2016年，第一代AI芯片開始爆發，傳統芯片廠商、算法公司、互聯網巨頭魚貫涌入；如今，三年過后，“商業落地”進入兌現期。

“前兩年你還可以講我要做AI芯片，但今年如果你沒有一個產品做出來，跟競爭對手比起來，你其實就處于劣勢了。”半導體領域出身的投資人北極光創投董事總經理楊磊對CV智識表示。

但“落地”的過程，顯然比芯片研發本身更具挑戰，這既是對第一代架構設計的試金石，又需要龐大的軟件開發和客戶支持的力量。

當然，一些AI芯片公司剛剛推出或者剛剛開始落地產品、落地場景，但能否真正可以批量工程化應用于產品，能否真正滿足實際場景需求，以及芯片的穩定性等都有待觀察。

但這并不妨礙市場調研機構們繼續描繪AI芯片美好的未來：根據Gartner預測，2022年全球AI芯片的市場規模將從2018年的42．7億美元上升到2023年的323億美元，2019－2023年平均增速約為 50％。

沒有人會懷疑人工智能的未來，也沒有人質疑AI芯片的產業根基地位，只是在這個有自己客觀規律，快不得也慢不得的戰場上，參與者們要如何調整好姿勢戰斗？先入者冠蓋云集，后來者是否還有機會？CV智識帶著好奇和行業內多位從業者聊了聊。

AI芯片落地步伐并沒有想象的那么快

客觀上看，2019年，AI芯片玩家們商用的步伐并沒有預期的那么快。

無論是體量龐大如華為、阿里、特斯拉，還是那些跑得快的初創企業如億智、登臨、燧原、鯤云等，即使有些已經發布產品或者宣布流片回來，但距離大規模量產尚有些距離，更何況巨頭們的產品大多還是自用。

有行業人士甚至調侃，一年前，在一個峰會上看到十來家創業公司用PPT展示了他們的AI芯片計劃。今年，這些公司只是展示了更新的PPT而已。

AI芯片面臨的商業化落地問題還能從當前的融資案例看出，一位投資人士對CV智識表示，目前融到錢的幾家主流AI芯片初創企業，背后都有一個共性：有客戶或者產業資源背書，“否則很難”。

在深圳鯤云信息科技有限公司創始人兼CEO牛昕宇看來，“與其說AI芯片商業化難，更多是對于AI芯片的落地難度沒有一個足夠清晰的認識?！?/p>

AI芯片的核心產品指標只有兩個：算力性價比和算法支持通用性。

這兩個指標支持AI應用落地門檻的不斷降低，包括部署成本和開發周期。圍繞這兩個核心指標，還有國產可替代、領域專用接口、領域散熱功耗穩定性指標等細分指標。

“AI芯片落地的過程其實是把這些指標與客戶現有產品指標的差值釋放給客戶的過程?！?/p>

而這個過程有自己客觀規律，沒有捷徑，“自產品量產、產品導入、產品出貨都有系統性、工程性的坑要一個一個填。”

就像做汽車的AI芯片，“車本身是一個安全的東西，因此汽車的AI芯片必須經過車規級檢驗，必須要保證體系功能和安全都能得到充分驗證，無法跨越?！焙谥ヂ橹悄芸萍悸摵蟿撌既思鍯OO劉衛紅對CV智識表示。

楊磊用“跨欄”形容AI芯片創業，“跨欄由三個要素組成：運動員本身的能力（整個團隊的配置）、欄的高度（AI芯片的難度）以及助跑的長度（客觀發展時間）。”

當然，在外界質疑AI芯片落地慢的時候，也有行業人士表示，無論是從AI這樣一個新興領域、從一個底層硬件平臺、還是從芯片而言，能夠有落地產品已經是不錯的商業進展了。

云端：神仙打架

按照場景不同，AI芯片可以分為云端和終端。

云端AI芯片性能較強，并且能夠同時支持大量運算共同運行。此外，它還能夠支持圖片、語音等多種不同的應用。

市場調研機構ABI在最近發布的一份描繪當前AI芯片市場狀態的報告中預計，云端AI推論與訓練服務應用市場在2024年將從2019年的42億美元成長至100億美元。

英偉達是最先吃螃蟹的公司，也憑借GPU在云端AI芯片領域里樹起了一道高高的護城河。

根據Jon Peddie Research的數據，2018年第四季度，全球獨立顯卡市場中英偉達GPU占比81．2％。英偉達更是憑借GPU在AI上的表現，市值在16年到18年間實現了超10倍的增長。

英偉達的成功，吸引不少追逐者。既有AMD、英特爾等傳統芯片巨頭，也有互聯網以及通訊巨頭們，如谷歌、亞馬遜、阿里、百度、華為。

互聯網公司造芯玩家中，谷歌無疑是最具指標意義的。2016年，谷歌I／O開發者大會上，谷歌正式發布了首代TPU。到現在，谷歌自主研發的人工智能專用芯片TPU已經迭代到了第三代。

之后，亞馬遜以及國內的百度、阿里等也紛紛跟進。

2018年7月，百度發布了面向云端的AI芯片“昆侖”；11月，亞馬遜在美國發布機器學習芯片AWS Inferentia；2019杭州云棲大會上，達摩院院長張建鋒又展示了阿里第一款AI芯片含光800……

通訊領域，2019年8月，華為宣布昇騰 910正式商用，并已經用于實際AI訓練任務中。

對于這些互聯網以及通訊大廠們來說，造芯的邏輯簡單直接：一方面節省成本，另一方面考量自身業務的融合優化。比如百度做無人車和智能家居，阿里有IoT戰略，而目前各種業務的計算都要用到大量的芯片。

與傳統芯片廠商不同的是，這些巨頭做AI芯片產品都不是以商品芯片的身份單獨出售，而是與自家的產品捆綁在一起。比如，含光800將通過阿里云對外輸出AI算力，華為發布昇騰910用在華為自有服務器和云業務上。

阿里AI Lab首席科學家陳穎曾向廣州日報全媒體表示，互聯網巨頭可以發揮巨頭在AI方面積累的技術優勢，而且做出的芯片可以首先在它自己的AI平臺及其應用上得到應用，通過應用可以推動芯片的發展，形成一個良性循環。

正如牛昕宇所說“在這個充分競爭并且巨頭已經入場的市場中，落地平臺級的芯片系統，有兩個問題必須解決：一是，產品研發過程中，產品價值定位是否清晰，產品商用后是否能釋放給客戶足夠價值。以及隨著市場上產品的演進，所提供產品價值是在增強還是減弱；二是，AI芯片是一個系統工程，作為平臺級核心芯片，AI芯片在單一指標領先的同時，其它指標仍需達到及格線才能真正落地。”

巨頭們造芯的方式既有自建團隊如谷歌者，今年6月，IST就報道，谷歌正在為印度班加羅爾的gChips部門進行大量招聘，在64個職位空缺中，大部分都是與芯片設計相關的職位。也有尚未公布自研芯片但通過投資布局的，比如騰訊投資了比特大陸、Diffbot、iCarbonX、CloudMedx、Skymind、ScaledInference等企業。

互聯網及通訊廠商紛紛造芯，是否仍然會對其他AI芯片提供商產生影響呢？

對此，ABI Research首席分析師Lian Jye Su 曾公開表示，“這對于剛開始使用自己芯片組的CSP來說是極具挑戰的，我們甚至預測，到2024年CSP這個市場將下降15％至18％。而機會更多地來自于私有數據中心領域。

巨頭爭奪的另一側，也不乏一些打算虎口奪食的初創企業，比如寒武紀、鯤云、登臨等，但芯片是一個贏者通吃的市場，由于高昂的研發費用，只有市場第一才能形成規模優勢從而轉化成成本優勢，云端AI芯片市場，生態已經形成，“如果在理論架構層面沒有創新，新公司的空間極小。”

面對與巨頭的競爭，牛昕宇坦言，在有限的資金下降低試錯成本，是所有芯片初創公司需要面臨和解決的問題，因此對鯤云而言，一方面在落地過程中逐步迭代數據流架構和編譯器至商業成熟階段再推出芯片，降低迭代成本；另一方面，通過在架構方面采用數據流架構CAISA數倍提升芯片利用效率，降低芯片的流片成本。

終端：群雄逐鹿

云端受限于算力成本、傳輸帶寬渠道、時延問題以及數據脫敏問題，催生AI向終端下沉。

“即使在城市級的安防場景下，人臉識別的比對環節由于涉及到數據庫的保密問題必須放在云上，但檢測、跟蹤、特征提取環節是放在端側的，因此后期有云智能的應用也一定是云端協同的。”億智電子創始人陳峰對CV智識表示。

終端AI芯片，大勢所趨。

探境科技創始人兼CEO魯勇在之前芯片發布會上表示，基于用戶對智能家居越來越高的接受度，2019年智能家居也會快速普及，也將帶動AI芯片的落地。

在黑芝麻智能科技聯合創始人兼COO劉衛紅看來，自動駕駛是一個千億美元級的藍海市場，他看好AI芯片在無人駕駛的落地。他認為，感知、低功耗、高算力以及滿足汽車功能規范是自動駕駛AI芯片落地的關鍵。

與云端AI芯片由巨頭把持不同的是，終端AI芯片戰場既有頂級玩家的互搏，也有各類跨界玩家不斷涌入。

既有傳統SoC供應商，如全志、君正、瑞芯微等，也有依圖、曠視、云知聲、思必馳等為代表的AI算法供應商，還有算法＋芯片供應商，如寒武紀、地平線、深鑒科技等。

2019年1月2日，云知聲再次發布正在研發中的三款定位不同場景的AI芯片；1月4日，思必馳推出了AI語音芯片深聰TAIHANG芯片；7月，億智的第一款芯片已經進入量產；黑芝麻智能在今年8月也發布了“華山一號”自動駕駛芯片A500；9月地平線的征程二代芯片在法蘭克福車展正式亮相；探境科技也在不久前發布了語音識別芯片音旋風611……

與傳統芯片廠商不同，AI 算法公司發布芯片并非純粹賣芯片硬件，而是將自己的算法和軟硬件結合形成一套完整的解決方案向外出售。

有行業人士對CV智識表示，這樣可以做出更好看的流水。他舉例，即使一顆芯片只賣1美金，這也比收費僅兩三塊人民幣的license來錢快，而且有了AI芯片之后還可以軟硬件打包賣，這樣流水可以更大。

軟銀中國管理合伙人張岳鵬也認為，算法公司做芯片，其商務意義大于技術意義。找到最擅長的落地場景，給客戶提供一整套的解決方案，便于拿下商業合同，但是他們并不會真的說就自己做芯片。

一位芯片行業人士透露，有些算法公司會直接選擇最“省事”的方式：買別人的芯片，然后改個外包Mark即可。

對于芯片廠商人士透露來說，也在補齊軟件算法一端，“只有自己的芯片加自己的算法的時候，你才能做到耦合程度提高。”一位業內人士對CV智識表示。

縱觀眾多參與者，既有原來做芯片的，由硬到軟切入，還有從軟件算法切入的，由軟到硬切入。相對于云端，終端留給AI芯片創業公司更廣闊的市場。

但無論是由硬到軟，還是由軟到硬，AI芯片所涉及的軟件算法和硬件兩個部分，一個講究快速迭代，一個強調系統性的程序思維，天然存在對抗性，因此如何磨合團隊也是關鍵。

與此同時，楊磊形容國內的AI芯片市場像一個橄欖球，低端需求最少，中端需求最大，高端需求比中端少，但比低端大，但在產品供給端，由于低端門檻較低，供給占據大部分，一片紅海。

一位在芯片領域從事多年市場工作的業內人士對CV智識表示，“現在大部分的時間都是在教育客戶”，客戶最為敏感的依舊是產品成本問題，這就導致了一些AI芯片廠商采取激進的低價策略，“你賣1塊，別人就敢賣8毛”。

對于投入巨大的芯片行業來說，是好故事，但不一定是個好生意。

結語

目前，無論是初創公司還是傳統芯片廠商，壓力都是與日俱增。用一句話描述 2019 年的AI 芯片市場就是產業趨于冷靜。

大家心中都明白這將是一場持久戰，而產業真正的未來和發展方向還是取決于創新。

正如牛昕宇所說，AI芯片的挑戰在于市面上已經有廣泛使用的產品，所以不同于其他領域客戶可以迅速接受新推出的硬件產品，所有的AI芯片產品都要清晰定位自己的產品價值，即與已經在使用的AI加速產品，自家產品能做到哪些其它產品不能解決的問題。

當然，技術創新性只是AI芯片落地的關鍵之一，其中還會涉及到切入的領域、商業模式、市場環境等因素的影響。

“從長遠而言，我們可以看到AI行業的迅速發展和AI應用的逐步落地，而這個過程是不可逆的：人工智能應用一旦落地，效率的提升便不允許退回人工的方式。這個賽道足夠長，只要AI應用能落地、產品有價值，AI芯片公司就可以逐步實現商業閉環和長期發展?！?/p>