?一文看懂AI芯片競爭五大維度

下一波大趨勢和大紅利從互聯(lián)網(wǎng)+讓位于人工智能+，已成業(yè)界共識。在AI的數(shù)據(jù)、算法和芯片之三劍客中，考慮到AI算法開源的發(fā)展趨勢，數(shù)據(jù)與芯片將占據(jù)越來越重要的地位，而作為AI發(fā)展支柱的芯片更是AI業(yè)的競爭“核心”。在圍繞AI芯片一系列跑馬圈地的“運動”中，已不是“單點作戰(zhàn)”的競爭，而是涉及路線、架構(gòu)、應(yīng)用、生態(tài)等全方位的維度。

路線之爭

可以說，芯片將決定新AI計算時代的基礎(chǔ)架構(gòu)和未來生態(tài)。因此，谷歌、微軟、IBM、Facebook等美國巨頭都投巨資加速AI芯片的研發(fā)，旨在搶占制高點，而國內(nèi)AI芯片更是呈現(xiàn)出創(chuàng)新活躍、百花齊放的格局。

對于AI芯片廠商而言，首要任務(wù)是選好定位。從應(yīng)用來看，AI芯片主要分為云AI芯片和端AI芯片。云AI芯片應(yīng)用于云端服務(wù)器及數(shù)據(jù)中心；端AI芯片應(yīng)用于智能設(shè)備、IoT端設(shè)備。從作用來說，訓(xùn)練和推理需各成其就。

在云端訓(xùn)練中，多GPU并行架構(gòu)是常用的基礎(chǔ)架構(gòu)方案。而在云端識別中，基于功耗與運算速度的考量，異構(gòu)計算（CPU+GPU+FPGA/ASIC）是目前主流方案。而終端設(shè)備著重推斷。業(yè)內(nèi)某IP公司負責(zé)人表示，云端訓(xùn)練和推理更追求性能，而不會過多考慮功耗、內(nèi)存等因素。而在終端的訓(xùn)練方面，既要求有大量的數(shù)據(jù)，又要求有大量的運算，很難滿足。對于AI芯片公司來說，未來的機會肯定是終端的推理。

廠商對未來的預(yù)判不盡相同，有的要在云端做大芯片；有的面向終端，開發(fā)特定場景的芯片；有的則兩路并發(fā)。那究竟選擇何種路線？對GPU、FPGA、ASIC的“押注”誰將勝出？而無論是基于GPU、FPGA等通用芯片的半定制方案還是專用ASIC芯片，最終比拼的仍是性價比。

架構(gòu)之爭

在AI芯片這一賽道上，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(shù)的中小創(chuàng)業(yè)企業(yè)在全力以赴，而路線之爭的背后其實是傳統(tǒng)與新型架構(gòu)的爭奪。

ICCAD理事長、清華大學(xué)魏少軍教授稱，架構(gòu)創(chuàng)新是一個不可回避的問題。目前各家使用的AI方案架構(gòu)互不兼容，沒有支持的標(biāo)準(zhǔn)AI計算接口，是否會出現(xiàn)像當(dāng)年CPU一樣的通用處理器來一統(tǒng)AI芯片天下？如果存在的話，架構(gòu)是怎么樣的？如果不存在，那目前以滿足特定應(yīng)用的AI芯片一定只能以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芯片開發(fā)的公司將何去何從？

AI芯片應(yīng)該具備的基本要素在于：可編程性、架構(gòu)的動態(tài)可變性、高計算效率、低成本、應(yīng)用開發(fā)簡便等，目前的CPU+GPU、CPU+FPGA、CPU+ASIC等均不是理想架構(gòu)。魏少軍教授認(rèn)為，通用AI處理器的驅(qū)動力來自以下兩個方面：開發(fā)AI芯片硬件構(gòu)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(gòu)的支持廣度、標(biāo)準(zhǔn)AI計算接口，對AI芯片的普及非常重要，而開發(fā)相關(guān)算法也不是一朝一夕就可以完成的。

寒武紀(jì)作為AI芯片賽道上的主要玩家之一，認(rèn)為AI必然會出現(xiàn)一種重量級的應(yīng)用，硬件就必然要標(biāo)準(zhǔn)化、通用化。而地平線創(chuàng)始人余凱則認(rèn)為AI的應(yīng)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(lǐng)域會出現(xiàn)一個主導(dǎo)架構(gòu)。未來的架構(gòu)之爭還將持續(xù)。

陣營之爭

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

除新興的地平線、寒武紀(jì)、深鑒、比特大陸等這些廠商之外，我們看到，一方面，諸多老牌芯片企業(yè)正在積極擁抱AI，成為AI芯片產(chǎn)業(yè)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(tǒng)SoC處理器芯片或者多媒體芯片企業(yè)就是其中的代表。另一方面，切入AI芯片領(lǐng)域的算法和系統(tǒng)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(fā)與并購?fù)顿Y的方式加大對AI芯片的投入。

相比那些活躍的初創(chuàng)AI芯片新生力量，老牌企業(yè)具有更加完備的前后端設(shè)計、產(chǎn)品、驗證和測試團隊，具備打造一顆完整SoC芯片產(chǎn)品的工程化經(jīng)驗。老牌芯片企業(yè)的入場競爭，和新生力量在人才、產(chǎn)品層面的角力，是未來AI產(chǎn)業(yè)值得關(guān)注的一大看點。而系統(tǒng)公司離場景最近，對場景真實需求的深刻了解，強大的軟硬件一體化產(chǎn)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芯片初創(chuàng)企業(yè)的關(guān)系上始終處在一個更加主導(dǎo)的地位，更增加了產(chǎn)業(yè)格局的不確定性。

AI芯片的技術(shù)壁壘并不低，但只要行業(yè)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，都有動力自己做芯片，如蘋果、三星、華為還有小米等都選擇了自己開發(fā)手機芯片。這對于高通、聯(lián)發(fā)科、展訊等手機芯片供應(yīng)商來說也是一大沖擊。而這在AI領(lǐng)域也將上演同樣的故事。

應(yīng)用之爭

商業(yè)應(yīng)用是AI的關(guān)鍵因素之一，AI只有解決了實際的問題才具有價值。AI芯片巨大的研發(fā)成本、流片成本、分銷成本都需要應(yīng)用來“稀釋”。

但依據(jù)專家觀點，AI的關(guān)鍵性應(yīng)用需要追求 99.9……% 后的多個 9，做不到就沒法商業(yè)化。比如自動駕駛，“關(guān)鍵性應(yīng)用”的普遍特點就是這樣，項目通常很貴，研發(fā)周期巨長，需要技術(shù)大牛坐鎮(zhèn)以及持續(xù)的融資能力。而大部分是非關(guān)鍵性應(yīng)用，比如人臉識別，通常比拼綜合實力，包括對行業(yè)的洞察理解力、產(chǎn)品和工程化能力、成本控制、供應(yīng)鏈能力、營銷能力、迭代能力等等。

此外，不同行業(yè)有不同的“聚焦”。在汽車行業(yè)，安全性、實時性是最重要的問題。而在安防領(lǐng)域，AI+視頻監(jiān)控最看重的是把被動監(jiān)控變?yōu)橹鲃臃治雠c預(yù)警，對識別率、算力及成本有很高的要求。在消費電子領(lǐng)域，手機因為搭載麒麟970芯片的華為mate10手機與同樣嵌入AI芯片的iPhoneX帶領(lǐng)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(lǐng)域，取決一些關(guān)鍵因素：市場空間夠不夠大？行業(yè)集中度如何？技術(shù)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(yīng)用領(lǐng)域，仍然有諸多硬仗要打。

生態(tài)之爭

在AI的競爭維度上，生態(tài)絕對是關(guān)鍵一環(huán)。

在AI平臺化的趨勢下，未來AI將呈現(xiàn)若干主導(dǎo)平臺加廣泛場景應(yīng)用的競爭格局，生態(tài)構(gòu)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(chǎn)業(yè)鏈的基礎(chǔ)技術(shù)層和應(yīng)用層著手布局，比如Google推出了TensorFlow分布式學(xué)習(xí)框架，國內(nèi)百度建立并開放了PaddlePaddle全開源深度學(xué)習(xí)平臺，還推出了DuerOS和Apollo兩大AI操作系統(tǒng)。

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(gòu)建出AI的生態(tài)系統(tǒng)。而在AI生態(tài)層面，值得關(guān)注的動向是：一是隨著生態(tài)的進化，很多領(lǐng)域都會有訓(xùn)練好的模型可以用來參考，未來算法的壁壘會越來越低，如果一個公司的核心競爭力只是算法，那將非常危險；二是AI芯片廠商不能僅考慮自己獨特的體系結(jié)構(gòu)和軟件開發(fā)套件，在當(dāng)前的情形下，要不就打造成包括硬件及軟件生態(tài)的全AI服務(wù)流程能力，要不就需要融入一個合適的生態(tài)圈，否則長遠的競爭力將難以保證。

伴隨AI的演變，算力的提升促進了算法的發(fā)展，算法的發(fā)展又對AI芯片提出了需求?！澳阍谂?，本來的優(yōu)勢者也在跑?！边@句話適用于英偉達和英特爾的巨頭之爭，也適用于AI芯片公司。在全新的AI芯片領(lǐng)域，未來的版圖還有諸多想象空間，就看如何著墨了。（校對/范蓉）