AI芯片群雄逐鹿：融资迭创新高面临商业落地挑战

2021-07-23 14:26:38作者: 倪雨晴来源: 中国网科技

　　来源：21世纪经济报道

　　众所周知，近两年AI芯片商业落地上遇冷，但是2021年投资圈对AI芯片的热度猛然升温。年初伊始，初创企业的融资讯息频出，燧原、瀚博、沐曦、壁仞、摩尔线程、天数智芯等新一波的公司逐个崭露头角。

　　在创业公司不断涌现的同时，国内科技巨头们也加大了AI芯片的投入。近日，腾讯在招聘官网发布了芯片研发岗位信息，包括芯片架构师、芯片设计工程师等，对此腾讯回应称，这是基于一些业务需要，腾讯在特定的领域有一些芯片研发的尝试，比如AI加速和视频编解码，但并非通用芯片。

　　至此，BAT均已入场，今年上半年，百度宣布旗下昆仑芯片业务已成立独立新公司，瞄准的也是云端AI通用芯片，第二代昆仑芯片已经流片成功，将于2021年下半年量产；字节跳动也表示在组建相关团队，在AI芯片领域做一些探索；华为的昇腾生态在继续展开，阿里含光芯片也已面市。

　　而从全球来看又是另一番生态，英伟达依旧制霸着AI芯片市场，在终端和云端以GPU一骑绝尘。其挑战者也攻势凶猛，英特尔、AMD、谷歌、亚马逊，乃至自研芯片的特斯拉，具有先发优势的企业们不仅在一些关键性的技术突破点上大举投入，英伟达们还全副武装，从端到端进行整合。可以看到，在多年的群雄并起之后，AI芯片的战场来到了逐鹿中原的阶段。

　　国内AI投资热潮再现

　　目前，国内的AI芯片企业在技术创新、商业探索的发展阶段。在前一波热潮中，寒武纪已经上市、地平线被传计划今年推进上市、深鉴科技则在2018年被赛灵思收购；在当下新兴的AI创业公司中，有不少企业直接进入GPU赛道，和英伟达正面竞争，也有的在细分领域通过架构层面等创新错位竞争。在这些新力量中，创始成员中有不少技术大拿来自英伟达、AMD等大厂，在AI和芯片两大热点交织的2021年，团队创立初始就受到资本圈青睐，融资额和估值颇高，有的企业估值已经达到“独角兽”规模。

　　具体来看，GPU相关的大笔投资主要集中自今年一季度，这些企业瞄准了英伟达实力强大的云端训练领域。比如摩尔线程在成立100天时间内完成了两轮超十亿融资；成立仅一年多的壁仞科技已经完成B轮融资，累计融资金额已超过47亿元人民币，创始团队中高手云集；据悉，壁仞科技的第一款GPU芯片定位高端通用智能计算，支持云端训练和推理，目前已经到了收尾阶段，预计将在今年流片；沐曦也完成数亿元Pre A+轮融资，拟采用5纳米工艺技术，研发全兼容CUDA及ROCm生态的高性能GPU芯片，满足HPC、数据中心及AI等方面的计算需求；天数智芯完成C轮12亿元融资，其首款台积电代工的7纳米云端训练芯片BI已进入量产阶段，即将进入规模化商用环节。

　　同时，也有不少企业选择了AI云端推理领域进行突围。从市场需求侧看AI推理的市场正在放大，研究机构赛迪顾问报告显示，从2019年到2021年三年中国AI芯片市场规模仍将保持50%以上的增长速度，到2021年，市场规模将达到305.7亿元。其中，随着大规模地方性数据中心的建设陆续完成，云端训练芯片增长速度放缓；而随着各领域市场需求的释放，云端推断芯片、终端推断芯片市场增长速度将持续呈上升趋势。

　　比如，瀚博半导体创始人兼CEO钱军就向21世纪经济报道记者表示，选择推理端突破，一方面是因为市场需求，有数据显示，2021年推理市场已经大于训练市场；另一方面是因为GPU在推理侧不是最好的构架，瀚博半导体有更好的DSA构架，同时，瀚博半导体还强化视频处理能力；成立于2018年的燧原科技既有训练芯片，也有推理芯片，燧原科技获得最新的C轮融资，共融资人民币18亿元，最新推出第二代芯片也将加速商业化的步伐，燧原科技CEO赵立东表示，燧原的产品主要面向泛互联网、传统行业(金融、交通、电力、医疗、工业等)以及新基建三大业务方向。

　　要与国际巨头正面PK

　　尽管AI芯片市场巨大，但是从发展规律看最终会集中于头部企业，有投资人向21世纪经济报道记者指出，近两年国内市场上AI企业众多，达到数十家，未来将面临整合和淘汰。

　　对于国内企业而言，相似的背景也带来初创企业的同质化，目前更考验大家的是商业化落地情况，一些芯片公司已经和互联网企业、科研机构等形成合作关系，如何继续扩大规模、持续输出高性能产品对标英伟达等都是挑战。

　　有芯片从业者就告诉记者，不论团队背景如何，最重要的还是如何实现商业落地，在内部需要硬件架构和软件进行磨合，在软硬件结合后接触客户时，更大的挑战也开始了。面对客户针对产品提出的实际要求，芯片公司需要不断进行优化，同时，在和客户合作过程中，也意味着和巨头英伟达在性能等方面直接PK，需要证明自身的高性能，竞争还是非常激烈的。

　　毕竟英伟达构筑的人工智能生态依然强大，早在2007年英伟达就提出了GPGPU(用于通用计算的GPU)的概念，将GPU从传统印象中的图像处理器，广泛普及应用到计算训练当中，并抓住了图形渲染、深度学习和区块链等领域的发展机遇。同时，英伟达还搭建了CUDA平台，CUDA平台是英伟达建立的并行运算的一整套软硬件生态标准，大多数AI芯片均与之匹配兼容，尤其是训练端芯片，若收购ARM成功，英伟达将进一步如虎添翼。

　　英伟达的生态十分坚固，但是其他科技企业们也在摩拳擦掌。谷歌于2015年就开始制造自己的芯片，打造自己的TPU芯片；AMD收购了赛灵思用于AI 数据中心产品；在2016年收购Annapurna Labs后，亚马逊去年开始将Alexa的大脑转移到自己的Inferentia芯片上。

　　英特尔则通过收购案来弥补AI芯片布局，2015年167亿美元收购FPGA巨头Altera，FPGA在云计算、物联网、边缘计算等方面有很大的潜力，2016年以4.08亿美元收购了 Nervana，2019年以20亿美元收购了AI芯片企业Habana Labs。此外，英特尔还收购了视觉处理芯片初创公司 Movidius、自动驾驶公司Mobileye。同时，英特尔发布了IDM2.0计划，还要强化芯片制造端，不难看出，各家企业正在进行业务全链条的布局。

　　值得注意的是，在这些企业之外，特斯拉的进展也备受关注，在其决定使用自研芯片之后，软硬件一体化的思路也在挑战着传统的芯片设计厂商。有AI从业者向记者表示，AI企业们一直都在寻找新的应用场景，英伟达也不例外，在手机、电脑、服务器等市场之外，自动驾驶行业正在掀起新一波热潮。在自动驾驶芯片场景中，特斯拉有着实践的优势，最终谁的深度学习能力更强、AI综合实力更强，还将拭目以待。

(责任编辑：柯晓霁)