬勃發展、快速迭代的今天，ASIC 存在開發週期較長、需要底層硬件編程、靈活性較低等劣勢，因此發展速度不及 GPU 和 FPGA。
2.邊緣 AI 芯片來襲，高速發展
2.1 需求端：物聯網時代來襲，雲端短板、下游場景均需邊緣 AI 發展
2.1.1 雲端 AI 短板凸顯，實時性等要求亟需邊緣智能出現
隨著物聯網解決方案的逐漸成熟，物聯網時代即將到來。根據中國產業信息網給出的預測：2022 年全球物聯網連接數接近 200 億部，其中全球物聯網終端總數將達到 193.1 億部，中國佔比約 23%，物聯網終端總數將達到 44.8 億部。
萬物互聯在推動大量設備接入的同時，會在網絡中形成海量數據。據 IDC 預測，全球物聯網設備產生的數據從將 2013 年的 0.1ZB 增長到 2020 年的 4.4ZB。
雲端 AI 已滿足不了數據爆炸式增加後的計算需求。數據爆炸式的增加，帶來了對計算傳輸能力需求的指數級增長，同時產生在邊緣的數據由於時效性或存儲問題等種種因素也需進行實時處理，這時雲端AI 的弊端顯現。
在此情形下，眾人均將目光轉向邊緣 AI。邊緣 AI 依託邊緣計算的分佈式計算理念，在邊緣端採集數據，並完成數據處理，提供智能終端推斷的邊緣計算，因其能夠滿足實時性、安全性的需求，且能節約帶寬與存儲，能夠完美的解決了雲端 AI 出現的問題，因此得到越來越多的關注。
2.1.2 下游應用場景爆發，邊緣 AI 芯片需求旺盛
就目前來看，邊緣 AI 芯片主要應用場景為手機等智能消費電子、安防和自動駕駛等場景。按照不同應用場景，我們可以將它劃分為為手機等消費電子 AI 芯片、安防 AI 芯片和汽車 AI 芯片，這三大市場需求十分旺盛。根據觀研天下發布的《2018 年中國 AI 芯片市場分析報告》中數據測算，到 2022 年，在邊緣端汽車 AI 芯片佔比將達 44%，消費電子類 48%，安防 AI 芯片也佔據 8%的份額。隨著技術的不斷進步與發展，未來可能會出現更多需求邊緣端進行智能計算的場景，邊緣 AI 芯片應用前景廣闊。
1.智能手機備受關注，AI 芯片滲透率逐年提升
智能手機等消費電子產品是 AI產品化的重要領域，推動邊緣 AI芯片起步。蘋果 iPhoneX 上的 FaceID、谷歌 Pixel 手機上的音樂識別、谷歌自動拍照相機 Clips 等，都是 AI 功能在消費電子產品上的體現。而終端的 AI 芯片在其中扮演十分重要的角色。以手機中的圖像識別功能為例，智能手機中大概率會採用 AI 算法+終端芯片的架構，可實現對於現實世界圖像的智能識別，並在此基礎上進行實時優化。
預計 AI 推斷芯片將從高端機型向下滲透，在智能手機上的滲透率將從 2017 年的 3%上升到 2018 年的 10%和 2022 年的 45%。艾瑞諮詢報告預測，AI 手機出貨量佔比將從 2017 年的不到 10%提升到 2022年的 80%，年銷量將超 13 億部。
2.智能安防場景下邊緣攝像頭 AI 化成趨勢，發展空間大
據數據預測，2018 年中國安防行業市場規模將達 6570 億元，其中智能安防行業市場規模近 300 億元，預計在 2020 年將創造一個千億的市場。在智能安防市場中，智能視頻監控市場最大，佔比過半。
搭載邊緣 AI 芯片的攝像頭優點明顯，發展空間巨大。攝像頭作為視頻監控市場的基本硬件，目前大多隻進行數據採集，數據存儲與分析等工作多交由後端服務器或雲端，費時費力。而搭載 AI 芯片的智能攝像頭具備強大的視頻處理能力和智能因素，可以為用戶提供更多高級的視頻分析功能，提高視頻監控系統的能力和效率，降低監控系統的成本，同時能夠使視頻資源發揮更大的作用。 過去幾年裡，安防行業越來越多的將數據分析從雲中心遷移到攝像頭等邊緣位置，但智能攝像頭的滲透率仍極低，不足1%，有很大發展空間。
3.自動駕駛一片藍海，邊緣 AI 芯片成基石
中國將成為全球最大的自動駕駛市場。據麥肯錫最新研究顯示，如果自動駕駛的前景在中國鋪展開來，中國未來很可能成為全球最大的自動駕駛市場，而這一產業的收益規模將達到數萬億美元。
而汽車中搭載的邊緣 AI 芯片則是自動駕駛的基石。若想使車輛實現真正的自動駕駛，要經歷在感知—建模—決策三個階段，每個階段都離不開終端推斷芯片的計算。以感知場景為例：在車輛感知周圍環境的過程中，邊緣推斷芯片在融合數據並進行分析中起到了關鍵性作用。首先，芯片要對各路獲得的“圖像”數據進行分類；其次，車輛必須要辨別目標為何物，這就需對圖像進行快速識別。而從雲端進行推斷則時延過大，存在安全隱患，不符合自動駕駛的要求，此時終端 AI 芯片的優勢凸顯。
根據觀研天下預測，邊緣 AI 芯片在 L2/3 的新車產量中滲透率將從 2017 年的 0.5%，上升到 2022 年的 18%，而 L4/5 將從 2019 年的 0.1%，上升到 2022 年的 5%。
注：SAE International（國際汽車工程師協會）制定的等級標準已經成為定義自動駕駛車輛的全球行業參照標準，用以評定自動駕駛技術。分為五個級別——L0 級（人工駕駛）、L1 級（輔助駕駛）、L2 級（半自動自動駕駛）、L3 級（高度自動駕駛）、L4 級（超高度自動駕駛）、L5 級（完全自動駕駛）。
2.3 人工智能+邊緣計算雙風口來襲，AI 國家政策、邊緣計算聯盟建立促進邊緣 AI 芯片產業發展
邊緣計算+人工智能雙風口來襲，邊緣 AI 作為雙方交叉產物，必受雙方產業發展推進。而邊緣 AI 芯片作為邊緣 AI 的靈魂，定會從中受益。
2.3.1 人工智能處於發展的政策紅利期，上升到國家戰略高度
人工智能處於發展的政策紅利期，上升到國家戰略高度。近年來，我國在人工智能領域密集出臺相關政策，更在 2017、2018 連續兩年的政府工作報告中提到人工智能，可見中國政府把人工智能上升到國家戰略的決心。據統計，2015 年到 2018 年 1 月發佈的近 60 項國家與地方的人工智能政策。
2.3.2 眾聯盟紛紛成立助邊緣計算走上正軌
邊緣計算作為新興產業應用前景廣闊，產業同時橫跨 OT、IT、CT 多個領域，且涉及網絡聯接、數據聚合、芯片、傳感、行業應用多個產業鏈角色。物聯網涉及的環節眾多，一家廠商的規模力量再大也不能夠覆蓋到方方面面，為了全面促進產業深度協同，加速邊緣計算在各行業的數字化創新和行業應用落地，各公司聯合建立多個聯盟，利用手中資源加強合作，討論制定行業標準，發佈各細分領域白皮書，助邊緣計算向規範化邁進，引領邊緣計算產業的健康可持續發展。
2.4 資本助力邊緣 AI 芯片發展
近年來與 AI 芯片相關的技術和產品頻出不窮，整個行業呈現一種井噴式發展。隨著 AI 在安防、醫療、金融、大數據等落地場景上的出色表現，投資人持續看好人工智能行業。根據艾媒諮詢數據顯示，2018 年中國人工智能領域共獲融資 1311 億元，、融資額增長率超過 100%。
邊緣計算+AI 雙風口來襲，邊緣 AI 芯片受到投資者的廣泛關注。雖是資本寒冬，但 2018 年仍有多家涉足邊緣端計算的 AI 芯片企業獲投。
2.5 供給需求兩側雙向刺激邊緣 AI 芯片發展，2030 年規模將達百億
當前中國 AI 芯片投資熱情高漲。中國從事 AI 芯片研發的公司超過 20 家，集中於邊緣推斷芯片。越來越多的 AI 初創企業將終端專用芯片作為重點攻克課題，以解決雲端連接存在的功耗、延遲、帶寬、隱私等問題——毫無疑問，越來越多的計算未來將會在終端設備上完成，智能將會下沉到終端設備，智能邊緣計算將會崛起，帶動邊緣 AI 芯片蓬勃發展。
據觀研天下測算，邊緣 AI 芯片市場需求於 2018 年開始爆發，從 2017 年的 4 億美元，翻 4 倍至 2018年的 19 億，再年均增長 86%至 2022 年的 230 億美元。
3.眾企征戰邊緣 AI 芯片市場，格局尚未明晰，中國有望突圍
3.1 邊緣 AI 芯片市場剛剛起步，參與者眾多
邊緣 AI 芯片市場的廣闊前景吸引了眾多參與者。傳統芯片廠商向邊緣端發力，通過收購等方式迅速提高自己的市場競爭力。2015 年 6 月，CPU 市場龍頭 Intel 以 167 億美元的價格，收購了全球第二大 FPGA廠商 Altera，發力邊緣芯片；2018 年 7 月，自適應和智能計算的美國企業賽靈思公司宣佈已經完成對 AI芯片獨角獸深鑑科技的收購。初創企業雨後春筍般誕生，意借邊緣端機會入局。2018 年 6 月，寒武紀完成數億美元 B 輪融資，投後整體估值為 25 億美元（約合 167 億人民幣），成為全球 AI 芯片創業公司的“領頭羊”。2019 年 2 月，地平線獲得 6 億美元（約合 40 億人民幣）左右的 B 輪融資，估值達 30 億美元（約合200 億人民幣），成目前全球估值最高的 AI 芯片獨角獸。
3.1.1 海外多巨頭入局，劍指邊緣
各方巨頭廠商看準邊緣 AI 芯片機會，均向邊緣端進攻。
GPU 龍頭英偉達保持了極大的投入力度，快速提高 GPU 的核心性能，增加新型功能，保持了在 AI訓練市場的霸主地位，並積極拓展終端嵌入式產品形態，於 2018 年 1 月發佈首個自動駕駛處理器——Xavier。Xavier 的 GMSL 高速 IO 將其與迄今為止最大陣列的激光雷達、雷達和攝像頭傳感器連接起來。
英特爾作為傳統 PC 芯片的老大，也在積極向 PC 以外的市場轉型，佈局自動駕駛領域。為了加強在AI 芯片領域的實力，英特爾收購 FPGA 生產商 Altera，收購自動駕駛技術公司 Mobileye，以及機器視覺公司 Movidius 和為自動駕駛汽車芯片提供安全工具的公司 Yogitech，收購人工智能軟硬件創業公司Nervana。
Google 作為巨頭 IT 廠商也發佈了邊緣 AI 芯片 Edge TPU。Edge TPU 的尺寸很小，它可以在較小的物理尺寸以及功耗範圍內提供不錯的性能，支持 PCIe 以及 USB 接口。Edge TPU 優勢在於可以加速設備上的機器學習推理，或者也可以與 Google Cloud 配對以創建完整的雲端到邊緣機器學習堆棧。
賽靈思收購深鑑科技，在自動駕駛領域推出首款自適應計算加速平臺芯片 Versal。Versal 是基於 FPGA演化出的新架構，其使用多種計算加速技術，可以為任何應用程序提供強大的異構加速。
3.1.2 國內初創企業迸發，進攻邊緣市場
國內涉足邊緣 AI 芯片的廠商以中小公司為主，沒有巨頭，多集中於 ASIC 的開發，並已有所建樹。據統計，目前創立於國內的 AI 芯片初創公司有 13 家，包括寒武紀、比特大陸、地平線機器人、西井科技等，均瞄準了邊緣 AI 芯片這個領域。
“寒武紀”成立於 2016 年，由中科院計算所孵化。2017 年 11 月，寒武紀在北京發佈了三款新一代人工智能芯片，分別為面向低功耗場景視覺應用的寒武紀 1H8，高性能且擁有廣泛通用性的寒武紀 1H16，以及用於終端人工智能和智能駕駛領域的寒武紀 1M。1M 是寒武紀第三代機器學習專用芯片，使用TSMC 7nm 工藝生產，其 8 位運算效能比達 5Tops/watt（每瓦 5 萬億次運算）。
華為海思是華為的子公司，於 2004 年成立，專注於芯片研究。2018 年 8 月發佈兩款應用於邊緣端的芯片——昇騰 310 和麒麟 900 系列。昇騰 310 的最大功耗僅為 8W，屬於昇騰的迷你係列、整數精度的算力達到 16TFLOPS；麒麟 970 是全球首款手機 AI 芯片，用於華為 Mate 10、P20 系列手機。麒麟980 則用於最新的 Mate20 系列和榮耀 Magic 2.採用寒武紀的 AI IP.
地平線成立於 2015 年 7 月，是一家注重軟硬件結合的 AI 初創公司。2017 年 12 月，地平線自主設計研發了中國首款嵌入式人工智能視覺芯片——旭日 1.0 和征程 1.0。今年又推出了基於旭日（Sunrise）2.0 的架構的 XForce 邊緣 AI 計算平臺，其主芯片為 Intel A10 FPGA，典型功耗 35W，可用於視頻人臉識別、人體分割、肢體檢測等功能。
比特大陸成立於 2013 年 10 月，是全球第一大比特幣礦機公司，目前佔領了全球比特幣礦機 70%以上的市場，並已將業務拓展至 AI 領域。BM1880 是比特大陸首款面向邊緣端計算的低功耗 AI 協處理器，採用 28nm 工藝，ARM A53 雙核架構，RISC-V CPU，其典型功耗 2W，int 8 精度算力能夠達到 1Tops。
3.2 英偉達為當前 AI 芯片龍頭，邊緣側場景爆發將打破現有局面
由上文分析我們可知，根據部署位置的不同，AI 芯片分為雲端芯片和邊緣端芯片。同時，根據功能的不同我們將 AI 芯片分為訓練芯片和推斷芯片。目前 AI 芯片多在雲端，英偉達的 GPU 芯片被廣泛應用於深度神經網絡的訓練和推理，根據中國科學院自動化研究所測定，2017 年英偉達的 GPU 芯片在 AI 芯片市場中佔比高達 54%。
邊緣端 AI 芯片快速發展會打破現有的 GPU 稱霸 AI 芯片局面。邊緣端對芯片的功耗限制比較嚴格，現有的雲端 AI 芯片無法滿足終端低功耗的需求，故終端的 AI 芯片需重新進行開發。而邊緣側場景又以細分賽道見長，不同的賽道對芯片有著不同的要求。以安防、駕駛、消費電子三個場景為例：智能安防、智能駕駛由於視頻信號的數據量較大，對數據流計算速度要求較高；智能駕駛除計算能力外對硬件的穩定性和突發狀況處理速度要求較高；智能手機、音箱、AR/VR 終端等消費電子類受限於電池容量，對低功耗的要求更高些。由上文我們知道邊緣端的 AI 芯片可由 GPU、FPGA、ASIC 三種架構實現，這三種架構各有優缺點。故根據不同的場景需求，架構的選擇也變得多樣化起來。
根據 Tractica 的報告顯示，未來邊緣端的 AI 芯片會呈高速增長態勢，到 2025 年，基於雲的 AI 芯片組將帶來 146 億美元的收入，而基於邊緣的 AI 芯片組將帶來 516 億美元的收入，是數據中心的 3.5 倍。這樣大規模增長勢必會對現有的 AI 芯片格局大洗牌。
邊緣 AI 芯片的迅速發展將打破 AI 芯片中 GPU 稱霸格局，但由於目前整個行業仍處於研究階段，並未有大規模的商業落地，故其競爭格局還未明朗，仍需等待時日才能揭曉。
3.3 中國企業有望在邊緣 AI 芯片領域突圍
在邊緣 AI 芯片領域，中國企業具備了“天時、地利、場景和”三個方面的優越條件，有望在邊緣端完成突圍。
3.3.1 天時：邊緣智能產業處於早期階段，中國技術不落後
市場處於早期階段。上文中我們提到過根據 Gartner 曲線，邊緣智能處於技術觸發期，技術、業務等各方面的挑戰仍然具有不確定性，加上人工智能行業整體也處於早期狀態，還未形成有效競爭格局，導致雙方的交叉點邊緣 AI 芯片產業並不成熟，芯片技術及產業標準化剛剛處於起步階段，存在眾多機會。
中國企業在國際 AI 芯片市場有一定競爭力。2018 年 5 月，國際調研公司 Compass Ietelligence 發佈了一份 AI 芯片排行榜單，其依據企業供應商指標、產品和客戶指標、經濟指標、領導力及近期活動等其他指標，共四個方向對全球 100 多家 AI 芯片企業進行了排名。其中三家企業上榜，分別為華為海思（第 12名），寒武紀（第 23 名），地平線（第 24 名）。
3.3.2 地利：中國人工智能政策紅利頗多
上文中我們提到人工智能處於發展的政策紅利期，上升到國家戰略高度。我國政府從上至下給予了人工智能高度的關注，完成了一系列政策層面的頂層設計。近年來，我國在人工智能領域密集出臺相關政策，更在 2017、2018 連續兩年的政府工作報告中提到人工智能，可見中國政府把人工智能上升到國家戰略的決心。據統計，2015 年到 2018 年 1 月發佈的近 60 項國家與地方的人工智能政策。
3.3.3 場景和：中國智能安防場景全球領先，安防 AI 芯片預計將成第一桶金
中國安防 AI 化處於全球絕對領先地位。2018 年中國智能安防行業市場規模近 300 億元，預計在 2020年將創造一個千億的市場。上文提到目前智能攝像頭的滲透率極低，有著極大上升空間，據機構預測，預期滲透率將從 2017 年的 0.5%，上升到 2022 年的 13%。隨著智能攝像頭的滲透率的逐步提升，在場景推動下，安防攝像頭上的邊緣推斷芯片將是中國 AI 芯片業的第一桶金，未來也有很大可能走向全世界。
4.從獨角獸尋優質企業特質，看好具有人才、資本優勢，邊緣場景落地能力強的初創企業
4.1 技術先行，人才是企業發展保證
技術人才是邊緣 AI 芯片企業的基石。人工智能就是讓機器像人一樣進行深度學習，而學習是人類的高級行為，這其中的難度可想而知。邊緣端的 AI 芯片則是要在邊緣端低功耗的限制下，完成深度學習功能的實現，難上加難。邊緣 AI 芯片的研發具有非常高的技術屏障，需要專家型的科研團隊開展長期攻關研究。從寒武紀、地平線這兩家獨角獸公司來看，其創始人及核心團隊均具有深厚的技術背景。
4.1.1 寒武紀科技脫胎中科院計算所，成首個 AI 芯片獨角獸
寒武紀科技成立於 2016 年 3 月，脫胎於中科院計算所，最早可以追溯到 2008 年中科院計算機所成立的 10 人計算研究團隊。在 2017 年，寒武紀科技獲 A 輪 1 億美元的投資，成為全球智能芯片領域首個獨角獸初創公司。
寒武紀創始人為陳天石和其兄陳雲霽。陳雲霽 9 歲上中學，14 歲進入中國科技大學少年班。大學四年級就參與中國第一塊 CPU 芯片龍芯一號的研製，2002 年師從胡偉武碩博連讀，成為龍芯研發團隊最年輕的隊員，25 歲時成為8 核龍芯 3 號的主架構師。陳天石在處理器架構和人工智能領域深耕十餘年，是國內外學術界享有盛譽的傑出青年科學家，曾獲國家自然科學基金委員會“優青”、CCF-Intel 青年學者獎、中國計算機學會優秀博士論文獎等榮譽。公司骨幹成員均畢業於國內外頂尖高校，具有豐富的芯片設計開發經驗和人工智能研究經驗，從事相關領域研發的平均時間達九年以上。
2014 年，陳氏兄弟組建團隊為深度學習設計出一款專用處理器，經過多年艱苦鑽研，終於展露頭角。2014 年 3 月，團隊撰寫的《DianNao：一種小尺度的高吞吐率機器學習加速器》，
在國際頂級學術會議ASPLOS 上獲得了最佳論文獎，這也是亞洲學術研究成果首獲處理器架構領域頂尖會議最佳論文；同年12 月，DaDianNao（又稱寒武紀 2 號神經網絡處理器，面向大規模神經網絡的應用）榮獲 2014 年度 Micro最佳論文，這也是 Micro 自 1963 年創辦以來，第一次由美國以外的研究者摘得該獎項。除創始人外，研究團隊的其他人員人大多是世界著名的頂尖學府畢業出來的高材生，比如哈佛大學、斯坦福大學等名校，多年專注人工智能芯片領域研發。
4.1.2 地平線研發團隊實力強勁
地平線成立於 2015 年，創始人為前百度深度學習研究院院長餘凱，擁有一支兼備算法、軟件、硬件、芯片及雲架構研發能力的業界頂級高管團隊。全球四家最頂尖的互聯網人工智能研發機構中，地平線創始團隊成員創辦了其中的兩家——百度深度學習研究院（IDL）和 Facebook 人工智能研究院（FAIR）。公司核心成員曾 20 多次在各項國際人工智能評測中獲得全球第一，更在芯片設計、高性能雲計算、並行計算、人臉識別、語音語義識別等領域做出了影響數億用戶的產品和服務。
1）圖像識別取得多項世界第一：
餘凱曾帶領團隊獲得 ImageNet 圖像識別評測第一名；
楊銘主導的 DeepFace 項目應用於世界上最大的人臉識別系統；
2004 年，黃暢的人臉檢測算法突破性實現在芯片中，現已佔領 80%的數碼相機市場，這是世界上第一款大規模應用的計算機視覺處理芯片團隊成員曾獲得如下評測的世界第一名：Pascal VOC、FDDB、LFW、TRECVID、KITTI。
2）自動駕駛實踐的先行者
餘凱在 2013 年發起了百度自動駕駛項目，是中國業界第一個自動駕駛項目；
地平線曾在 KITTI 自動駕駛評測中車輛檢測任務名列第一長達 14 個月；
3）豐富紮實的工程、產品經驗
餘凱曾帶領團隊開發了世界上第一個支持 GPU&CPU 的並行深度學習平臺，開發了世界上第一個基於深度學習的在線廣告系統和搜索排序系統；
餘凱曾帶領團隊部署了世界上最大規模的基於 FPGA 的深度學習加速器；
楊銘主導的 DeepFace 項目應用於世界上最大的人臉識別系統；
周峰曾帶領團隊研發了世界第一個用 FPGA 實現用於視頻會議系統的 H265 高清視頻編碼器，和針對視頻監控及下一代手機的 H265 超高清視頻編碼 ASIC 芯片；
吳強曾任 Facebook 總部高級主任研究員，擔任過多個項目的技術負責人和主設計師，系統化地搭建連接十幾億人的雲端架構；
4）業內頂尖的學術成績
餘凱在計算機視覺和圖像識別方面有突出學術貢獻，多篇學術論文在 CVPR、IEEE 等國際頂尖學術平臺上發表，他在人工智能領域發表的研究論文被全球同行廣泛引用超過 14,000 次，並曾獲得 2013 年國際機器學習大會（ICML）最佳論文銀獎，也是華人學者中第一位率隊在 ImageNet 等國際主流人工智能競賽中獲得冠軍的學者，曾任 ICML 和 NIPS 領域主席。2011 年在斯坦福大學計算機系任兼職教授主講課程“CS121:Introduction to AI”。
黃暢長期從事計算機視覺、機器學習、模式識別和信息檢索方面的研究，作為相關學術界和工業界的知名專家，發表的論文被引用超過 4,800 次，擁有多項國際專利。
楊銘，在頂級國際會議 CVPR/ICCV 發表論文 20 餘篇，在頂級國際期刊 T-PAMI 上發表 8 篇論文，被引用超過 6,200 次。多次擔 CVPR/ICCV/NIPS/ACMMM 等頂級國際會議程序委員會成員，T-PAMI/IJCV/T-IP 等頂級國際期刊審稿人。
4.2 資本為技術研發提供堅實後盾
AI 芯片是資本密集型領域，企業的開發費用極高。在人工智能應用領域，依據芯片的部署位置和任務需求，會採用不同的製程。在雲端多會採用 7nm 製程，像是寒武紀的 MLU100 芯片；而在邊緣端和部分移動端設備會採用 16nm 或 10nm 製成的芯片。但無論選擇何種製程，企業的開發費用都極高，根據 IBS估算，ASIC 架構 5nm 的 AI 芯片開發費用為 54220 萬美元，65nm 製程的芯片開發費用也有 2850 萬美元，研發成本極高。
高成本的芯片開發費用要求企業必須擁有足夠的資金，加上長達 1-3 年的開發週期，AI 芯片企業在融資的早期階段需要大量資金浥注。
4.2.1 寒武紀成立僅 3 年，先後獲得四次投資
寒武紀先後獲得四次投資。 寒武紀成立至今僅 3 年，已經融資 4 次，融資額高達上億美元。2016 年，獲元禾原點領投的天使輪投資；2017 年，接收中科院的 1000 萬人民幣 Pre-A 輪投資；同年 8 月，獲得來自國投創業領投阿里巴巴、聯想創投、國科投資、中科圖靈、元禾原點、湧鏵投資等跟投的 1 億美元 A 輪投資，估值達 10 億美元，成為全球第一家 AI 芯片領域獨角獸；2018 年 8 月，再次獲數億美元，完成此次B 輪融資後估值高達 25 億美元。
4.2.2 地平線已進行 6 輪融資
地平線已進行 6 輪融資。2015 年成立的地平線機器人在不足 4 年的成立時間內，先後獲得投資人青睞，獲得近 10 億美元的投資。2015 年 7 月，公司獲數百萬美元天使輪投資；2016 年獲 Pre-A 輪和 A 輪雙次投資；2017 年再獲超 1 億美元的 A+輪投資，由 Intel Capital 領投，嘉實基金、晨興資本、高瓴資本、雙湖資本、線性資本、建投華科等跟投；今年 1 月，完成 B 輪 6 億美元的融資，融資後市場估值為 30 億美元，成為新一代 AI 芯片獨角獸。
4.3 邊緣場景下的商業化落地能力是企業運營關鍵
有了資本、技術的加持還遠遠不夠，只有擁有了商業化落地的能力，企業才能收穫利潤，從而正常運轉。目前，雖邊緣端 AI 芯片產業整體仍處於初期階段，商業化進程緩慢，但獨角獸企業仍然在邊緣場景端的商業落地方面展現出超強實力。
4.2.1 寒武紀合作華為海思等國內一線芯片公司，商業落地速度走在前列
寒武紀客戶多為國內一線芯片公司。寒武紀在終端以處理器 IP 授權的形式進行合作推廣，其終端客戶主要以 SOC 廠商為主，目前包含華為海思、紫光展銳、晨星(MStar)/星宸半導體等中國最頂尖 SoC 芯片公司。
寒武紀 1A 和 1H 處理器分別應用於華為多款手機中，目前已量產。2017 年、2018 年連續兩年，華為麒麟 970、麒麟 980 分別使用了寒武紀的 1A 處理器和 1H 處理器，並搭載在華為 Mate10 和 Mate 20 系列中，前者全球出貨量累計達 1000 萬臺，後者全球銷量也已超過 750 萬臺。
除了在手機端的應用，寒武紀還積極擁抱智慧城市、機器視覺等垂直場景。在 2018 安博會上，寒武紀聯合星宸半導體/SigmaStar(原 MStarSmartCamera 事業部）和的盧深視（國內三維視覺領域新銳公司）推出了集成寒武紀終端智能處理器 IP 產品的系統解決方案，以芯片+場景展示實際應用。
4.2.2 地平線進攻智能零售、駕駛等場景，多方合作促商業落地
地平線也在加快商業化步伐，多方向落地。
在智能零售方向，據媒體 2018 年 6 月訊，地平線已與鞋服運動零售商百麗國際簽下了戰略合作協議，雙方將聯合探索線下零售場景與 AI 技術的融合，挖掘零售場景下的“人貨場”深層關係，打造智慧零售新模式，將大量潛在的線下數據進行挖掘、翻譯和處理，幫助實體零售行業智能化轉型。（百麗國際是國內代表性的鞋服運動零售商，其在全國 400 餘個城市擁有超過 20000 家直營店。）
在智能駕駛方向，地平線 2018 年選擇了入駐北京環普國際科技園——將為地平線公司提供 5000 多平方米的空間解決方案以及物業服務，以滿足其研發、測試、市場投放等多元化的辦公需求。發言人表示，地平線還將自動駕駛部門設在環普科創園，希望能夠融入北京網聯汽車的應用生態體系中。
綜上，分析獨角獸企業寒武紀和地平線，我們認為在邊緣 AI 領域擁有技術、資金優勢並且具備邊緣場景端商業落地能力的企業更容易在邊緣 AI 芯片戰場中獲勝，應給予重點關注。
閱讀更多 未來智庫 的文章
