公眾號

關(guān)注微信公眾號

移動端

創(chuàng)頭條企服版APP

商標注冊云服務(wù) 辦公孵化推廣通雙創(chuàng)地圖

人臉識別、無人駕駛背后：是誰在造人工大腦？

鈦媒體 App 2021-07-30 09:00 搶發(fā)第一評

圖片來源@視覺中國

文 | 科技新知，作者?| 樟稻，編輯?| 伊頁

轉(zhuǎn)瞬之間，ILSVRC比賽（又稱ImageNet比賽）已經(jīng)停辦了四年。作為機器視覺領(lǐng)域最受追捧也是最具權(quán)威的學(xué)術(shù)競賽之一，自2010年開辦以來，全球各知名AI企業(yè)皆以取得此項比賽最高名次為殊榮。

2012年，Krizhevsky團隊采用GPU架構(gòu)結(jié)合CNN（卷積神經(jīng)網(wǎng)絡(luò)）算法，在大賽中將圖像識別錯誤率降到15.4%，以領(lǐng)先第二名10%的懸殊差距奪下桂冠。AlexNet的橫空出世，使得全球范圍內(nèi)掀起了一波深度學(xué)習(xí)熱潮，這一年也被稱作“深度學(xué)習(xí)元年”。

卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等技術(shù)的不斷突破，使芯片算力持續(xù)提升;新架構(gòu)的出現(xiàn)繼而解決神經(jīng)網(wǎng)絡(luò)算力問題，掀起AI芯片的研究熱潮；2014年9月，國家集成電路產(chǎn)業(yè)投資基金（亦稱大基金）設(shè)立，此后，千億美元投入半導(dǎo)體產(chǎn)業(yè)，更是使芯片行業(yè)沸騰。

各項條件日益成熟后，2015年至2016年，是AI芯片發(fā)展的一個小高潮。一時間，大批創(chuàng)業(yè)公司爭相涌入，如今翻看國內(nèi)AI芯片創(chuàng)業(yè)公司的成立時間表，幾乎都是在2015年左右。

此后三年，AI芯片技術(shù)和產(chǎn)品研發(fā)進入“百家爭鳴”階段，這一時期，賽道內(nèi)誕生了很多新技術(shù)、新架構(gòu)和新模式。但好景不長，進入2020年，AI芯片行業(yè)的熱度不斷下降，關(guān)于行業(yè)泡沫化的呼聲越發(fā)高漲。

顯然，自2017年到2020年，AI芯片經(jīng)歷了融資火熱到泡沫出清的過程。按照行業(yè)的發(fā)展規(guī)律，AI芯片無疑面臨兩種結(jié)局，一種是徹底無人問津，另一種則是泡沫出清后再次起熱，現(xiàn)階段，行業(yè)似乎處在后一種局面。

本篇文章旨在對于國內(nèi)AI芯片行業(yè)的現(xiàn)有局勢進行分析，力圖還原一個真實的賽道近況。

01?更快、更高、更強??

“圍棋人機大戰(zhàn)”作為人工智能發(fā)展史上里程碑式的事件，在各路媒體報道下，成為一場專門為AI打造的全球科普盛會，人們籍此了解到人工智能已經(jīng)滲透到日常工作和生活中。

少為人知的是，此次人機大戰(zhàn)的主角，擊敗李世石和柯潔的AlphaGo，前后共經(jīng)歷了5個版本的迭代。

在最早的版本中，AlphaGo采用了176塊GPU來解決運算問題，但AlphaGo的技術(shù)并沒有因此止步，隨后在第二版本中采用48塊TPU配合分布式計算解決運算問題，第三版本后因為優(yōu)化深度學(xué)習(xí)算法，僅采用4塊TPU和單機即可完成任務(wù)，并且超過之前的成就。

而GPU、TPU的源頭，皆來自我們熟悉的CPU，中央處理器。

現(xiàn)今，在算力、算法和大數(shù)據(jù)三駕馬車的拉動下，全球人工智能進入第三次爆發(fā)期。作為引領(lǐng)人工智能的深度學(xué)習(xí)算法，對現(xiàn)有的芯片算力提出了更高的要求，傳統(tǒng)的通用CPU由于計算效率低，難以適應(yīng)Al的計算要求。

這時，GPU出現(xiàn)了，同屬芯片技術(shù)架構(gòu)，不同的是，GPU中超過80%部分為運算單元(ALU)，而CPU僅有20%。市面上有一種說法，“CPU是大學(xué)教授，做的是高數(shù)難題。GPU是一群小學(xué)生，做的是普通加減乘除”。此說法不甚準確，但GPU確實更擅長于大規(guī)模并行運算。

任何事物的產(chǎn)生、發(fā)展都有其自身的規(guī)律和內(nèi)在動因。

芯片架構(gòu)從CPU向GPU演進，背后是通用處理器的架構(gòu)已經(jīng)無法適應(yīng)人工智能算法的高需求，在這一主因的推動下，除了GPU外，也出現(xiàn)了FPGA(現(xiàn)場可編程門陣列)、ASIC(專用集成電路)等異構(gòu)芯片，以及類腦神經(jīng)元結(jié)構(gòu)芯片。

而TPU，則是谷歌在2015年6月I/O開發(fā)者大會上推出的計算神經(jīng)網(wǎng)絡(luò)專用芯片，正是搭載于AlphaGo系統(tǒng)才讓其名聲大振，本質(zhì)上TPU是一種ASIC芯片方案。

現(xiàn)在，基本湊夠了目前市面上最常用的三類AI芯片的技術(shù)架構(gòu)，即GPU，F(xiàn)PGA，ASIC，三者在架構(gòu)上各有出入，特性自然有所區(qū)別。

這里可以參考保羅·克魯格曼提出的“不可能三角”原理，即不同架構(gòu)的芯片在通用性、性能、功耗方面有各自的優(yōu)點和缺點。

拿定制化程度為說，GPU的通用性較好，F(xiàn)PGA，ASIC則分別是半定制化和定制化。以ASIC為例，該類芯片定制化程度較高，因此可以更有針對性地進行硬件層次的優(yōu)化，從而獲得更好的性能，但這同樣使ASIC芯片的設(shè)計和制造過程需要耗費大量的資金和工程周期。

功能特性的不同也決定了應(yīng)用場景不同，目前，按照行業(yè)內(nèi)普遍達成的認知，AI芯片根據(jù)所在服務(wù)器在網(wǎng)絡(luò)中的位置可以分為云端AI芯片，邊緣及終端AI芯片。

其中，云端芯片部署位置包括公有云、私有云或者混合云等基礎(chǔ)設(shè)施，主要用于處理海量數(shù)據(jù)和大規(guī)模計算。終端AI芯片主要應(yīng)用于嵌入式、移動終端等領(lǐng)域，如攝像頭、智能手機、邊緣服務(wù)器、工控設(shè)備等，主要涉及自動駕駛、安防等領(lǐng)域。

實際上，即使在同一個應(yīng)用場景，按照具體承擔(dān)的任務(wù)，還能繼續(xù)分為訓(xùn)練芯片和推理芯片，訓(xùn)練是指對大量的數(shù)據(jù)在平臺上進行學(xué)習(xí)，并形成具備特定功能的神經(jīng)網(wǎng)絡(luò)模型；推理則是利用已經(jīng)訓(xùn)練好的模型輸入新數(shù)據(jù)通過計算得到各種結(jié)論。

現(xiàn)階段，由于云端平臺具備支持應(yīng)用于各領(lǐng)域的全種類算法模型的能力，因此需要對AI芯片的選配需對其性能、成本、適配性及通用性進行綜合考慮。短期來看，CPU、GPU兩類芯片仍將作為云端應(yīng)用場景AI芯片的主流選擇。

而在終端應(yīng)用場景中，以自動駕駛應(yīng)用場景為例，對算法模型推斷過程的即時性有極高的要求，現(xiàn)實駕駛場景中，極短時間內(nèi)就需要Al芯片給出反饋，因此具備低時延特性的FPGA在自動駕駛應(yīng)用場景中具備較廣闊的應(yīng)用前景。

總之，相較于云端應(yīng)用場景，終端應(yīng)用場景中ASIC及FPGA芯片應(yīng)用占比相對較高，應(yīng)用占比呈增長趨勢。

此外，三種AI芯片結(jié)構(gòu)有一個共同的地方，即GPU、FPGA、ASIC都是采用馮·諾依曼架構(gòu)，這就出現(xiàn)了馮·諾依曼瓶頸，也就是說，CPU再快，也要等內(nèi)存（內(nèi)存墻）。

現(xiàn)今，盡管FPGA和ASIC足以應(yīng)對部分應(yīng)用場景所需，但科學(xué)家仍在嘗試將新一代架構(gòu)的類腦芯片作為解決深度學(xué)習(xí)計算需求的底層架構(gòu)。

可以說，AI芯片的迭代，應(yīng)了奧林匹克的那句經(jīng)典格言——“更快、更高、更強”。

02?三大玩家誰主沉??？??

現(xiàn)今，隨著中國人工智能行業(yè)的不斷發(fā)展，人工智能已進入規(guī)?；瘧?yīng)用初期階段。這背后有諸多因素推動，對AI芯片賽道進行PEST模型分析可知，經(jīng)濟（Economic）和技術(shù)（Technological）因素起到了關(guān)鍵性作用。

作為人工智能市場的一部分，人工智能應(yīng)用領(lǐng)域的繁榮也正在推動AI芯片市場需求加速擴容。

公開信息顯示，中國AI芯片市場規(guī)模由2017年的47.8億元增長至2020年的136.8億元，年復(fù)合增長率達42.0%。預(yù)計至2025年，中國AI芯片市場規(guī)模增長至687.5億元，五年年復(fù)合增長率達38.1%，行業(yè)具有較高的市場潛力。

蛋糕愈發(fā)誘人，想要分享的人自然就多。目前，AI芯片行業(yè)主要有三大類型玩家：傳統(tǒng)芯片巨頭，互聯(lián)網(wǎng)大廠和AI芯片創(chuàng)業(yè)公司。

傳統(tǒng)芯片巨頭研發(fā)實力極強，例如英偉達，AMD，英特爾等；互聯(lián)網(wǎng)大廠跨界布局AI芯片，例如阿里巴巴，百度，騰訊；AI芯片創(chuàng)業(yè)公司則主要分為兩種，芯片系和算法系，兩者區(qū)別在于，前者創(chuàng)始團隊多是以芯片設(shè)計起家，后者則是以人工智能算法產(chǎn)品起家。

由于互聯(lián)網(wǎng)大廠布局AI芯片背后的商業(yè)邏輯和傳統(tǒng)芯片巨頭以及AI芯片創(chuàng)業(yè)公司有較大的出入，因此，先來分析后兩者的市場地位。

市場上，傳統(tǒng)芯片巨頭行業(yè)地位難以撼動。以英偉達為例，很長一段時間內(nèi)，全球主流的硬件平臺都在使用英偉達的GPU進行加速，亞馬遜網(wǎng)絡(luò)服務(wù)、谷歌云、阿里云、騰訊云等計算平臺都使用了英偉達的GPU產(chǎn)品提供深度學(xué)習(xí)算法訓(xùn)練服務(wù)。

這里需要補充的是，半導(dǎo)體產(chǎn)業(yè)鏈包含設(shè)計、制造，封測，應(yīng)用，主要的商業(yè)模式分為垂直集成模式和垂直分工模式，前者企業(yè)業(yè)務(wù)需包含設(shè)計和制造/封測，后者則專營一項業(yè)務(wù)，像是英偉達和華為海思僅有芯片設(shè)計，沒有制造業(yè)務(wù)，稱作fabless；而臺積電和中芯國際僅代工制造，不涉及芯片設(shè)計，稱作foundry。

目前，AI芯片企業(yè)大多自己做芯片設(shè)計，把流片、封測、量產(chǎn)都外包給專門的服務(wù)商。

而芯片設(shè)計的商業(yè)模式有，IP設(shè)計、芯片設(shè)計代工和芯片設(shè)計三種。IP設(shè)計相對于芯片設(shè)計是在更頂層的產(chǎn)業(yè)鏈位置，以IP授權(quán)收費為主，芯片設(shè)計代工則是提供代工設(shè)計服務(wù)的企業(yè)，大部分的人工智能新創(chuàng)企業(yè)是以芯片設(shè)計為主。

即便AI芯片設(shè)計的費用相對而言比較低，但不俗的芯片開發(fā)費用，加上長達1-3年的開發(fā)周期，以及未知的落地能力，這些都是造成AI芯片創(chuàng)業(yè)公司極易夭折的原因。

又由于傳統(tǒng)芯片巨頭與AI芯片創(chuàng)業(yè)公司之間財力的差距，傳統(tǒng)巨頭的芯片可以選擇更先進的制造工藝，創(chuàng)業(yè)公司只能負擔(dān)相對成熟的工藝。大公司可以通過制造工藝的碾壓，獲得更好的性能，再通過其渠道、用戶生態(tài)的優(yōu)勢，賣出更多的芯片來收回成本。

AI芯片創(chuàng)業(yè)公司也并不是沒有優(yōu)勢，其大多由相關(guān)領(lǐng)域內(nèi)具有豐富經(jīng)驗的人士組成團隊，在研發(fā)產(chǎn)品上并不弱勢，部分企業(yè)的技術(shù)甚至較傳統(tǒng)芯片企業(yè)較優(yōu)，且憑借FPGA、ASIC芯片結(jié)構(gòu)，AI芯片創(chuàng)業(yè)公司在終端特定領(lǐng)域的優(yōu)勢正在凸顯。

此外，互聯(lián)網(wǎng)大廠如今也正在成為AI芯片市場上不可忽略的一極。

百度作為最早嘗試研發(fā)AI芯片的大廠，據(jù)市場公布的信息，第一代昆侖芯片已于2020年初量產(chǎn)，第二代昆侖芯片將于2021年下半年量產(chǎn)。阿里巴巴則通過收購中天微，將其與達摩院合并成為平頭哥半導(dǎo)體。此后，平頭哥陸續(xù)推出“含光”、“玄鐵”等系列芯片。

互聯(lián)網(wǎng)大廠中，騰訊的動作最為低調(diào)，其AI芯片布局中，最被經(jīng)常提起的是騰訊多次投資的AI芯片企業(yè)燧原科技。今年4月，據(jù)業(yè)內(nèi)人士透露，騰訊大概有50人規(guī)模的團隊在做芯片，其AI芯片已經(jīng)進入流片階段。

互聯(lián)網(wǎng)大廠布局AI芯片，目的無非兩種，按照應(yīng)用場景可以劃分為云端和終端，在云端，互聯(lián)網(wǎng)大廠在云計算市場有極高的芯片需求，云計算市場已經(jīng)成為互聯(lián)網(wǎng)大廠第二增長曲線。但云端芯片售價不菲，自研芯片或者入股某家芯片公司，能起到降本增效的作用。

而在終端市場，例如AIOT，其目的則是為了吸引用戶進入自己的生態(tài)，最終盈利點大多并不在販賣硬件上，而是在增值服務(wù)上。

有意思的是，作為戰(zhàn)略布局，互聯(lián)網(wǎng)大廠在設(shè)計芯片時可以不計成本，這也將造成一些依賴向互聯(lián)網(wǎng)大廠輸出產(chǎn)品的芯片廠商生存空間受到擠壓。某種程度上，互聯(lián)網(wǎng)大廠既當運動員，又當裁判員。

總之，現(xiàn)階段，三強競爭，各有優(yōu)勢，短期來看，傳統(tǒng)芯片巨頭在賽道內(nèi)的話語權(quán)更高，考慮到如今邊緣及終端應(yīng)用場景正在逐步擴大，AI芯片創(chuàng)業(yè)公司未必不能實現(xiàn)逆襲。

03?AI芯片需要冷菜熱炒??

7月11日，2021年世界人工智能大會正式閉幕。如今，人工智能已經(jīng)滲透到我們生活的方方面面。此前，作為人工智能硬件，AI芯片的地位一度尷尬。

據(jù)「科技新知」查證，2021上半年人工智能賽道共發(fā)生融資事件367起，披露總金額超915.94億元，其中融資事件數(shù)同比增長了63.1%。具體來看，上半年披露融資總金額排名前三的品牌分別是邊緣人工智能芯片領(lǐng)域地平線機器人、大華股份、第四范式。

按照細分賽道來看，近十年來，盡管人工智能領(lǐng)域的“機器人/智能硬件、數(shù)據(jù)服務(wù)、計算機視覺”三大賽道在融資數(shù)量上位居前三，但芯片/半導(dǎo)體相關(guān)技術(shù)融資比例也在逐漸上調(diào)。

今年3月，據(jù)路透社報道，字節(jié)跳動正在自研云端AI芯片和ARM服務(wù)器芯片。近日，在騰訊招聘官網(wǎng)出現(xiàn)多個芯片研發(fā)崗位信息，相關(guān)人士回應(yīng)稱，基于一些業(yè)務(wù)的需求，騰訊在特定的領(lǐng)域有一些芯片研發(fā)的嘗試，比如AI加速和視頻編解碼，但并非通用芯片。

互聯(lián)網(wǎng)大廠之外，前不久閉幕的世界人工智能大會上，AI芯片創(chuàng)業(yè)公司也頻頻露臉，行業(yè)一副重新起熱的架勢。

盡管如此，AI芯片行業(yè)面臨的難題依舊不少，拿寒武紀來說，頭頂“AI芯片第一股”光環(huán)，如今千億市值卻遭“腰斬”，前腳限售股解禁，后腳就迎來了股東清倉減持，利空之意溢于言表。

一位行業(yè)人士對「科技新知」表示，“一些AI芯片公司的商業(yè)模式十分奇葩，很多公司活著都是為了更好地向投資人講好故事，以芯片為名拿補助。”

此外，市面上很多AI芯片產(chǎn)品，從產(chǎn)品維度來看，即靈活度、通用性等硬性標準，毫無疑問是成功的，但考慮到能否落地，就要打上一個問號。本來是要給傳統(tǒng)行業(yè)賦能，結(jié)果要靠傳統(tǒng)行業(yè)續(xù)命，“手里拿著錘子，看啥都是釘子?！甭涞爻闪薃I芯片行業(yè)最大的難題。

盡管面臨諸多問題，但AI芯片行業(yè)的重新起熱，對于國內(nèi)芯片領(lǐng)域“缺芯少魂”的行業(yè)現(xiàn)狀卻有一定益處。造成國內(nèi)芯片被卡脖子局面的原因有很多，最關(guān)鍵的因素?zé)o非是人才和技術(shù)。

根據(jù)《中國集成電路產(chǎn)業(yè)人才白皮書(2017-2018年版)》顯示，我國集成電路產(chǎn)業(yè)人才缺口還很大，集成電路高端設(shè)計人才、制造人才等普遍稀缺?！靶酒庠义X不行，要砸數(shù)學(xué)家、物理學(xué)家。”一定程度上，AI芯片行業(yè)發(fā)展能夠促進芯片人才發(fā)掘。

而在技術(shù)層面，誠然，AI芯片主要涉及芯片設(shè)計領(lǐng)域，其發(fā)展遵循自身業(yè)務(wù)邏輯，跟國家安全和芯片關(guān)鍵領(lǐng)域自主可控關(guān)系不大，并非是突破芯片的7nm、5nm等尖端制程。

但這正印證中國工程院院士倪光南訪談中提到的這句話，“現(xiàn)在包括BAT互聯(lián)網(wǎng)企業(yè)，做傳統(tǒng)家電的企業(yè)都愿意進入到這個領(lǐng)域來促進芯片的發(fā)展，我相信這樣的形勢下中國的芯片產(chǎn)業(yè)會迅速趕上去。”

參考資料：