继谷歌, 苹果, 亚马逊自主设计制造AI芯片后, 近日脸书也决定加入自主研发AI芯片的阵营, 另外BAT中的阿里巴巴和百度也已试水AI芯片制造. 巨头们表示, 自主研发除降低成本外, 根据自己产品所定制的芯片, 可以更好地进行适配和调教.
'自产芯' 的爆发, 对英特尔, 高通和博通等芯片制造商带来了威胁, 同时芯片厂商又面临着增速放缓和成本上涨等压力. 重压之下, 部分芯片制造商试图通过并购方式, 在斩获新技术的同时, 削减制造和开发成本; 另有英伟达和英特尔等公司则将其大部分芯片制造专业技术转移到了AI及新兴领域, 准备通过为科技巨头服务来赚钱.
自产AI芯片爆发
随着AI技术不断走进现实, AI芯片已成为芯片行业竞争的焦点.
上周, 彭博消息称, 脸书正在招聘负责打造AI芯片的项目经理, 以降低对高通, 英特尔等芯片巨头们的依赖. 不过对AI芯片业务有渴求的不只是脸书, 谷歌, 苹果和亚马逊也位列其中.
早在2006年, 谷歌就考虑为神经网络构建一个专用集成电路 (ASIC) . 直至2016年, 谷歌推出的机器学习处理器TPU已有领先同行7年的优势, 包括宽容度更高, 可以使用更复杂和强大的机器学习模型等, 以使用户更加迅速地获得更智能结果.
苹果也于10年前就开始计划组建工程师团队为iPhone和iPad自主设计芯片. 去年, 苹果在秋季发布会上推出的iPhoneX等三款手机都采用了自主研发设计的AI芯片——A11仿生芯片. 取代了芯片供应商Imagination Technologies, 改用苹果自主设计的芯片, 图形处理速度与上一代相比最高提升超30%.
亚马逊方面, 据研究机构The Information今年2月份报告, 公司已开始设计制造AI芯片. 专用AI芯片也可以帮助其智能家居产品减少对整体远程服务器的依赖, 使智能音箱爱可 (Echo) 与控制门锁和安全摄像头等家用电器的连接更加安全可靠.
市场人士分析, 进入人工智能时代, 由于通用芯片并不能很好地适应深度学习算法的要求, 且效率低, 功耗大, 成本高, 最终催生了科技巨头纷纷试水造芯. 芯片走向定制化, 以满足AI软件的需求, 在业内已是大势所趋.
国内方面, BAT科技巨头也纷纷涉足AI芯片业务, 其中20日, 阿里巴巴全资收购了国内芯片制造商中天微, 此前, 阿里还投资了寒武纪, Barefoot Networks, 深鉴, 耐能 (Kneron) , 翱捷科技 (ASR) 等芯片公司. 过去几年, 百度在深度学习领域也有了可观的进展, 其中去年百度发布了名为XPU的AI云计算芯片.
据工信部数据, 2013年-2017年中国集成电路产业年复合增长率为21%, 约是同期全球增速的5倍左右, 以芯片产业为代表的高新技术行业, 具有强劲发展动力. 国际市场方面, 据市场调研公司Report Linker预计, 到2023年, 全球AI芯片市场规模将达到108亿美元, 复合年均增长率为53.6%.
芯片厂商腹背受敌
摩根士丹利等机构去年底就预言, 芯片价格上涨或很快见顶, 再加上科技巨头试水造芯, 芯片厂商腹背受敌. 为应对冲击, 芯片业并购的抱团取暖之路已持续了较长一段时间.
为扩张业务版图提高竞争力, 削减制造和开发成本, 2015年, 安华高斥资370亿美元收购博通; 同样为扩展芯片品类, 扩大业务范围, 高通于2016年宣布以470亿美元收购恩智浦; 2017年, 博通又提出以1030亿美元收购同行高通, 以抵御5G时代的行业竞争风险.
国际半导体产业协会预计, 未来十年, 半导体产业将从横向整合进入到上下游垂直整合阶段, 芯片厂商综合实力越来越强, 产业集中度越来越高, 寡头垄断的格局将得到进一步强化.
另外, 在一些芯片厂商受到冲击, 试图通过并购寻求规模优势的同时, 也有转型超前的芯片制造厂商, 成为AI时代的获益者. 英特尔和英伟达等公司就将其大部分芯片制造专业技术转移到了AI以及新兴领域, 通过为科技巨头服务来盈利. 其中, 英特尔曾于去年宣布, 正与脸书等公司合作开发名为 'Nervana神经网络处理器' 的AI芯片.
值得注意的是, 谷歌, 脸书等提出要打造自主芯片的计划仍然处于起步阶段. 而事实上, 谷歌与英伟达也仍然是合作伙伴, 英伟达的GPU (图形处理器) 与TPU在谷歌云平台上仍然兼容. 而阿里巴巴也表示, 在阿里NPU (嵌入式神经网络处理器) 推出后, 仍将在云计算平台上运行英伟达GPU.