一个行内人对AI芯片行业的评价

新兴科技行业的发展，离不开半导体公司数以十年计的投入。正确的长期战略路线，加上持续的研发投入，才能在半导体行业造就一方霸主。

当今半导体行业的“一哥”英特尔，成立于1968年，而其在80年代之前的主要业务是SRAM（静态随机存取存储器）和DRAM（动态随机存取存储器）。90年代的整整10年，英特尔在微处理器芯片设计上全力加注，才有了后来享誉世界的英特尔 Inside。通信领域的高通，将整个90年代用于CDMA研发，才揭开了 3G无线通信的序幕。成立于1993年的英伟达，先是用了10年时间专攻游戏市场，紧接着又用了10年做通用计算GPU（GPGPU），才为AI时代的到来提供了发动机。

半导体行业霸主的兴起往往伴随着一个领域的兴起，而新兴领域的市场规模决定了半导体公司能走多远。与其说是英雄造时势，不如说时势造英雄。

80年代初开始的个人电脑浪潮延续了20年，这20年也是英特尔成长最快的20年。2005年后个人电脑增速减缓，英特尔的增长也趋缓，直到近几年的云计算浪潮，才把英特尔的服务器业务推向一个新的高点。可以说，在个人电脑和服务器领域，英特尔对整个场景有全面的把控。即使个人电脑的普及还没有到全世界每人一台，更新周期延长到如今的每三五年更换一次，更新后的设备用的还是英特尔芯片。在半导体领域，英特尔芯片的制程技术与其架构能力一样出名。相比于其他厂家的fabless（无晶圆生产线）模式，英特尔长期以来在生产制程和工厂上的大手笔投入一直令众多竞争对手难以望其项背。直至近几年移动和存储芯片的崛起，台积电和三星的制程能力才对英特尔形成威胁。

2000年后的移动通信浪潮推动了手机芯片的发展。从3G到4G，高通公司延续了近20年的领先地位。与个人电脑不同的是，手机的普及在很多国家达到了人手一部，更换的频率也接近了每年一换。智能手机的兴起更是将手机在日常生活中提升到中心位置。这一切都使手机芯片成了世界上出货量最大的芯片，也是兵家必争之地。尽管这几年华为、苹果、三星、英飞凌（被英特尔收购）等公司研制的手机芯片已经用在有限（往往是自家）产品里，高通对以移动通信为核心场景的掌控仍然是首屈一指。

10年前英伟达推出了CUDA，一个用GPU做并行计算的框架体系。之前的英伟达 GPU产品虽然倍受游戏玩家欢迎，但是hard-core（硬核）游戏玩家毕竟还相对小众。2012年之后的人工智能浪潮，把英伟达推到了一个独特地位。由于英伟达的产品在很长时间里是唯一能做神经网络训练的设备，学术和工业界开始争相购买高端显卡。加之近两年的加密货币浪潮，英伟达的产品一度到了一卡难求的地步。这第一波AI芯片应用来得猛烈，但也带来些许过度的预期，AI芯片真正的大规模场景应用还需要假以时日才能得以验证。

半导体行业的特点是高投入、长周期。一旦在某一个场景确定领先地位，则会带来赢者通吃的回报。这些特点意味着半导体公司必须具备非常准确的长期战略眼光，在趋势到来的第一时间就能发现并投入大量研发。而即使是最大的半导体公司，也只能选择性针对少数几个场景发力。要想靠单一场景称霸十年，场景的选择至关重要，简单地说，预期的年全球出货量需要在百亿美元以上。

纵观全世界，能让一个半导体公司称霸十年的场景并不常见。 这也是为什么面对当今AI时代的芯片机会，会有这么多的公司All-in。尽管大众预言AI在未来将无处不在，但是真正能形成每年百亿美元级规模的场景当前看有如下几个：

1. 自动驾驶汽车：由于未来自动驾驶汽车带来的经济效益会是以万亿美元计，百亿美元的芯片规模自然不言而喻。但自动驾驶汽车的技术成熟和产品的规模化任重道远。整车厂家一贯的对技术的保守选择，和车规级芯片严格的认证过程，使这一领域研发到产品的周期尤其长。

2. 云端AI计算：云端AI计算未来在安防、金融、电商消费、服务娱乐等行业都会有大规模部署，因此芯片的市场规模的总和会达到百亿美元之上。因为是针对企业的业务，不同应用领域的技术需求会有不同。而企业大客户往往需要产品有定制化或半定制化的能力。这类产品注定是研发和服务成本高、毛利也高的品类（中国的独特国情造成了企业服务类产品低毛利，但是芯片领域会有所不同）。

3. 终端低功耗AI计算：众多终端产品不仅要求低功耗，而且要求低成本。这个领域的AR/VR/XR、智能摄像头等产品，会把市场规模带到百亿美元之上。事实上，当前智能手机芯片的AI美图功能就已经是终端低功耗AI芯片的最大场景。这一场景未来将是出货量最大、单价最低的领域（甚至低至1-2美元）。前期研发的投入只有依靠规模来弥补。

实际上，广义AI芯片的开发至今已经超过了10年。有些公司“起了大早，赶了晚集”，有些“顺水推舟”被收购，能做到最后的，往往是对场景和技术都有深刻把控的企业。但是最重要的因素，却还是家底的深度。

2005年，一个不知名的都柏林公司Movidius开始做低功耗视觉计算芯片，其后的10年公司几经起伏，也曾走在能否延续的边缘。直到2015年前后，芯片最终被DJI和谷歌的产品采用。这也使得Movidius在2016年的AI浪潮中被英特尔收购，算是得到完满的结局。现在的Movidius 已经推出了第三代产品，在很多终端场景中被使用。

同是被英特尔收购的还有Nervana Systems。这是一个以高通研究院前成员为核心的团队，在高通公司探索类脑芯片不成功后自立门户创业，很快也得到了著名投资人Stephen Jurveston的青睐。Nervana在自研芯片还未流片的节点就被英特尔收购，也让投资人以极快的节奏退出拿到回报。

2010年前后，昔日的IT业霸主IBM也曾做过类脑芯片True North。直到2014年样片才出来，但是实际功能非常有限，除PR之外从未获得过广泛的使用。

2016年微软 Hololens的成功推出，离不开一颗定制的低功耗视觉计算芯片。整个项目历时多年，传闻投入近20亿美元，Hololens 的作用主要是一个树立形象的Demo Project（示范项目），也只有微软才能如此“有钱任性”。

以色列公司Mobileye，成立于近20年前，其EyeQ系列芯片是为数不多的把辅助驾驶智能芯片量产化，并且进入Tier 1供应商和车厂的产品。在2014年成功上市之后市值一度达到百亿美元，并于2017年被英特尔以153亿美元收购。

2016年谷歌 TPU的发布，让世界看到了第一个大规模部署的云端AI芯片。由于谷歌业务的庞大体量，使其自研芯片从摊薄成本到批量生产部署有了实际意义。随后发布的谷歌 TPU公有云计算功能，也为谷歌 TensorFlow 框架带来了众多用户。TensorFlow 从众多深度学习框架中脱颖而出成为主流，TPU的功劳不可或缺。

从产品销售量看，华为麒麟970和980里的AI内核，苹果A11/A12的AI内核，是所有AI芯片领域部署数量最大的几款产品。而且这几个AI内核的场景非常明确，专为手机端人脸识别、手机拍照的AI后处理而生。如今，手机拍照美颜已经是跨越五大洲的全人类刚性需求。这样的专用AI内核未来会成为所有智能手机芯片的标配。

在自动驾驶领域，英伟达 四年2000人团队的研发投入终于修成正果。最近发布的Xavier 车规级SoC，集成了CPU、GPU，以及DNN和CV加速器，还有多路ISP和传感器集成功能。如此高性能的芯片同时还做到了相对的低功耗（30-60瓦）。可以说，这款为自动驾驶定制的芯片，目的就是取代当前智能车上所有其他芯片的算力。这种架构方式也类似于当前智能手机一颗SoC打天下的方式。同时英伟达在自动驾驶软件架构和算法研发上也不惜余力，已经把很多自动驾驶功能直接整合到芯片上并且开放给合作伙伴。

为什么在自动驾驶领域如此发力？究其原因，还是百亿美元场景太少。已经提到的三个场景里，低功耗AI芯片技术门槛不够高，容易变成价格战“红海”；服务器领域场景需求还未明朗，所有公司都对英特尔忌惮三分。所以真正开放的、有技术门槛的战场只有自动驾驶。英伟达全力一搏，为的是下一个十年。而业内人士也深为“核弹教主”黄仁勋的长线眼光折服。

在服务器和数据中心AI领域，英伟达和众多其他公司也没有止步不前。英伟达最近发布的T4已经把服务器上的预测功能提升到大规模、低成本的水平。给其他厂家带来了很大压力。华为、英特尔甚至互联网公司阿里巴巴也纷纷公布了未来的云端AI芯片规划，其中英特尔能否在2019年推出（或集成）众盼已久的Nervana AI内核，已经成为对当前英特尔执行能力的一个考验。

在移动领域，尽管高通股价已从昔日高点跌落甚多，但其强大的技术能力和数百亿美元的现金储备仍不能小觑。在移动领域仍然是通信和移动计算为核心的前提下，未来高通芯片上集成AI内核只是时间问题。

如果用一句话描述近几年的AI芯片领域，就是万类霜天竞自由。仅在中国，创立不久的AI芯片公司就有包括因加密货币而起家的比特大陆（第一代服务器端AI芯片已经产品化），以算法见长的地平线机器人（第一代芯片已流片），以硬件加速著称的深鉴科技（已经被赛灵思收购且专注于FPGA加速），和代表国家队的中科寒武纪（其IP核已经在华为麒麟970/980被使用）。大家奋力一搏的，是未来十年百亿美元的场景。未来众多产业的AI场景能否顺利地商业化，很大程度上也取决于半导体企业产品能否顺利推出。半导体行业与多个产业结合如此紧密，已经到了荣辱与共的地步。

从集成电路的诞生算起，半导体行业的发展已经经过了60年。尽管未来无法预期，但人类改变世界的愿望从未如此强烈，能力从未如此强盛。AI时代的芯片，将会揭开半导体行业的一个新篇章。