初创公司|中国AI芯片提前进入肉搏期( 五 ) 美团|资金净流出

不过，这一次，AI产业的浪潮与以往不同。半导体产业的飞跃极大推进了AI理论的场景化、硬件化。再往后，AI产业发展的根本瓶颈已经不是芯片技术本身、也不是算力，而在于建立在基础理论之上的，对于算法和架构的突破。
有一个例子可以解释这种从底层理论突破的逻辑——筷子夹汤圆。曾经，大家认为神经网络能够解决一切问，拼算力就像比谁夹东西夹得快。但大家没有去想筷子夹东西本身是不是一个错误的方法。因为，筷子夹汤圆，再怎么夹，效率都有限，但如果换一种方法，拿一根长针去穿汤圆，效率提高很多倍，这才是跨度打击。从筷子，到用针穿，这就是从拼算力变为基础理论的突破。
基础理论上的瓶颈反映到当下AI面临的挑战中，例如，在找到具体应用场景后，AI公司往往需要面临三大难题。首先是功耗问题，以自动驾驶为例，当理论上已证明算法可行，但把算法放到真实场景中，在车内测试，现实情况是，一旦开启自动驾驶模式，航程旋即大幅度缩水。其次是本地化问题，如果将算法和数据都放在云端，一旦网络出现问题，车的安全就失去保障，故而在实际场景中，必须有本地化处理的能力。第三，是突破时间的限制。所有AI实际场景应用都有时间限制，而现在的云端算法往往还不够快。
除了底层的理论突破，一位资深行业技术人士向《财经》采访人员表示，芯片的发展已经逼近物理极限，未来行业竞争所受到芯片制造工艺的制约已经不大，芯片将要往应用方向走。未来，降低功耗将会在一段时间内成为AI芯片优化的方向。
“AI遇到的另一挑战是能耗。”前述产业投资人更是直接点出这一瓶颈。他所在的机构和平台公司交流较多，比如谷歌和亚马逊，这类平台公司建了很多超算中心，已经在很早就意识到一个关键问题——如果算力翻倍，除了硬件成本要翻倍，电力供应和电费成本更是个瓶颈，解决这个问题的方法就是理论的突破，因此公司都开始在大力支持从芯片技术到算法理论的创新，以此应对升级算力中能耗的挑战。
他表示，虽然中国AI公司在应用场景上走在世界的前端，但同样需要意识到的是中国在AI前沿基础研究上明显落后于国外。创业公司在算力的比拼和角逐中，更要对现有AI理论的局限和边界有清醒的认识。
AI芯片市场将进入一个洗牌的时刻。回到文章最初的问题，AI芯片在中国的这场狂欢还会持续多久？多位投资人和业内人士的判断基本一致，已经在进入冷静期。如今，专业投资人对于有算法但没场景的初创公司已经不会再投了。在“老大吃肉、老二喝汤”的半导体行业，头部效应明显。AI芯片本身有多个产品线和赛道，每个产品线里最后会跑出来两三家公司，这是将来的格局。不过，目前资本市场热钱还很多，泡沫还需要膨胀一阵。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系