「人工智能」寒武纪拟登陆科创板,AI芯片公司开始卸妆


AI芯片公司究竟值多少钱?很快 , 市场将会给出答案 。
3月26日 , AI芯片公司寒武纪申报科创板上市 , 这是国内AI芯片公司 , 第一次和二级市场投资者见面 。
2015年—2017年 , AI芯片初创公司 , 如雨后春笋般冒出 。 自x86架构一统江湖 , 芯片领域已经很久没有这么热闹过了 。
热闹的领域 , 资本从不会缺席 。 艾瑞咨询数据显示 , 2017年 , 发生在AI芯片领域的投融资次数为109次 , 投融资总额达到了惊人的1666亿元 。
资本蜂拥而至 , AI芯片公司估值水涨船高 。 招股书显示 , 寒武纪最新一轮融资估值已经达到221亿元 。
某种程度上 , 这是各路资本的一次豪赌 。 对于众多AI芯片公司来说 , 并没有找到核心应用场景 , 即便是当下 。
2019年 , 寒武纪收入仅有4.4亿元 , 其中大部分由地方政府和科研院所贡献 。 寒武纪的商业化的道路 , 还不够宽敞 。
可以预见的是 , 由于科创板对于上市企业没有盈利要求 , 越来越多的AI芯片公司将会登陆资本市场 。
随着信息披露更加透明化 , AI芯片公司不可避免将遭遇投资者灵魂拷问:你究竟值多少钱?
二级市场的估值逻辑 , 最终将层层传导 , 影响整个AI行业的估值体系 。 这对于AI芯片公司来说 , 犹如一瓶卸妆水 。
寒武纪申报科创板上市 , 预示着AI芯片公司的“卸妆舞会”即将拉开帷幕 。
/ 01 /人工智能的“大脑”
人工智能 , 离不开芯片提供的算力 。 可以说 , AI芯片是人工智能的大脑 。
目前 , 关于AI芯片的定义 , 并没有一个严格和公认的标准 。 比较宽泛的看法是 , 面向人工智能应用的芯片都可以称之为AI芯片 。 所以 , CPU、GPU、DSP、FPGA等传统芯片也包括其中 。
虽然这些传统芯片在设计之初并非面向人工智能领域 , 但可以通过灵活通用的指令集 , 或可重构的硬件单元 , 覆盖人工智能程序底层所需的基本运算操作 , 从功能上满足人工智能应用的需求 。
在人工智能数十年的发展历程中 , 这类传统芯片长期为其提供底层计算能力 。
但是 , CPU这些芯片 , 从设计之初考虑的是社会中的广泛应用 , 强调功能“大而全” 。
这导致 , 功能“大而全”的传统芯片在落实到具体应用时 , 必然会存在“功能过剩”的情况 。 于是 , 近些年在传统芯片之外 , 基于新架构的ASIC芯片异军突起 。
ASIC是为实现特定要求而定制的芯片 。 比如机顶盒的解码芯片 , 手机的射频芯片 , 只能实现单一功能 。 由于只专注于单一领域 , 相较于传统芯片 , ASIC最突出的特点 , 就是在单个领域性能高 。
在国内 , ASIC芯片玩家不少 , 寒武纪就属于ASIC芯片的开发者 。 当然 , ASIC芯片能够异军突起 , 不仅是因为性能突出 。
传统芯片领域经过长时间洗牌 , 基本已经形成寡头垄断格局 。 这些巨头长时间形成的专利壁垒、技术壁垒、资金壁垒很难被突破 。 相较于传统传统芯片 , ASIC在开发难度和研发投入上都要低很多 。
由于ASIC有特定算法和应用场景 , 不像CPU等通用芯片要兼顾各种用途 , 研发投入也是远逊于CPU 。
这也是为什么ASIC芯片领域 , 在短时间内涌现出很多创业企业的原因 。 要知道 , Intel 6代酷睿研发费用就要71亿美元!!!这显然不是创业公司玩得起的 。
/ 02 /进击的寒武纪
从应用场景来看 , 人工智能芯片分为云端、边缘端和终端 。
云端芯片主要用于云计算企业的数据中心 。 这不难理解 , 数据中心是AI训练芯片应用的最主要场景 , 主要设计的芯片是GPU和ASIC 。 目前 , 全球主流的应用平台 , 都在使用英伟达的GPU进行加速 , AMD也在积极参与 。
但是 , 海量的数据和信息都集中到“云端” , 也就是数据中心进行计算和存储 , 势必会出现延时大、数据传输量大等问题 。