BAT下場“造芯”， “中興”是否有救？
文 ✎ 楊潔
編輯 ✎ 王冀
來源 ✎ 創業家&黑智
中興“告急”再次敲響了中國芯缺失的警鐘。
不久前， 美國宣佈發起對中興長達7年的封殺，
“軟芯”意味著硬實力。 作為全球最大的電子產品製造國， 中國卻有著“芯”病。 我國國產晶片自給率不到30%， 產值不足全球的7%， 市場份額不到10%。 據海關總署資料， 2016年中國積體電路進口金額為2270.26億美元， 而同期的中國原油進口金額才1164.69億美元。
我們也有華為海思、展訊、中星微等晶片企業， 但是“中國芯”的實力， 仍然遠遠不夠。
直到AI時代來臨。
人工智慧的創投熱潮爆發至今， 在“演算法”之後， “算力”站上了風口。 深度學習演算法的突破，
AI晶片也成為“中國芯”們自救的途徑。 4月20日， 阿裡宣佈全資收購自主嵌入式CPU IP Core公司中天微。 就在一天前， 阿裡對外透露， 阿裡巴巴達摩院正研發神經網路晶片Ali-NPU， 用於圖像視頻分析、機器學習等。 在此之前， 阿裡已經收購和投資了5家國內晶片公司。 百度在2017年， 也發佈了AI雲晶片XPU。
在近幾年內， 國內AI晶片公司開始湧現融資熱潮。 據創業家&黑智不完全統計， 業內湧現了超20家“芯”相關創業公司， 其中多數是2014年後成立。 其中， 寒武紀、地平線等創業公司， 在近兩年獲得了1億美元左右的融資。
這是十幾年來，
埋頭追趕了幾十年的國內晶片行業， 第一次有了和海外站在同一起跑線上的機會。 國內晶片領域知名的獨角獸“寒武紀”崛起的同時， 正如同寒武紀時代一樣， 一個算力新物種的繁榮時代也蓄勢待發。
“彎道超車”的“中國芯”時代， 是否能夠就此打開大門？
“算力”是駛向新世界的船票。 而這一切的載體， 就是小小的晶片。
英偉達無疑是AI時代受益最大的巨頭。 創始人黃仁勳說， GPU（圖形處理器）運算已經成為當代的達爾文和愛因斯坦們不可或缺的工具。
GPU就是電腦顯卡的核心。 早期通用的CPU晶片已經能夠提供足夠的算力， GPU受演算法和資料等的限制， 更多地應用於大型遊戲和高清視頻領域。
雲計算和人工智慧帶來了改變。 隨著雲計算的廣泛應用， 越來越多的資料開始在雲端處理， 大量的圖形視頻帶來了更大的運算量， 不止是軟體層面， 企業對高能效的伺服器和資料中心的需求也開始增加。
在人工智慧投資熱潮進行了一段時間後， 新的需求開始爆發：如果未來世界真的是由“演算法”支配的， 那麼， “算力”必然是基礎。
GPU的處理流程， 更加適用於深度學習演算法的訓練， 但在應用層面性能的性價比較低， 而且功耗極高——黃仁勳就是這樣獲得了“核武狂魔”的“光榮”稱號。 在這種情況下， 實現深度學習及其相關應用的專用晶片， 應運而生。
AI晶片成為這場新競爭的主角。 和以往不同的是，這將不再單純是半導體巨頭們的遊戲。AI短期內出現了泡沫，但技術發展的趨勢卻是無可阻擋。可以想見，如果未來真有一個“萬物有靈”的時代，雲計算、人工智慧、自動駕駛、新能源汽車、智慧硬體和機器人們的競爭，都將承載在一塊小小的晶片上。
互聯網和雲計算的巨頭們也不約而同地入場了。微軟押注FPGA晶片加速雲伺服器；2018年初，Google將TPU能力對外開放——戰勝了柯潔的AlphaGo，計算能力就是TPU所提供的；亞馬遜和Facebook，也在今年先後開始投入AI晶片設計。
中國的晶片製造工藝與發達國家相比仍然存在巨大的差距，關鍵的核心技術對外依存度較高，產業發展仍然處於中低端階段。例如，台積電和英特爾等已經在進行7nm晶片的研發，而我國大陸現階段仍然剛普及28nm工藝。
但在AI晶片領域，國內創業公司卻似乎看到了“彎道超車”的曙光。
站上同一起跑線的機會“我們要讓人工智慧晶片的計算效率提高1萬倍，功耗降低1萬倍”，寒武紀科技創始人陳雲霽說。
半導體行業在被摩爾定律支配了70年後，面臨了新的挑戰。軟體和演算法成為了新的敲門磚。陳雲霽表示，站在學術的角度，神經網路處理器還是個新興領域，“和通用CPU不同，中外這次是站在了同樣的起跑線上”。
從應用場景上，AI晶片主要分為雲端伺服器晶片和智慧終端機晶片。在雲端晶片領域，GPU佔據了主導地位。但隨著計算能力需求的增加和物聯網技術的提高，“端智慧”概念也開始興起：把更多的資料處理放在設備端，把AI計算量的壓力從雲端向靠近資料來源的邊緣端轉移。
“萬物互聯”智慧時代的廣闊市場帶來了巨大的吸引力。“軟體+加速晶片”，硬體不大，演算法為主，是巨頭們未曾深入涉足的領域，也成為AI晶片創業公司們能夠切入的機會。
學術界加快了產業化的步伐。擁有中科院背景的寒武紀，是AI晶片創業公司中最耀眼的一家。2017年8月，寒武紀成立一年後即宣佈完成1億美元A輪融資，估值接近10億美元，成為國內首家AI晶片領域獨角獸公司。據媒體透露，寒武紀的B輪融資也已於日前完成。而更多的人瞭解它，則是通過華為麒麟970——這款華為發佈的全球首款手機AI晶片，雖然沒有公開宣佈，但其背後集成了寒武紀的NPU（寒武紀 1A 處理器）作為神經網路專用處理單元。
（搭載了寒武紀1A 處理器的華為麒麟970）
寒武紀的兩位創始人，陳雲霽和陳天石兄弟是公認的天才。陳雲霽14歲考入中科大少年班。2002年，19歲的陳雲霽進入中科院計算所碩博連讀，成為當時國產晶片“龍芯”團隊中最年輕的成員。25歲時，陳雲霽就已經是8核龍芯3號的主架構師。比他小兩歲的陳天石幾乎是複製了他從中科大少年班到中科院計算所的道路。陳雲霽的主要研究方向是晶片，陳天石則主攻AI演算法。而寒武紀AI晶片，陳雲霽說，就是“晶片+演算法”的產物。
清華電子工程系汪玉副教授帶隊成立的深鑒科技，是清華大學的學術系統向產業界轉化的代表之一。公司的創始團隊全部為清華電子系背景。早在2016年11月，深鑒科技就基於FPGA平臺，推出了DPU架構深度學習處理器。
2017年初，全球最大的FPGA廠商賽靈思和聯發科等聯合投資了深鑒科技的A輪融資。10月，深鑒科技宣佈，自主研發的AI晶片“聽濤”、“觀海”將在2018年推出。其中，“聽濤”系列Soc，搭載了聯發科28nmTSMC制程，僅用1.1W功耗，就可以達到4.1TOPS的峰值性能。在發佈會上，深鑒科技CEO、汪玉的學生姚頌同時宣佈公司獲得了螞蟻金服、三星電子領投的4000萬美元A+輪融資。
與此同時，從產業裡走出的、具備軟體演算法出身和一定晶片研發經驗的創業者們，也加入了AI晶片行業創業大軍。
2015年11月，余凱辭去原百度研究院副院長職務，創立了“地平線”公司，準備做“嵌入式人工智慧”。那個時候，人工智慧對大多數人而言還是個陌生的名詞，更遑論嵌入式AI晶片。但餘凱執著地認為，這是未來的方向。
“應用層面的競爭和進化正在加速”，地平線相關業務負責人對創業家&黑智說。在他看來，智慧化時代正洶湧而來，“基於圖像和語音的智慧化滲透率將在未來的10-20年內快速提升。它是上升中的火箭，市場份額也足夠大。”而在這個智慧化時代，並不意味著“標準化”——個性化和差異化才是真正的智慧。“在智慧時代，以往靠規模化取勝的公司的優勢將被大大削弱。”
晶片產業的生態也在發生改變。2017年11月，高通戰略投資商湯科技，它所看重的正是商湯科技的人工智慧和機器學習演算法，實現演算法和晶片融合，推動“終端智慧化”。一個月後，初創公司熠知科技完成4.5億元A輪融資，它的投資方中，排在首位的正是電腦視覺公司依圖科技。
從比特幣領域裡走出的高性能計算公司也成為其中獨特的一員。2017年，礦機晶片廠商比特大陸正式推出了AI專用晶片“SOPHON（算豐）” 。“硬體軟體化、軟體場景服務化是個巨大的趨勢”，比特大陸人工智慧產品戰略總監湯煒偉對創業家&黑智說，“未來的物聯網終端中，AI能力將非常普遍，相應的雲上AI計算需求也隨之增加，對晶片行業也將會有海量的需求。”在他看來，這種高度快速、定制化的需求，對中國創業公司而言有天然的優勢，是最容易適應的。
場景定義演算法，演算法定義晶片在智慧化和萬物互聯的未來，要將設備、人、家庭或組織都實現連接，解決人工智慧如何落地應用，就必然走向軟體和硬體的協同。
AlphaGo在烏鎮戰勝柯潔，讓Google的TPU廣為人知。2017年底，TPU對外開放，成為Google的AI雲服務內容之一。對眾多創業公司而言，Google恰恰驗證了這一點：從具體的應用場景出發，軟體正在推動處理器架構的研發，差異化的智能時代巨頭的權威也在面臨挑戰。
從場景到演算法，從演算法到晶片。不同於以往從硬體出發的思路，晶片的行業形態和商業模式也在被這些“新勢力”影響。
它們也在重塑著各種商業應用場景。在目前，AI晶片的應用場景主要集中在安防、智慧家居和消費電子、自動駕駛、雲計算、智慧城市等行業。
成立兩年多之後，“地平線”的晶片終於問世。去年12月，“地平線”推出首款嵌入式人工智慧視覺晶片——面向自動駕駛的征程處理器和面向智慧攝像頭的旭日處理器。旭日面向智慧攝像頭，基於“地平線”此前推出的高斯架構和深度學習演算法，可在前端實現大規模人臉檢測跟蹤、視頻結構化處理，主要針對的應用場景包括智慧安防、智慧商業等。
地平線發佈面向智慧駕駛的征程（Journey）1.0處理器
征程1.0處理器同樣基於高斯架構，支援L2級自動駕駛（ADAS）系統，能夠同時對行人、機動車、車道線、交通標示牌、紅綠燈等8類目標進行準備的即時檢測與識別。據透露，“地平線”的AI晶片已經流片。
在2018CES展會上，“地平線”第一次現場展示了和英特爾合作的L3/L4級自動駕駛解決方案。目前，“地平線”正和英特爾一起推動該方案的前裝量產。
自動駕駛領域，是“地平線”最為重視的方向。餘凱也在發佈會上公佈了“地平線”的十年願景：2025年中國道路上的3000萬輛新車都將具備自動駕駛功能，每輛自動駕駛汽車大腦都基於地平線的人工智慧處理器。
然而，餘凱在發佈會上也表示，“地平線”仍然不是一家硬體公司。“地平線”提供的是深度神經網路演算法和晶片解決方案，是要在具體的商業應用場景中落地的。
軟體正在定義硬體。在2015年時，這個概念已經並不新鮮，但是在地平線看來，AI晶片有和以往並不相同的特質：它要依賴大量的資料，從而天然和互聯網、大資料產生聯繫。硬體和軟體、落地應用的路打通了。這意味著晶片行業的生態將更加豐富，以及更大的市場。在地平線看來，“如果我們真的要實現‘智慧無處不在’，把它做成嵌入式的智慧，這是一個非常自然的想法”。
“從本質上看，AI應用落地的軟硬結合是必然趨勢，你要瞭解應用場景，並且核心演算法和應用能夠把場景清楚地定義和實現；然後在晶片層面進行優化和加速，讓產品具有更好的性價比、功耗和可部署性。”地平線業務負責人表示，“我們談到AI晶片的時候，本質上說的就是針對某個具體場景的、演算法+晶片的一套整體解決方案，其中甚至還包括應用上的軟體和架構。”
在安防領域，2014年成立的雲天勵飛已經浸潤多年。它由兩位“千人計畫”專家陳甯、田第鴻在2014年創辦。陳甯曾在中興通訊任職，是硬體專家，田第鴻主要研究方向則是機器視覺。同樣是“軟硬結合”的組合，雲天勵飛在成立後不久，就推出了“雲+端”的解決方案，研發針對安防攝像頭的人臉識別晶片。
雲天勵飛走的是一條“演算法+晶片+資料+應用+服務”、提供端到端整體解決方案的路線：將演算法植入前端的智慧攝像頭，進行人像檢測、特徵值提取，資料上傳到雲端，由雲端引擎進行搜索和識別、決策。前端後端演算法聯動和深度優化，而晶片級的解決方案則是核心，不止是應用於前端的處理器，同樣也為邊緣計算端和雲端伺服器提供更高性能的服務，降低對硬體平臺的需求。
這也是一條更容易實現產業化的道路。傳統的通用晶片廠商，要實現規模化才能生存。“我們從垂直的產品出發，並不是賣最終的晶片，而是整個產品和系統，甚至服務”，雲天勵飛硬體研發副總李愛軍告訴創業家&黑智，“對於安防領域的人臉識別，雲天勵飛的AI晶片是為整個系統服務的。”
此前，雲天勵飛設計開發了IPU (intelligent Processing Unit)，專門面向深度學習的多層神經網路的計算。據李愛軍透露，雲天勵飛正在打造的這款晶片已經是第二代，本質上是ASIP專用指令集處理器，指令集針對CNN演算法定制。目前該晶片前端設計已經基本完成，計畫在2018年中流片。
隨著人工智慧、深度學習技術的逐漸成熟，不同公司間演算法的差距也將越來越小，“在底層晶片架構層面和演算法結合，則可以保持競爭上的優勢”，李愛軍說。
在AI晶片“新勢力”中，比特大陸是一支獨特的力量。
“算力”的商業價值，在比特幣崛起的時代，就已經直觀地得到了一次顯現。瘋漲的幣價、不斷減少的比特幣數量，讓挖礦算力成為絕對意味上的“點金石”。比特幣挖礦晶片也從CPU到GPU，再到進入ASIC時代。從中走出的比特大陸已經佔據了礦機專用晶片市場70%以上的份額，控制了全球一半的採礦算力。據其聯合創始人、CEO詹克團對外透露，2017年比特大陸全年營收達到大約25億美元，進入中國大陸IC設計公司前列。
當去年比特幣和區塊鏈掀起關注熱潮時，比特大陸正式推出了AI專用晶片“SOPHON（算豐）”。SOPHON 基於ASIC架構，是專為張量計算設計的TPU晶片，運行在伺服器端。隨後，搭載了SOPHON BM1680晶片的深度學習加速卡和智慧視頻分析伺服器面世。在2018年，比特大陸將主要佈局三個行業的落地：安防、互聯網，以及城市大資料。
和其他AI晶片公司多是從終端晶片切入不同，比特大陸選擇了從GPU一直一家獨大的雲端晶片入場。比特大陸人工智慧產品戰略總監湯煒偉對創業家&黑智表示，這是由公司的基因和特點決定的。比特大陸此前推出的數位貨幣晶片是適合高性能計算的晶片、偏重于相對高的功耗，適合於在雲上做高性能智慧計算，“只不過過去用於數字貨幣，現在用於AI深度學習的推理”。
AI和演算法正在快速反覆運算，半導體行業正在被AI深刻地改變。“AI賦能各行業，面向垂直行業場景的定制化晶片產品需求也將日益增加”，湯煒偉說。但是當前的電腦構在應對深度學習所用的張量計算時，已經相對乏力。在他看來，和比特幣領域一樣，深度學習架構也將走過從CPU到GPU，再到ASIC的路。因此，從2015年起，比特大陸即開始了對AI晶片的研發。“在技術、產品文化、團隊實力上，比特大陸是在數位貨幣晶片領域經受過戰火洗禮的”，湯煒偉說。“對於比特大陸而言，從區塊鏈過渡到AI是一個自然而然的過程。”
“硬體”出身的比特大陸，也加強了在演算法和資料方面的佈局。湯煒偉透露，在演算法層面，比特大陸也建立了幾十人規模的演算法團隊，並專門追蹤演算法的新趨勢；建立了自己的資料標注團隊，進行演算法的訓練；同時，懂場景應用和客戶形態的“產品經理”團隊，也在快速地擴容中。現在，比特大陸在全球的員工已經超過1500人，AI團隊已經擁有超過200名員工。
比特大陸的晶片產品也計畫進行快速反覆運算：在未來兩年時間內完成數款AI晶片的反覆運算，刨除已經發佈的BM1680以及已流片的BM1682，平均9個月一代。比特大陸稱它為“超摩爾定律”。目前，SOPHON第二代產品已經流片，預計今年發佈。
這仍然是算力生意的延伸，而這次，比特大陸是想運用自己的超級算力，向其他行業賦能。畢竟，算力正是制約AI發展的最大要素。
比特大陸給自己的定位，是人工智慧和高性能計算公司。湯煒偉說：“我們是真正的晶片公司，相比起現在AI晶片領域裡的很多創業公司，我們已經趟過了做晶片的坎兒，我們的技術、體量、資源等都是我們的優勢。”
國家對於人工智慧和AI晶片的重視程度也前所未有。去年7月國務院發佈了《新一代人工智慧發展規劃》，當年12月工信部又發佈了《促進新一代人工智慧產業發展三年行動計畫（2018-2020年）》，除了落實人工智慧戰略“三步走”之外，包括AI晶片在內的三大核心人工智慧技術也成為重點突破對象。
當下的中美貿易戰，讓晶片等核心技術的自主研發再度得到了廣泛關注。但是，AI晶片火熱的背後，國產晶片行業面對的仍然是長長的征程。多數接受創業家&黑智採訪的公司都表示，在設計和封測領域，國內晶片公司在逐步向美國追趕，但是在製造環節上，中美之間還存在不小的差距。國內的晶片製造主要還是由台積電代工。
清華大學微電所所長魏少軍在今年的一場演講中表示，國內積體電路產能仍嚴重不足，而且可能出現部分節點上產能過剩、先進工藝節點產能不足的失衡問題。他指出，國內每年投入約45億美元用於積體電路研發，還不到英特爾一家公司年研發投入資金的一半。
資本正在給AI晶片行業帶來巨大的助推力，但其背後，晶片是個高投入、高風險、回報週期長的行業。對AI晶片快速投產、反覆運算的需求，是否能夠滿足市場的需求？資本推動帶來的創業公司估值上漲，是否會帶來行業的“虛火”？人工智慧市場爆發時間還未確定，人才和研發費用還存在巨大缺口，都是未來所需面對的問題。
不過，“彎道超車”之不易，在於起跑線的落後，與沒有起步的機會。而現在，在AI晶片領域，國產晶片和海外對手站上了同場競爭的舞臺。
“（AI晶片創業）兩到三年內會碰到一個低潮，今天的一部分甚至大部分的創業者將成為技術變革的先烈”，魏少軍說，“但是，這也仍是最令人動容的偉大事件。”
和以往不同的是，這將不再單純是半導體巨頭們的遊戲。AI短期內出現了泡沫，但技術發展的趨勢卻是無可阻擋。可以想見，如果未來真有一個“萬物有靈”的時代，雲計算、人工智慧、自動駕駛、新能源汽車、智慧硬體和機器人們的競爭，都將承載在一塊小小的晶片上。互聯網和雲計算的巨頭們也不約而同地入場了。微軟押注FPGA晶片加速雲伺服器；2018年初，Google將TPU能力對外開放——戰勝了柯潔的AlphaGo，計算能力就是TPU所提供的；亞馬遜和Facebook，也在今年先後開始投入AI晶片設計。
中國的晶片製造工藝與發達國家相比仍然存在巨大的差距，關鍵的核心技術對外依存度較高，產業發展仍然處於中低端階段。例如，台積電和英特爾等已經在進行7nm晶片的研發，而我國大陸現階段仍然剛普及28nm工藝。
但在AI晶片領域，國內創業公司卻似乎看到了“彎道超車”的曙光。
站上同一起跑線的機會“我們要讓人工智慧晶片的計算效率提高1萬倍，功耗降低1萬倍”，寒武紀科技創始人陳雲霽說。
半導體行業在被摩爾定律支配了70年後，面臨了新的挑戰。軟體和演算法成為了新的敲門磚。陳雲霽表示，站在學術的角度，神經網路處理器還是個新興領域，“和通用CPU不同，中外這次是站在了同樣的起跑線上”。
從應用場景上，AI晶片主要分為雲端伺服器晶片和智慧終端機晶片。在雲端晶片領域，GPU佔據了主導地位。但隨著計算能力需求的增加和物聯網技術的提高，“端智慧”概念也開始興起：把更多的資料處理放在設備端，把AI計算量的壓力從雲端向靠近資料來源的邊緣端轉移。
“萬物互聯”智慧時代的廣闊市場帶來了巨大的吸引力。“軟體+加速晶片”，硬體不大，演算法為主，是巨頭們未曾深入涉足的領域，也成為AI晶片創業公司們能夠切入的機會。
學術界加快了產業化的步伐。擁有中科院背景的寒武紀，是AI晶片創業公司中最耀眼的一家。2017年8月，寒武紀成立一年後即宣佈完成1億美元A輪融資，估值接近10億美元，成為國內首家AI晶片領域獨角獸公司。據媒體透露，寒武紀的B輪融資也已於日前完成。而更多的人瞭解它，則是通過華為麒麟970——這款華為發佈的全球首款手機AI晶片，雖然沒有公開宣佈，但其背後集成了寒武紀的NPU（寒武紀 1A 處理器）作為神經網路專用處理單元。
（搭載了寒武紀1A 處理器的華為麒麟970）
寒武紀的兩位創始人，陳雲霽和陳天石兄弟是公認的天才。陳雲霽14歲考入中科大少年班。2002年，19歲的陳雲霽進入中科院計算所碩博連讀，成為當時國產晶片“龍芯”團隊中最年輕的成員。25歲時，陳雲霽就已經是8核龍芯3號的主架構師。比他小兩歲的陳天石幾乎是複製了他從中科大少年班到中科院計算所的道路。陳雲霽的主要研究方向是晶片，陳天石則主攻AI演算法。而寒武紀AI晶片，陳雲霽說，就是“晶片+演算法”的產物。
清華電子工程系汪玉副教授帶隊成立的深鑒科技，是清華大學的學術系統向產業界轉化的代表之一。公司的創始團隊全部為清華電子系背景。早在2016年11月，深鑒科技就基於FPGA平臺，推出了DPU架構深度學習處理器。
2017年初，全球最大的FPGA廠商賽靈思和聯發科等聯合投資了深鑒科技的A輪融資。10月，深鑒科技宣佈，自主研發的AI晶片“聽濤”、“觀海”將在2018年推出。其中，“聽濤”系列Soc，搭載了聯發科28nmTSMC制程，僅用1.1W功耗，就可以達到4.1TOPS的峰值性能。在發佈會上，深鑒科技CEO、汪玉的學生姚頌同時宣佈公司獲得了螞蟻金服、三星電子領投的4000萬美元A+輪融資。
與此同時，從產業裡走出的、具備軟體演算法出身和一定晶片研發經驗的創業者們，也加入了AI晶片行業創業大軍。
2015年11月，余凱辭去原百度研究院副院長職務，創立了“地平線”公司，準備做“嵌入式人工智慧”。那個時候，人工智慧對大多數人而言還是個陌生的名詞，更遑論嵌入式AI晶片。但餘凱執著地認為，這是未來的方向。
“應用層面的競爭和進化正在加速”，地平線相關業務負責人對創業家&黑智說。在他看來，智慧化時代正洶湧而來，“基於圖像和語音的智慧化滲透率將在未來的10-20年內快速提升。它是上升中的火箭，市場份額也足夠大。”而在這個智慧化時代，並不意味著“標準化”——個性化和差異化才是真正的智慧。“在智慧時代，以往靠規模化取勝的公司的優勢將被大大削弱。”
晶片產業的生態也在發生改變。2017年11月，高通戰略投資商湯科技，它所看重的正是商湯科技的人工智慧和機器學習演算法，實現演算法和晶片融合，推動“終端智慧化”。一個月後，初創公司熠知科技完成4.5億元A輪融資，它的投資方中，排在首位的正是電腦視覺公司依圖科技。
從比特幣領域裡走出的高性能計算公司也成為其中獨特的一員。2017年，礦機晶片廠商比特大陸正式推出了AI專用晶片“SOPHON（算豐）” 。“硬體軟體化、軟體場景服務化是個巨大的趨勢”，比特大陸人工智慧產品戰略總監湯煒偉對創業家&黑智說，“未來的物聯網終端中，AI能力將非常普遍，相應的雲上AI計算需求也隨之增加，對晶片行業也將會有海量的需求。”在他看來，這種高度快速、定制化的需求，對中國創業公司而言有天然的優勢，是最容易適應的。
場景定義演算法，演算法定義晶片在智慧化和萬物互聯的未來，要將設備、人、家庭或組織都實現連接，解決人工智慧如何落地應用，就必然走向軟體和硬體的協同。
AlphaGo在烏鎮戰勝柯潔，讓Google的TPU廣為人知。2017年底，TPU對外開放，成為Google的AI雲服務內容之一。對眾多創業公司而言，Google恰恰驗證了這一點：從具體的應用場景出發，軟體正在推動處理器架構的研發，差異化的智能時代巨頭的權威也在面臨挑戰。
從場景到演算法，從演算法到晶片。不同於以往從硬體出發的思路，晶片的行業形態和商業模式也在被這些“新勢力”影響。
它們也在重塑著各種商業應用場景。在目前，AI晶片的應用場景主要集中在安防、智慧家居和消費電子、自動駕駛、雲計算、智慧城市等行業。
成立兩年多之後，“地平線”的晶片終於問世。去年12月，“地平線”推出首款嵌入式人工智慧視覺晶片——面向自動駕駛的征程處理器和面向智慧攝像頭的旭日處理器。旭日面向智慧攝像頭，基於“地平線”此前推出的高斯架構和深度學習演算法，可在前端實現大規模人臉檢測跟蹤、視頻結構化處理，主要針對的應用場景包括智慧安防、智慧商業等。
地平線發佈面向智慧駕駛的征程（Journey）1.0處理器
征程1.0處理器同樣基於高斯架構，支援L2級自動駕駛（ADAS）系統，能夠同時對行人、機動車、車道線、交通標示牌、紅綠燈等8類目標進行準備的即時檢測與識別。據透露，“地平線”的AI晶片已經流片。
在2018CES展會上，“地平線”第一次現場展示了和英特爾合作的L3/L4級自動駕駛解決方案。目前，“地平線”正和英特爾一起推動該方案的前裝量產。
自動駕駛領域，是“地平線”最為重視的方向。餘凱也在發佈會上公佈了“地平線”的十年願景：2025年中國道路上的3000萬輛新車都將具備自動駕駛功能，每輛自動駕駛汽車大腦都基於地平線的人工智慧處理器。
然而，餘凱在發佈會上也表示，“地平線”仍然不是一家硬體公司。“地平線”提供的是深度神經網路演算法和晶片解決方案，是要在具體的商業應用場景中落地的。
軟體正在定義硬體。在2015年時，這個概念已經並不新鮮，但是在地平線看來，AI晶片有和以往並不相同的特質：它要依賴大量的資料，從而天然和互聯網、大資料產生聯繫。硬體和軟體、落地應用的路打通了。這意味著晶片行業的生態將更加豐富，以及更大的市場。在地平線看來，“如果我們真的要實現‘智慧無處不在’，把它做成嵌入式的智慧，這是一個非常自然的想法”。
“從本質上看，AI應用落地的軟硬結合是必然趨勢，你要瞭解應用場景，並且核心演算法和應用能夠把場景清楚地定義和實現；然後在晶片層面進行優化和加速，讓產品具有更好的性價比、功耗和可部署性。”地平線業務負責人表示，“我們談到AI晶片的時候，本質上說的就是針對某個具體場景的、演算法+晶片的一套整體解決方案，其中甚至還包括應用上的軟體和架構。”
在安防領域，2014年成立的雲天勵飛已經浸潤多年。它由兩位“千人計畫”專家陳甯、田第鴻在2014年創辦。陳甯曾在中興通訊任職，是硬體專家，田第鴻主要研究方向則是機器視覺。同樣是“軟硬結合”的組合，雲天勵飛在成立後不久，就推出了“雲+端”的解決方案，研發針對安防攝像頭的人臉識別晶片。
雲天勵飛走的是一條“演算法+晶片+資料+應用+服務”、提供端到端整體解決方案的路線：將演算法植入前端的智慧攝像頭，進行人像檢測、特徵值提取，資料上傳到雲端，由雲端引擎進行搜索和識別、決策。前端後端演算法聯動和深度優化，而晶片級的解決方案則是核心，不止是應用於前端的處理器，同樣也為邊緣計算端和雲端伺服器提供更高性能的服務，降低對硬體平臺的需求。
這也是一條更容易實現產業化的道路。傳統的通用晶片廠商，要實現規模化才能生存。“我們從垂直的產品出發，並不是賣最終的晶片，而是整個產品和系統，甚至服務”，雲天勵飛硬體研發副總李愛軍告訴創業家&黑智，“對於安防領域的人臉識別，雲天勵飛的AI晶片是為整個系統服務的。”
此前，雲天勵飛設計開發了IPU (intelligent Processing Unit)，專門面向深度學習的多層神經網路的計算。據李愛軍透露，雲天勵飛正在打造的這款晶片已經是第二代，本質上是ASIP專用指令集處理器，指令集針對CNN演算法定制。目前該晶片前端設計已經基本完成，計畫在2018年中流片。
隨著人工智慧、深度學習技術的逐漸成熟，不同公司間演算法的差距也將越來越小，“在底層晶片架構層面和演算法結合，則可以保持競爭上的優勢”，李愛軍說。
在AI晶片“新勢力”中，比特大陸是一支獨特的力量。
“算力”的商業價值，在比特幣崛起的時代，就已經直觀地得到了一次顯現。瘋漲的幣價、不斷減少的比特幣數量，讓挖礦算力成為絕對意味上的“點金石”。比特幣挖礦晶片也從CPU到GPU，再到進入ASIC時代。從中走出的比特大陸已經佔據了礦機專用晶片市場70%以上的份額，控制了全球一半的採礦算力。據其聯合創始人、CEO詹克團對外透露，2017年比特大陸全年營收達到大約25億美元，進入中國大陸IC設計公司前列。
當去年比特幣和區塊鏈掀起關注熱潮時，比特大陸正式推出了AI專用晶片“SOPHON（算豐）”。SOPHON 基於ASIC架構，是專為張量計算設計的TPU晶片，運行在伺服器端。隨後，搭載了SOPHON BM1680晶片的深度學習加速卡和智慧視頻分析伺服器面世。在2018年，比特大陸將主要佈局三個行業的落地：安防、互聯網，以及城市大資料。
和其他AI晶片公司多是從終端晶片切入不同，比特大陸選擇了從GPU一直一家獨大的雲端晶片入場。比特大陸人工智慧產品戰略總監湯煒偉對創業家&黑智表示，這是由公司的基因和特點決定的。比特大陸此前推出的數位貨幣晶片是適合高性能計算的晶片、偏重于相對高的功耗，適合於在雲上做高性能智慧計算，“只不過過去用於數字貨幣，現在用於AI深度學習的推理”。
AI和演算法正在快速反覆運算，半導體行業正在被AI深刻地改變。“AI賦能各行業，面向垂直行業場景的定制化晶片產品需求也將日益增加”，湯煒偉說。但是當前的電腦構在應對深度學習所用的張量計算時，已經相對乏力。在他看來，和比特幣領域一樣，深度學習架構也將走過從CPU到GPU，再到ASIC的路。因此，從2015年起，比特大陸即開始了對AI晶片的研發。“在技術、產品文化、團隊實力上，比特大陸是在數位貨幣晶片領域經受過戰火洗禮的”，湯煒偉說。“對於比特大陸而言，從區塊鏈過渡到AI是一個自然而然的過程。”
“硬體”出身的比特大陸，也加強了在演算法和資料方面的佈局。湯煒偉透露，在演算法層面，比特大陸也建立了幾十人規模的演算法團隊，並專門追蹤演算法的新趨勢；建立了自己的資料標注團隊，進行演算法的訓練；同時，懂場景應用和客戶形態的“產品經理”團隊，也在快速地擴容中。現在，比特大陸在全球的員工已經超過1500人，AI團隊已經擁有超過200名員工。
比特大陸的晶片產品也計畫進行快速反覆運算：在未來兩年時間內完成數款AI晶片的反覆運算，刨除已經發佈的BM1680以及已流片的BM1682，平均9個月一代。比特大陸稱它為“超摩爾定律”。目前，SOPHON第二代產品已經流片，預計今年發佈。
這仍然是算力生意的延伸，而這次，比特大陸是想運用自己的超級算力，向其他行業賦能。畢竟，算力正是制約AI發展的最大要素。
比特大陸給自己的定位，是人工智慧和高性能計算公司。湯煒偉說：“我們是真正的晶片公司，相比起現在AI晶片領域裡的很多創業公司，我們已經趟過了做晶片的坎兒，我們的技術、體量、資源等都是我們的優勢。”
國家對於人工智慧和AI晶片的重視程度也前所未有。去年7月國務院發佈了《新一代人工智慧發展規劃》，當年12月工信部又發佈了《促進新一代人工智慧產業發展三年行動計畫（2018-2020年）》，除了落實人工智慧戰略“三步走”之外，包括AI晶片在內的三大核心人工智慧技術也成為重點突破對象。
當下的中美貿易戰，讓晶片等核心技術的自主研發再度得到了廣泛關注。但是，AI晶片火熱的背後，國產晶片行業面對的仍然是長長的征程。多數接受創業家&黑智採訪的公司都表示，在設計和封測領域，國內晶片公司在逐步向美國追趕，但是在製造環節上，中美之間還存在不小的差距。國內的晶片製造主要還是由台積電代工。
清華大學微電所所長魏少軍在今年的一場演講中表示，國內積體電路產能仍嚴重不足，而且可能出現部分節點上產能過剩、先進工藝節點產能不足的失衡問題。他指出，國內每年投入約45億美元用於積體電路研發，還不到英特爾一家公司年研發投入資金的一半。
資本正在給AI晶片行業帶來巨大的助推力，但其背後，晶片是個高投入、高風險、回報週期長的行業。對AI晶片快速投產、反覆運算的需求，是否能夠滿足市場的需求？資本推動帶來的創業公司估值上漲，是否會帶來行業的“虛火”？人工智慧市場爆發時間還未確定，人才和研發費用還存在巨大缺口，都是未來所需面對的問題。
不過，“彎道超車”之不易，在於起跑線的落後，與沒有起步的機會。而現在，在AI晶片領域，國產晶片和海外對手站上了同場競爭的舞臺。
“（AI晶片創業）兩到三年內會碰到一個低潮，今天的一部分甚至大部分的創業者將成為技術變革的先烈”，魏少軍說，“但是，這也仍是最令人動容的偉大事件。”