一文看懂AI晶元競爭五大維度

來自專欄 半導體投資聯盟

集微網消息，下一波大趨勢和大紅利從互聯網+讓位於人工智慧+，已成業界共識。在AI的數據、演算法和晶元之三劍客中，考慮到AI演算法開源的發展趨勢，數據與晶元將佔據越來越重要的地位，而作為AI發展支柱的晶元更是AI業的競爭「核心」。在圍繞AI晶元一系列跑馬圈地的「運動」中，已不是「單點作戰」的競爭，而是涉及路線、架構、應用、生態等全方位的維度。

路線之爭

可以說，晶元將決定新AI計算時代的基礎架構和未來生態。因此，谷歌、微軟、IBM、Facebook等美國巨頭都投巨資加速AI晶元的研發，旨在搶佔制高點，而國內AI晶元更是呈現出創新活躍、百花齊放的格局。

對於AI晶元廠商而言，首要任務是選好定位。從應用來看，AI晶元主要分為雲AI晶元和端AI晶元。雲AI晶元應用於雲端伺服器及數據中心；端AI晶元應用於智能設備、IoT端設備。從作用來說，訓練和推理需各成其就。

在雲端訓練中，多GPU並行架構是常用的基礎架構方案。而在雲端識別中，基於功耗與運算速度的考量，異構計算（CPU+GPU+FPGA/ASIC）是目前主流方案。而終端設備著重推斷。業內某IP公司負責人表示，雲端訓練和推理更追求性能，而不會過多考慮功耗、內存等因素。而在終端的訓練方面，既要求有大量的數據，又要求有大量的運算，很難滿足。對於AI晶元公司來說，未來的機會肯定是終端的推理。

廠商對未來的預判不盡相同，有的要在雲端做大晶元；有的面向終端，開發特定場景的晶元；有的則兩路並發。那究竟選擇何種路線？對GPU、FPGA、ASIC的「押注」誰將勝出？而無論是基於GPU、FPGA等通用晶元的半定製方案還是專用ASIC晶元，最終比拼的仍是性價比。

架構之爭

在AI晶元這一賽道上，既有谷歌、英特爾、英偉達等頂尖巨頭大手筆的投入，也有無數的中小創業企業在全力以赴，而路線之爭的背後其實是傳統與新型架構的爭奪。

ICCAD理事長、清華大學魏少軍教授稱，架構創新是一個不可迴避的問題。目前各家使用的AI方案架構互不兼容，沒有支持的標準AI計算介面，是否會出現像當年CPU一樣的通用處理器來一統AI晶元天下？如果存在的話，架構是怎麼樣的？如果不存在，那目前以滿足特定應用的AI晶元一定只能以IP核的方式存在，最終被各種各樣的SoC所集成，如果真是這樣，那今天從事AI晶元開發的公司將何去何從？

AI晶元應該具備的基本要素在於：可編程性、架構的動態可變性、高計算效率、低成本、應用開發簡便等，目前的CPU+GPU、CPU+FPGA、CPU+ASIC等均不是理想架構。魏少軍教授認為，通用AI處理器的驅動力來自以下兩個方面：開發AI晶元硬體構架的代價非常高，不是所有廠家都能承受的；IP的可擴展性、架構的支持廣度、標準AI計算介面，對AI晶元的普及非常重要，而開發相關演算法也不是一朝一夕就可以完成的。

寒武紀作為AI晶元賽道上的主要玩家之一，認為AI必然會出現一種重量級的應用，硬體就必然要標準化、通用化。而地平線創始人余凱則認為AI的應用在各個場景里千差萬別，更可能的情況是，在每一個細分領域會出現一個主導架構。未來的架構之爭還將持續。

陣營之爭

在AI這一巨大風口之下，老將新兵均蜂擁入場，以分享這一新興生態圈紅利，同時也將變數再次放大。

除新興的地平線、寒武紀、深鑒、比特大陸等這些廠商之外，我們看到，一方面，諸多老牌晶元企業正在積極擁抱AI，成為AI晶元產業中的重要力量，諸如中星微、北京君正、中天微、杭州國芯等傳統SoC處理器晶元或者多媒體晶元企業就是其中的代表。另一方面，切入AI晶元領域的演算法和系統公司逐漸增多，比如商湯、海康、大華、依圖、華為等，他們積極地通過自主研發與併購投資的方式加大對AI晶元的投入。

相比那些活躍的初創AI晶元新生力量，老牌企業具有更加完備的前後端設計、產品、驗證和測試團隊，具備打造一顆完整SoC晶元產品的工程化經驗。老牌晶元企業的入場競爭，和新生力量在人才、產品層面的角力，是未來AI產業值得關注的一大看點。而系統公司離場景最近，對場景真實需求的深刻了解，強大的軟硬體一體化產品能力、市場營銷渠道能力以及充足的資本儲備等，將使得它們在處理和眾多AI晶元初創企業的關係上始終處在一個更加主導的地位，更增加了產業格局的不確定性。

AI晶元的技術壁壘並不低，但只要行業集中度高，贏家就會選擇通吃。比如做手機的廠商，出貨量到了一個閥值，都有動力自己做晶元，如蘋果、三星、華為還有小米等都選擇了自己開發手機晶元。這對於高通、聯發科、展訊等手機晶元供應商來說也是一大衝擊。而這在AI領域也將上演同樣的故事。

應用之爭

商業應用是AI的關鍵因素之一，AI只有解決了實際的問題才具有價值。AI晶元巨大的研發成本、流片成本、分銷成本都需要應用來「稀釋」。

但依據專家觀點，AI的關鍵性應用需要追求 99.9……% 後的多個 9，做不到就沒法商業化。比如自動駕駛，「關鍵性應用」的普遍特點就是這樣，項目通常很貴，研發周期巨長，需要技術大牛坐鎮以及持續的融資能力。而大部分是非關鍵性應用，比如人臉識別，通常比拼綜合實力，包括對行業的洞察理解力、產品和工程化能力、成本控制、供應鏈能力、營銷能力、迭代能力等等。

此外，不同行業有不同的「聚焦」。在汽車行業，安全性、實時性是最重要的問題。而在安防領域，AI+視頻監控最看重的是把被動監控變為主動分析與預警，對識別率、算力及成本有很高的要求。在消費電子領域，手機因為搭載麒麟970晶元的華為mate10手機與同樣嵌入AI晶元的iPhoneX帶領手機進入智能時代。另外，亞馬遜的Echo引爆了智能家居市場，對AI的訴求要解決功耗、安全隱私等問題。

要選擇哪個垂直領域，取決一些關鍵因素：市場空間夠不夠大？行業集中度如何？技術是改良還是革命？競爭對手的壁壘誰更高？顯然，在消費電子、安防、智能汽車等AI場景應用領域，仍然有諸多硬仗要打。

生態之爭

在AI的競爭維度上，生態絕對是關鍵一環。

在AI平台化的趨勢下，未來AI將呈現若干主導平台加廣泛場景應用的競爭格局，生態構建者將成為其中最重要的一類模式。目前，科技巨頭都已在AI產業鏈的基礎技術層和應用層著手布局，比如Google推出了TensorFlow分散式學習框架，國內百度建立並開放了PaddlePaddle全開源深度學習平台，還推出了DuerOS和Apollo兩大AI操作系統。

對騰訊、阿里、百度這些巨頭來講，為維持自己的王者地位，必然也必須要構建出AI的生態系統。而在AI生態層面，值得關注的動向是：一是隨著生態的進化，很多領域都會有訓練好的模型可以用來參考，未來演算法的壁壘會越來越低，如果一個公司的核心競爭力只是演算法，那將非常危險；二是AI晶元廠商不能僅考慮自己獨特的體系結構和軟體開發套件，在當前的情形下，要不就打造成包括硬體及軟體生態的全AI服務流程能力，要不就需要融入一個合適的生態圈，否則長遠的競爭力將難以保證。

伴隨AI的演變，算力的提升促進了演算法的發展，演算法的發展又對AI晶元提出了需求。「你在跑，本來的優勢者也在跑。」這句話適用於英偉達和英特爾的巨頭之爭，也適用於AI晶元公司。在全新的AI晶元領域，未來的版圖還有諸多想像空間，就看如何著墨了。