從普普通通的石英砂，到電子信息行業皇冠上的明珠，每一顆芯片都要經歷極其嚴苛、難度極高的淬煉才能達到99.9999%的純度，集科學見解、工業設計、高質量管理和創新思維于一體，成就如城市交通網絡一般浩瀚的電路。
芯片是中國信息產業的基礎，發展至今已有60年，是構筑大國競爭力的核心產品之一，對國民經濟和社會發展意義重大。隨著經濟增長狀況穩定，AI芯片在智能手機、智能音箱、可穿戴設備、VR、無人機等領域遍地開花，產業潛力也在逐漸釋放。中國芯片的自主發展之路雖然困難重重，但中國芯企業積極樹立全球視野、準確判斷方向、把握市場規律，快速集成各領域先進技術，專注客戶需求和系統整合，走出了一條開放式創新的商業化之路。
從中國芯的崛起之路，看未來AI芯的大格局。未來的智能時代需要什么樣的AI芯片？產業的超級價值是什么？AI芯片的發展將會遇到哪些挑戰？這些問題值得我們深入探討。
中國芯的集成之路
從2018年到2019年，接連發生的“卡脖子”事件讓芯片成為大眾矚目的焦點。一時間，各界人士紛紛發表觀點，引起業內對芯片產業的深刻反思。此次事件也警醒了國人，自主發展核心芯片成了社會共識，這是迎難而上、化危為機的最佳時機。那么，芯片的國產化之路該如何走下去？怎么補齊AI芯片關鍵技術的短板？
鰭式場效應晶體管發明人胡正明博士指出：“普及集成電路知識、梳理產業發展歷程、介紹產業鏈各環節，是提高集成電路產業認知度和中國集成電路產業人才培養的基礎性工作。”把脈芯片行業自身發展規律和經營特點，是芯片產業從新出發的起點。中國芯也此開啟了崛起之路的新篇章。
2019年9月，中國的AI芯片行業熱鬧非凡，華為與阿里分別發布了號稱“全球算力最強”的AI芯片——華為昇騰910和阿里的含光800。兩者的相同之處是都在云端部署，兩者的區別在于，昇騰910側重訓練芯片，含光800側重推理芯片，分屬深度學習的兩個階段。訓練芯片注重絕對算力，推斷芯片更注重單位能耗算力、時延、成本等綜合指標。目前，AI芯片的中國市場中，阿里、百度和華為都有了自己的芯片，巨頭們無時不刻不在觀望。
從產業變革角度看，集成電路行業的每次迭代，都深刻著改變產業結構和行業格局。在“云+AI+IOT”模式的帶動下，AI芯片從市場早期走向沉淀期，加速現實場景的應用落地。目前，神經網絡的尺寸越來越大，參數越來越多。傳統的CPU與GPU雖然都可以拿來執行AI算法，但CPU、GPU并不是AI專用芯片，內部有大量其他邏輯，而這些邏輯對于目前的AI算法處理速度慢、性能低，無法實際商用，更一步顯示出AI芯片自主研發的重要性。
從概念上講，芯片是集成電路形成的產品，AI芯片被稱為AI加速器或計算卡，專門用于處理人工智能應用中的大量計算任務模塊，也泛指針對AI算法的ASIC專用芯片。當前AI芯片主要是GPU、FPGA、ASIC，按照使用場景可以分兩類，一類是訓練和推斷都能夠適配的CPU、GPU、FPGA；另一類是推斷加速芯片，比如寒武紀的NPU、深鑒科技DPU、地平線的BPU，這類產品既有產品，又提供IP讓其他開發者將深度學習加速器集成到SOC內。
從算法方面分析，據EETOP介紹，在圖像識別等領域常用的CNN卷積網絡，在語音識別、自然語言處理等領域主要是RNN。這是兩類有區別的算法，本質上都是矩陣或vector的乘法、加法配合一些除法、指數等算法。一個成熟的AI算法，如YOLO-V3，就是大量的卷積、殘差網絡、全連接等類型的計算，本質是乘法和加法。
中國芯的長期發展，離不開基礎材料、工業設計、精加工、軟件設計、生產線等，這背后需要在國家戰略層面實施系統布局，建立起足夠的技術升級能力、周期擴展能力和綜合管理能力；合理引導和協同創新，協調政策、投資、技術、人才與市場的經營關系；留住海外回流人才，夯實根基自主創新，全力沖刺穩健發展。
超級商業價值和競爭格局
2000年，互聯網浪潮拉開了AI芯片的序幕。2010年前后，數據、算法、算力和場景四大因素的逐漸成熟帶來了人工智能產業的爆發式增長。申威、沸騰、兆芯、龍芯、魂芯以及云端AI芯片的開發，標志著國產芯片之路啟航，重塑中國芯的產業格局。
以史為鑒，處理器造就出英特爾、高通兩大巨頭，存儲器造就了三星半導體。AI芯片作為計算最底層的根基，將成為處理器領域最主要的增長動力。根據Tractica的預測，到2024年深度學習在軟件方面的市場價值就將超過104億美元，硬件和服務方面的收入將會是軟件市場規模的數倍以上，而AI芯片是深度學習硬件部分的核心，將有望造就多個百億美金市值公司。
如，潤欣科技“集成電路+芯片+5G+高傳送”模式，近期橫盤震蕩，有沖高的趨勢。遠望谷，“芯片+物聯網+創投”模式，近期呈現小步上揚形成龍聚首；同有科技“芯片+大數據+云計算+軍工”模式，概念屬性強。對A股上市公司的價值判斷，不僅需要從個股的技術面來看，也要結合基本面與熱點分析。
目前，AI芯片處于市場早期向沉淀期過渡的時期，技術與產品處于市場推廣階段，從業企業目前基本沒有盈利。國內幾家聲量較大的公司，如寒武紀、地平線、深鑒科技、耐能科技等，均采用“大客戶捆綁”模式，滲入市場。
2014年是我國集成電路產業發展的新起點。2014年6月，國務院正式出臺了《國家集成電路產業發展推進綱要》，再次強調集成電路產業是信息技術產業的核心，明確指出以需求為導向、以整機和系統為牽引，提出“芯片—軟件—整機—系統—信息服務”產業鏈的計劃。
如果說不斷創新是AI芯片行業發展的主旋律，那么持續投資就是行業發展的基本要求。2014年9月，國開金融、中國煙草、亦莊國投、中國移動、上海國盛、中國電科、紫光通信、華芯投資等作為發起人，吸引大型企業、金融機構以及社會資金的國家集成電路產業基金公司（“大基金”）正式注冊成立，為一系列企業的發展提供支持。例如，長電科技并購新加坡星科金朋。
2018年，擁有14億人口的中國市場成為全球關注的焦點。在中國市場，“云+AI+IOT”模式推動AI芯片的生產制造在各個賽道鋪開，各項技術路線或將迎來新的競爭。除了原住民寒武紀、聯發科、臺積電等，華為、阿里和小米等移動終端企業也紛紛加入，標志著芯片行業進入了異構計算的發展時代。
產業鏈協同：華為+寒武紀，合作開發AI芯片
據The Infomation報道，繼海思之后，華為內部正加碼推動的“達芬奇計劃”，其內容包括數據中心開發的新的華為AI芯片，支持云中的語音和圖像識別等應用，讓公司所有產品和業務融入AI技術。億歐網消息，華為一位經理透露，雖然華為目前使用英偉達芯片來為其服務器增加AI功能，但華為希望減少對英偉達的依賴，并且，華為希望能為客戶建立網絡和數據中心，提高華為在AI方面差異化的競爭力，而這種競爭力一旦成熟，可能首先刺激的就是英偉達。
專注手機AI芯片的寒武紀科技，深度學習專用處理器（Neural-network Process units，NPU）較為典型。“寒武紀1A深度學習處理器”芯片在華為手機麒麟970上的應用，成為了世界首款集成人工智能專用處理器的手機芯片。據澎湃新聞報道，2019年6月，寒武紀端云一體的產品體系進一步升級，寒武紀推出云端AI芯片中文品牌思元、第二代云端AI芯片思元270（MLU270）及板卡產品。
產業投資：阿里技術投資+自研，小米財務投資多家AI初創企業
阿里巴巴成立獨資芯片公司，著眼AI和量子計算。目前平頭哥芯片主要應用在家庭場景，如天貓精靈、酒店控制等。據杭州報道消息，阿里巴巴CTO張建鋒表示，阿里巴巴已經將芯片業務拆分整合進入平頭哥公司，平頭哥公司不僅需要研發芯片，還需要承擔產業化推廣、構建生態等任務。關于阿里巴巴的AI布局的詳細解讀，詳節點財經（ID：jiedian2018）專題報道《阿里的AI局》。
對于集成電路的投資，小米比華為更為熱衷，“小米系”陣營的IC隊伍逐漸壯大。2017年，小米與長江產業基金共同成立湖北小米長江產業基金合伙企業（有限合伙），小米科技持股17.2265%。啟信寶顯示，小米投資了晶晨半導體、樂鑫科技、芯原等集成電路企業。據集微網報道，有觀點認為小米入股沖擊科創板的芯原微電子或加速小米造芯之路，也有業內人士表示，小米投資芯原應該是財務投資為主。
大客戶捆綁：深鑒、地平線、耐能，綁定大客戶成供應商
深鑒、地平線、耐能等企業分別專注AI芯片的細分領域，采用“大客戶捆綁”模式構建市場機制，預期進入大客戶供應鏈。但與大客戶達成合作，需要通過一系列嚴苛的審核標準。
我們以“如何與世界三家頂尖消費電子公司飛利浦建立合作”為例。如果廠商想成為飛利浦的優選供應商，需要滿足16項審核標準與飛利浦供應商評級中最高級的“伙伴供應商”相同才會達成合作意向。即A綜合信息、B領導力、C市場與服務、D項目管理、E創新/研發/工程技術、F軟件、G采購、H生產、I質量、J供應鏈/物流、K信息技術、L可持續發展、M財務、N人力資源管理、O供應鏈安全保障、P飛利浦相關事業部的特定審核要求。
通常，飛利浦每年進行一次較大規模的資格審核。通過審核則繼續有訂單，如審核未通過，則根據不良項目的嚴重性要求供應商限期內提交解決對策并限期整改，再次審核如仍不能通過則取消供貨資格。
深鑒科技專注安防的AI芯片應用開發，于2018年被賽靈思收購。在資本市場表現較為不俗。自2016年3月成立以來，深鑒科技獲得三輪融資，投資方有金沙江創投、高榕資本、螞蟻金服、Xilinx、聯發科、華創資本等。2018年，深鑒科技被賽靈思收購。業內人士表示，老牌巨頭賽靈思有可能是為了應對博通、英特爾、華為等公司在AI領域中國市場的步步緊逼。深鑒科技專注安防的AI芯片應用開發，于2018年被賽靈思收購。在資本市場表現較為不俗。自2016年3月成立以來，深鑒科技獲得三輪融資，投資方有金沙江創投、高榕資本、螞蟻金服、Xilinx、聯發科、華創資本等。2018年，深鑒科技被賽靈思收購。業內人士表示，老牌巨頭賽靈思有可能是為了應對博通、英特爾、華為等公司在AI領域中國市場的步步緊逼。
地平線科技專注邊緣AI芯片，主要在智能駕駛等領域進行應用開發。據央廣網報道，2019年上海車展期間，地平線宣布與首汽約車、禾賽科技分別達成戰略合作。其中，地平線科技為首汽約車的運營車輛提供車載終端，用地平線的AI芯片和針對網約車行業定制化開發的算法技術，將傳統后視鏡改造成具備高級駕駛輔助（ADAS）和駕駛員行為分析（DMS）、人臉識別、語音識別等AI的智能車載設備等。
耐能科技主打輕量級神經網絡處理單元芯片。2019年初，耐能科技宣布與新思科技展開合作，推出低功耗AI IP解決方案。產品方面，耐能的第二代NPU IP包括低功耗、標準版、高效能版本，峰值吞吐量最高為5.8tTOPS。據搜狐網消息，2018年11月，耐能科技推出支付等級3D AI軟硬件一體化解決方案，支持結構光、雙目立體視覺、ToF等三種3D傳感技術，可廣泛應用于智能手機、智能家居、智能安防、新零售、工業智聯網等領域。
AI芯片主要應用場景
隨著應用場景的不斷拓寬，越來越多的AI芯片得到更為廣泛的應用，推理層的競爭更是呈現出群雄逐鹿的態勢。其中，頭部場景集中在智能手機、智能汽車、智能安防等領域，長尾場景聚焦于機器人、無人機、醫療、教育等領域。
場景一：智能手機
智能手機是AI芯片率先商業化的場景，廠商多采用自主研發模式。
智能手機是邊緣推理最大的場景之一。目前，GTI（高爾夫）已經與高通就手機、IOT等IP授權進行合作，聯發科等AI芯片合作對象仍未確定，IP授權存在較大機會。
從智能手機AI芯片市場格局來看，國外方面，高通、英特爾、英偉達仍舊占據主導地位，以自主研發為主，發力手機、無人駕駛等領域，儲備較為充足；蘋果與三星多次收購AI初創企業，實現自主供給。國內方面，寒武紀采用IP授權模式與華為等廠商合作，聯發科主攻中低端芯片與曠視等合作開發，臺積電與聯電在保持強大代工能力的同時加大研發投入。
需要說明的是，智能手機AI芯片的應用還僅限于部分高端機型。AI芯片的功率在1-1.5W，目前按照1080P清晰度的圖片，CPU+GPU已可完全處理，AR后才需要AI加速器。根據公開數據資料測算，目前智能手機中AI芯片滲透率為5%。根據5G的推進速度，預計2020年后AI芯片在手機中滲透率將大幅提升至30%。
場景二：智能安防
智能安防是目前AI芯片集中競爭的主戰場，主要采用定制化服務模式占領市場，是AI芯片應用競爭最激烈的場景。
據媒體公開數據統計，智能安防設備每年需要的AI芯片數量在1億顆以上，云端服務與本地服務協同，部分地區云端服務與本地服務分離。
業內人士陳軍（化名）告訴節點財經，上云是趨勢，但他所在的廠商更為注重線下、低功耗的本地服務提供AI芯片支持。陳軍介紹，這樣的服務模式簡單、易用。以安全鎖為例，智能安全鎖的在安全、和待機方面要求較高，專注本地化服務能夠讓設備性能和功耗比較可控，在安全性方便也比上云更好把握，這樣的定制化芯片能夠集中且快速處理本地數據，在量產方面更有優勢，試錯周期相對較短。
目前，智能安防攝像頭主要以CNN神經網絡為主，需要跟SOC芯片、后端軟件、整機企業建立合作，具有較高的門檻。其中，ASIC又以其高定制化、高計算能耗比較優勢有望占據優勢。GTI已經與高通就手機、IOT等IP授權進行合作。
場景三：智能家居
中國智能家居行業的快速崛起，離不開低功耗AI芯片的助力。
根據IDC預測，2022年，全球智能家居的出貨量有望達到9.7億左右，復合增長19%。按此增速，2025年智能家居產品有望超過智能手機成為出貨量最大的應用場景。
某景區酒店服務人員薛仁（化名）告訴節點財經，薛仁所在的酒店在年初裝修的時候，新增了多項智能設備，以語音和觸控模式為主，實現客房的溫控、自動窗簾等，部分房間還配置了智能音箱，主要還是提供定制化服務。
某景區酒店服務人員薛仁（化名）告訴節點財經，薛仁所在的酒店在年初裝修的時候，新增了多項智能設備，以語音和觸控模式為主，實現客房的溫控、自動窗簾等，部分房間還配置了智能音箱，主要還是提供定制化服務。
場景四：工業互聯網
工業互聯網領域對設備工作的穩定性、功耗等要求的嚴苛程度要超過智能家居，擁有標桿客戶的AI芯片企業將占據較大的優勢。
隨著工業通信，傳感器等基礎設施的落地，工業設備對實時數據處理的需求逐漸顯現，AI芯片滲透率將穩步提升。工業自動化設備、機器人等需要對工業現場實時反映的設備上，將逐漸開始使用AI芯片，制造業企業主要為富士康、海爾、西門子、ABB、施耐德電氣等。
根據公開數據測算，按照自動化設備出貨量測算，AI芯片在工業領域的年潛在規模在5億美金左右。工業設備對可靠性要求很高，比智能家居等場景更為嚴苛，具有較高的進入門檻，已經擁有標桿客戶的企業在產品成熟度上更有優勢，后續的推廣鋪開也更為容易。
場景五：無人駕駛
隨著L2及以上級別的智能汽車滲透率提高，智能駕駛成為AI芯片呼聲最高的應用場景之一。
不同級別無人駕駛對AI芯片的需求不同，L4/L5級別在8-10顆以上。智能汽車的ADAS市場需求對多傳感器和實時數據進行處理且延時要求很低，對AI芯片的性能要求很高。目前，英特爾、谷歌、英偉達、百度等企業已經加入市場，推出了基于自身優勢的AI芯片解決方案，競爭激烈。
在上述應用場景中，AI芯片市場群雄逐鹿，為實現開放式創新戰略布局，不僅需要企業十分注重從系統層面來思考行業發展，還需要加強自身的短板。
創新者的挑戰
作為新科技產品，AI芯片投放市場后，最直接的反饋是用戶的接受模型不同。那么，AI芯片的創新者又將面臨哪些挑戰？
從行業角度看，行業呈現出安全風險高與自給率低的現狀。根據IC Insights數據顯示，我國芯片自給率僅為10.4%，除了移動通信終端和核心網絡設備領域有部分芯片產品占有率超過10%以外，其余在如計算系統中的服務器、個人電腦、工業應用的微處理器，半導體存儲器，高清/智能電視顯示處理器部分國產芯片占有率幾乎為0%。
兆易創新創始人兼董事長朱一明指出，我國芯片的進口依賴仍然十分明顯，加快發展芯片事業是決勝未來的必然要求。芯片事業發展，需要科學謀劃。芯片產品的開發，除了技術難度大、投資要求高之外，還有明顯的市場周期特征。只有把握這些特征和規律，準確的謀劃行業發展，才能在激烈的市場競爭中勝出。
從技術角度講，隨著神經網絡復雜算法應用的加深，傳統的CPU芯片已經不足以滿足迅速增長的算力需求，AI芯片面臨“高算力”、“低功耗”、“低延遲”、“體積小”四大痛點。
高算力。隨著智能手機、傳感器等數據采集設備的普及，根據思科的數據，全球數據量每年以54%的速度遞增，人工智能中使用的神經網絡等算法復雜度遠高于普通的數據分析模型，參數可達十億個。
低功耗。在智能手機、物聯網等設備中，可用于神經網絡計算的功耗非常有限。智能手機中一般小于1W，物聯網設備中一般小于300mw。
低延遲。傳統的數據分析一般過程為“傳感器——云端數據分析——分析結果返回傳感器”，整個過程耗時一般為秒級，在智能駕駛、安防人臉識別、工業自動化等應用中，要求的延遲為毫秒級。
小體積。在智能終端中部署AI芯片對體積要求非常高，芯片體積一般不得高于毫米*毫米級。
多樣性、差異化的產品需求，會加速產品迭代。這意味著AI芯片要解決上述四個技術問題的同時，還需提供更極致服務，更理智地管控問世時間，進行耗時更短的設計周期，綜合利用上下游供應鏈提升利潤率，帶動產品化的加速。
從市場角度分析，新興產品與技術推向市場的方法論的不確定性。神策數據創始人兼CEO桑文峰曾有過感悟，2015年剛創業時，對于如何將技術產品推向市場一無所知，急切需要一套指導方法。如，在哪里競爭、和誰競爭、何時競爭，與自主研發的有關行動是市場選擇，應該一事一議，而不是簡單粗暴地一概而論。
而在一個新興市場，沒有競爭對手，別高興太早。用戶選擇產品時，喜歡貨比三家，如果他們只發現你這一種產品，可能就會選擇等等再看，等有對比的選手，確保你是領先者才會購買。如果選擇大客戶作為合作商，則需要AI芯片供應商在各個方面符合大客戶的審核標準。
從業者還需要認識到，新興產品的市場化不一定必須覆蓋所有主要場景。一個產品不是獨立存在的，需要和周邊生態結合形成一個完整的服務品類。在考慮財務成本后，選擇相鄰地理、文化、行政和經濟上有密切關系的鋪開機會，聚集優勢資源會比分散布局更具先發優勢。
可以預見的是，專用集成電路的創新大門已經打開，無論是英特爾的垂直一體化、IBM的橫向整合，還是臺積電的垂直分工、ARM的授權模塊，本質上都是通用化與專業化、規模經濟與時間成本平衡的結果，而適應發展的最終標準終究還是整個產品線的開發效益，構成可不斷升級的生態系統。
全球化的視野、協同化的創新、市場化的機制、周期化的投資、專業化的管理，凝聚成創新發展的共識。因此，鎖定挑戰背后的核心邏輯，可以用更加寬廣的視野、更加開闊的思路來統籌謀劃芯片事業的發展；更加清晰地認清所面臨的機遇與挑戰，找準發展的定位，提高自己的競爭力，掌握未來的主動權。
尾聲
因勢而謀、順勢而動。推動中國芯片產業長足發展，是每一位從業者的職責。未來，希望產業能夠集合技術與市場的各方優勢，為中華民族的偉大復興獻上綿薄之力。
溫馨提示：內容僅供信息傳播，供參考.
來源：億歐
賽絲智能家居 
詢問賽絲
