AI芯片：在魔幻的时代找到希望

自开年以来，新型冠状病毒肺炎疫情的蔓延给半导体供应链带来了无数挑战，许多工厂面临着停产、断供的风险。但在全球科技竞争拉动下，我国半导体行业对掌握自主核心技术的意识和紧迫感愈发强烈，国家政策也为半导体公司开辟出肥沃土壤，国内掀起了新一轮AI芯片资本投资热潮，不少AI芯片公司成功登陆科创板，并还有大量公司进入IPO冲刺阶段。可以说，“无芯片不AI”已经成为行业共识。TSFesmc

那么，在这一趋势下，AI芯片公司群体又有着怎样的规划与思考？TSFesmc

自主创新与自主可控

清华大学微电子学研究所副所长、微纳电子系副主任尹首一教授日前在GTIC 2020 AI芯片创新峰会上发表主题演讲时称，人工智能正成为实现智能化的一个关键手段，芯片绝对是其中的核心基石与战略制高点。不管是耳熟能详的AlphaGo、自动驾驶，还是手机中的人脸解锁、智能拍照，包括人们日常使用的无线耳机中的人机交互，都离不开AI芯片的支撑，其算力决定了AI性能上限的高度，能效决定了AI应用范围的广度。TSFesmc

TSFesmc

清华大学微电子学研究所副所长、微纳电子系副主任尹首一教授TSFesmc

在他看来，AI芯片从算法和应用角度给行业提出了许多创新需求，促使人们探索更多的颠覆性技术，有望彻底突破传统架构的性能和能效瓶颈，实现集成电路的跨越式发展。而中国AI芯片产业创新正与国际同步，有着最全面的技术路线、最丰富的应用领域，伴随着人工智能产业的快速发展，国内AI芯片领域将大有可为。TSFesmc

“超级算力引擎急需突破”，这是壁仞科技联合创始人、总裁徐凌杰与黑芝麻智能科技CMO杨宇欣表达的共同观点。今年6月，成立仅9个月的壁仞科技就拿下了11亿人民币的A轮融资，是今年AI芯片行业的重要新锐玩家。徐凌杰表示，行业正面临日益增长的算力需求和基础设施当中不协调根本性的矛盾，算力经济必须要登上历史舞台，而不能只是实验室里纸上谈兵的技术性话题，因为当前的数据中心正经历着大型化、解耦化、智能化的变化，“去CPU中心化”的数据中心将是未来可预见的发展趋势之一。TSFesmc

TSFesmc

壁仞科技联合创始人、总裁徐凌杰TSFesmc

杨宇欣则将自动驾驶视作未来十年AI乃至半导体行业最大最长的赛道。TSFesmc

“汽车电子架构正从分布式ECU架构向以域控制器为核心的计算架构转变，自动驾驶要实现突围，不但需要高算力芯片，还需要高性能的车规级计算平台作支撑。”他在峰会现场首次公布了黑芝麻智能产品路线图，称2021年将投片算力超过200TOPS的A2000大算力芯片，支持L4/L5级自动驾驶，预计在2023年实现落地。TSFesmc

TSFesmc

黑芝麻智能科技CMO杨宇欣TSFesmc

当然，考虑到“软件定义汽车”正成为汽车智能化的发展趋势，越来越多的软件应用在硬件平台上运行，构建强大的计算平台“预埋”以支撑软件的不断迭代也成为必然。同时，自主研发核心IP、车规安全认证和成熟的工具链，以及围绕车规级高性能计算平台构建完整生态系统，都是重要的解决思路。TSFesmc

燧原科技创始人&COO张亚林则介绍了在国家进一步强调国际国内双循环新发展格局的大时代背景下，如何走出一条软硬协同发展的道路。他表示，目前数据中心正在朝着中心化、整合化的路线发展，英特尔、英伟达和AMD三家公司都在通过并购方式来加强数据中心的布局。而AI系统要落地数据中心，实现“全垒打”，必须具备系统集群、板卡、高性能/高算力芯片，以及全栈软件四大要素，并从完备性、生产率、成本、功耗和性能五个维度去衡量AI系统是否具备市场化、产业化和规模化的可能性。“当下云端AI芯片大系统面临着系统化、工程化、产品化、生态化四大挑战。”张亚林谈到，这些挑战不仅构成了整个云端AI芯片发展的难点，同时也是未来AI云端芯片发展的重点。TSFesmc

TSFesmc

燧原科技创始人&COO张亚林TSFesmc

自动驾驶芯片企业地平线是我国发展最快的AI独角兽之一。从2019年至今，地平线车规级AI芯片已经量产上车，今年出货已突破10万片，正在冲刺20万片目标，明年将挑战100万片出货量。与此同时，地平线还提出了MAPS评估法，即“在精度有保障范围内的平均处理速度”，得到一个直面物理世界的全面、完整、客观、真实的评估，以此作为评估芯片AI真实性能的标准。TSFesmc

TSFesmc

地平线首席战略官郑治泰TSFesmc

地平线首席战略官郑治泰强调解决AI问题需要新的范式，因为传统“子系统-子模块-核心算法”一步步拆解问题的思路已经失灵，只有通过打造完整的AI数据闭环，提供芯片、“芯片+工具链”、“芯片+工具链+算法”等不同解决方案，才能赋能产业链。而构建这一计算闭环需要长期做三件事，一是持续提升芯片的有效算力，二是提升算法效率，三是根据解决物理世界的实际问题联合调优得到最优解。TSFesmc

与创新长跑，资本盛宴下的冷思考

自2019年我国设立科创板以来，越来越多的AI芯片企业都想要抢滩登板上市。尤其从新基建到十四五规划建议，再到国家层面持续强调的国际国内双循环新发展格局，AI芯片的投资迎来了许多新的机遇和挑战。TSFesmc

TSFesmc

从左至右分别为：智一科技联合创始人&总编辑张国仁，北极光创投合伙人杨磊，中芯聚源合伙管理人张焕麟TSFesmc

北极光创投合伙人杨磊认为，2020年半导体的投资热情比2019年更高涨，半导体行业的发展也经历了从“比你便宜比你差”到“和你一样”，再到“比你快比你好”的三个阶段。他透露称，北极光自2005年创办至今已累计投资20家半导体企业，已有1/3退出，目前剩下的14家中，超过2/3的企业做出了“比你快且比你好“的产品。TSFesmc

在他看来，国内许多行业已经入人工智能、5G和物联网等应用的爆发拐点，不仅具有全球最为完善的电子信息产业链，还具备全金字塔人才。同时，AI芯片产业还处于发展前期和泡沫未崩掉的节点，仍在向上发展，如今可能是进入行业的最好时机。TSFesmc

但杨磊不鼓励做软件的公司做芯片。理由在于软件学习周期短，硬件企业在有合适软件团队的前提下能够实现快速迭代。但反之，芯片的周期是以年为单位的，很多最好的产品往往需要三年甚至更长时间打造，并不适合软件企业。同时，他对“一家企业适不适合开发芯片”给出了自己的判断标准：市场集中度、难度和变化，认为“三种力量之间的比较，是一个不断竞争的过程，企业的眼光一定要看的长远。”TSFesmc

“从集成电路产业来讲，现在到了整个产业向中国转移的时候。”中芯聚源合伙管理人张焕麟认为做芯片既要做好芯片也要做好生态，芯片本身除了要达到客户要求，还需软件、工具链、方案等在生态上的配合。想要做一个专业的芯片公司，还需在资源、人才、团队配备等方面保持长久的竞争力。此外，数据的产生、传输、存储、计算、应用都离不开芯片，新的针对AI芯片的宏观政策也是在适应如今经济和产业的发展潮流，从市场机会上看这几年是半导体行业发展较快的时机。TSFesmc

AI芯片的落地与挑战

按照尹首一教授从两个维度对AI芯片进行的分类可以看出：按应用场景划分，至少可以分成云端和边缘端两类；如果按技术路线划分，可以分成深度神经网络(DNN)处理器和神经形态处理器两类。前者主要是对人脑活动的一种数学抽象，核心目标是实现对深度神经网络的计算加速，后者则是真正设计一种物理器件，并在物理上模拟人类的神经元行为。TSFesmc

可AI为什么落地这么难呢？TSFesmc

亿智电子联合创始人&COO吴浪对此的看法，一是由于落地需要基于算法，尤其需要结合海量数据和不同应用场景，但目前做算法的人太少；二是应用碎片化，没有办法用一个或者几个算法去满足所有或者大部分的规模化场景；三是数据量极其庞大，导致AI从大数据中获取适合场景算法数据的难度很大；四是缺少统一的跨平台软件，服务器端、PC端训练好的数据如何能够快速地适配到设备端是个不小的挑战。TSFesmc

TSFesmc

亿智电子联合创始人&COO吴浪TSFesmc

以人脸识别为例，“AI技术发展至今，人脸识别、视像安防、汽车电子等领域对AI视觉技术的诉求已经从‘看得见’、‘看得清’、向‘看得懂’发展。”吴浪说从2019年开始，基于AI的专用SoC芯片开始在嵌入式设备中规模化商用，这一过程中，产品需求与SoC芯片是互相拉动的关系，而AI的产品化落地需要复杂的产品打磨过程，包括算法移植、标准化量产、产品的可制造性、可测试性、一致性、稳定性、交付成本等一系列问题。TSFesmc

赛灵思人工智能业务资深总监姚颂则认为，尽管PC与互联网、移动计算、人工智能等关键应用引领了芯片的一次又一次升级，但AI芯片需要解决的核心问题不是算力堆砌而是带宽。相比之下，单纯的AI芯片硬件开发其实并不复杂，软件生态才是AI芯片的核心壁垒。这与互联网平台逻辑类似，一边是商家一边是用户，一边是开发者一边是使用者，如果没有源源不断的开发者加入，贡献新的项目，生态壁垒很难突破。TSFesmc

TSFesmc

赛灵思人工智能业务资深总监姚颂TSFesmc

相比之下，现在行业更多采用的以微架构迭代方式去解决带宽不足问题的做法，可能不存在颠覆性创新的大机会，尤其随着摩尔定律发展放缓，未来正面战场无法单纯依靠架构技术创新取得实质性提升。因此新的技术路线开始得到关注，例如存内计算、光计算等。未来，行业最终将会形成云端相对统一，终端相对垂直的竞争格局。TSFesmc

存算一体AI芯片新锐玩家知存科技就是这样的一家企业。根据知存科技CEO王绍迪的介绍，目前“内存墙”的问题越来越严重，面临数据搬运慢和搬运能耗大的问题，缓存的大小和密度都很难提升，存算一体技术就是要用存储器直接做计算，解决“内存墙”的问题。但高算力、低功耗的特性使其应用场景与传统SoC芯片不同，因此需要在AI音频、健康等领域做更多应用创新。目前来看，基于Flash的存算一体芯片技术停留在28nm阶段，但存储密度和运算效率高于最先进的冯诺依曼架构芯片，未来将有机会进入22nm和基于Chiplet的应用方式，让存算一体以更多形式与现有芯片集成，丰富应用场景。TSFesmc

TSFesmc

知存科技CEO王绍迪TSFesmc

今年上半年，国家发改委提出了新基建的三大领域，分别为信息基础设施、融合基础设施和创新基础设施。在比特大陆AI业务线CEO王俊看来，智慧城市有望成为新基建的集大成者，人工智能将是新基建的核心使能共性技术，而支持这种判断的原因在于智慧城市针对医疗、金融、安全和交通等各领域都有着海量的数据智能化需求，由城市统一建设的AI超算中心来支撑庞大而繁杂的AI计算是最高效的解决方案。TSFesmc

TSFesmc

比特大陆AI业务线CEO王俊TSFesmc

如今比特大陆以自研AI芯片为核心，打造了覆盖云和边缘的高性能AI加速产品矩阵，涵盖了智能计算盒、AI加速卡、智能服务器及AI超算中心。同时提供灵活易用的开发工具链，积极与AI算法、应用、硬件等生态伙伴合作，共同打造多场景、全链条的AI解决方案，为智慧城市建设提供有力支撑。TSFesmc

结语

正如智一科技联合创始人/CEO龚伦常提到的那样，在大国博弈、国家战略重视、资本市场的改革、产业升级的需求等多种因素的作用下，中国的半导体产业正在迈入黄金时代。具体到AI行业，行业玩家跨界竞赛、生态建设、应用落地，以及众多玩家在芯片架构、材料、封装技术等方向的追逐创新，既给整个行业拓宽了发展边界，也带来了新的发展思路和方向。TSFesmc