日前，全球最大的可編程芯片（FPGA）廠商賽靈思宣布收購中國 AI 芯片領域的明星創業公司—深鑒科技。此消息一出立即在業內引起了強烈反響。盡管雙方認為這是雙贏的結局，但我們還是從中看到了當下如日中天的中國AI芯片產業的依附式生存。原因何在？

　　眾所周知，芯片定義了產業鏈和生態圈的基礎計算架構，正如CPU是IT產業的核心一樣，芯片也是人工智能產業的核心。截止到目前，業界公認的AI主流芯片，除了CPU以外，還有GPU、FPGA和ASIC。而熟悉芯片產業的業內人士看到這些，就知道，所謂現在五花八門的AI芯片最終的基礎架構（或者是流派）無非如此，當在上述這些基礎架構上，格局已定。

　　CPU自不用說，英特爾占據著絕對領先的優勢，基本在此架構之上突圍的可能性微乎其微。

　　至于GPU，目前全球GPU行業的市場份額有超過70％被英偉達公司占據。而應用在人工智能領域的可進行通用計算的GPU市場則基本被英偉達公司壟斷。據悉，世界上目前約有3000多家AI初創公司，大部分都采用了英偉達提供的硬件平臺。

　　再看FPGA，雖然其市場前景誘人，但是門檻之高在芯片行業里無出其右。全球有60多家公司先后斥資數十億美元，前赴后繼地嘗試登頂FPGA高地，其中不乏英特爾、IBM、德州儀器、摩托羅拉、飛利浦、東芝、三星這樣的行業巨鱷，但是最終登頂成功的只有位于美國硅谷的四家公司：Xilinx（賽靈思）、Altera（阿爾特拉）、Lattice（萊迪思）、Microsemi（美高森美），其中，賽靈思與Altera這兩家公司共占有近90％的市場份額，專利達到6000余項之多，如此之多的技術專利構成的技術壁壘當然高不可攀。而賽靈思始終保持著全球FPGA的霸主地位。

　　正是由于芯片基礎架構格局已定，所謂國內的AI芯片企業（包括初創企業）實際上做得只是基于上述基本架構的二次開發或者優化。

　　以此次被賽靈思并購的深鑒科技為例，自 2016 年成立以來，深鑒科技就一直基于賽靈思的技術平臺開發機器學習解決方案，兩家公司合作密切。深鑒科技推出的兩個用于深度學習處理器的底層架構—亞里士多德架構和笛卡爾架構的 DPU 產品，都是基于賽靈思 FPGA 平臺。

　　另外，由于賽靈思此前是深鑒科技的投資方之一，我們認為深鑒科技更像是為賽靈思FPGA做優化的廠商或者或合作伙伴的角色。原因很簡單，一旦脫離了賽靈思 FPGA 平臺，深鑒科技將是無本之木，無水之源。

　　當然，除了深鑒科技，據稱中國另外一家知名AI芯片初創企業地平線的所謂AI芯片BPU也是基于FPGA上的二次開發。既然是基于FPGA，那么最核心的底層架構就離不開我們上述的賽靈思、阿爾特拉、萊迪思和美高森美FPGA平臺的借鑒和支持。即便是真的具有核心架構顛覆性的創新，由于FPGA已經被這四家企業瓜分，也難有可以維持生存的立足之地。

　　最會再看ASIC。在國外大廠幾近壟斷CPU、GPU和FPGA市場的情況下，再加上技術壁壘很高，中國AI芯片廠商在芯片領域一直缺乏關鍵核心自主技術，僅憑市場、企業單方面的力量難以在CPU、GPU和FPGA方面有所突破，只能另辟蹊徑。從目前來看，中國AI芯片廠商更多的是以中小公司為主，與實際應用需求結合，集中于設備端的AI ASIC開發，就某一垂直領域進行優化，以低功耗低成本取勝。例如中國知名的AI芯片初創企業寒武紀就是此類。

　　這里我們并非說ASIC在AI芯片領域沒有前景，恰恰相反，此前名揚業內的谷歌TPU就是基于ASIC。不過需要說明的是，谷歌之所以開發TPU，是基于其自身數據中心的應用規模，而規模是決定采用ASIC效益的關鍵。

　　盡管自身龐大應用規模的TPU在業內引起了好評，但谷歌首席科學家Greg Corrado在此前召開的谷歌AI技術分享會上還是提出了不同的觀點，他說，“至少迄今為止，我也沒有看到完全不同于傳統計算芯片的成功案例。相反，我們認為應對現有的芯片做AI方面專門的優化，使現在的芯片完成AI任務時速度更快，功耗更低，整體的效益更高。”這也是為何谷歌有了TPU，但依然會在其數據中心采用CPU和GPU的原因。言外之意，TPU只是針對數據中心某些應用相對于CPU和GPU的補充和優化，并不能成為主流。

　　具體到中國，為了規避ASIC開發周期長和投入大的風險，基于ASIC開發的所謂AI芯片基本是采取SoC＋IP的模式，即相比ASIC，SoC＋IP模式的上市時間短，成本較低，并且IP可以更靈活地滿足用戶需求。IP公司專注于IP模塊的設計，SoC公司則專注于芯片集成，分工合作，提高效率。此前華為麒麟芯片與寒武紀IP結合在智能手機上的應用就屬此種模式。但前提是規模（華為手機巨大的出貨量）及SoC的支持。那么對于中國市場而言，能有多少像華為這樣的規模用戶。ASIC獨木難成林。

　　更讓ASIC前景難料的是，業內有一種分析和觀點認為，FPGA受益于芯片NRE費用指數級上升帶來的規模效應。隨著制程工藝不斷提高，芯片NRE費用指數級上升，越來越多的ASIC芯片將由于達不到規模經濟而被迫放棄，從而轉向直接基于FPGA開發設計。

　　據Tractica估計顯示，到去年為止，深度學習應用中還幾乎找不到FPGA的身影，但是，到2025年，它的部署會和CPU的部署量相當（如果不能超過CPU的話）。其結果就是，到2025年，FPGA將會在總規模達122億美金的深度學習芯片組市場獲得顯著的市場份額。

　　所謂萬變不離其宗。雖然目前AI芯片的叫法五花八門，但依然沒有脫離CPU、GPU、FPGA和ASIC這些核心，而在這些核心中，顯然仍是那些傳統芯片廠商，例如英特爾、英偉達、賽靈思等國外廠商的天下。

　　而通過此次賽靈思并購深鑒科技，我們看到那些所謂中國的AI芯片企業有相當數量僅是在人家的架構之上再做些二次開發，優化和應用層面的事情，只是換了個新奇的名稱和叫法而已，與傳統的芯片產業競爭一樣，表面鑼鼓喧天的中國AI芯片依然是依附性的生存模式。