AI芯片领域 BAT或投资或自研, 动作频频
在中兴被美国商务部制裁, 舆论发酵的时间点, 上周四阿里对外宣布, 其新近成立的研发机构——探索冒险动量和展望学院——将致力于研发名为Ali-NPU的人工智能芯片, 该芯片可供任何人通过公共云服务使用, 该芯片将运用于图像视频分析, 机器学习等AI推理计算.
阿里在芯片领域的投资秉持广撒网的原则, 包括投资了中天微, 寒武纪, 耐能, 发展方向都是国外厂商未能垄断的ASIC或NPU. 而中天微是中国国内唯一的自主嵌入式CPU知识产权核(IP Core)公司. 数据显示, 阿里在2016年投资的中天微, SoC芯片过去2年已经出超过5亿片;寒武纪则因为帮华为开发了人工智能芯片麒麟970而在业内名声日隆.
百度在图像, 语音, 无人驾驶等应用层面的AI研发布局比较早. 去年2月, 百度又全资收购渡鸦科技. 去年加州Hot Chips大会上, 百度发布XPU, XPU是一款256核, 基于FPGA的云计算加速芯片, 合作伙伴是赛思灵(Xilinx). 今年2月, 百度收购光学AI芯片初创公司Lightelligence, 百度的AI战略或在于针对自动驾驶和智能语音领域注入更多的技术动力.
一向在硬件领域动静不大的腾讯日前在芯片领域也有了动作, 早前腾讯投资了比特大陆, 这家公司基于挖矿设备需要极强的计算能力已经研发出基于ASIC的TPU. 另外腾讯和阿里一起投了其开创了新型可编程PISA架构的Barefootnetworks, 其芯片主要用于通讯设备.
另外据资料显示, 腾讯其实早几年前已经投资了Diffbot, iCarbonX, CloudMedx, Skymind, ScaledInference等与机器学习和人工智能技术相关的公司, 涉及泛文娱, 医疗健康, 游戏, 汽车交通等领域, 腾讯的打法其实是基于腾讯的核心产品和社交链, 希望形成不同的业务体系结合人工智能完成业务的创新与突破.
从国内来看, 或许是美国商务部对中兴的出口禁令彻底打醒了国人, 引发了关于中国芯片行业核心竞争力的集体焦虑. 芯片投资主题也开始热了起来, 并开始受到资本市场的重大关注.
其实我们一想, 中兴的出口禁令, 更有危机感的应该是硬件公司才对, 因为虽然还有许多零部件进口会受到禁令影响, 但是芯片始终是最核心的一个. 但为何互联网公司也开始赶芯片这趟车?
一, 提升运算效率, 降低成本
这首先可能要要归因于芯片行业自身的变革, 因为AI芯片正在取代传统芯片. 互联网巨头正在AI领域深度布局, 所谓深度布局显然需要掌控软硬件两端的核心部件, 软件在于平台的搭建, 而硬件的核心则在于芯片. 补齐了芯片这一环, 才能有机会掌控到未来AI战场的主导权.
而提升运算效率, 降低成本可能是BAT都要做芯片的现实层面上的原因. 因为AI芯片虽然可以让人工应用程序更好运行, 但是其实把这些服务投放在数据中心成百上千台计算机上的费用并不便宜, 但如今的通用芯片已经难以满足未来AI发展对算力的需求.
其实早在2011年, 谷歌就发现, 每位用户每天使用3分钟谷歌提供的基于深度学习语音识别模型的语音搜索服务, 必须把现有的数据中心扩大两倍. 这意味着已有的CPU和GPU都不能满足需求, 这驱动了谷歌自己研发更高效的芯片.
2016年5月的谷歌I/O大会, 谷歌首次公布了自主设计的TPU, 谷歌资深硬件工程师NormanJouppi刊文指出, 谷歌TPU处理速度要比GPU和CPU快15-30倍(和TPU对比的是英特尔HaswellCPU以及NvidiaTeslaK80GPU), 能效上, TPU更是提升了30到80倍. 在业内是相对领先的.
对于阿里来说, 芯片业的布局与其云计算业务息息相关. 根据调查公司Synergy Research Group的数据, 去年第四季度, 阿里巴巴占云基础设施服务市场的份额约4%, 相比亚马逊, 微软, IBM和谷歌差距蛮大. 阿里想通过AI芯片的布局为其云计算带来新的驱动力. 目前阿里自主研发的AI芯片, 主要也是是为解决图像, 视频识别, 云计算等商业场景的AI推理运算问题, 在其官方的表述中, 它是一颗 '专用架构芯片' , 其专用程度更高, 优化更彻底, 具备更好的性能, 能效比表现, 目的是要实现AI智能在商业场景中的运用. 本质上, 也还是要提升运算效率, 降低成本, 为数据中心提供动力.
如果说, 要在AI赛道上打一场硬仗, 芯片则是关键的一环——但AI的发展依赖算法, 数据和算力, 而芯片承载的是基础的算力, 相当于是基础设施, 芯片的优劣与运算效率关系到终端侧的功耗, 性能, 稳定性. 谁也不想在这一环被卡脖子.
二, 与人工智能结合, 基于算法和硬件设计的双向融合优化, 获得自主掌控力
从国外来看, 值得关注的是微软与亚马逊. 去年7月, 微软在夏威夷举办的CVPR大会上公布他们正在为HoloLens开发新的AI芯片. AI芯片的加入将提升其3D手势交互能力与对环境的深度理解能力, 为HoloLens提供额外的语音和图像识别等复杂处理功能力, 支持更多手势交互无法实现的任务.
亚马逊更不用说了. 早在2015 年亚马逊就以 3.5 亿美元的价格, 收购了一家名为 Annapurna Labs 的以色列芯片公司. Annapurna Labs的开发一系列名为 Alpine 的芯片, 面向存储器, WIFI 路由器, 智能家居, 流媒体等设备类型.
据说目前亚马逊正在为echo开发AI 芯片的就是 Annapurna Labs, 这款芯片将使基于Alexa的设备更快地响应, 并允许在设备本地存储更多的信息, 而不必通过云端.
另外, 苹果在iPhone X系列手机中, 为芯片构建了 '神经引擎' 元素. 日前有消息称, Facebook也在组建AI芯片团队.
再看国内. 2017年3月, 百度发布DuerOS智慧芯片, 并与紫光展锐, ARM, 上海汉枫电子科技有限公司达成战略合作. 这款芯片搭载了DuerOS对话式人工智能操作系统, 将赋予设备可对话的能力, 能广泛用于智能玩具, 蓝牙音箱, 智能家居等多种设备.
在百度来看, 目前已经有了推出了DuerOS和Apollo两大人工智能平台, 加码芯片也是软硬件结合战略下的必然的选择.
而腾讯所投资的比特大陆发布了智能视频分析服务器算丰SS1, 基于算丰SC1/SC1+深度学习加速卡和对于图像识别算法的深度理解而打造的深度学习服务器, 专门为视频监控, 互联网图像处理等多种应用场景提供深度学习加速能力.
本质上, 无论是国外还是国内, 这些巨头都在试图解决深度学习, 理解的难题, 拥有更快的响应速度, 让人工智能可以撕掉人工智障的标签, 变得名副其实.
而对于BAT来说, 无论是百度搜索, 街景, 照片, 语音交互, 无人驾驶和翻译还是腾讯社交, 游戏, 新零售, 智能硬件等方面布局, 或是阿里新零售, 云计算, 物联网等领域, 会越来越多和算法与人工智能技术结合, 需要用到深度学习框架.
因此可以说, AI芯片是由场景, 数据, 算法驱动, 未来在应用层面的数据处理量会越来越大, 都需要基于算法和硬件设计的双向融合优化, 加快众多的人工智能算法的速度, 而切入AI芯片环节才能获取更多的自主掌控力.
三, 中美贸易战的大格局下的焦虑: 降低对同行的依赖度
但从现状来看并不容乐观, 在全球AI领域赛道的主要玩家都集中在中美, 如前所述, 在产业链条上, 在高通英特尔等传统芯片巨头之外, 美国互联网五巨头(谷歌+微软+亚马逊+苹果+Facebook)都在芯片领域大幅投入, 总体来看, 美国在算法, 芯片和数据等各层级企业数量与质量都处于上游.
即当前AI 芯片依然避不开需要 CPU, GPU 等基础 IC以及现有操作系统才能运作, 而美国厂商在人工智能芯片 CPU, GPU, FPGA, ASIC 领域的产业结构非常完整与均衡, 在 GPU 和 FPGA 领域则是几乎垄断了.
这或许是BAT的焦虑所在. 在中美贸易战的大格局下, 美国显然会鼓励本土企业全面遏制中国科技企业, 而对于美国本土科技企业而言, 也是其利益诉求所在. 在芯片层面的投入能让旗下的硬件设备更加自主, 摆脱或降低对硅谷巨头等芯片公司的依赖, 从产品上也能跟竞品有更好的区分度, 但这并不是短期能做到的.
当前BAT的战略都是偏向于广撒网投资, 其目的或许是一旦在未来某些重点产品中关键芯片过度依赖进口, 那现在是时候去找国内替代品做验证了, 因为说不定什么时候人家就会以国家级别限购, 到时候手里握着其他供应商, 就不会像中兴这样从上到下都抓瞎了.
毕竟, 在互联网下半场或者说未来全球化的竞争中, 亚马逊对标的是阿里, Facebook的竞争对手是腾讯, 百度要面对的是谷歌.
虽然硬件供应链与软件公司可以达成互补的业务关系链, 而且不会对彼此的核心业务构成核心威胁, 但如果国外互联网巨头在大幅投入, BAT肯定不希望在芯片业务上要受制于在业务上有强相关的互联网同行.
毕竟, 在AI赛道, 谁也不愿意成为下一个中兴. 那么在核心的芯片业务上, 即便可能做不到对手那么强, 但至少手里有备选方案可以顶上, 这一点尤为关键.
三, 非手机类智能设备领域有机会打造新的软硬件平台
从另一方面来看, 尽管软件业务一旦成型往往坐地生金, 比硬件更赚钱, 但它都有自身的瓶颈, 并且受制于手机, PC硬件业务本身的饱和与人口红利的消失. 它们都需要寻找新的增长点, 而新的增长点可能在于智能手机之外的硬件领域与物联网领域.
出门问问创始人李志曾经给出了一组数据: 目前95%的智能设备都是智能手机, 所以语音交互没有成为主流的交互方式. 但在目前, 非手机类智能设备的增长远超智能手机, 并在未来3-5年占据30%以上的智能设备份额.
而非手机类智能设备的潜在增长领域在哪里呢, 一个可以看得到的品类是智能音箱. 因为目前美国已有大约近4000万美国人是智能音箱的用户, 相当于20%的美国总人口, 而与2017年1月相比, 同比增幅达到了128%. 而在智能音箱的用户群体中, 亚马逊echo占了将近70%.
根据孙正义的时间机器理论, 先进国家的科技潮流与趋势会晚几年普及到欠先进国家. 因此, 我们看到, 如今BAT都做了智能音箱. 今年3月初, BAT不约而同都拿出了自身的智能音箱并且正式开卖, 腾讯 Qrobot 在京东售价2799;百度渡鸦Raven H音箱也已可以现货销售, 售价1699;而天猫精灵的迷你版M1也已经发售. AI芯片与智能音箱有什么关系?
这或许可以看看亚马逊, 我们知道, AI芯片布局的成熟, 是可以应用到物联网或智能家居的语音交互领域, 智能音箱本身也是AI语音交互技术落地的需要验证的场景与产品的重要产品, 目前, 包括三星, GE, 惠而浦, 联想等家电巨头, 产品类别覆盖了的家用电器(包括电视机, 扫地机器人, 智能音响)都推出跟 亚马逊Alexa 相关的产品.
早前全球电子消费展(CES)展会主办方消费技术协会(CTA)首席经济学家 Shawn DuBravac 曾表示: '配备了亚马逊的 Alexa 语音助手的产品.......现在大约有 1500 种. ' 在相关的开发者越来越多的情况下, 笔者之前就指出Alexa未来会慢慢形成一个第三方开放服务平台, 就像苹果App Store.
因此这解释了BAT为何为在做AI芯片之外, 同时也在做相对应的硬件. 因为芯片可以为硬件提供运算算力, 而硬件为其AI能力提供了可以落地与掌控的场景, 并且通过不断的试错来验证其数据与算法的缺陷并不断提升其AI智能化能力.
而单纯的数据与算法如果不能结合硬件落地带动市场爆款的产生, 其AI能力很难构成绝对的壁垒与生态, 也很难获得市场认可. 反之则可以拉动庞大的第三方厂商进入其AI生态平台.
通过AI芯片与物联网设备融合打通, 脱离Android, iOS生态体系而构建出新的软硬件生态平台, 或许是诸多软件巨头潜藏的野心所在, 毕竟, 海外亚马逊echo的案例就在那摆着——echo作为一款为其AI语音交互能力落地的硬件爆款, 不能带动了其硬件产品的大规模销量, 也引入了海量的第三方厂商的进入, 构建了一个以Alexa为基础的庞大的软硬件生态平台.
总体而言, AI和IoT开始发生碰撞和融合. IOT是未来趋势, 物联网时代会有新的流量入口甚至新的平台级入口, 那么AI芯片的重要性就不言而喻了.
不过对于BAT而言, 如果仅仅将AI芯片业务作为一种试错类的投资项目, 并没有提到战略产品的高度来给予足够的重视, 这样平台投资+硬件厂商生产的模式出来的产品很难出现爆款.
因为毕竟芯片从设计, 研发到生产, 测试验证到规模应用是一个相当复杂的系统工程, 尤其是完全自主的AI芯片高度依赖尖端人才, 投入大, 技术研发周期长, 很多制造芯片的技术也在美国, 并非砸钱就能做出来, 虽然芯片自主可控是确定性的中长期趋势, 从高端芯片自主可控层面来看, 目前在国内还难觅能担此大任的上市公司与高质量的产业链集群.
相对硬件厂商造芯, BAT或许在对人才的争夺上更有机会, AI 芯片的创新涉及到人工智能算法, 编程语言, 计算机体系结构, 集成电路技术, 半导体工艺等方面. 做芯片关键在于人才, 毕竟互联网巨头的稳定利润与良好的现金流以及日益凸显的品牌影响力在芯片人才的争夺上具备极大的优势.
结语
计算机科学家兰德艾伦K曾经说过: '真正认真对软件的人应该做自己的硬件' , 这句话很少有人在意, 但却在苹果公司与亚马逊身上得到了验证.
对于互联网巨头而言, 若真正将软硬件完整结合打造出来的平台往往具有更强的黏性, 而且短板更少, 业务发散的空间更广阔, 切入的是未来的增长点, 也能更好的避免受制于人.
当然, 软件巨头纷纷造芯对传统芯片大厂可能会带来直接的冲击. CNBC指出, 你有芯片, 我有芯片, 每个人都有芯片, 这种趋势最终可能威胁到大买家和大供应商之间的传统关系, 尤其对高通与英特尔造成巨大冲击. 但这并不影响到互联网巨头对芯片的热情与执着, 当然我们也乐见其成.
尽管在经济全球化的大背景下, 没有任何一个企业可以完全依赖自身上下游通吃, 但至少应该需要保证在最坏的情况下, 得有自己的底牌与替换方案. 这或许是BAT要做AI芯片的关键原因所在.