[[333019]]

本文轉(zhuǎn)載自微信公眾號(hào)「AI前線」，作者劉燕 。轉(zhuǎn)載本文請(qǐng)聯(lián)系A(chǔ)I前線公眾號(hào)。

 AI 芯片進(jìn)入了市場(chǎng)檢驗(yàn)期。

技術(shù)研發(fā)關(guān)卡“無(wú)芯片不 AI”。最近幾年，業(yè)界縈繞著對(duì)摩爾定律失效的擔(dān)憂。后摩爾定律時(shí)代，AI 芯片的崛起被寄予厚望。

AI 芯片一度站上了風(fēng)口，熱度空前，與此同時(shí)，挑戰(zhàn)尤存?，F(xiàn)階段的 AI 芯片處在發(fā)展早期，尚有諸多技術(shù)痛點(diǎn)待攻克。

在設(shè)計(jì)、研發(fā)上，一個(gè)最大的技術(shù)挑戰(zhàn)在于 如何跟得上 AI 算法的演進(jìn)。 芯片研發(fā)速度往往落后于 AI 語(yǔ)言的迭代速度，很多芯片做出來(lái)時(shí)，AI 算法已發(fā)生了較大的改變，甚至已過(guò)時(shí)了。因此在芯片設(shè)計(jì)時(shí)，預(yù)測(cè)未來(lái)的前沿算法趨勢(shì)十分重要。

架構(gòu)創(chuàng)新能力也是核心競(jìng)爭(zhēng)力之一。擺在設(shè)計(jì)和研發(fā)前的第一個(gè)大難題就是解決架構(gòu)問(wèn)題，要具備適應(yīng)所有應(yīng)用的架構(gòu)。正確的架構(gòu)取決于對(duì) AI 的理解，一些專家芯片設(shè)計(jì)能力很強(qiáng)，但對(duì) AI 的計(jì)算或應(yīng)用特點(diǎn)理解不深入，一些 AI 算法科學(xué)家在底層知識(shí)上有所欠缺。AI 芯片的核心要點(diǎn)在于對(duì)整個(gè) AI 算法、硬件能力有宏觀認(rèn)知，及對(duì)未來(lái)發(fā)展趨勢(shì)有精準(zhǔn)預(yù)判，具備這一綜合能力難度不小。去年初，圖靈獎(jiǎng)得主 John L .Hennessy 和 DavidA. Patterson 曾在二人的合著論文中預(yù)判，未來(lái)十年，計(jì)算機(jī)架構(gòu)將迎來(lái)新的黃金時(shí)代。

投入成本高企、進(jìn)入門檻高、周期長(zhǎng)、回報(bào)率低是整個(gè) AI 芯片產(chǎn)業(yè)“頭頂”的幾座大山，也是目前行業(yè)發(fā)展的現(xiàn)實(shí)情況。一款 AI 芯片的研發(fā)周期一般在 18 個(gè)月左右，一款 AI 芯片產(chǎn)品問(wèn)世后，可能要?dú)v經(jīng) N 次迭代后才能獲得較大市場(chǎng)份額，這是一個(gè)更考驗(yàn)?zāi)托暮晚g性的行業(yè)。目前國(guó)內(nèi)約有十幾家公司實(shí)現(xiàn)了實(shí)現(xiàn) AI 芯片量產(chǎn)，包括華為、寒武紀(jì)、依圖、鯤云等公司。

億歐智庫(kù)調(diào)研數(shù)據(jù)顯示，以終端常用的 28nm 制程的芯片為例，國(guó)內(nèi) AI 系統(tǒng)芯片的開(kāi)發(fā)費(fèi)用約為 2500 萬(wàn)美元。新鼎資本創(chuàng)始人張馳曾在接受 InfoQ 采訪時(shí)表示，寒武紀(jì)等 AI 芯片公司的研發(fā)支出主要花在流片上，高精尖工藝造成了流片成本高。一般一款芯片流片費(fèi)用在千萬(wàn)起步，如果要做到 7 納米，至少要花費(fèi)五千萬(wàn)，這還不包括流片失敗的費(fèi)用。像寒武紀(jì)這種體量的公司，一般一款芯片流片的體量可能在三千萬(wàn) - 五千萬(wàn)左右，甚至有可能單次上億。

英國(guó) AI 芯片創(chuàng)企 Graphcore 高級(jí)副總裁兼中國(guó)區(qū)總經(jīng)理盧濤對(duì) InfoQ 表示，一款 AI 芯片的研發(fā)成本主要包括 5 個(gè)方面：

開(kāi)發(fā)工具的成本。

IP 購(gòu)買成本。如果內(nèi)部 IP 積累較少，需要購(gòu)買 IP，成本約在千萬(wàn)美金級(jí)別。

后端設(shè)計(jì)成本。如果沒(méi)有后端設(shè)計(jì)工藝，就需要依靠 Broadcom、IBM、TI 這樣的公司提供幫助。一些較新的工藝或涉及更高昂的成本。

人力成本。一般做一個(gè) AI 處理器的團(tuán)隊(duì)要在 100 人左右，且只能做一款產(chǎn)品。如果要保持像目前頭部廠商這樣的迭代速度，可能要并行做好幾個(gè)產(chǎn)品，這是一塊很大的成本投入。

失敗成本。經(jīng)驗(yàn)比較豐富的團(tuán)隊(duì)可能一版能成功，如果不成功，又需要做好幾版，這都意味著高成本投入。

“更高性能，更低功耗，更小面積，更低成本”是芯片設(shè)計(jì)永恒的追求目標(biāo)。 這些指標(biāo)除與設(shè)計(jì)相關(guān)外，更關(guān)鍵的影響因素是芯片采用的工藝，在同等芯片面積下，更先進(jìn)的工藝明顯有助于提升峰值性能和能效比，但這也會(huì)讓芯片成本顯著提升。

鯤云科技 COO 王少軍認(rèn)為，架構(gòu)創(chuàng)新不僅考驗(yàn)的是芯片公司的硬件設(shè)計(jì)能力，作為專用芯片來(lái)說(shuō)，還考驗(yàn)對(duì)專用領(lǐng)域的應(yīng)用理解和轉(zhuǎn)化能力，在 AI 領(lǐng)域，這主要體現(xiàn)在對(duì)算法的深入理解和準(zhǔn)確的發(fā)展趨勢(shì)判斷。而摩爾定律終結(jié)的質(zhì)疑聲在一定程度上說(shuō)明了業(yè)界對(duì)芯片工藝水平持續(xù)提升的能力、速度和成本的擔(dān)憂。他認(rèn)為，單純依靠工藝提升來(lái)解決性能問(wèn)題的技術(shù)路線在不久的將來(lái)將面臨巨大挑戰(zhàn)。

基于這個(gè)判斷，鯤云科技更重視芯片利用率和實(shí)測(cè)性能，希望通過(guò)架構(gòu)創(chuàng)新為客戶提供更高的算力性價(jià)比。一周前，鯤云科技發(fā)布了全球首款數(shù)據(jù)流架構(gòu)的 AI 芯片 CAISA，據(jù)悉，搭載 CAISA 芯片的加速卡僅擁有英偉達(dá)同類產(chǎn)品 1/3 的峰值算力，但其通過(guò) 95.4% 的芯片利用率可實(shí)現(xiàn)最高 3.91 倍的實(shí)測(cè)性能提升。數(shù)據(jù)流架構(gòu)或是未來(lái)提升 AI 芯片性價(jià)比的一條可行性技術(shù)路線。

落地下半場(chǎng)AI 芯片實(shí)現(xiàn)極致性價(jià)比也與應(yīng)用強(qiáng)相關(guān)。 盧濤覺(jué)得，如果在一些應(yīng)用中，能夠做到 5 倍、10 倍、20 倍的性能時(shí)，性價(jià)比的問(wèn)題也就變得簡(jiǎn)單了。

找到合適的場(chǎng)景，實(shí)現(xiàn)利潤(rùn)率合理的、規(guī)模化的出貨量，并逐步搭建起自己的生態(tài)圈，是衡量一家 AI 芯片公司商業(yè)化路徑成功的關(guān)鍵標(biāo)準(zhǔn)。

智慧安防、智能終端、自動(dòng)駕駛、云計(jì)算等場(chǎng)景是目前 AI 芯片主要的應(yīng)用場(chǎng)景，尤其在安防領(lǐng)域，幾乎所有的 AI 芯片公司都在該領(lǐng)域有所布局，安防硬件巨頭們也都在緊鑼密鼓進(jìn)行 AI 芯片研發(fā)。

自動(dòng)駕駛是其中落地較快，能夠相對(duì)獨(dú)立地為用戶提供價(jià)值，頗具應(yīng)用潛力的場(chǎng)景?，F(xiàn)在自動(dòng)駕駛技術(shù)在實(shí)際落地上還不成熟，有些“雷聲大、雨點(diǎn)小”，這也在很大程度上限制了 AI 芯片的落地。

長(zhǎng)期關(guān)注 AI 芯片行業(yè)的媒體人劉宇(化名)對(duì)自動(dòng)駕駛的未來(lái)持懷疑態(tài)度。他認(rèn)為，自動(dòng)駕駛本身就不靠譜。在他看來(lái)，“靠譜”的 AI 芯片應(yīng)該具備類似指紋識(shí)別這種應(yīng)用特征 — 計(jì)算量不大、有效性好、成本足夠低。另外，不要與深度學(xué)習(xí)過(guò)度“綁定”，因?yàn)樯疃葘W(xué)習(xí)的紅利基本上已經(jīng)被“吃盡”了。

劉宇對(duì)一些 AI 芯片公司的商業(yè)模式感到有些失望。“它們基本上都是 TO VC 路線，為了更好地投資人講好故事，它們存在的前提就是不斷有人來(lái)融資。有些公司真正的商業(yè)模式是‘以芯片為名’拿地，營(yíng)收主要來(lái)自房地產(chǎn)、政府補(bǔ)助等”。

今年 4 月，寒武紀(jì) 披露的 IPO 文件顯示，其 AI 芯片研發(fā)投入巨大，但盈利和落地狀況堪憂。在與前第一大客戶華為“分手”之后，寒武紀(jì)的前五大客戶中，第一大、第二大客戶均為政府，存在客戶集中度過(guò)高且高度 TO G 的問(wèn)題。寒武紀(jì)是國(guó)內(nèi) AI 芯片的第一梯隊(duì)，其財(cái)務(wù)表現(xiàn)也是整個(gè)行業(yè)盈利能力的縮影，現(xiàn)階段，能夠?qū)崿F(xiàn)盈利的 AI 芯片公司還寥寥無(wú)幾。

也是在這個(gè)月，有外媒消息稱，美國(guó) AI 芯片公司 Wave Computing 接近倒閉，已申請(qǐng)破產(chǎn)保護(hù)。今年年初，比特大陸的 AI 芯片業(yè)務(wù)被曝大幅裁員。上述現(xiàn)象不禁令人對(duì)國(guó)內(nèi)外 AI 芯片公司的生存狀況感到擔(dān)憂。

AI 芯片是資金投入最大的 AI 垂直領(lǐng)域之一。當(dāng)資本市場(chǎng)有較大波動(dòng)時(shí)，影響必然會(huì)傳導(dǎo)到 AI 芯片創(chuàng)業(yè)公司。 受自 2018 年下半年開(kāi)始的資本寒冬，以及外部不確定性的大環(huán)境等因素影響，有些投資人也從“不能不看 AI 芯片項(xiàng)目了”變成了“不再看 AI 芯片項(xiàng)目了”。資本市場(chǎng)逐漸趨于理性為 AI 芯片創(chuàng)業(yè)公司的落地帶來(lái)了很大壓力，在還沒(méi)賺到錢之前，它們不得不開(kāi)始“勒緊”自己的錢袋子了。

王少軍認(rèn)為“錢荒”問(wèn)題并沒(méi)有那么嚴(yán)重。他所認(rèn)識(shí)的大部分 AI 芯片企業(yè)都發(fā)展不錯(cuò)，有一些存在問(wèn)題的多是經(jīng)營(yíng)與戰(zhàn)略問(wèn)題。他認(rèn)為，市場(chǎng)上優(yōu)質(zhì)的 AI 芯片公司在商業(yè)化落地上逐步找到了定位，有了持續(xù)造血的能力。“大多數(shù) AI 芯片公司還是認(rèn)真做產(chǎn)品、認(rèn)真推落地的，在目前行業(yè)逐步重視落地、回歸商業(yè)本質(zhì)的趨勢(shì)下，AI 行業(yè)的發(fā)展會(huì)逐步進(jìn)入良性增長(zhǎng)的趨勢(shì)”。

AI 芯片從產(chǎn)品到實(shí)現(xiàn)商業(yè)化落地，這中間存在著巨大的鴻溝。 首先是技術(shù)層面上的，當(dāng)一款 AI 芯片出來(lái)后，是否有良好的工具鏈、支持大規(guī)模商用部署的豐富軟件庫(kù)，能否與主流機(jī)器學(xué)習(xí)框架實(shí)現(xiàn)無(wú)縫銜接。對(duì)于用戶來(lái)說(shuō)，是否具備良好的可移植性、可開(kāi)發(fā)性及可部署性能。

更為重要的，是怎樣在行業(yè)扎下根去。

聲智科技合伙人 &CSO 李智勇認(rèn)為，AI 芯片實(shí)現(xiàn)落地的核心點(diǎn)不是技術(shù)問(wèn)題，而是如何實(shí)現(xiàn)市場(chǎng)化并完成商業(yè)閉環(huán)(從技術(shù) - 產(chǎn)品 - 用戶反饋)的問(wèn)題。 芯片周期長(zhǎng)、投入大，形成商業(yè)閉環(huán)的挑戰(zhàn)更大。消化技術(shù)紅利的過(guò)程滿足產(chǎn)品化和用戶正向反饋兩個(gè)條件時(shí)，落地規(guī)模才能持續(xù)放大，進(jìn)而出現(xiàn)并擴(kuò)寬盈利空間。

而且，就 AI 落地而言，目前主要有兩種思路，其一是采用含算法的 ASIC 芯片，其二是采用通用芯片 + 算法在云端的通用系統(tǒng)。在不同場(chǎng)景中兩種途徑各有優(yōu)勢(shì)，在語(yǔ)音交互場(chǎng)景下聲智科技選擇了第二種，推出多模態(tài)人工智能交互系統(tǒng) SoundAI Azero，可屏蔽不同底層操作系統(tǒng)的差異，提供簡(jiǎn)單易用的技能開(kāi)發(fā)工具和 Turnkey 軟硬件解決方案，滿足萬(wàn)物互聯(lián)時(shí)代不同行業(yè)應(yīng)用的需求。

“深”探行業(yè)還需要拿捏一定的度。很多現(xiàn)實(shí)場(chǎng)景中的需求是無(wú)邊界的，AI 的能力有限，必須清楚地界定問(wèn)題的邊界，并且用經(jīng)濟(jì)的技術(shù)手段解決這些問(wèn)題后才能實(shí)現(xiàn)落地。 例如，人臉識(shí)別必須加上具體的應(yīng)用場(chǎng)景限定(包括成像角度、人臉數(shù)量等技術(shù)約束)，才是一個(gè)可落地的問(wèn)題。這個(gè)邊界如何界定清楚是落地進(jìn)程中的一道難關(guān)。

“AI 公司實(shí)際上不應(yīng)該存在，因?yàn)?AI 技術(shù)是一套基礎(chǔ)性支撐技術(shù)，是軟件方法，而軟件方法本身不能夠成為商業(yè)模式，它必須跟某一個(gè)特定的問(wèn)題相結(jié)合才能夠成為商業(yè)公司，換句話說(shuō)，未來(lái)所有的公司都是 AI 公司”，AI 行業(yè)資深從業(yè)者周凌然(化名)的觀點(diǎn)有些非主流，“一家公司如果僅擁有算法，是無(wú)法站住腳的，本質(zhì)上在于如何與領(lǐng)域深度結(jié)合，如何真正為用戶帶來(lái)終極價(jià)值”。

從這個(gè)角度來(lái)考量 AI 芯片未來(lái)的發(fā)展。一家 AI 芯片公司未來(lái)不能僅僅只有 AI 芯片，而與行業(yè)深入結(jié)合，變成一家領(lǐng)域解決方案公司或許才是成功之道。AI 芯片應(yīng)用于各個(gè)場(chǎng)景之中為用戶所帶來(lái)的實(shí)際效果應(yīng)當(dāng)是商業(yè)化成果的最終檢驗(yàn)標(biāo)準(zhǔn)。

兩大應(yīng)用趨勢(shì)：云端向邊緣端擴(kuò)展，追求軟硬件協(xié)同按照部署位置，AI 芯片可以分為云端部署和終端部署兩種。經(jīng)過(guò)幾年發(fā)展，AI 芯片已不僅僅限于云端，邊緣 AI 芯片成為各個(gè)廠商競(jìng)相布局的垂直賽道，越來(lái)越多的 AI 應(yīng)用部署到了端設(shè)備上。

目前云端市場(chǎng)發(fā)展已漸趨向成熟，巨頭盤踞，格局難撼。對(duì)于創(chuàng)業(yè)公司來(lái)說(shuō)，應(yīng)用場(chǎng)景更廣闊的終端設(shè)備市場(chǎng)還蘊(yùn)含著不少機(jī)會(huì)。例如智能手機(jī)是目前應(yīng)用最廣泛的邊緣計(jì)算設(shè)備，自動(dòng)駕駛也是邊緣 AI 計(jì)算的重要應(yīng)用場(chǎng)景。邊緣計(jì)算被視為下一個(gè) AI 戰(zhàn)場(chǎng)。

而另一方面，邊緣側(cè)市場(chǎng)空間更大，更容易給投資人“講故事”，吸引資本的關(guān)注。據(jù)中金公司研究數(shù)據(jù)，2017 年，邊緣計(jì)算 AI 芯片市場(chǎng)規(guī)模為 39.1 億美元，到 2022 年，這一數(shù)字將增長(zhǎng)至 352.2 億美元，5 年或增長(zhǎng) 10 倍。

近幾年，邊緣計(jì)算呈現(xiàn)出了巨大的增長(zhǎng)需求，** 尤其在有大量數(shù)據(jù)并要求低延時(shí)響應(yīng)的應(yīng)用場(chǎng)景中。** 在邊緣上做計(jì)算，具有數(shù)據(jù)處理更快速、實(shí)時(shí)業(yè)務(wù)處理、成本更低、網(wǎng)絡(luò)帶寬成本低、保護(hù)數(shù)據(jù)隱私安全等優(yōu)勢(shì)。

做邊緣芯片，最難在于應(yīng)用場(chǎng)景。 除自動(dòng)駕駛場(chǎng)景較集中外，其他很多場(chǎng)景十分“碎片化”。AI 邊緣芯片現(xiàn)階段的主要挑戰(zhàn)來(lái)源于邊緣端算力需求的不一致，以及邊緣算力平臺(tái)的差異，導(dǎo)致邊緣 AI 芯片的性能和功能需求難以統(tǒng)一界定。

王少軍觀察到，目前市場(chǎng)上出現(xiàn)了很多場(chǎng)景定義的專用芯片，“市場(chǎng)正朝著專業(yè)化、細(xì)分化方向發(fā)展，也說(shuō)明，各領(lǐng)域出現(xiàn)了普遍性的行業(yè)落地需求，足以支撐專用 AI 芯片的發(fā)展，這對(duì)掌握了核心技術(shù)，能禁得住市場(chǎng)考驗(yàn)的 AI 芯片企業(yè)來(lái)說(shuō)是一個(gè)好現(xiàn)象”。

另一趨勢(shì)是，不少 AI 芯片公司越來(lái)越追求打造軟硬件協(xié)同能力。不少原來(lái)做芯片的公司開(kāi)始由硬件切入軟件，有些算法公司開(kāi)始深入硬件做布局。軟硬件協(xié)同意味著更高的有效算力。

明確重要的落地場(chǎng)景是軟硬件協(xié)同的前提;此外，一體化過(guò)程涉及軟件和硬件兩種不同技術(shù)團(tuán)隊(duì)間的協(xié)同，在磨合期團(tuán)隊(duì)要充分磨合，相關(guān)工具支持也得跟上。

軟硬協(xié)同理念是從軟件(算法)和硬件兩個(gè)角度同時(shí)優(yōu)化，從而實(shí)現(xiàn)性能的全局最優(yōu)。在設(shè)計(jì)過(guò)程中，面臨約束條件多且存在不確定性，設(shè)計(jì)空間大等挑戰(zhàn)，導(dǎo)致最終結(jié)果很難得到最優(yōu)解。要實(shí)現(xiàn)所有網(wǎng)絡(luò)的最優(yōu)，在技術(shù)上實(shí)現(xiàn)難度較大，為此，芯片設(shè)計(jì)應(yīng)以有效加速大多數(shù)的算法為目標(biāo)。

AI 芯片從未成功過(guò)?回溯 AI 芯片在國(guó)內(nèi)的發(fā)展歷程，2015-2016 年是業(yè)內(nèi)公認(rèn)的小高潮。卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的突破掀起了 AI 芯片的研究與創(chuàng)投熱潮，深度學(xué)習(xí)方法在很大程度上約減了算法計(jì)算需求的多樣性，為 AI 芯片提供了明確的技術(shù)可行性;算法精度的有效提升為 AI 行業(yè)落地提供了可能。

一時(shí)間，大批創(chuàng)業(yè)公司爭(zhēng)相涌入，巨頭公司加大投入力度，資本亦瘋狂助推 ，尤其在 2018 年，AI 芯片大熱，多家創(chuàng)企相繼宣布獲得融資。

2017-2019 年，在王少軍看來(lái)是 AI 芯片技術(shù)和產(chǎn)品研發(fā)“百花齊放”的三年 — 市場(chǎng)端還是英偉達(dá)一家獨(dú)大，涌現(xiàn)出了很多的新技術(shù)、新架構(gòu)和新模式，AI 場(chǎng)景需求的定義更加清晰，云邊端基本成為共識(shí)，但不同技術(shù)路線對(duì)不同場(chǎng)景的適應(yīng)程度還沒(méi)有被充分驗(yàn)證。

2019 年是芯片行業(yè)的轉(zhuǎn)折點(diǎn)。資本寒冬、華為遭斷供、多家科技企業(yè)被列入實(shí)體清單等事件凸顯“卡脖子”危機(jī)，在國(guó)際形勢(shì)不明朗的環(huán)境下，AI 芯片產(chǎn)業(yè)鏈添了不可測(cè)的發(fā)展變數(shù)，對(duì)于有技術(shù)實(shí)力、能完成替代的國(guó)內(nèi)芯片公司來(lái)說(shuō)，未嘗不是一個(gè)發(fā)展的契機(jī)。

相較幾年前，AI 芯片行業(yè)的熱度已經(jīng)下降了不少。當(dāng)熱度漸漸冷卻下來(lái)，業(yè)界也開(kāi)始反思 AI 芯片行業(yè)是否存在一些“概念炒作”、搞噱頭、泡沫化的問(wèn)題。艾瑞咨詢?cè)凇?019 年 AI 芯片行業(yè)研究報(bào)告》中分析指出，當(dāng)前 AI 芯片行業(yè)接近 Gartner 技術(shù)曲線泡沫頂端。

“最近這三四年 AI 芯片的發(fā)展?fàn)顩r，我覺(jué)得是‘泡沫’，站不住腳。泡沫主要體現(xiàn)在，AI 芯片是個(gè)偽命題，不是真實(shí)的需求。過(guò)去 20 多年來(lái)，有關(guān)人工智能硬件化的嘗試，絕大多數(shù)都失敗了，這里面可能存在一些共性的原因。到目前為止，我還沒(méi)有感受到 AI 芯片在根本上的不一樣。因此，我懷疑，在這次以深度學(xué)習(xí)為發(fā)端的 AI 浪潮背景下的 AI 芯片硬件化也會(huì)失敗”。一位 AI 技術(shù)專家馮輝(化名)向 InfoQ 表達(dá)了他的判斷，他認(rèn)為，AI 芯片發(fā)展這么多年，從未成功過(guò)。

如何來(lái)定義 AI 芯片的“成功”?InfoQ 詢問(wèn)了多位受訪專家的看法。多位專家對(duì)“從未成功”這一說(shuō)法不甚認(rèn)同。

在產(chǎn)品層面，歷史上涌現(xiàn)了很多成功的 AI 芯片產(chǎn)品，例如 Google 的 TPU、HTPU，英偉達(dá)的 P100 GPU、高通的驍龍 AI 芯片等產(chǎn)品。

“如果單按這個(gè)(產(chǎn)品)標(biāo)準(zhǔn)，歷史上那些 AI 芯片也算'成功'了”，馮輝補(bǔ)充道，“我認(rèn)為，AI 芯片的成功與否，不在于是不是做出來(lái)，而在于是不是可用。這里的“可用”是指，相對(duì)于通用芯片，是否具有明顯的成本優(yōu)勢(shì)”。

值得注意的是，在技術(shù)層面，由于 AI 芯片是技術(shù)上的新生事物，如何定義一款 AI 芯片在技術(shù)上取得了成功，目前業(yè)界并未形成統(tǒng)一的技術(shù)共識(shí)。“成功的定義或有不同，任何一個(gè)按照自己的技術(shù)理念成功流片的 AI 芯片公司，都可以認(rèn)為在技術(shù)上是達(dá)到了一定程度的成功。除此之外，如何將自己產(chǎn)品的技術(shù)特性與市場(chǎng)需求場(chǎng)景充分適配，為目標(biāo)市場(chǎng)提供不可替代性和更高性價(jià)比，進(jìn)而有效落地，這個(gè)是基于商用化上的考量。”王少軍說(shuō)。

至于商業(yè)化上的成功，未來(lái)仍需要時(shí)間來(lái)驗(yàn)證。這在一定程度上取決于 AI 芯片落地速度，目前的環(huán)境給了有產(chǎn)品優(yōu)勢(shì)的芯片公司突破的機(jī)會(huì)。

經(jīng)歷了過(guò)去 5 年的快速發(fā)展后，2020 年，AI 芯片進(jìn)入了研究與大規(guī)模化落地的關(guān)鍵一年。盧濤認(rèn)為上半年的疫情對(duì)于 AI 芯片的落地利弊參半，利好是，疫情加速全球版數(shù)字化進(jìn)程，加快數(shù)據(jù)中心等算力基礎(chǔ)設(shè)施建設(shè)進(jìn)程;挑戰(zhàn)是，那些紛紛嚷嚷著自己要做 AI 處理器的公司能不能真的做出來(lái)，真的到場(chǎng)景中落下地去。如果沒(méi)有真東西 “亮出來(lái)” ，后期持續(xù)的投入可能將面臨巨大挑戰(zhàn)。

‘講故事’，拼技術(shù)理念、拼背景光環(huán)的時(shí)代已經(jīng)過(guò)去了。

進(jìn)入下半場(chǎng)的 AI 芯片到了市場(chǎng)驗(yàn)證期，到了拼產(chǎn)品效果、拼用戶體驗(yàn)的時(shí)候。這將伴隨著一場(chǎng)大的洗牌過(guò)程而展開(kāi)，那些找不到落地場(chǎng)景，盈利能力不足，在技術(shù)和商業(yè)模式上不能提供核心價(jià)值的玩家可能最終將面臨被淘汰出局的命運(yùn)。“市場(chǎng)將會(huì)按照不同的行業(yè)保留 2-3 家頭部公司，以及若干家有特色的中小公司”，王少軍向 InfoQ 預(yù)測(cè)這場(chǎng)淘汰賽可能的終局。

不能忽視地是，AI 芯片尚處在稚嫩的“嬰兒期”，快速成長(zhǎng)難免伴隨著“陣痛”，未來(lái)雖未知但可期。“我覺(jué)得現(xiàn)在應(yīng)該是做芯片最好的時(shí)期，AI 芯片需要走的路特別長(zhǎng)”，李智勇覺(jué)得，握住當(dāng)下的機(jī)遇是最重要的。