新闻中心

EEPW首页 > 智能计算 > 业界动态 > AI芯片风口背后:“拿来”主义盛行,代工贴牌也能做

AI芯片风口背后:“拿来”主义盛行,代工贴牌也能做

作者:时间:2018-02-06来源:虎嗅收藏
编者按:2018年,将会是人工智能芯片产业密集落地的一年,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。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。

  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。

本文引用地址:http://www.eepw.com.cn/article/201802/375470.htm

  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款人工智能等待下线流片。作为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。

  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。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。

  根据财经社统计,国内以人工智能芯片为核心的创业规模公司为18家,成立时间多为1年~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3.5亿美元收购人工智能芯片创业公司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,中国人工智能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。”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,“做人工智能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。

  “你不觉得人工智能芯片是个伪概念吗?”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,人工智能芯片概念比较怪,定义也非常宽泛。你做机器学习也是人工智能芯片,做深度学习也是人工智能芯片,做某几种特定算法也是人工智能芯片。”

  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。



  过去一年,中国芯片半导体领域投资事件为61起,总融资额超过1500亿人民币。来源IT桔子

  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年初被挖到了竞争对手公司。“当时团队成员里有一名学生,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,面向人工智能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消高昂的流片和研发投入。“28nm规格的芯片从投入到流片的成本大概是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。”一位人工智能芯片创业公司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20万片左右,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”是现阶段人工智能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,人工智能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,人工智能芯片的增量市场仍大有可为。


  2016年~2021年人工智能芯片市场整体规模变化。

  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,但同样面临着“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:

  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英特尔,英特尔也是其投资方之一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,人工智能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。”

  总结

  可以预见的是,2018年,将会是人工智能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。



关键词: AI 芯片

评论


相关推荐

技术专区

关闭