AI晶片領域 BAT或投資或自研, 動作頻頻
在中興被美國商務部制裁, 輿論發酵的時間點, 上周四阿里對外宣布, 其新近成立的研發機構——探索冒險動量和展望學院——將致力於研發名為Ali-NPU的人工智慧晶片, 該晶片可供任何人通過公共雲服務使用, 該晶片將運用於映像視頻分析, 機器學習等AI推理計算.
阿里在晶片領域的投資秉持廣撒網的原則, 包括投資了中天微, 寒武紀, 耐能, 發展方向都是國外廠商未能壟斷的ASIC或NPU. 而中天微是中國國內唯一的自主嵌入式CPU智慧財產權核(IP Core)公司. 數據顯示, 阿里在2016年投資的中天微, SoC晶片過去2年已經出超過5億片;寒武紀則因為幫華為開發了人工智慧晶片麒麟970而在業內名聲日隆.
百度在映像, 語音, 無人駕駛等應用層面的AI研發布局比較早. 去年2月, 百度又全資收購渡鴉科技. 去年加州Hot Chips大會上, 百度發布XPU, XPU是一款256核, 基於FPGA的雲計算加速晶片, 合作夥伴是賽思靈(Xilinx). 今年2月, 百度收購光學AI晶片初創公司Lightelligence, 百度的AI戰略或在於針對自動駕駛和智能語音領域注入更多的技術動力.
一向在硬體領域動靜不大的騰訊日前在晶片領域也有了動作, 早前騰訊投資了比特大陸, 這家公司基於挖礦設備需要極強的計算能力已經研發出基於ASIC的TPU. 另外騰訊和阿里一起投了其開創了新型可編程PISA架構的Barefootnetworks, 其晶片主要用於通訊設備.
另外據資料顯示, 騰訊其實早幾年前已經投資了Diffbot, iCarbonX, CloudMedx, Skymind, ScaledInference等與機器學習和人工智慧技術相關的公司, 涉及泛文娛, 醫療健康, 遊戲, 汽車交通等領域, 騰訊的打法其實是基於騰訊的核心產品和社交鏈, 希望形成不同的業務體繫結合人工智慧完成業務的創新與突破.
從國內來看, 或許是美國商務部對中興的出口禁令徹底打醒了國人, 引發了關於中國晶片行業核心競爭力的集體焦慮. 晶片投資主題也開始熱了起來, 並開始受到資本市場的重大關注.
其實我們一想, 中興的出口禁令, 更有危機感的應該是硬體公司才對, 因為雖然還有許多零部件進口會受到禁令影響, 但是晶片始終是最核心的一個. 但為何互聯網公司也開始趕晶片這趟車?
一, 提升運算效率, 降低成本
這首先可能要要歸因於晶片行業自身的變革, 因為AI晶片正在取代傳統晶片. 互聯網巨頭正在AI領域深度布局, 所謂深度布局顯然需要掌控軟硬體兩端的核心部件, 軟體在於平台的搭建, 而硬體的核心則在於晶片. 補齊了晶片這一環, 才能有機會掌控到未來AI戰場的主導權.
而提升運算效率, 降低成本可能是BAT都要做晶片的現實層面上的原因. 因為AI晶片雖然可以讓人工應用程序更好運行, 但是其實把這些服務投放在數據中心成百上千台計算機上的費用並不便宜, 但如今的通用晶片已經難以滿足未來AI發展對算力的需求.
其實早在2011年, 穀歌就發現, 每位用戶每天使用3分鐘穀歌提供的基於深度學習語音識別模型的語音搜索服務, 必須把現有的數據中心擴大兩倍. 這意味著已有的CPU和GPU都不能滿足需求, 這驅動了穀歌自己研發更高效的晶片.
2016年5月的穀歌I/O大會, 穀歌首次公布了自主設計的TPU, 穀歌資深硬體工程師NormanJouppi刊文指出, 穀歌TPU處理速度要比GPU和CPU快15-30倍(和TPU對比的是英特爾HaswellCPU以及NvidiaTeslaK80GPU), 能效上, TPU更是提升了30到80倍. 在業內是相對領先的.
對於阿里來說, 晶片業的布局與其雲計算業務息息相關. 根據調查公司Synergy Research Group的數據, 去年第四季度, 阿里巴巴占雲基礎設施服務市場的份額約4%, 相比亞馬遜, 微軟, IBM和穀歌差距蠻大. 阿里想通過AI晶片的布局為其雲計算帶來新的驅動力. 目前阿里自主研發的AI晶片, 主要也是是為解決映像, 視頻識別, 雲計算等商業場景的AI推理運算問題, 在其官方的表述中, 它是一顆 '專用架構晶片' , 其專用程度更高, 優化更徹底, 具備更好的性能, 能效比表現, 目的是要實現AI智能在商業場景中的運用. 本質上, 也還是要提升運算效率, 降低成本, 為數據中心提供動力.
如果說, 要在AI賽道上打一場硬仗, 晶片則是關鍵的一環——但AI的發展依賴演算法, 數據和算力, 而晶片承載的是基礎的算力, 相當於是基礎設施, 晶片的優劣與運算效率關係到終端側的功耗, 性能, 穩定性. 誰也不想在這一環被卡脖子.
二, 與人工智慧結合, 基於演算法和硬體設計的雙向融合優化, 獲得自主掌控力
從國外來看, 值得關注的是微軟與亞馬遜. 去年7月, 微軟在夏威夷舉辦的CVPR大會上公布他們正在為HoloLens開發新的AI晶片. AI晶片的加入將提升其3D手勢交互能力與對環境的深度理解能力, 為HoloLens提供額外的語音和映像識別等複雜處理功能力, 支援更多手勢交互無法實現的任務.
亞馬遜更不用說了. 早在2015 年亞馬遜就以 3.5 億美元的價格, 收購了一家名為 Annapurna Labs 的以色列晶片公司. Annapurna Labs的開發一系列名為 Alpine 的晶片, 面向存儲器, WIFI 路由器, 智能家居, 流媒體等設備類型.
據說目前亞馬遜正在為echo開發AI 晶片的就是 Annapurna Labs, 這款晶片將使基於Alexa的設備更快地響應, 並允許在設備本地存儲更多的資訊, 而不必通過雲端.
另外, 蘋果在iPhone X系列手機中, 為晶片構建了 '神經引擎' 元素. 日前有消息稱, Facebook也在組建AI晶片團隊.
再看國內. 2017年3月, 百度發布DuerOS智慧晶片, 並與紫光展銳, ARM, 上海漢楓電子科技有限公司達成戰略合作. 這款晶片搭載了DuerOS對話式人工智慧作業系統, 將賦予設備可對話的能力, 能廣泛用於智能玩具, 藍芽音箱, 智能家居等多種設備.
在百度來看, 目前已經有了推出了DuerOS和Apollo兩大人工智慧平台, 加碼晶片也是軟硬體結合戰略下的必然的選擇.
而騰訊所投資的比特大陸發布了智能視頻分析伺服器算豐SS1, 基於算豐SC1/SC1+深度學習加速卡和對於映像識別演算法的深度理解而打造的深度學習伺服器, 專門為視頻監控, 互聯網映像處理等多種應用場景提供深度學習加速能力.
本質上, 無論是國外還是國內, 這些巨頭都在試圖解決深度學習, 理解的難題, 擁有更快的響應速度, 讓人工智慧可以撕掉人工智障的標籤, 變得名副其實.
而對於BAT來說, 無論是百度搜索, 街景, 照片, 語音交互, 無人駕駛和翻譯還是騰訊社交, 遊戲, 新零售, 智能硬體等方面布局, 或是阿里新零售, 雲計算, 物聯網等領域, 會越來越多和演算法與人工智慧技術結合, 需要用到深度學習框架.
因此可以說, AI晶片是由場景, 數據, 演算法驅動, 未來在應用層面的數據處理量會越來越大, 都需要基於演算法和硬體設計的雙向融合優化, 加快眾多的人工智慧演算法的速度, 而切入AI晶片環節才能獲取更多的自主掌控力.
三, 中美貿易戰的大格局下的焦慮: 降低對同行的依賴度
但從現狀來看並不容樂觀, 在全球AI領域賽道的主要玩家都集中在中美, 如前所述, 在產業鏈條上, 在高通英特爾等傳統晶片巨頭之外, 美國互聯網五巨頭(穀歌+微軟+亞馬遜+蘋果+Facebook)都在晶片領域大幅投入, 總體來看, 美國在演算法, 晶片和數據等各層級企業數量與質量都處於上遊.
即當前AI 晶片依然避不開需要 CPU, GPU 等基礎 IC以及現有作業系統才能運作, 而美國廠商在人工智慧晶片 CPU, GPU, FPGA, ASIC 領域的產業結構非常完整與均衡, 在 GPU 和 FPGA 領域則是幾乎壟斷了.
這或許是BAT的焦慮所在. 在中美貿易戰的大格局下, 美國顯然會鼓勵本土企業全面遏制中國科技企業, 而對於美國本土科技企業而言, 也是其利益訴求所在. 在晶片層面的投入能讓旗下的硬體設備更加自主, 擺脫或降低對矽谷巨頭等晶片公司的依賴, 從產品上也能跟競品有更好的區分度, 但這並不是短期能做到的.
當前BAT的戰略都是偏向於廣撒網投資, 其目的或許是一旦在未來某些重點產品中關鍵晶片過度依賴進口, 那現在是時候去找國內替代品做驗證了, 因為說不定什麼時候人家就會以國家級別限購, 到時候手裡握著其他供應商, 就不會像中興這樣從上到下都抓瞎了.
畢竟, 在互聯網下半場或者說未來全球化的競爭中, 亞馬遜對標的是阿里, Facebook的競爭對手是騰訊, 百度要面對的是穀歌.
雖然硬體供應鏈與軟體公司可以達成互補的業務關係鏈, 而且不會對彼此的核心業務構成核心威脅, 但如果國外互聯網巨頭在大幅投入, BAT肯定不希望在晶片業務上要受制於在業務上有強相關的互聯網同行.
畢竟, 在AI賽道, 誰也不願意成為下一個中興. 那麼在核心的晶片業務上, 即便可能做不到對手那麼強, 但至少手裡有備選方案可以頂上, 這一點尤為關鍵.
三, 非手機類智能設備領域有機會打造新的軟硬體平台
從另一方面來看, 儘管軟體業務一旦成型往往坐地生金, 比硬體更賺錢, 但它都有自身的瓶頸, 並且受制於手機, PC硬體業務本身的飽和與人口紅利的消失. 它們都需要尋找新的增長點, 而新的增長點可能在於智能手機之外的硬體領域與物聯網領域.
出門問問創始人李志曾經給出了一組數據: 目前95%的智能設備都是智能手機, 所以語音交互沒有成為主流的交互方式. 但在目前, 非手機類智能設備的增長遠超智能手機, 並在未來3-5年佔據30%以上的智能設備份額.
而非手機類智能設備的潛在增長領域在哪裡呢, 一個可以看得到的品類是智能音箱. 因為目前美國已有大約近4000萬美國人是智能音箱的用戶, 相當於20%的美國總人口, 而與2017年1月相比, 同比增幅達到了128%. 而在智能音箱的用戶群體中, 亞馬遜echo佔了將近70%.
根據孫正義的時間機器理論, 先進國家的科技潮流與趨勢會晚幾年普及到欠先進國家. 因此, 我們看到, 如今BAT都做了智能音箱. 今年3月初, BAT不約而同都拿出了自身的智能音箱並且正式開賣, 騰訊 Qrobot 在京東售價2799;百度渡鴉Raven H音箱也已可以現貨銷售, 售價1699;而天貓精靈的迷你版M1也已經發售. AI晶片與智能音箱有什麼關係?
這或許可以看看亞馬遜, 我們知道, AI晶片布局的成熟, 是可以應用到物聯網或智能家居的語音交互領域, 智能音箱本身也是AI語音交互技術落地的需要驗證的場景與產品的重要產品, 目前, 包括三星, GE, 惠而浦, 聯想等家電巨頭, 產品類別覆蓋了的家用電器(包括電視機, 掃地機器人, 智能音響)都推出跟 亞馬遜Alexa 相關的產品.
早前全球電子消費展(CES)展會主辦方消費技術協會(CTA)首席經濟學家 Shawn DuBravac 曾表示: '配備了亞馬遜的 Alexa 語音助手的產品.......現在大約有 1500 種. ' 在相關的開發者越來越多的情況下, 筆者之前就指出Alexa未來會慢慢形成一個第三方開放服務平台, 就像蘋果App Store.
因此這解釋了BAT為何為在做AI晶片之外, 同時也在做相對應的硬體. 因為晶片可以為硬體提供運算算力, 而硬體為其AI能力提供了可以落地與掌控的場景, 並且通過不斷的試錯來驗證其數據與演算法的缺陷並不斷提升其AI智能化能力.
而單純的數據與演算法如果不能結合硬體落地帶動市場爆款的產生, 其AI能力很難構成絕對的壁壘與生態, 也很難獲得市場認可. 反之則可以拉動龐大的第三方廠商進入其AI生態平台.
通過AI晶片與物聯網設備融合打通, 脫離Android, iOS生態體系而構建出新的軟硬體生態平台, 或許是諸多軟體巨頭潛藏的野心所在, 畢竟, 海外亞馬遜echo的案例就在那擺著——echo作為一款為其AI語音交互能力落地的硬體爆款, 不能帶動了其硬體產品的大規模銷量, 也引入了海量的第三方廠商的進入, 構建了一個以Alexa為基礎的龐大的軟硬體生態平台.
總體而言, AI和IoT開始發生碰撞和融合. IOT是未來趨勢, 物聯網時代會有新的流量入口甚至新的平台級入口, 那麼AI晶片的重要性就不言而喻了.
不過對於BAT而言, 如果僅僅將AI晶片業務作為一種試錯類的投資項目, 並沒有提到戰略產品的高度來給予足夠的重視, 這樣平台投資+硬體廠商生產的模式出來的產品很難出現爆款.
因為畢竟晶片從設計, 研發到生產, 測試驗證到規模應用是一個相當複雜的系統工程, 尤其是完全自主的AI晶片高度依賴尖端人才, 投入大, 技術研發周期長, 很多製造晶片的技術也在美國, 並非砸錢就能做出來, 雖然晶片自主可控是確定性的中長期趨勢, 從高端晶片自主可控層面來看, 目前在國內還難覓能擔此大任的上市公司與高質量的產業鏈集群.
相對硬體廠商造芯, BAT或許在對人才的爭奪上更有機會, AI 晶片的創新涉及到人工智慧演算法, 編程語言, 計算機體繫結構, 整合電路技術, 半導體工藝等方面. 做晶片關鍵在於人才, 畢竟互聯網巨頭的穩定利潤與良好的現金流以及日益凸顯的品牌影響力在晶片人才的爭奪上具備極大的優勢.
結語
計算機科學家蘭德艾倫K曾經說過: '真正認真對軟體的人應該做自己的硬體' , 這句話很少有人在意, 但卻在蘋果公司與亞馬遜身上得到了驗證.
對於互聯網巨頭而言, 若真正將軟硬體完整結合打造出來的平台往往具有更強的黏性, 而且短板更少, 業務發散的空間更廣闊, 切入的是未來的增長點, 也能更好的避免受制於人.
當然, 軟體巨頭紛紛造芯對傳統晶片大廠可能會帶來直接的衝擊. CNBC指出, 你有晶片, 我有晶片, 每個人都有晶片, 這種趨勢最終可能威脅到大買家和大供應商之間的傳統關係, 尤其對高通與英特爾造成巨大衝擊. 但這並不影響到互聯網巨頭對晶片的熱情與執著, 當然我們也樂見其成.
儘管在經濟全球化的大背景下, 沒有任何一個企業可以完全依賴自身上下遊通吃, 但至少應該需要保證在最壞的情況下, 得有自己的底牌與替換方案. 這或許是BAT要做AI晶片的關鍵原因所在.