人工智能的應用浪潮推動了國產(chǎn)芯片的替代進程。為打破壟斷，國內(nèi)頭部及傳統(tǒng)的IC制造商試圖繞過被英偉達壟斷的GPU框架，集體轉向設計并研制專用計算芯片（ASIC）、FPGA及融合型異構處理器，以滿足人工智能市場廣泛需求的云端訓練及終端推理作業(yè)。
01 樓閣坍塌
2016年至今，中國人工智能產(chǎn)業(yè)蓬勃發(fā)展，一連出現(xiàn)了如商湯、曠視、科大訊飛、云從等獨角獸公司。時至2019年，這一現(xiàn)象達到高潮。
2017年，廣州市政府向云從科技注資3.01億美元，同年國有資本風險投資基金向曠視科技投入4.6億美元資金。2017年，中國人工智能初創(chuàng)企業(yè)股權融資額占全球總量的48%，高出美國10個百分點。截止2018年底，中國人工智能企業(yè)獲得風險投資總額接近1100億元，超過美國同期的93.3億美元；2019年10月，北京市海淀區(qū)政府為響應人工智能發(fā)展政策，提出愿為重點項目提供最高3000萬的資金支持···
然而，一切高歌猛進在復雜的中美摩擦中戛然而止。
2019年5月，華為公司及其在分布在國內(nèi)外的百家機構被美列入實體名單，大批量半導體斷貨。
6月21日，中科曙光、天津海光、成都海光集成電路等五家機構被列入實體名單。
10月7日，“黑色”恐怖相繼蔓延，海康威視、大華科技、科大訊飛、曠視科技、商湯科技、美亞柏科、頤信科技和依圖科技等28家中國與人工智能技術相關的機構和公司集體被列入實體名單，被限制從美國購買零部件。
面對突如其來的“制裁”，AI公司們能做的只有譴責。
科大訊飛表示，列入黑名單不會影響其日常運營。
美亞柏科表示，海外收入不足總收入1％、貨源大多來自國內(nèi)。
大華則在股東會議上表示，主營產(chǎn)品的多數(shù)組件可獲得替代。
然而正如一位業(yè)內(nèi)人士所說，一項超速發(fā)展的下游產(chǎn)業(yè)，很難不被緩慢進步的上游產(chǎn)業(yè)的缺口所牽制。
8家AI公司表面說沒事，實則暗地流血。
數(shù)據(jù)統(tǒng)計，?？低?00億元人民幣（合70億美元）的收入中有近30％來自海外；2019Q3財報顯示，?？低暣尕浗痤~由年初的57億增長到98億，浮動+71.96%；外幣借貸額增勢更明顯，由年初4.4億增長到期末45億，同比增長+929.69%，顯然，海康的資本重心發(fā)生了大角度轉變。
為避免帶有情緒的股民集體拋售，?？?、大華在名單公布當日一早，宣布了臨時停盤。
一位接近曠視科技的人士稱，“名單對公司上市進程影響很大···為繞開敏感GPU供應商，不得不把產(chǎn)品分成軟件、硬件兩標投。然而，一邊合作方將硬件加價掛牌出售，套走大筆利潤；另一邊，客戶以名單為由，坐地壓價甚至重新招標···”
由于AI公司普遍采用的美國產(chǎn)的半導體，此次事件對于8家AI公司影響頗大，并險些陷入此前與中興相似的境遇。若無自主可控的AI芯片，業(yè)務定位很難逃離微笑曲線谷底。
樓閣已塌。
據(jù)統(tǒng)計，在中國使用的半導體中，只有16%是國內(nèi)生產(chǎn)的，而這其中又僅有不到一半是由中國公司自主設計的。工業(yè)和信息化部科技司司長胡燕認為，人工智能的發(fā)展不能再走“沙灘建高樓”的模式，若芯片、操作系統(tǒng)等頂層基礎不突破，我們的人工智能產(chǎn)業(yè)，就是空中閣樓、是為別人做嫁衣。
AI公司受芯片牽制久已。由于抵擋不住“抽芯”壓力，人工智能產(chǎn)業(yè)迫切的需要國產(chǎn)芯片的一臂之力。而時至2019年底，這一產(chǎn)業(yè)的國產(chǎn)化替代趨勢初露頭角。
02 尋找最優(yōu)技術路線
為理解這個趨勢，需要從基礎技術談起。
首先，如何抽象人工智能？簡單來講，軟件通過對現(xiàn)有信息進行自動化分析并得到規(guī)律，利用規(guī)律對未知數(shù)據(jù)進行預測，便是人工智能最基本的工作流。
即便有了學術界數(shù)十年探索，工業(yè)界通過大量實踐得出一項共識：面對確定性問題，AI有著得天獨厚的優(yōu)勢；而面對不確定的問題，AI和人腦（動物腦）之間仍存在難以逾越的鴻溝。人腦善于線性推理，AI反之，善于高精度、大規(guī)模運算。人工智能的分支中的“強化學習”，就是在填補這個條鴻溝。
而在人類社會中，智力相較于勞動力，有著更高溢價范疇。
2012～2016年，巔峰時期的互聯(lián)網(wǎng)經(jīng)濟回歸基本面，一部分互聯(lián)網(wǎng)公司、AI初創(chuàng)解決方案商看到智能服務的缺口，人工智能創(chuàng)業(yè)浪潮隨之涌現(xiàn)。其中不乏涉及人臉識別、自動駕駛、機器學習等分支技術，并落地于金融、安防、工業(yè)、農(nóng)業(yè)、教育等領域。這些領域受數(shù)據(jù)隱私、商業(yè)機密限制，依賴高性能運算同時，對運算屬性需求獨立分散且靈活。
AI運算包含大量矩陣、卷積、積分等并行運算，我們熟知的CPU并不適用。為滿足不同環(huán)境下的AI運算，業(yè)界普遍采用GPU（圖形顯示卡）、FPGA（現(xiàn)場可編程邏輯門陣列）、ASIC（專用集成電路），亦或是在SoC內(nèi)封裝NPU（神經(jīng)網(wǎng)絡處理器）、IPU（圖像處理單元）等技術路線，以滿足AI的訓練（train）和推理(inference)。
云端訓練芯片市場，英偉達（Nvidia）一家獨大，主推GPU單卡或多卡集成主機方案。其GPU產(chǎn)品線覆蓋不同程度算力、不同數(shù)據(jù)類型的訓練需求，且編程環(huán)境成熟，產(chǎn)品支持市場上主要的開發(fā)框架和語言。然而由于成本等因素，GPU并不適用于AI推理端。國內(nèi)AI芯片廠也有著統(tǒng)一共識：絕不走純GPU路線，嘗試其他技術路線“繞道超車”。
FPGA，適用于高凈值的「推理端」，例如自動駕駛，工控集成，成本略高，優(yōu)勢在于定制性強、設計周期短，然而FPGA的設計人才難聘。同時，近些年來看，其高昂成本仍難以繞開。當然也有聲音稱，國內(nèi)某家智能駕駛公司與賽靈思合作，將進口單片成本降至2000元，配給主機廠做L2套件。
從經(jīng)濟角度講，F(xiàn)PGA具備“暫時性”替代ASIC芯片地位，可彌補ASIC長研發(fā)周期、流片周期的時間缺口，是目前少有能兼顧訓練和推理的高性能芯片。然則全球僅四家公司具備FPGA的生產(chǎn)能力：Xilinx（美）、Altera（被intel收購）、Lattice（美）、Microsemi，先有英特爾、IBM、德州儀器，再有摩托羅拉、飛利浦、東芝等公司成立獨立部門投入FPGA研發(fā)，均無疾而終。
ASIC（專用集成電路），研發(fā)-流片周期長，成本卻可降至FPGA十分之一水平。Google獨家技術的TPU（張量處理器）及英偉達DLA（Deep Learning Accelerator，深度學習加速器）即采用ASIC技術路線。國內(nèi)華為海思、寒武紀、比特大陸、嘉楠智耘等幾大芯片廠商，主要產(chǎn)品同樣采用該技術路線，目前已實現(xiàn)一定規(guī)模的量產(chǎn)。相比FPGA這類剛剛起步的技術路線，ASIC是國內(nèi)芯片生產(chǎn)商唯一能夠在短期獲得盈利的半導體產(chǎn)品。
面對殘酷的歷史教訓，傳統(tǒng)芯片廠也好，新晉半導體設計公司也好，量產(chǎn)推理端芯片，ASIC是最優(yōu)解。
首頁<上一頁123下一頁>尾頁人工智能的應用浪潮推動了國產(chǎn)芯片的替代進程。為打破壟斷，國內(nèi)頭部及傳統(tǒng)的IC制造商試圖繞過被英偉達壟斷的GPU框架，集體轉向設計并研制專用計算芯片（ASIC）、FPGA及融合型異構處理器，以滿足人工智能市場廣泛需求的云端訓練及終端推理作業(yè)。
01 樓閣坍塌
2016年至今，中國人工智能產(chǎn)業(yè)蓬勃發(fā)展，一連出現(xiàn)了如商湯、曠視、科大訊飛、云從等獨角獸公司。時至2019年，這一現(xiàn)象達到高潮。
2017年，廣州市政府向云從科技注資3.01億美元，同年國有資本風險投資基金向曠視科技投入4.6億美元資金。2017年，中國人工智能初創(chuàng)企業(yè)股權融資額占全球總量的48%，高出美國10個百分點。截止2018年底，中國人工智能企業(yè)獲得風險投資總額接近1100億元，超過美國同期的93.3億美元；2019年10月，北京市海淀區(qū)政府為響應人工智能發(fā)展政策，提出愿為重點項目提供最高3000萬的資金支持···
然而，一切高歌猛進在復雜的中美摩擦中戛然而止。
2019年5月，華為公司及其在分布在國內(nèi)外的百家機構被美列入實體名單，大批量半導體斷貨。
6月21日，中科曙光、天津海光、成都海光集成電路等五家機構被列入實體名單。
10月7日，“黑色”恐怖相繼蔓延，海康威視、大華科技、科大訊飛、曠視科技、商湯科技、美亞柏科、頤信科技和依圖科技等28家中國與人工智能技術相關的機構和公司集體被列入實體名單，被限制從美國購買零部件。
面對突如其來的“制裁”，AI公司們能做的只有譴責。
科大訊飛表示，列入黑名單不會影響其日常運營。
美亞柏科表示，海外收入不足總收入1％、貨源大多來自國內(nèi)。
大華則在股東會議上表示，主營產(chǎn)品的多數(shù)組件可獲得替代。
然而正如一位業(yè)內(nèi)人士所說，一項超速發(fā)展的下游產(chǎn)業(yè)，很難不被緩慢進步的上游產(chǎn)業(yè)的缺口所牽制。
8家AI公司表面說沒事，實則暗地流血。
數(shù)據(jù)統(tǒng)計，海康威視500億元人民幣（合70億美元）的收入中有近30％來自海外；2019Q3財報顯示，?？低暣尕浗痤~由年初的57億增長到98億，浮動+71.96%；外幣借貸額增勢更明顯，由年初4.4億增長到期末45億，同比增長+929.69%，顯然，?？档馁Y本重心發(fā)生了大角度轉變。
為避免帶有情緒的股民集體拋售，?？?、大華在名單公布當日一早，宣布了臨時停盤。
一位接近曠視科技的人士稱，“名單對公司上市進程影響很大···為繞開敏感GPU供應商，不得不把產(chǎn)品分成軟件、硬件兩標投。然而，一邊合作方將硬件加價掛牌出售，套走大筆利潤；另一邊，客戶以名單為由，坐地壓價甚至重新招標···”
由于AI公司普遍采用的美國產(chǎn)的半導體，此次事件對于8家AI公司影響頗大，并險些陷入此前與中興相似的境遇。若無自主可控的AI芯片，業(yè)務定位很難逃離微笑曲線谷底。
樓閣已塌。
據(jù)統(tǒng)計，在中國使用的半導體中，只有16%是國內(nèi)生產(chǎn)的，而這其中又僅有不到一半是由中國公司自主設計的。工業(yè)和信息化部科技司司長胡燕認為，人工智能的發(fā)展不能再走“沙灘建高樓”的模式，若芯片、操作系統(tǒng)等頂層基礎不突破，我們的人工智能產(chǎn)業(yè)，就是空中閣樓、是為別人做嫁衣。
AI公司受芯片牽制久已。由于抵擋不住“抽芯”壓力，人工智能產(chǎn)業(yè)迫切的需要國產(chǎn)芯片的一臂之力。而時至2019年底，這一產(chǎn)業(yè)的國產(chǎn)化替代趨勢初露頭角。
02 尋找最優(yōu)技術路線
為理解這個趨勢，需要從基礎技術談起。
首先，如何抽象人工智能？簡單來講，軟件通過對現(xiàn)有信息進行自動化分析并得到規(guī)律，利用規(guī)律對未知數(shù)據(jù)進行預測，便是人工智能最基本的工作流。
即便有了學術界數(shù)十年探索，工業(yè)界通過大量實踐得出一項共識：面對確定性問題，AI有著得天獨厚的優(yōu)勢；而面對不確定的問題，AI和人腦（動物腦）之間仍存在難以逾越的鴻溝。人腦善于線性推理，AI反之，善于高精度、大規(guī)模運算。人工智能的分支中的“強化學習”，就是在填補這個條鴻溝。
而在人類社會中，智力相較于勞動力，有著更高溢價范疇。
2012～2016年，巔峰時期的互聯(lián)網(wǎng)經(jīng)濟回歸基本面，一部分互聯(lián)網(wǎng)公司、AI初創(chuàng)解決方案商看到智能服務的缺口，人工智能創(chuàng)業(yè)浪潮隨之涌現(xiàn)。其中不乏涉及人臉識別、自動駕駛、機器學習等分支技術，并落地于金融、安防、工業(yè)、農(nóng)業(yè)、教育等領域。這些領域受數(shù)據(jù)隱私、商業(yè)機密限制，依賴高性能運算同時，對運算屬性需求獨立分散且靈活。
AI運算包含大量矩陣、卷積、積分等并行運算，我們熟知的CPU并不適用。為滿足不同環(huán)境下的AI運算，業(yè)界普遍采用GPU（圖形顯示卡）、FPGA（現(xiàn)場可編程邏輯門陣列）、ASIC（專用集成電路），亦或是在SoC內(nèi)封裝NPU（神經(jīng)網(wǎng)絡處理器）、IPU（圖像處理單元）等技術路線，以滿足AI的訓練（train）和推理(inference)。
云端訓練芯片市場，英偉達（Nvidia）一家獨大，主推GPU單卡或多卡集成主機方案。其GPU產(chǎn)品線覆蓋不同程度算力、不同數(shù)據(jù)類型的訓練需求，且編程環(huán)境成熟，產(chǎn)品支持市場上主要的開發(fā)框架和語言。然而由于成本等因素，GPU并不適用于AI推理端。國內(nèi)AI芯片廠也有著統(tǒng)一共識：絕不走純GPU路線，嘗試其他技術路線“繞道超車”。
FPGA，適用于高凈值的「推理端」，例如自動駕駛，工控集成，成本略高，優(yōu)勢在于定制性強、設計周期短，然而FPGA的設計人才難聘。同時，近些年來看，其高昂成本仍難以繞開。當然也有聲音稱，國內(nèi)某家智能駕駛公司與賽靈思合作，將進口單片成本降至2000元，配給主機廠做L2套件。
從經(jīng)濟角度講，F(xiàn)PGA具備“暫時性”替代ASIC芯片地位，可彌補ASIC長研發(fā)周期、流片周期的時間缺口，是目前少有能兼顧訓練和推理的高性能芯片。然則全球僅四家公司具備FPGA的生產(chǎn)能力：Xilinx（美）、Altera（被intel收購）、Lattice（美）、Microsemi，先有英特爾、IBM、德州儀器，再有摩托羅拉、飛利浦、東芝等公司成立獨立部門投入FPGA研發(fā)，均無疾而終。
ASIC（專用集成電路），研發(fā)-流片周期長，成本卻可降至FPGA十分之一水平。Google獨家技術的TPU（張量處理器）及英偉達DLA（Deep Learning Accelerator，深度學習加速器）即采用ASIC技術路線。國內(nèi)華為海思、寒武紀、比特大陸、嘉楠智耘等幾大芯片廠商，主要產(chǎn)品同樣采用該技術路線，目前已實現(xiàn)一定規(guī)模的量產(chǎn)。相比FPGA這類剛剛起步的技術路線，ASIC是國內(nèi)芯片生產(chǎn)商唯一能夠在短期獲得盈利的半導體產(chǎn)品。
面對殘酷的歷史教訓，傳統(tǒng)芯片廠也好，新晉半導體設計公司也好，量產(chǎn)推理端芯片，ASIC是最優(yōu)解。
首頁<上一頁123下一頁>尾頁03 云端訓練
AI芯片的供需主要分為兩類：云端訓練，終端推理。
AI訓練階端，主流云端訓練采用GPU + CPU、FPGA + CPU等形式。Google則采用自研TPU（一種ASIC）+ CPU。
剛剛提到，云端GPU英偉達一家獨大，市場近乎壟斷，國產(chǎn)翻身很難。是因為GPU在并行計算方面具有天然優(yōu)勢。而FPGA的定制化能夠補足GPU的部分劣勢。普華永道預測，云端芯片中FPGA將與GPU共存很長一端時間。
由于云端訓練芯片的研發(fā)投入大、流產(chǎn)風險高，國內(nèi)僅有少數(shù)公司能夠進入該領域。目前有，華為海思昇騰系列（SoC），阿里含光，依圖QuestCore，燧原，景嘉微（GPU）等。
華為昇騰系列：
2018年10月10日，華為正式在2018全聯(lián)接大會上發(fā)布昇騰310和昇騰910兩款AI芯片。昇騰系列可以看做華為AI芯片的拼圖，這張拼圖一共5塊：Max，Mini，Lite，Tiny和Nano。昇騰910屬于Max那塊，一經(jīng)發(fā)布就直奔310W的TDP，算力達256TFOPS。華為自稱910是目前單芯片計算密度最大的芯片，計算力甚至遠超谷歌（TPU）及英偉達（GPU）。
而昇騰310占據(jù)Mini板塊，最大功耗僅8W，是極致高效計算低功耗AI芯片，用于推理端。推理端芯片之后會講到。
時至2019年8月23日，昇騰910（Ascend 910）的商用版本才在深圳正式發(fā)布。
關于昇騰910的性能，徐直軍表示，昇騰910技術表現(xiàn)超預期，配合MindSpore（華為推出的自主可控的AI計算平臺），在ResNet50網(wǎng)絡的訓練中，效果超現(xiàn)有主流訓練單卡配合TensorFlow兩倍提升之多。
面對昇騰強大性能，「互聯(lián)網(wǎng)周刊」甚至在《2019人工智能服務器TOP25》榜單中把該系列芯片排在了第一位，而服務器市場占有率超51%的浪潮科技僅僅名列第6。
然而，昇騰目前最大問題是，來自對于主流AI開發(fā)框架的支持程度未知，如TensorFlow、PyTorch等，徐直軍在發(fā)布會上一直未提及。MindSpore并不一定能完全取代上述幾種開源AI框架，這是一個伏筆，華為想把MindSpore做出成績來尚需一端時間。
整體來看，昇騰910已經(jīng)準備好了進入商業(yè)化初期階端，對于自主可控要求較高的云服務商、AI服務商值得期待下。
以上這些AI訓練芯片并非無懈可擊。其入市前遇到的矛盾甚至比昇騰910還多，普遍缺少類似Nvidia公司CUDA軟件層，所以還是那個觀點：在推出穩(wěn)定的開發(fā)接口上，培養(yǎng)足夠量級的開發(fā)者仍有待時日。
昇騰910首次亮相披露的合作伙伴有四維圖新、用友網(wǎng)絡、浪潮信息、長亮科技、超圖軟件、東方通、東方國信、華宇軟件等。
國產(chǎn)GPU景嘉微：
11月28日，國產(chǎn)GPU廠商景嘉微與國內(nèi)高性能計算機廠商長城科技簽署了10萬塊GPU采購協(xié)議（擬采購）。
景嘉微，可能很多人不太了解，甚至都沒聽說過，A股股民一定熟悉：這是國內(nèi)唯一一家上市、并能夠生產(chǎn)自主可控的圖形顯示卡制造商。
近年，景嘉微先后推出的JM5400、JM7200型號顯卡整體帶動國產(chǎn)GPU實力提升一大截。剛剛說的10萬塊采購協(xié)議，便是最新型號JM7200顯卡。
此前有消息稱，景嘉微將于2020年也就是明年將推出JM9系列顯卡，有網(wǎng)絡媒體把這塊顯卡參數(shù)與英偉達產(chǎn)品線的產(chǎn)品進行對比，發(fā)現(xiàn)JM9系列堪比同等性能、功耗更低的GTX1080。
回到供貨長城一事。此前，景嘉微業(yè)務限制于軍工、航天，并無介入商用、消費市場。甚至這幾公司的2018年報顯示，全年應收賬款的86.06%來自中航工業(yè)。
目前來看，景嘉微業(yè)務線可能會在2019年發(fā)生轉變。先是國產(chǎn)芯片市場的缺口越裂越大，然后是供貨長城一事。尤其在國內(nèi)相關科技公司被美國列入出口管制實體名單后，云計算芯片國產(chǎn)替代需求大增，JM系列雖然和英偉達技術差距4、5年，但自主可控的缺口已到來，供不應求，明年的JM9系列很有潛力進入商用云計算領域，或是與國產(chǎn)CPU一同出現(xiàn)在政務辦公整機、工控機、高端機床等。
燧原科技：
燧原科技是少有自主研發(fā)云端AI芯片的初創(chuàng)企業(yè)。這里說它初創(chuàng)，一是公司成立時間短，二是采用的芯片架構非常新（DTU），沒有得到市場驗證。
2019年12月，燧原科技發(fā)布兩款訓練卡：T10，T11。兩張卡搭載燧原自研芯片“邃思”，最大功耗分別是225W及300W。其中云端訓練卡T10半精度及混合精度下算力達80TFLOPS。
燧原從成立到兩款板卡推出，時間上僅用了21個月，按照公司發(fā)布會上的說法，T10、T11將在2020年第一季度出貨。屆時，市場反饋值得期待。
數(shù)據(jù)顯示，燧原COO張亞林持股27.4%，CEO趙立東對等持股27.4%，而背后另一大股東是來自互聯(lián)網(wǎng)巨頭：騰訊（23.2%）。此外，曾帶頭作出國內(nèi)第一顆移動高速存儲芯片、兆易創(chuàng)新創(chuàng)始人朱一明也通過投資關系占股0.35%。
外界猜測，按照創(chuàng)始人前職務來看，邃思大概率采用內(nèi)置CPU、GPU、NPU等模塊的融合型異構框架，這也是AMD最具代表性的處理器技術路線之一（APU）?？傊?，值得期待。
首頁<上一頁123下一頁>尾頁04 終端推理
推理端芯片近乎空白。
根據(jù)移動互聯(lián)網(wǎng)發(fā)展經(jīng)驗，消費電子、基礎設施等推理端產(chǎn)品的芯片需求量及增長速度將遠超訓練端市場。而剛剛提到的GPU芯片并不適用推理。
無論是中國還是美國，AI推理芯片的發(fā)展仍處于早期。
廣證恒生分析師認為，AI芯片競爭格局未定，即便在云端AI芯片英偉達一家獨大的情況下，國產(chǎn)邊緣端（推理）芯片，國產(chǎn)化有廣闊的應用場景和市場空間。
在此基礎上，多家不同技術路線的AI芯片廠商涌現(xiàn)。
首先是FPGA。國產(chǎn)FPGA并不是沒有公司做，而是大多和軍工、衛(wèi)星項目掛鉤，難以供給民用端。存儲芯片龍頭紫光國徽，分支業(yè)務線中也推出了國內(nèi)較為稀缺的自主可控FPGA，并計劃2020年推出28nm制程的相關產(chǎn)品。華微電子研制出國內(nèi)首個自主可控的宇航用FPGA芯片，目前被報道是華為二級供應商。
FGPA技術路線具有幾大特點：性價比，低功耗，可編程。通過定制，可以適應深度學習、機器學習等在云端做的模型訓練。但橫向來看，國內(nèi)外利用FGPA的部署AI服務器的量還不能與GPU相提并論，主要原因就是：太貴。
開發(fā)框架也沒有開源，IP閉鎖。FGPA是一種趨勢，未來BAT或許會更多采用FGPA集成AI算法。CPU頭部的英特爾最先注意到現(xiàn)階端FGPA與GPU的差距，急忙忙一連收購了多家FPGA創(chuàng)業(yè)公司。
IoT也好，AIoT也好，單純做推理，搭載ASIC是不錯的選擇。根據(jù)不同需求，衍生兩條思路：IoT網(wǎng)聯(lián)后做邊緣運算，搭載于邊緣服務器；或直接搭載于終端設備。這里值得強調(diào)：由于數(shù)據(jù)隱私，ASIC暫無法被云端推理+5G取代。
嘉楠耘智就是一家ASIC芯片設計公司。嘉楠創(chuàng)辦初期，2014年成功量產(chǎn)55nm芯片、2015年28nm、2016年16nm，2018年直接突破7nm。流片良品率放在一邊，單純看7nm工藝，不得不說里面的噱頭占比較高。例如，最高每秒50TH算力、主機大小的阿瓦隆1066礦機中塞下了342枚16nm制程A3205芯片。工藝難度越高、集成電路體積越小的流片，即便良品率被低，成本仍在可接受范圍。所以，芯片做小非常討巧。只不過2018年嘉楠7nm概念被瘋炒后又被實錘，為嘉楠當時的赴美上市計劃帶來了負面影響。直到2019年下半年，區(qū)塊鏈概念才被普遍關注，嘉楠逮住機會再次赴美上市、拿下了國產(chǎn)“區(qū)塊鏈+AI+芯片”第一股的稱號。
嘉楠耘智轉向AI芯片的動因很簡單：比特幣挖礦的生意越來越難做。2017到2018年，嘉楠靠出售礦機營收增幅106%，而凈利潤逆勢下滑67.4%，截至2018年6月30日的6個月里，嘉楠的總收入為19.471億元人民幣；但在截至2019年6月30日的6個月里，嘉楠的總收入僅為2.888億元人民幣(合4210萬美元)，降幅為85.2%。
到了2019年，伴隨著比特幣10萬元神話跌落，嘉楠礦機的毛利潤率又一次被腰斬。
挖礦潮退燒，嘉楠需另尋出路。
此消彼長。嘉楠沿襲制造礦機的思路，擬量產(chǎn)適用于邊緣計算服務器的勘智K210等系列ASIC芯片。按照目前能夠找到的資料顯示，這塊指甲蓋大小的芯片能夠在定制版卡上流暢地跑人臉識別算法。
拼條命去搭的人工智能市場的首班車。嘉楠在招股書里不斷強調(diào)勘智K210的各種優(yōu)點，并提及另一款名為K510的芯片將于2020問世。當然，K系列芯片有沒有人買單就是另一回事了，至少嘉楠是少量擁有完整制造ASIC經(jīng)驗的IC設計廠商之一。
為產(chǎn)品可靠性考慮，目前主流的視頻、語音推理端芯片還仍圍繞ARM、英偉達Xavier（SoC）、海思。這里提一下華為海思，雖然在業(yè)內(nèi)，海思多款芯片被各路吐槽、貼吧論壇里流傳著各路黑，但不管怎么說海思是目前能夠唯一一家能覆蓋視頻處理、手機、顯示器、機頂盒等基本生活家電的芯片廠，我們有理由相信，海思的產(chǎn)品更適合中國市場，并且上下游供應鏈成熟，穩(wěn)定供貨有底氣。
定義上講，寒武紀科技是全球第一個成功流片并擁有成熟產(chǎn)品的AI芯片公司，2016做起了推理端AI處理器IP和云端AI加速卡兩條產(chǎn)品線。
2016年，寒武紀發(fā)布了首款10nm工藝的1A處理器(Cambricon-1A)，當時這款芯片反響很大，特別是因為2016年，10nm工藝剛剛進入工業(yè)市場，臺積電剛剛宣布能夠支持10nm工藝，這家初創(chuàng)公司便向臺積電下放了訂單，并在2018流片成功。在芯片發(fā)布同時，寒武紀給出了完整配套開發(fā)環(huán)境：Cambricon NeuWare SDK。
2017年，華為麒麟970搭載寒武紀NPU上線。與華為合作的招牌成功為寒武紀帶來巨額熱錢，公司在2017、2018之間不足一年的時間里，依靠兩次上億元美金的投資，估值直接飆升至25億美金。相比同時期成立的AI芯片設計商，寒武紀在還沒有對等的實際收入前提下，已經(jīng)在資本市場占有一席。
05 底層重建 or 擁抱全球分工？
一種關于未來趨勢的說法是，技術領域將逐步走向兩個平行系統(tǒng)，以方面多多少少倚靠美國，一方面完全擺脫美國。后者里面，臺積電（TSMC）和ARM便是很好案例。
而一些AI細分領域，如智能語音，國內(nèi)的全志、海思、Amlogic（晶晨半導體）等已處于領先地位。
然而，一項產(chǎn)業(yè)的建設一日建成的可能。以國產(chǎn)數(shù)據(jù)庫為例，前不久，一家國產(chǎn)數(shù)據(jù)庫廠商的高管表示，即便企業(yè)不用Hadoop一類軟件，主流國產(chǎn)數(shù)據(jù)庫的代碼量還只是幾千萬行量級，Oracle幾年前就達到了1億行，追是可以追，但追上還要花“點”時間。
想想幾年前阿里提出的“去IOE”化，實現(xiàn)難度并不是一家企業(yè)、集團能夠赤手一搏的。國產(chǎn)芯替代的進程也注定不會順風順水。另外一些矛盾在于，企業(yè)為生存為利潤會更愿擁抱全球分工。半導體產(chǎn)業(yè)的國產(chǎn)化，大量底層技術的起步無異于重建，投入與資本風險不能小覷。
所以，是從最底層開始重建一遍，還是繼續(xù)擁抱全球分工？
如果以眼下世界芯片格局來看，中國大概率會從今年起，通過刺激資本，將技術流向轉移到以芯片制造業(yè)為主導的產(chǎn)業(yè)推進。什么是供給側改革？這便是。
歷史上，每一代半導體新巨頭和新興地區(qū)的出現(xiàn)都伴隨著終端遷移：PC市場成就了英特爾；移動市場成就了ARM、高通、三星、臺積電；而在AIoT的普及趨勢中，中國IC廠商很可能脫穎而出。眼下，中國已是AI公司、芯片公司創(chuàng)業(yè)和發(fā)展最旺盛的時期，而全球范圍來看，中國目前已經(jīng)是傳統(tǒng)產(chǎn)業(yè)智能化需求最旺盛的市場。
2019可以說是國產(chǎn)半導體產(chǎn)業(yè)轉折性的一年。截至發(fā)稿，中證全指半導體指數(shù)半年漲幅超98%，動態(tài)市盈率（TTM）超85。國聯(lián)安半導體基金指數(shù)也已經(jīng)在2019后半年與滬深300指數(shù)拉開明顯差距。
眼下，以AI芯片為導向的半導體產(chǎn)業(yè)路線逐漸明晰，而背后的芯片代工及封測等工藝接收到訂單需求也逐漸增多，或許在未來10年，我們可以看到一批在AI市場中幸存下來的獨角獸，也或許可以親眼目睹半導體基礎技術的飛速發(fā)展。
本文章為techweb作者獨立觀點，不代表任何投資立場。
作者：胥崟濤
郵箱：xuyintao@techweb.com.cn
參考文章：
1，《從中美投資差異看國內(nèi)人工智能產(chǎn)業(yè)發(fā)展趨勢》，廣證橫生，魏也娜。
2，《2019人工智能未來企業(yè)排行榜》，互聯(lián)網(wǎng)周刊。
3，《芯事：一本書讀懂芯片產(chǎn)業(yè)》，謝志峰，陳大明。
4，《AI芯片市場正快速起航，國內(nèi)邊緣芯片面臨更大機遇》，平安證券，閆磊。
5，《長沙景嘉微電子股份有限公司2019年半年度報告》，巨潮資訊。
首頁<上一頁123下一頁>尾頁（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
