初创公司|中国AI芯片提前进入肉搏期( 四 ) 美团|资金净流出

另一方面，中美之间的贸易摩擦阴云未散，企业需要考虑长远，例如对中国企业来说，他们需要考虑，万一将来买不了美国公司的产品，有没有另一个选择？
还有一个因素是对定制化需求。越来越多的应用场景让这些公司发现原本的通用架构无法满足需求。Sassine Ghazi发现，任何一家公司都希望自己能够做定制化片上系统（SoC，System on Chip的缩写，称为系统级芯片，也称片上系统，意指有专用目标集成电路的产品），这是这些公司得以与其行业竞争者区隔开的方式，这使得他们更具竞争力。因此，系统公司不仅在系统设计上投入，也会在芯片设计以及硬件方面进行投入。
当拥有数据绝对话语权以及经济实力的巨头进军AI芯片，意味着对于AI芯片初创公司，竞争压力将逐渐增大。
许多人担忧，这样的情景与2016年那场AI算法泡沫破灭有点相似。一旦数据巨头也进入AI芯片领域，对于这个领域的初创公司来说，是否也面临曾经AI算法初创公司所面临的窘境和瓶颈——要么被吞并，要么被淘汰。
《财经》采访人员询问了多家AI芯片初创公司以及投资人对此状况的看法。普遍的观点是，这对于AI芯片企业来说是一个威胁；另一方面考验AI芯片初创公司自身的技术实力和商业模式。但即便是吞并或收购，这个过程也比AI算法行业的吞并整合来的晚一些。因为芯片公司的技术门槛远比算法公司更高。
AI的算法、数据以及芯片可以被比做一个烹饪的过程。AI算法相当于菜谱，数据是原料，芯片这些就是烹饪的工具。原料是核心，因为不论是芯片还是算法，都需要大量数据为基础进行迭代、验证。谁掌握了数据，就掌握了做菜的话语权。
但研发“菜谱”并不需要太高的门槛。AI算法公司在几年前，吃到了一波市场红利，这得益于其入局早，当巨头发现他们自己就可以做这件事时，AI算法公司就丧失其价值。
AI芯片对于技术的要求更高，除了数据，人才和创新对芯片项目来说至关重要。系统公司能否找到有丰富经验、成建制的团队来做这件事，即便是招到了人，“雇佣军和创业者也是非常不一样的。”杨磊说。另一位投资人表示，互联网巨头可能不一定具备做芯片的基因，也不见得比AI芯片创业公司更懂芯片。
芯片是一个前期投入高、回报周期长的项目，这和互联网行业的商业逻辑完全不同。互联网巨头当然可以从芯片厂商例如英特尔、AMD、英伟达等成建制地招募团队，但其商业模式能否支持芯片前期的高额投入？这取决于互联网巨头有多大决心、精力和财力做这件事。
目前系统公司的自研芯片大多以AI云端推理芯片为主，针对自身公司的特殊应用场景。推理芯片和训练芯片不同，技术门槛较低。这是AI芯片初创公司的机会，他们需要在与巨头博弈的过程中找到平衡。既要与系统公司合作，又要保持自身独立。
第一个前提是自身能力。符志龙发现，尽管业务重合度高的互联网巨头之间存在对于数据信息互通的担忧，但一些互联网巨头重点扶持的芯片公司，如果产品性能确实优异，其他互联网公司也可以采购。“重要的是这家芯片公司的产品里是否让客户足够有动力做国产替换。”
另外，一个合理的商业模式很重要。一位产业投资人如此描述这种商业模式，做AI云端训练芯片，一定要跟客户紧密绑定，你想用什么我就做什么，边挣钱边迭代，我做的比你快，比你自己做更省钱，成功几率更高，这种合作模式就能够持续。
但如果一家AI芯片的初创公司的模式是，告诉客户自己的技术很厉害，你需要给我付钱，但是我们需要做一些研究，需要一段时间。这种科学家思维的做法，在讲求效率和利润回报的商业社会，很难闯出来。
真正的瓶颈一位产业投资人告诉《财经》采访人员，对这一次的AI芯片火热，并不意外。
90年代初，他就经历过一次的AI浪潮。
热火朝天的AI产业并不是一个新鲜事物。AI发展至今，已经经历过三次浪潮。
第一次是50年代，AI从诞生到模拟人，最后失败了被冷落；第二次是60、70年代，专家系统的热潮；第三次是80、90年代神经网络兴起。
每一次，都是在理论认知突破后尝试场景化、硬件化，又都由于理论的局限，造成产业的退潮。
例如，在90年代，由于半导体产业基础薄弱，硬件上实现AI算法专用芯片的难度和成本都很高，算法的调试甚至需要调用到美国圣地亚哥的超级计算机，大规模商业应用遥遥无期，最终没有继续发展下去。但彼时，AI芯片产业化的趋势已经在酝酿中。