每一次技術大潮來臨， 我們都希望它能夠成為中國自主晶片變局的機會， 因為我們對中國的晶片期待太久。
所以這一次的AI大潮來臨，
國際巨頭紛紛“聞風而動”
2017於12月3日至9日在美國加州長灘(Long Beach)舉行的NIPS 2017(神經資訊處理系統進展大會)上， 特斯拉自動駕駛硬體工程副總裁 Jim Keller承認他正在領導特斯拉公司的相關團隊開發自己的AI晶片。 2017年7月26日， 微軟在美國夏威夷宣佈， 將打造人工智慧晶片用於Hololens AR設備上。
除了特斯拉、微軟宣佈入局AI晶片，
AI晶片市場有多大?AI對晶片呈現出什麼樣的需求?為什麼各類國際巨頭紛紛入局AI晶片市場?
根據Nvidia官方給出的資料統計， 到2020年， 由軟體、硬體、服務三者組成的人工智慧市場將達到400億美元， 按照硬體占比1/3來算， 空間為160億美元， 如果再假設晶片占比60%， 預計人工智慧晶片的空間為96億美元。 市場調研公司ReportLinker預計， 到2023年， 全球人工智慧晶片市場規模將達到108億美元， 複合年均增長率達到53.6%。
中國電子資訊產業發展研究院積體電路產業研究所副所長林雨表示，
從趨勢上來看， 英特爾公司中國研究院院長宋繼強在接受《中國電子報》記者採訪時表示， 通用AI晶片的發展方向不會是一蹴而就地用某一種晶片來解決問題，
林雨認為， AI晶片的發展趨勢是從通用向專用發展， 即從通用晶片向半定制化和全定制化方向發展。 因此， 通用AI晶片的發展趨勢應該是FPGA和GPU只作為運算單元存在， 行使著並行處理的使命， 而在整顆晶片中， 定制化加速器的比重逐步加大， 而這一部分恰恰是人工智慧的核心功能所在。 在通往這個目標過程中的難題主要是如何用硬體來真正類比大腦， 人類大腦的運行機制和學習、分析、處理問題機制極其複雜， GPU和FPGA在功耗和時延方面均有優缺點，
多種晶片組合以及通用向半定制化及全定制化發展的趨勢， 意味著原有幾家晶片巨頭“一招鮮”的晶片難以滿足AI市場的發展需求， 這就給各路廠商帶來了“八仙過海”的機會。 正因為如此， 我們看到各種類型國際巨頭紛紛入局AI晶片。
國內CPU晶片企業為何不動
一方面我們看到國際晶片巨頭、互聯網巨頭以及傳統IT企業， 或是收購、或是自組研發團隊加速進入AI晶片市場;另一面我們看到國內傳統晶片企業在這方面有所行動的並不多， 《中國電子報》記者採訪了中國幾家做PC晶片、伺服器晶片的企業， 均表示目前並沒有規模投入AI的佈局， 反而是各種初創企業紛紛入局做AI晶片。
林雨表示，中國目前的PC和伺服器CPU晶片企業，基本上是基於X86、MIPS以及ARM、Power等架構，這樣的架構向通用AI晶片推進，通常是通過CPU+GPU或者+FPGA的異構發展模式，基於X86架構、ARM架構和MIPS架構的CPU主要依靠國外廠商授權，GPU的市場主導在英偉達手中，FPGA被Xilinx和Altera壟斷，GPU、FPGA無法完全自主發展，這或許是造成中國晶片企業未動的重要原因。
龍芯中科總裁胡偉武在接受《中國電子報》記者採訪時表示，人工智慧是一個產業的“形容詞”而不是“名詞”，是資訊產業的一個新屬性，而不是新產業。就像上世紀90年代的多媒體，已經融入PC、手機、伺服器、攝像頭。沒有多媒體機，也沒有量大面廣多媒體晶片，更沒有多媒體產業。今天以機器學習為代表的人工智慧的應用廣度大概也不會超過當年的多媒體。事實上，目前的深度學習並沒有太高的技術門檻，CPU、GPU當中都不難集成深度學習處理器，所以不會有單獨的人工智慧晶片或人工智慧機存在，深度學習處理器DPU都是作為CPU的一個輔助處理器而存在的。所以我們得先把CPU做好，然後再去豐富它的圖形和AI能力。
胡偉武同時透露，龍芯當然要做、當然會去做AI，會把深度學習也做進CPU中去，但什麼時候做進去，得看需求、看市場。
中科院計算所所長孫凝暉曾在採訪中表示：“計算所最大的突破就是晶片技術的突破，在這方面我們其實是三條路同時在走，而且我覺得這三條路可能長期並行。龍芯是一條路，寒武紀是一條路，而與IBM、英特爾、AMD合作是另一條路。”龍芯走的是“人有我有”之路，寒武紀走的是“彎道超車”之路，與IBM、AMD合作走的是“高鐵”之路。
按照晶片發展這三條路來看，以龍芯為代表的CPU晶片企業未來有可能採取與GPU、FPGA、NPU等合作集成之路來推進AI的發展。事實上，華為就選擇了這條路徑，其去年發佈的麒麟970就採取了集成寒武紀NPU的做法。
眼下，中國傳統晶片廠商仍在集中力量打CPU的攻堅戰，希望加速縮短CPU與國外的差距，而在AI晶片的這個新戰略賽道上，中國需要另外的新的打法。
林雨認為，AI晶片在一些特定的場景、特定的領域有巨大的需求，比如自動駕駛、智慧終端機以及雲端用於模型訓練和推理。所以發展AI晶片非常有必要，而且在這個領域中國有彎道超車的機會。要加速中國通用AI晶片的發展，需要在幾個關鍵點上發力，一是關注初創型企業發展;二是鼓勵演算法公司與AI晶片公司整合，因為打通演算法與晶片是AI行業的主流趨勢;三是關注自主GPU、FPGA、CPU的發展。
創業團隊是AI晶片關鍵變數
創業公司是中國發展AI晶片的主力軍，眼下中國湧現出許多的AI晶片+演算法的創業團隊。
AI晶片創業公司需要什麼?
Kneron(耐能)是一家阿裡投資的AI晶片創業公司，產品主要瞄準智慧家居和智慧安防這兩個場景。Kneron CEO 劉峻誠說，AI 晶片的打造存在兩個挑戰：一是做晶片的資金、人力投入比較大，二是需要有足夠的場景可供使用。這兩點對於創業公司來說都是極度缺乏的。
第三個挑戰是時間。地平線的創始人余凱在接受媒體採訪時表示，造“芯”最大的挑戰是時間。進入研發週期，從晶片架構、設計、定型、驗證，流片，再驗證，整個週期很固定，不可能壓縮或加快整個流程。所以在這個過程中，最核心的是要耐得住寂寞。
胡偉武也曾談到了類似的觀點，CPU是複雜系統，影響它品質的因素非常多，也非常複雜。複雜系統只能隨時間不斷推進而不斷演進。“人們喜歡把一個系統分成很多子系統，彼此之間的關係比較清晰，但是大腦這樣的複雜系統不是樹狀結構，是網狀結構，你可以打開一個豬的大腦，每一個溝溝坎坎都看得很清楚，但你並不知道它在想什麼。”所以複雜系統只能在產業化實踐中逐步演進，進化過程中我們要邁過一些很難的門檻。
目前既擁有場景又擁有龐大資金的企業是以“BAT”為代表的互聯網公司，他們是目前中國AI晶片最重要的投資方。在過去的幾個月裡，阿裡已經投資了幾家晶片公司，包括 Kneron(耐能)以及此前的寒武紀、深鑒科技(螞蟻金服領投)、杭州中天微、Barefoot Networks等。
事實上，互聯網公司不僅僅是AI晶片的重要投資方，也會是未來AI最大的受益者之一，在胡偉武看來，個人電腦產業最賺錢的是晶片、作業系統，是英特爾、微軟這樣的平臺公司;手機產業最賺錢的是像蘋果這樣的整機企業，做晶片的反而不賺錢。而人工智慧技術獲益最大的應該是像百度、騰訊等這樣的服務端公司，他們將通過人工智慧提供更好的網路服務。AI的難點、門檻不是實現一個深度學習演算法，而是如何將深度學習演算法與應用相結合、與系統相結合。
事實上，眼下的中國，既不缺錢也不缺場景、不缺資料，資料顯示，到2020年，中國資料總量占全球總量的比例將達20%，中國將成為世界第一大資料資源大國。我們希望中國能夠在AI晶片上誕生一些偉大的公司。
餘凱在接受媒體採訪時說：“我們如今有這麼多AI公司，但還沒有一家真正找到創新的商業模式。光靠賣演算法、賣SDK，很難成為偉大的公司，所以到目前為止，商業本質沒有變化。未來，我們一定要思考，什麼才是不變的東西?對於地平線來說，我們希望成為第一家大規模商業化的AI公司。”
林雨表示，中國目前的PC和伺服器CPU晶片企業，基本上是基於X86、MIPS以及ARM、Power等架構，這樣的架構向通用AI晶片推進，通常是通過CPU+GPU或者+FPGA的異構發展模式，基於X86架構、ARM架構和MIPS架構的CPU主要依靠國外廠商授權，GPU的市場主導在英偉達手中，FPGA被Xilinx和Altera壟斷，GPU、FPGA無法完全自主發展，這或許是造成中國晶片企業未動的重要原因。
龍芯中科總裁胡偉武在接受《中國電子報》記者採訪時表示，人工智慧是一個產業的“形容詞”而不是“名詞”，是資訊產業的一個新屬性，而不是新產業。就像上世紀90年代的多媒體，已經融入PC、手機、伺服器、攝像頭。沒有多媒體機，也沒有量大面廣多媒體晶片，更沒有多媒體產業。今天以機器學習為代表的人工智慧的應用廣度大概也不會超過當年的多媒體。事實上，目前的深度學習並沒有太高的技術門檻，CPU、GPU當中都不難集成深度學習處理器，所以不會有單獨的人工智慧晶片或人工智慧機存在，深度學習處理器DPU都是作為CPU的一個輔助處理器而存在的。所以我們得先把CPU做好，然後再去豐富它的圖形和AI能力。
胡偉武同時透露，龍芯當然要做、當然會去做AI，會把深度學習也做進CPU中去，但什麼時候做進去，得看需求、看市場。
中科院計算所所長孫凝暉曾在採訪中表示：“計算所最大的突破就是晶片技術的突破，在這方面我們其實是三條路同時在走，而且我覺得這三條路可能長期並行。龍芯是一條路，寒武紀是一條路，而與IBM、英特爾、AMD合作是另一條路。”龍芯走的是“人有我有”之路，寒武紀走的是“彎道超車”之路，與IBM、AMD合作走的是“高鐵”之路。
按照晶片發展這三條路來看，以龍芯為代表的CPU晶片企業未來有可能採取與GPU、FPGA、NPU等合作集成之路來推進AI的發展。事實上，華為就選擇了這條路徑，其去年發佈的麒麟970就採取了集成寒武紀NPU的做法。
眼下，中國傳統晶片廠商仍在集中力量打CPU的攻堅戰，希望加速縮短CPU與國外的差距，而在AI晶片的這個新戰略賽道上，中國需要另外的新的打法。
林雨認為，AI晶片在一些特定的場景、特定的領域有巨大的需求，比如自動駕駛、智慧終端機以及雲端用於模型訓練和推理。所以發展AI晶片非常有必要，而且在這個領域中國有彎道超車的機會。要加速中國通用AI晶片的發展，需要在幾個關鍵點上發力，一是關注初創型企業發展;二是鼓勵演算法公司與AI晶片公司整合，因為打通演算法與晶片是AI行業的主流趨勢;三是關注自主GPU、FPGA、CPU的發展。
創業團隊是AI晶片關鍵變數
創業公司是中國發展AI晶片的主力軍，眼下中國湧現出許多的AI晶片+演算法的創業團隊。
AI晶片創業公司需要什麼?
Kneron(耐能)是一家阿裡投資的AI晶片創業公司，產品主要瞄準智慧家居和智慧安防這兩個場景。Kneron CEO 劉峻誠說，AI 晶片的打造存在兩個挑戰：一是做晶片的資金、人力投入比較大，二是需要有足夠的場景可供使用。這兩點對於創業公司來說都是極度缺乏的。
第三個挑戰是時間。地平線的創始人余凱在接受媒體採訪時表示，造“芯”最大的挑戰是時間。進入研發週期，從晶片架構、設計、定型、驗證，流片，再驗證，整個週期很固定，不可能壓縮或加快整個流程。所以在這個過程中，最核心的是要耐得住寂寞。
胡偉武也曾談到了類似的觀點，CPU是複雜系統，影響它品質的因素非常多，也非常複雜。複雜系統只能隨時間不斷推進而不斷演進。“人們喜歡把一個系統分成很多子系統，彼此之間的關係比較清晰，但是大腦這樣的複雜系統不是樹狀結構，是網狀結構，你可以打開一個豬的大腦，每一個溝溝坎坎都看得很清楚，但你並不知道它在想什麼。”所以複雜系統只能在產業化實踐中逐步演進，進化過程中我們要邁過一些很難的門檻。
目前既擁有場景又擁有龐大資金的企業是以“BAT”為代表的互聯網公司，他們是目前中國AI晶片最重要的投資方。在過去的幾個月裡，阿裡已經投資了幾家晶片公司，包括 Kneron(耐能)以及此前的寒武紀、深鑒科技(螞蟻金服領投)、杭州中天微、Barefoot Networks等。
事實上，互聯網公司不僅僅是AI晶片的重要投資方，也會是未來AI最大的受益者之一，在胡偉武看來，個人電腦產業最賺錢的是晶片、作業系統，是英特爾、微軟這樣的平臺公司;手機產業最賺錢的是像蘋果這樣的整機企業，做晶片的反而不賺錢。而人工智慧技術獲益最大的應該是像百度、騰訊等這樣的服務端公司，他們將通過人工智慧提供更好的網路服務。AI的難點、門檻不是實現一個深度學習演算法，而是如何將深度學習演算法與應用相結合、與系統相結合。
事實上，眼下的中國，既不缺錢也不缺場景、不缺資料，資料顯示，到2020年，中國資料總量占全球總量的比例將達20%，中國將成為世界第一大資料資源大國。我們希望中國能夠在AI晶片上誕生一些偉大的公司。
餘凱在接受媒體採訪時說：“我們如今有這麼多AI公司，但還沒有一家真正找到創新的商業模式。光靠賣演算法、賣SDK，很難成為偉大的公司，所以到目前為止，商業本質沒有變化。未來，我們一定要思考，什麼才是不變的東西?對於地平線來說，我們希望成為第一家大規模商業化的AI公司。”