赛灵思姚颂：数字AI芯片进步趋缓，颠覆式创新难 | GTIC2020( 三 ) 智东西（公众号：zhidxcom）编辑

此外，姚颂一直在关注的一个重点在于，芯片越来越贵，导致了一个较大的问题：业内原来很期待在行业中出现一个“破坏性创新”的事，也就意味着想要用很低廉、便捷的方式实现原来高端产品的能力。比如业内希望AI芯片以低价、便捷的方式实现GPU的功能，而现在看起来，实现这一愿景很困难。
在如今所处的时间点，摩尔定律还没有死掉但是越来越贵。一颗7nm芯片的流片需要3000万美元左右，再加上IP、人力的成本，甚至需要大几千万甚至是上亿美元，需要卖出很大的量才能收回成本。对于初创公司来说，这是一个难点。
文章插图
数字AI芯片可能不存在颠覆式创新的大机会
有些芯片公司，比如壁仞科技，融了很多资金，能够做两颗、三颗甚至更多芯片；而有的公司如果没有资金，则无法参与到行业正面战场的竞争中来。
这个市场已经发生变化，随着摩尔定律的变化，在正面战场上，我们得想一些其他的办法，可能不能单纯依靠架构的优势取得几倍的性能提升，业界也需要找到一些新的底层技术迭代。
比如做存内计算的知存科技就属于这一类，它将计算和存储放在一起，将计算放在Flash中，就可以减少存储的搬运，突破卡在存储的瓶颈；再比如法国有一家叫UpMem的企业把计算放到DRAM中，还有比如普林斯顿大学教授的小组把计算放到SRAM中。
另一种技术路线，光计算，也是业内非常看好的方向。用两束光的光强表示两个数值，通过一个干涉仪发生干涉行为，它出射的强度就是两个光强相乘，再乘以他们相位差的cos（余弦），这样就相当于用光的干涉直接完成了乘法，这种操作速度很快、功耗也很低，但也有很大的问题。
因为所有的物理器件都不是理想的器件，光每经过一个干涉仪可能要损耗千分之一的强度，如果想要做一个64X64的阵列或是128X128的阵列，每做一个计算的过程中，每束光要通过几百个干涉器，数值就变了。
目前国际最好的水平也只能在64X64阵列上保证8bit信息量是不变的，因此这种方式无法在高精度、大阵列的要求下施行，也从而没办法实现特别大的性能，因此这也是一种还在开发中的路线。
四、云端统一终端垂直的新格局放眼AI芯片未来的新路线和新格局，姚颂认为，一方面，行业短期内不用太为新的技术路线担忧，在3~5年内数字集成电路依旧是主流，光计算完全完善还需要时间。
另一方面，如今被多次提及的量子计算，距离商用的阶段还很远。现在全球最好的做量子计算的水平能达到50~60 qubit ，如果想用它来形成分子模拟等简单的应用，大概需要300~400 qubit ，还有五年左右的时间要走。如果想用新技术实现通用的做法，比如量子计算的解密AES ，按照现在的算法，大概需要300万个qubit才能完成。因此姚颂不认为量子计算在20年内能在大范围应用中占据较大优势，短期内，产业还是以数字集成电路为主。
这其中也有不同的路线，其中一个在于，有很多紧密结合应用的芯片出现了，换句话说，很多芯片公司的客户开始做芯片了。
比如百度和三星合作研发了14nm工艺“昆仑”芯片，阿里开发了“含光800”深度学习NPU ，还有很多计算类芯片的开发计划，包括字节跳动、腾讯、快手等都投资或孵化了相关的芯片公司。这其实是对第三方芯片公司的冲击，也确实是未来行业发展的重要路径，当应用更明确的时候，芯片的设计难度就会相应降低。
云端市场现在看起来可能是最大的单一市场，但竞争确实相对激烈。
第一，很多互联网公司自己在做云端市场；第二，英伟达这样的巨头占了云端市场绝大部分的市场份额；第三，英特尔收购了Habana ， AMD与赛灵思走到一起，还有很多巨头公司想挤入这一市场；第四，有很多创业公司正准备进入这一市场。
云端市场的接口相对统一，需求相对统一，需要的通用性非常高，最后可能会是一个竞争激烈但最终走向相对统一的市场。
在终端市场，有很多可以做的事情。举例来说，小蚁科技创始人达声蔚创立了芯片公司齐感科技，面向终端小摄像头做加AI识别的芯片，售价仅几元钱一个，他们在收入上已经做得不错。在不同的市场，如果厂商能够做到高集成度，并能够完整满足这个市场方向的需求，实际上每个方向都是足够能支撑1~2家上市公司的。