如何評價 AI 晶元公司寒武紀 A 輪融資 1 億美元，估值達到 10 億美元？

01-01

新聞背景：寒武紀獲1億美元融資中國誕生AI晶元首個獨角獸
附帶幾個小問題：
1. 深度學習為什麼需要專門的處理器？
2. NVIDIA的GPU技術乘著深度學習的東風扶搖而上，寒武紀的專用晶元相比NVIDIA的GPU有多少技術優勢？
3. 為什麼Intel這樣的傳統晶元廠商沒有主導深度學習專用晶元的開發？

歡迎深入淺出、圖文並茂的回答，但請別弄成文獻綜述，謝謝。

1. 因為機器學習的workload已經非常廣泛，從龐大的數據中心雲端到每個人手裡的手機，以及將來的智能家電，智能可穿戴設備都跑著不同種類的機器學習演算法（不一定是DNN），而傳統CPU、嵌入式CPU體系結構做深度學習效率不高，所以有GPU、FPGA、ASIC的深度學習加速。

2. 設計GPU + 面向深度學習做優化，與從頭開始面向深度學習設計ASIC，是有一定關聯但是區別也非常大的兩件事。我覺得這個問題應該反過來問，GPU面對天生的ASIC能有多少優勢呢：）

3. 我們接觸過其他做CPU core的企業，正在評估做機器學習相關的workload，可以有比較大的把握說Intel肯定也在內部做過評估，但是為什麼現在沒有推出這樣的晶元，原因就耐人尋味了，甚至連prototype都出了，但是內部又被拍死了也是完全可能的。大公司在面對新興業務時的笨拙，很多時候跟技術本身是沒有關係的。

4. 題主沒有詢問但是肯定很多人想問的補充 - 寒武紀的天使輪與A輪融資都是國內破紀錄的數字，為什麼這麼被看好，投資人看中的不僅是寒武紀脫胎於國際頂尖級的學術研究團隊，而且還有極為迅速的工業量產落地，過後1-2個月還會有更大的好消息公布。

因為自己在計算所工作，所以認識很多在寒武紀工作的傑出人才，融資消息發布的時候我剛好正在寒武紀開會，親眼看著消息發布以後被各路媒體爭相轉發，這兩天上門採訪的知名媒體應接不暇。想想我剛到所里來的時候，他們還沒有這麼高的知名度，和所里的很多師兄弟姐妹一樣，我們親眼看著「Diannao」系列變成「寒武紀Cambricon」，一步步走到今天，發自內心地感到榮幸與自豪，在這波AI浪潮的大勢下，也在我們工作的地方孵化出了一個當之無愧世界級的startup，剛才下樓吃飯還看到寒武紀的招聘啟事和其他牛企在我們這裡的專場招聘海報貼在一起，看著特別感慨。

雖然寒武紀現在勢頭非常好，但是學術出身的寒武紀團隊真的是很低調，網上能看到的採訪和相關報道與被婉拒的採訪數量相比真是九牛一毛，作為團隊leader的陳氏兄弟倆，陳雲霽老師是一個會在ASPLOS workshop上談招聘「要招人先問他打遊戲能不能坐得住」的人，陳天石老師是一個跟所里的學生吃飯聊天，說跟自己學生一起打DOTA，團戰開大開慢了差點被自己的學生罵的人。

作為比網上多數人更靠近寒武紀的角度，我看到的情況跟網上的流言有很多不一樣，這些流言包括說寒武紀沒有流片的，懷疑寒武紀沒有技術優勢的，蹭AI熱點的，等等。說寒武紀沒有流片的人肯定不了解很早就流片的事實，也不知道寒武紀成功推動這麼大規模的工業化應用中付出的艱苦努力，說寒武紀沒有技術優勢的人，肯定不知道見過作為PI的陳氏兄弟倆堅持這個方向有多少年，曾經經歷過沒有得到項目資助還在找錢堅持研究，組裡甚至留不住新招來的實習生這樣的日子，也肯定更沒見過他們在是兩三年時間裡橫掃各大學術頂級會議，亞洲第一篇MICRO最佳論文，ASPLOS最佳論文，大陸第一篇TOCS論文，CGO最佳論文提名，ISCA審稿評分最高，ASPLOS第一次在中國召開，陳雲霽老師作為大會general co-chair致辭的高光時刻。寒武紀如此被資本追捧的今天和明天都是他們這個團隊應當得到的，並且也將會是頂尖級學術成果推動社會工業技術進步的經典案例。

===

update：

1）這幾天收到很多詢問，在此正面100%確認：華為的麒麟970搭載NPU，就是寒武紀的IP，並且，這也不是寒武紀的IP最後一次出現在華為產品線上，後繼會有更多產品跟進。

2）Intel今年早些時候已經出了lake crest，感謝評論區的朋友提醒

所有答案都抓不到重點。

樂觀因素：華為用到了，如果市場反饋可以，三星要不要跟進，oppo要不要跟進，vivo要不要跟進，小米要不要跟進，市場獨家，想像力巨大。

悲觀因素，如果市場反饋可以，華為會不會自己搞，三星會不會自己搞，oppo會不會自己搞，vivo會不會自己搞，小米會不會自己搞，沒有巨頭撐腰，會不會成為先烈。

關鍵點，看技術的領先優勢和門檻是不是足夠高，如果阻擋不了競爭者，那麼市場很快就會被競爭者淹沒，先驅到先烈，只一步之遙。

現在業內頂尖技術能保持六個月的優勢都已經很難了，有業內的可以分析一下這家公司持有和申請中的專利，未來是不是值10 個億美金，要全球主流國家都有授權的額。

覺得很好，但是也心疼這麼牛逼的東西一開始才一個億……

從報道中，可以看出該晶元主要用於兩個場景，一是在終端，二是在雲端。該專用處理器最大優勢是相對於通用處理器，具有更高的性能功耗比（計算速度更快，更省電），從而希望「未來數年，移動終端（手機、手錶、眼鏡各種可穿戴設備）通過集成該專用處理器獲得強大的本地智能處理能力」，就像GPU,DSP那樣。

1.GPU和DSP的市場驅動力確實很大。所以，只有本地化智能信息處理的需求變成類似圖像等信息處理的需求那麼迫切的時候，這個遠景才能真的到來。

2.信息處理到底是放在雲端（雲計算）還是終端（邊緣計算），性能的提升是從計算架構（軟）還是從處理器（硬）方面進行提升。市場會回答這些問題。很開心能看到國內有這麼多相關成果湧現出來。

3.數據價值的產生除了處理，感知和傳輸方面也需要協同推進。否則，下一個瓶頸就變了。

4. 通用和專用適用於不同的領域。專用的崛起的必要條件是通用的在那個方面存在一些缺點。另一個必要條件就是，這個專用的領域市場驅動力足夠強。目前，AI炒個的很熱，但是真實的AI當然比媒體中宣傳的那樣要遜色。AI晶元是AI生態系統中的一部分，其能否真正帶來直接經濟回報，還要看AI應用的推廣。一旦，AI應用靜悄悄的融入我們生活和工作中，成為不可分割的一部分後（比如4G通信標準），時代就會又一次變革。

5.我想Intel推出自己的AI晶元並不是很難，有品牌效應存在，一旦推出可能更容易搶佔市場。在外屆沒有能夠匹敵的對手，以及市場需求估計不足的時候，他們也沒有必要強推AI晶元。

6. 報道中，為了強調密集型AI演算法計算效率存在的瓶頸問題，用了一個貓臉識別的例子。其實，我更希望看到更貼合生活的一些例子。用這些例子去說明AI演算法計算時效的重要性更具有說服力。此外，計算時效和數據量、模型都有關係。一個企業，為了一個服務（應用）專門額外部署一些板子去跑AI演算法，這又需要均衡成本和時效緊迫性。AI演算法只是數據處理的一部分。比如，電信運營商，拿到用戶數據後，需要進行更多的簡單的統計類型數據處理。這些應用往往存取是瓶頸。總之，一個產品從誕生到成為生態中不可分割的一部分，任重道遠。

7.體系結構拿了那麼多best paper，確實不是一般的牛。

怎麼感覺像作業啊

寒武紀是家光聽名字就感覺王霸之氣側漏的厲害公司。

___分割線___

前段時間在杭州人工智慧小鎮開幕上次聽了他們投資方分享寒武紀，數據很亮，團隊更亮

你怕不是做行研的，來知乎空手套報告的吧……

最近正在一款軟硬一體的企業服務硬體，研究了一些國內外的ARM晶元，有一些體會。引用了一些我在即將搭載人工智慧晶元的華為Mate10能否讓華為成為手機業領導者？中的回答。

我認為寒武紀能發展這麼快，裡面有國家意志的體現。華為搭載了中科院投資的「寒武紀"晶元，重點可能不是賣手機，而是要支持國產晶元，構建新的軟硬體生態，畢竟這麼大體量的華為能採用一家小創業公司的晶元，就很說明問題。

中國的晶元需求量很大

最近幾年中國一直在想辦法處收購國外的半導體晶元廠商，比如說做存儲的美光科技，西部數據，做X86 CPU的AMD，都被美國政府阻止了。

我們的晶元進口量在2014年就超過了石油，成第一大進口商品。全球54%的晶元都出口到中國，但國產晶元的市場份額只佔10%。全球77%的手機是中國製造，但其中不到3%的手機晶元是國產的。我國晶元產業長期被國外廠商控制，這不利於國家安全。

就我們做的項目來說，我們的產品對晶元要求是比較高的，最好是永不死機。測試了幾款不同廠商ARM晶元，感覺國產的與國際大廠比如博通Broadcom還有一定的差距。發熱略大，啟動時間略長，一些板子質量也有問題，不過價格確實是便宜，大概是國外品牌的三到四分之一左右。

在傳統架構下很難超越

目前比較重要的晶元架構可以劃分為ARM和x86，目前幾乎所有的桌面和伺服器都採用基於x86指令集的CPU，而所有的手機和嵌入式系統都採用基於ARM指令集的CPU。中國早就能生產超大規模集成電路了，設計一套全新的晶元對中國來說並不難，但目前幾乎所有的軟體都基於arm/x86這兩種指令集開發的，已經形成了強大的應用生態，即便是各大廠的伺服器CPU也只能兼容x86做擴展，否則應用軟體無法運行。這幾乎是繞不過去的，即便基於已有指令集開發全新晶元，也必然會遭遇專利壁壘。而且ARM指令集是有專利保護的，比如高通，雖然基於全新的架構實現了arm指令集，但是還需要為使用指令集而付費。

所以國內的一些ARM廠商充其量只能算是代工廠。

人工智慧是比較好的趕超機會

現在比較現實的趕超方式是創建一些新的指令集，基於這些指令形成新的軟硬體生態。人工智慧演算法從本質上來講是矩陣之間的矢量計算。以前的計算機是匯流排型的，線性的、位與位之間的位置，而神經網路演算法則是網狀的，內存塊之間的運算，可以說不是一個維度上的。性能必然會大幅提升。

在這方面還沒有造成行業標準。因此寒武紀提供新的適合神經網路計算的指令集，再由上游廠商如華為、小米搭載使用。軟體開發者就可以藉助新的硬體指令開發性能更好的軟體應用，從而形成事實上的應用生態和行業標準。

這是一個比較好的彎道超車的機會，祝中國的晶元產業越來越強大。

其實很簡單啊，等潮褪去了，才知道誰在裸泳。

等等看吧，畢竟現在AI真的是個大風口，還是希望可以出個大鱷來

天哪，問題1都敢問得出來你怎麼能算得來估值？

先把Intel和Nvidia最新的財報看了，謝謝。

我的文筆寫不出什麼很複雜的東西，所以都很通俗易懂。

先回答大問題：

不管AI到底能不能商用，或者多久能實現商用，但是現在AI就是很火（當然也不是莫名的火，隨著技術的發展，一些產品確實越來越智能了），所以AI這種科技產品還是比較容易融資的，所以能融到1億美元，沒有什麼好奇怪的，它的估值也一樣，因為畢竟存在著價值。價值怎麼體現？可以結合下面的問題。

1. 深度學習為什麼需要專門的處理器？

因為深度學習訓練需要大量的計算，對於圖形，視頻的深度學習來說，別說CPU了，GPU都要訓練很久。所以如果有專門的處理器就能很好的解決這個問題呀。

2. NVIDIA的GPU技術乘著深度學習的東風扶搖而上，寒武紀的專用晶元相比NVIDIA的GPU有多少技術優勢？

英偉達的GPU確實能提高深度學習的計算能力，不然股票也不會一年的時間翻了一翻。但是還是速度問題，GPU還是不夠快。寒武紀的專用晶元，能更快的處理計算問題。而且，GPU是在雲端上，就是在服務端，這樣子的話，商家需要買很多GPU來處理數據，這些GPU還是很昂貴的，對於商家來說是一筆不小的支出。寒武紀的專用晶元可以放在客戶端，也就是說可以讓客戶自己買單，商家划算。

3. 為什麼Intel這樣的傳統晶元廠商沒有主導深度學習專用晶元的開發？

這個我不是很清楚。但是我說一說我的想法？

1、一個企業不是那麼容易就轉型的，本來做傳統晶元的，現在要做深度學習專用晶元，需要各方面的人力物力，不是那麼容易轉型。並且現在不做，也不代表之後不做？

2、或者Intel覺得做好傳統晶元就夠了？

現在ai創業項目多，應用開發豐富，基礎硬體設施可以跟著一波風口

想知道地平線機器人，深鑒科技的晶元與寒武紀的比較?

這個晶元屬於專用集成電路，即ASIC，在電路設計上，會根據神經網路優化部分電路，同事其作為ASIC，功耗會較GPU來說小很多。谷歌之前的阿法狗用的是所謂TPU，在運算上做了優化，所以功耗下降了很多。

純屬個人觀點，感覺寒武紀這個公司估計會變成先烈。。。作為一個本土公司，樂觀估計它的技術門檻很高，那麼它是否有足夠的能力進行進一步優化，能不能在巨頭廝殺中闖出來，真正能在一個新項目中從開頭走到最後的寥寥無幾。。

唉我覺得真悲哀

你看看ico哪些什麼都可以上kw的項目

簡直了

如果能說服小米和展訊支持的話，有望成為標準。

恕我眼花，把標題看成了「A片公司」......

個人理解

cpu gpu是通用晶元裡面冗餘很多比如很多指令是不需要的。而deep learn是nn神經網路，在存儲和計算部分是專用的演算法，所以單獨asic省面積還有效率

從效率上看我認為tpu 大於 gpu 大於 cpu

ai的應用貌似是先識別再自動目前看大多數應用還在識別上，後期可能在自動領域有大發展，但在自動領域比如我的華為手機真的沒感覺ai有啥作用呢

甚至後期和雲計算可以結合起來造成一種超級ai，天網不是不可能吧

看後繼發展，是不是有足夠應用支持，形成生態。是不是技術有足夠的專利和技術的護城河。不管咋說，起跑位置很靠前，蘋果的從參數看有點差距。競品看2018年後半年能追上不。