深度学习技术，犹如一管强大的兴奋剂，让中年迟暮的半导体产业整个沸腾了——“它能让现有的芯片性能提升1万倍”。正在经历“摩尔定律失效”危机的从业者们喜出望外，终于因深度学习而柳暗花明。随之而来的还有，前赴后继的赶风者，他们野心勃勃，手握前沿算法，纷纷誓言要做传统半导体行业的颠覆者……让资本和市场兴奋不已。
坊间传闻，仅仅2017年下半年，在全球最大晶圆代工厂台积电，忙碌的流水线上已积攒了超过30款人工智能芯片等待下线流片。作为芯片正式量产前的小规模试产，流片意味着芯片距离落地越来越近了。
AI时代下的“软”红利
中国是全球最大电子产品制造国，但芯片却一直是从业者们的一块心病。虽然中国市场消耗着全球近三分之一的芯片，但芯片自给率低却是不争的事实。业界早有“中国进口芯片比石油还多”的说法。“这个数字大概是10%左右，”芯片行业资深专家莫大康谈到中国芯片的自给率时说道，“一些机构给出的数字为17%，但这是把英特尔和三星在中国生产的芯片也计算在内。”
需求催生出市场。自上世纪90年代开始，华为海思、展讯、中星微等一批中国芯片企业崛起，但站在全球市场上来看，这远远不够，直到最近以深度学习为首的人工智能技术落地。依托中国人口红利的海量数据，资本加持、人才和巨大市场需求，让中国成为人工智能时代最具潜力的选手。同时，政府立志实现“人工智能强国”宏愿，人工智能芯片被列为八大关键技术之一。
一切因素向好，似乎中国芯弯道超车的机会终要来临，主角是人工智能芯片（AI芯片）。它又被称为深度学习芯片、神经元芯片，主要指专为深度学习计算特点和需求而设计的一类专用芯片。
根据AI财经社统计，国内以AI芯片为核心的创业规模公司为18家，成立时间多为1-2年，融资轮次集中在A轮及更早，多聚焦在端智能和视觉领域。
在这群极具挑战精神的人工智能芯片创业者中，中科寒武纪是最为耀眼的一家：已经拿下华为麒麟970芯片合作订单——将其人工智能芯片的设计专利植入麒麟970芯片，为华为Mate10、荣耀V10等旗舰手机加速。据业内人士透露，该款芯片的出货量将达到3000万片。
“公司如其名”。中科寒武纪依托于“国家队”创建，其中陈云霁、陈天石两兄弟为创始人。陈云霁9岁上中学，14岁进入科大少年班，是典型的“天才少年”。弟弟陈天石也基本沿袭了哥哥的成长路径。
“我毕业后一直做芯片，弟弟一直做算法——芯片加算法，正好诞生了‘寒武纪’人工智能芯片。”陈云霁说道。这位在2015年就入选《麻省理工科技评论》“全球最佳创新人士”的天才语出惊人：“要让人工智能芯片的计算效率提高1万倍，功耗降低1万倍。”这对遵循摩尔定律运转了近70年的半导体业而言，是一次巨大冲击！
过去，芯片的迭代周期为18个月，每一次迭代性能提升一倍。现在，“算法”这项软技能犹如九阳神功，要将硬件的铁律打破。也正因为此，在人工智能芯片创业团队中，大多数领头人为人工智能研究型学者或偏算法型人才，并没有沿袭芯片行业的传统——硬件科班出身。
早在2015年，英特尔豪掷167亿美元收购可编程芯片厂商Altera时，投行分析师Tony给出的投资意见就是，“VC们在面对这样的芯片创业者——根本没有意识到他们在从事软件工作，不具备软件知识，应该迅速撤离。”可编程芯片（FPGA）现已经成为芯片厂商进军AI的敲门砖。
随后的一年里，英特尔加大筹码，开启了“买买买”的大力布局战略，代表性的收购案包括以3.5亿美元收购AI芯片创业公司Nervana、4亿美元收购计算机视觉芯片Movidius、153亿美元收购自动驾驶供应商Mobileye等。大企业的布局，更加速了追风人的步伐。
也是在这一年，中国AI芯片产业迎来了软件算法出身的余凯入场。2015年11月，前百度研究院副院长余凯辞职，创立地平线（原“地平线机器人”）。那时，人工智能芯片还是一个让大多数中国从业者摸不着头脑的词。“这是一件非常具有远见的事。因为你看到了别人还没有看到的事情，”余凯谈道。
“低调内敛”、“不善言辞”等传统半导体从业者的标签被一一撕掉。取而代之的是深得互联网精髓的新生代，他们自备“代言人”属性，强调更快地迭代落地，慷慨激昂地讲述着PPT上陡峭的性能提升曲线。
2017年年初，埋头苦干两年后，地平线获得英特尔投资；年底，其首款专用人工智能芯片落地。“我们无疑是这个领域中最快的，没有第二。”活动结束后，余凯激动地对AI财经社说道。
2017年11月，人工智能独角兽公司商汤科技宣布引入高通的战略投资。这一芯片巨头表示，正是看中了商汤在机器学习模型与算法上的优势。早些时候，两家公司已就手机和物联网人工智能芯片达成合作。
2017年12月，人工智能芯片初创团队熠知科技（ThinkForce）横空出世，宣布完成4.5亿元A轮融资，成为芯片创业队中早期融资额最大的一笔。在其亮眼的投资人背景中——依图科技、云锋基金、红杉资本、高瓴资本，计算机视觉公司依图科技排在第一位。有业内人士指出，该团队早期曾在依图科技内部孵化而成。
创办于2012年，早期以提供语音识别、语音交互等技术方案的云知声也加入了战局。其首款集成人工智能算法的芯片将在今年完成流片。云知声联合创始人李霄寒博士向AI财经社表示，早在2014年，公司就有做芯片的想法，“因为智能家居跟手机不一样，不是纯软件就能解决问题”。
当然，在诸多以算法为核心实力的团队之外，还有“硬”背景出身的人工智能芯片公司。因获三星、赛灵思、联发科等芯片巨头投资而备受关注的深鉴科技，脱胎于清华大学电子系，其CEO姚颂是一位来自于2011届的90后。他在本科期间就发表了多篇相关论文，同时也是清华电子系学生科协主席。
2015年姚颂本科毕业。一年后，深鉴科技成立。“我们联合创始人之一韩松是在博士研究过程中转向算法方向的。”姚颂谈到团队背景，“做AI芯片靠纯硬件背景行不通。我们在机器学习、SLAM算法（实时定位和地图构建）等方面进行了长期研究。”
2014年创立于美国圣地亚哥，两年后选择在中国珠海落地的耐能科技也同样坚信着“硬件工程师”文化。创始人刘峻城曾供职于三星、高通等巨头公司的研发中心，创始团队多毕业于世界名校的电子工程系，拥有超过10年的芯片行业从业经验。2017年11月，耐能科技获得阿里巴巴、红杉、高通等数千万美元的A轮融资。
风口背后：伪概念和“拿来”主义
然而，这不过是冰山一角。早在2014年12月，“大基金”甫一成立就释放出强烈信号，这是一只200亿美元规模的国家集成电路产业投资基金。随后3年间，各级地方政府相继设立了超过30只半导体产业发展基金，公布的融资规模超过1000亿美元。
仅在资本层面，芯片市场已足够掀起一场创投狂欢。但就在从业者欢呼雀跃地拥抱人工智能芯片之时，它的定义似乎都还没准备好。“你不觉得AI芯片是个伪概念吗？”一位人工智能芯片创业者对AI财经社直言，“从半导体圈子的人来看，AI芯片概念比较怪，定义也非常宽泛。你做机器学习也是AI芯片，做深度学习也是AI芯片，做某几种特定算法也是AI芯片。”
地平线CEO余凯则对AI财经社分析道，广义的人工智能芯片是指能够很好地去支持主流算法，尤其是以深度学习为代表的算法的芯片。其中包括GPU（图形处理器）、一些性能不错的CPU和DSP（数字信号处理芯片）等。
狭义的人工智能芯片则要求高得多。它要围绕深度学习或者人工智能算法，对这颗芯片内部的架构和计算、存储单元进行专门设计，比如谷歌的TPU。
曾在高通、三星电子研发中心、晨星半导体等企业担任研发职务的耐能创始人刘峻诚则表示，在美国，人工智能加速芯片对应着严苛的NSF认证：“要让DNN（深度神经网络算法）计算功耗比提升1000倍的芯片”。（注：NSF是美国独立的非政府组织，专门致力于为各行业标准制订、产品测试和认证服务工作。）
可是这样的讨论仅限于认知层面。和指甲盖一般大小的芯片，一旦植入密密麻麻的电路板，再套上硬件的外壳，包装上理想的性能参数表，其“人工智能”的含量和真假实在难辨。
“去年就有一家公司出了款号称NPU（神经网络处理器）的芯片，但实际上，只是几颗传统DSP（数字信号处理器）芯片的组合，加上软件的修改。”芯片从业者吴力说道。
如果说概念炒作只是从业者的一个入门，那么，挖对手墙脚、“拿来”主义、噱头包装……才是进阶后的真正“套路”。年初，在刚结束的CES（全球消费电子展）上，中国人工智能芯片创业队是不容忽视的存在。展会期间，一篇关于人工智能行业芯片的采访报道这样写道：“我们敢为人先。完全舍弃了传统运算，采取了一种独特的新型架构……这将让我们获得全世界最好性能功耗比、最好性价比的芯片。”
百公里之外，正在赶去机场路上的Kevin看到报道后，异常气愤。他认为，文中所谓的“新型架构”，正是自家独有的专利技术，却被竞争对手公司拿来作产品宣传的新噱头。“这部分是我们公司的专利，2016年我们团队发布的论文中就已详细论述，2017年1月这篇论文被刊发在IEEE杂志上。”Kevin对AI财经社解释道，并翻出了论文原文和对应内容。他补充，该项专利已在美国和中国大陆申请到方法型专利保护，在中国台湾地区，专利还在提交过程中。
但迫于知识产权纠纷案件取证和指控都十分困难，Kevin并不打算将时间和精力耗费在起诉对手公司上。取证难是知识产权维权的主要障碍。上海浦瑞律师事务所合伙人邢路对此表示，“在侵犯商业秘密案件中，原告取证的难度要远远高于其他知识产权案件。起诉时间长，主要是取证复杂。”
Kevin之所以对竞争对手“窃取”自家专利技术如此肯定，其佐证之一在于该篇论文的其中一名作者在2017年初在被挖到了竞争对手公司。“那是当时团队成员的一名学生，他很清楚该专利的技术细节。”
激烈的技术竞争背后，隐含的是人才争夺的拉锯战。“高价码的薪资固然有吸引力，但这也是有代价的。”现为某上市公司深度学习加速项目负责人张然说道。春节后，张然打算跳槽，年底他正在物色更有活力的创业公司，但面试经历却让他心里有说不出来的别扭。
“我面试过一些相关企业，无一例外地，他们都会委婉地提出一个问题——能否快速地将原公司或原来的研究成果复制出来。”张然进一步解释道，“换句话说，就是让你把原公司的技术‘拿’到新公司来”。”
“大家都这样。”某知名创业公司CEO一语道出了行业的“潜规则”。“这个行业的准入门槛很高，站在外围的旁观者通常是缺少判断力的。”另一位人工智能芯片业者说道。
在“拿来主义”背后，是各家争相出头，一味追求速度的急功近利。芯片设计不再是一门高深的科技艺术。在工业化的流水线上，现在，一些追风人比拼的仅仅是组装能力。
对于初创芯片公司，要成立专门的系统级芯片设计部门存在一定风险。一旦市场暗淡或产品没能及时量产，此前的大笔投入将会付之东流。这时，一批设计代工厂商便应运而生，他们致力于提供完整的芯片设计打包方案。
当数家设计都集中涌向设计代工企业，他们没有花费太多精力打磨产品。一般来说，最为关键的人工智能计算加速部分——前端的芯片体系结构设计，应该由芯片创业公司自己完成。而接口、布线等其他后端工作交由代工设计方完成。
但“求快”的创业氛围改变了这一切。部分芯片创业公司有着“更精明”的打算。“有的人工智能芯片公司连前端的设计也都外包给代工方做。”有从业者透露。
无人驾驶太远，人人都想切安防蛋糕
行业早期竞争的乱象印证着市场的不理性，而更大的质疑还在于——能够支撑起产品落地的故事越来越难讲了。
在产业化落地方面，以安防/泛安防和智能手机为主要切入的市场和领域。其次，在云端的训练和大型数据处理中心也有数家公司有尝试与挑战，如中科寒武纪、深鉴科技等。离普罗大众的智能家居产品中也越来越多地需要针对语音交互、视觉处理等功能的专用芯片。
在这之中，产业成熟度最高、需求量最大的当属安防产业，2016年国内安防行业规模达到5410亿元，同比增长了11%，占据我国GDP的0.73%。在摄像头中加入人工智能芯片，不仅能提高其影像录制效率，还能为其加入人脸识别、身份比对、人数统计、行为分析等智能功能。
主打安防场景的深鉴科技乐观地表示，这个市场是巨大的。“海康威视一年的摄像头出货量是1亿台，大华是3千万台。”就市场规模而言，前端市场的芯片需求的确比服务器和云端的想象力更大。但这是一个“看上去很美”的市场。安防产业以传统和封闭著称，要撬开这扇大门并非易事。目前来看，面向AI芯片市场的存量仍十分有限，并且天平更多时候还是向“更便宜”的那一方倾斜。
在我们大谈人工智能芯片即将普及前，有一个前提需要被明确，只有规模化的出货量才能抵扣高昂的流片和研发投入。“28nm规格的芯片从投入到流片的投入大概是400万美元，如果能够卖出去100万片，每片的成本大概能摊到4美元，这比客户购买FPGA芯片便宜多了。”一位AI芯片创业公司CEO给AI财经社算了一笔账。
然而，这与现实情况相去甚远。“目前大概只有1％的安防设备应用了人工智能技术。海康威视对于英伟达一年的需求量在20万片的规模，这还是世界上最大的安防厂商需求量。”某上市公司深度学习加速项目总监张然表示。
如果说，“100万片”是现阶段AI芯片公司维持正常运转的出货量标准线，那么，一家AI创业芯片公司至少要谈下5家海康威视需求量级的大客户才行。此外，尽管是在这样有限的增量市场里，AI芯片创业公司也未能掌握独立的话语权。
现阶段创业公司所能提供的大多为折中方案，多采购第三方FPGA芯片再进行编程和优化，如Xilinx（赛灵思）、被英特尔收购的Altera等。“他们（创业公司）对芯片价格和用量是及其敏感的，用量多可能导致整体方案很贵。因为议价权还是掌握在FPGA厂商手中——他们并不会因为创业公司的方案而降价。”
但对于芯片巨头而言，如英特尔，针对客户的行业需求，他们讲给出一个打包后的解决方案价格，方案中涉及到的芯片使用量并不会影响方案价格的浮动。
当然，摩尔定律的另一面也同样值得重视，当人工智能芯片企业推出专用的芯片，“每隔18个月，芯片性能提升一倍的同时，其价格也将下降一倍。”在大部分从业者和投资人看来，AI芯片的增量市场仍大有可为。
在落地层面，性能和功耗之间的平衡也是硬性指标之一。追求性能容易，但功耗可能达不到。云知声IoT副总裁李霄寒介绍，因为格力对产品质量和相关验收标准及其严格，我们跟格力磨合了近一年时间。
仅次于“安防热”的，便是自动驾驶领域——同样面临着“雷声大、雨点小”的尴尬。谈到是否真正投身其中，大多数厂商仍持观望态度。
其原因主要在两个方面，一是具有真正意义上的自动驾驶汽车还未量产，更谈不上普及和规模化；其二，用于汽车的芯片，相较于工业级芯片有着更为严苛的性能考核机制，在其工作温度范围（-40℃~125℃）、耐受抗震能力、冗余设计等方面都加入了安全考量机制。
不过，在该领域仍不乏敢于挑战的试险者。前百度研究创始人副院长余凯博士创办的地平线就瞄准了该方向，在落地方面主要依靠和英特尔，也是其投资方之一，以合作的形式来获得大型整车车企的入场票。
在异构智能中国区总裁周斌看来，哪怕是自动驾驶训练和测试阶段，AI芯片也已经需求不断。“现在跑无人车的GPU芯片要占满整个后备箱，而且通常跑个半小时就需要停下来降温。在今年的CES现场，我们已经收到了很多关于该领域的需求。”
可以预见的是，2018年，将会是AI芯片产业密集落地的一年，深鉴科技、云知声、异构智能等一波芯片公司均在今年完成流片。芯片产业在搭载深度学习加速的火箭后，将以指数级速度向前发展。前是嗷嗷待哺的行业需求，后有巨额的产业基金刺激，人工智能芯片创业者受到了前所未有的关注和期待。
然而，逐风口的狂欢背后，也少不了荒唐的乱象和丛生的泡沫。概念模糊不清、贴牌式厂商滥竽充数、“拿来”主义司空见惯、一味追求速度的急功近利……随着落地步伐的加速，危机正在不断放大。
站在机遇和泡沫共存的十字路口，每一位赶风者都在理性与野心之间博弈。
