国内AI芯片公司别再抱着“人工智能”不放了目前的AI芯片领域的竞争更像是一场没有

目前的AI芯片领域的竞争更像是一场没有标定终点的赛跑，没有人知道未来会发生什么，唯一能做的就是跑得更快，让后面人看不见你。

文/李基祥亿欧专栏作者

3月27日，AI芯片教父黄仁勋在GTC大会（英伟达GPU技术大会）上进行了演讲，发布了新款QuadroGV100 GPU和DGX-2超级计算机，以及英伟达最新在AI计算和自动驾驶上的进展。

有趣的是，在去年的GTC大会，同样以AI为核心，英伟达发布了一系列芯片产品和解决方案，股价大涨17%；而就在今年发布会之后的几小时里，纽约股市英伟达报收225.52美元，直降7.5%。

一样的故事，不同的结局，难道英伟达的AI芯片生意要凉了？

生在最好的时代，面临最大的挑战

业界曾有很多人表示，英伟达在这两年的爆发，真的就像被从天而降的馅饼砸到了脸。

上世纪60年代，Intel从专用芯片转向通用型芯片——也就是我们熟知的CPU（中央处理器），从而一跃成为了芯片领域的老大哥。

不过在AI技术逐渐发展成熟的过程中，人们发现CPU对于大数据的处理能力较差，效率和消耗上都完成不了机器学习技术对算力的要求，专用AI芯片需求持续走高。于是当开发人员发现GPU（图像处理器）的并行计算架构可以加速深度学习培训过程时，长期致力于图像处理器领域的英伟达迎来了春天。

从2015年到现在，英伟达的股价已经从每股20美元上升到了每股200美元以上，十倍的增长一方面来源于市场的快速增长，另一方面也来源于投资者对于未来趋势的信心。

然而，利润的血腥味必然会引来更多的猎食者。

谷歌是英伟达GPU最大的客户，据说占到英伟达1/3的市场。2016年，谷歌对外开源了自己的深度学习框架TensorFlow，这降低了深度学习的门槛，同时也为英伟达带来了新的用户。

不过，在2017年，谷歌发布了两代TPU，这是一种专门针对深度学习框架TensorFlow进行优化的AI芯片。尽管谷歌表示TPU不会对外销售，但其一旦形成了垄断的生态优势，同样对英伟达形成巨大威胁。

无独有偶，传统芯片巨头英特尔尽管在AI芯片行业萌发阶段，错过了第一波机会，但随后的跟进战略可以说是重拳出击，它先后买下Nervana 、Movidius、 Altera、以及Mobileye，总收购金额超过300亿美元。在目前基于X86（一种采用复杂指令架构的服务器）的生态圈中，IT领域的基础设施是完全“生长“在英特尔制造的沃土中的，不难想象当英特尔完成转身后将产生多大的能量。

而以微软和亚马逊为代表的云计算服务商同样在为AI计算力进行升级，分别在自家的云端和数据中心中加入了FPGA应用，提升相关解决方案的处理速度。

如果用一个词来形容英伟达所面临的AI芯片之战，那就是““神仙打架”。

国内AI芯片初创公司，群强环伺之下弯道超车

尽管上有神仙打架，我们依然能看到层出不穷的国内AI芯片公司在芯片赛道上发力。

中科寒武纪代表了其中一派，寒武纪副总裁钱诚认为，人工智能必然会出现一种重量级的应用，硬件就必然要标准化、通用化。因此标准化、通用化的智能芯片代表着未来。

目前，寒武纪已经拿下华为麒麟970芯片合作订单——将其人工智能芯片的设计专利植入麒麟970芯片，为华为的新型旗舰手机加速。而根据业内人士的估计，该款芯片的出货量将达到3000万片。

另一派创业公司的目标则是瞄准了形形色色应用场景的专用型芯片，包括面向智能驾驶领域推出AI芯片的地平线，主打安防场景机器视觉应用的深鉴科技，以及在自家语音领域研制芯片的云知声等。

它们认为，未来不会是一颗芯片打天下，必须按照需求设计相应的芯片，通过软硬件的深度结合，提高算力效率。而随着AI应用的深入，诸如边缘计算和终端计算力需求的出现，让人们在选择计算平台时有了更多考虑。

不过无论哪种方向的创业公司，他们看起来都不太畏惧以英伟达为代表的芯片传统巨头带来的威胁。目前的AI芯片主要针对神经网络和深度学习算法定制，所以芯片的硬件设计上比传统的CPU和GPU要简单，并非高不可攀。

而软件重要性的提升则是另一个原因。由于AI人才存在断层，客户对于AI芯片的要求往往不是芯片本身，而是包括了芯片在内的全套解决方案。幸运的是，在国内AI芯片创业团队中，大多数负责人都是人工智能研究型学者或偏算法型人才。

所以客观来说，中国创业公司弯道超车的概率很大。

英伟达股价下跌带来启示：他们不买AI的账了

话题回到英伟达，在昨天公布了QuadroGV100 GPU和DGX-2超级计算机，以及最新在AI计算和自动驾驶上的进展之后，英伟达股价直降7.5%。而国外科技媒体的评论中最多的观点则是，没看到全新20系列高性能显卡，对英伟达很失望。

人们已经不买英伟达的账了？显然不是，失望大代表着期望大，人们依然相信英伟达的能力，他们只是不买AI概念的账了。

一直以来，AI芯片的定义都很模糊。广义上来讲，性能是评判的唯一标准，只要支持主流算法，尤其是以深度学习为代表的算法的芯片就可以称作AI芯片，GPU就是其中的典型代表，一些性能不错的CPU和DSP（数字信号处理芯片）也可算入其中。

但如果严格来说，AI芯片要围绕深度学习或者人工智能算法，对这颗芯片内部的架构和计算、存储单元进行专门设计。

崛起的GPU可以看做是一个中间产物，尽管不是为了人工智能而特意设计，但它的并行计算结构在一定程度上贴合了深度学习算法的计算要求。因此，当全球高校和大公司实验室进行深度学习算法的研究时，GPU成为了他们的首选并进一步延伸到了产业当中。

不过产业和实验室有着一道巨大的鸿沟，成本。深鉴科技创始人姚颂曾算过一笔账，谷歌如果有1000万台服务器，每年一台的运行费用是1万美元，哪怕运营节省10%，100亿美元就能省出来。而为深度学习，或者更加贴近应用层的计算机视觉和语音技术专门设计的芯片，显然在计算功耗比上要更具优势。

归根结底，企业的出路还在于创新。

当“人工智能”还是创新的代名词时，拥有GPU的英伟达也拥有着耀眼的成绩；而当人工智能光环褪去，逐步落地产业，英伟达的故事很难就这么平淡地继续讲下去。

同理也适用于国内AI芯片公司，目前AI芯片领域还存在大量的创新空间。由于还不存在适应所以应用的“通用”人工智能算法，因此AI芯片也就没有确定的架构，新架构的出现必然将是一次巨大的商业机会；而在各个细分领域，当AI技术进入了应用落地阶段，对成本和功耗的要求，也是推动各类垂直应用AI芯片的迭代的重要因素。

目前的AI芯片领域的竞争更像是一场没有标定终点的赛跑，没有人知道未来会发生什么，唯一能做的就是跑得更快，让后面人看不见你。

5月25日，相约北京·千禧酒店，与安防大咖共话安防AI创新千人峰会，人脉、资源、投资人都在这里！亿欧呈献一场安防行业盛宴。

?点击底部“阅读原文” ，直达

官方报名通道

文章内容系作者个人观点，不代表亿欧对观点赞同或支持；转载请注明作者姓名和来源。

热文

谁，在封杀支付宝？

湖畔大学梁宁：成就最高的那批人，全都有同一种天分

25岁的顺丰，很焦虑

大润发COO：阿里不是“掏鸟蛋”，我们也没输给时代

美团打车来了，滴滴司机跑了？