AI芯片的江湖在 '中国芯' 的呼唤和人工智能浪潮席卷一切行业的趋势下, 火的不要不要的.
传统的芯片巨头英伟达, 英特尔, 高通, 互联网巨头谷歌, 阿里, 百度, 以及创业领头羊如寒武纪, 深鉴科技, 地平线等, 都从资本层面先来了一番高举高打, 投资的, 融资的额度都在千万美元起步.
此外, 还有比特大陆和嘉楠耘智这样从应用市场直接跑出来的黑马, 从一个单一的比特币挖矿中就跑出了矿机芯片, 并开始向其他应用领域延伸.
在一个大鳄玩家必争的市场里, 初创企业到底有没有机会? 机会在哪儿? 如何抓住机会? 亿邦动力跟颇为低调的鲲云科技聊了聊. 鲲云科技作为AI芯片创业大军中的一员, 团队背景不出所料的华丽. 团队灵魂人物陆永青为英国皇家工程院, 电子电气工程师协会 (IEEE) , 英国计算协会三院院士, 帝国理工教授, 1992年开始就研究定制计算芯片, 参与开发了全球首款针对定制芯片的高层编译软件Handel-C.
其CEO牛昕宇及团队的核心研发人员很多是陆永青院士的学生, 牛昕宇称, 鲲云科技几乎搬空了帝国理工大学各大AI实验室的人才.
目前, 鲲云科技在英国有实验室研究团队, 在深圳和上海有算法, 硬件, 产品, 运营等团队.
与其他人工智能芯片的高举高打不同, 鲲云科技一开始的技术能力就定位在针对物联网终端, 垂直领域, 提供定制化的端到端AI应用解决方案.
'我们芯片的架构分两层, 上层是定制型的数据, 底层是统一的芯片架构. 定制化可以保证芯片性能足够强, 通用化可以保证成本足够低. 我们实验室积累的技术就是通过编译器把不同算法的需求, 自动化配置到芯片, 用编译器解决个性化, 既解决了定制化又保证了高性能, 同时又解决了通用性问题. ' 这项技术通过编译器来模拟人的设计过程, 自动化生成定制化的芯片, 这极大的降低了芯片设计的门槛和成本.
在Pre-A轮就投资了鲲云科技的星瀚资本创始合伙人杨歌也提到, 芯片是个高投入的行业, 开个板动辄几百万到上千万, 还需要不断的迭代升级, 而整个人工智能的应用市场还很初级, 很多领域的应用都在尝试阶段, 市场极度分散, 传统的芯片对市场来说太贵, 要开发针对细分市场的芯片成本投入又太高. 而鲲云科技的技术可以做到极大的定制化与通用性兼顾, 并能够提供比较好的市场性价比.
'LoT市场初创企业的机会更多是跟着市场来成长, 目前市场的特点是非常广, 非常分散, 同时规模又很大, 这就给了我们成长的机会. 有些领域如智能手机, 市场非常大, 需求相对单一, 就很适合巨头在里面拼杀. 一些领域对AI芯片有要求, 需要功耗足够低, 性能足够高, 能够嵌在前端, 同时市场又还没有像手机一样归一化, 巨头在这些领域的投入产出就不太成正比.
这样就导致了一个市场的GAP产生.
很多创业公司都从实验室出来, 有技术实力, 团队够小够快, 能快速响应这类市场需求. 跟巨头比起来, 有一个速度和成本上的优势, 在技术上保持优势的前提条件下, 就有了这类公司成长的先决条件. '
牛昕宇和杨歌都同样看到了这样的机会.
据了解, 鲲云科技的打法是针对一个个垂直细分领域, 定制整套的端到端的软硬件一体解决方案, 通过将人工智能算法模型定制化成模块, 配置到统一的底层芯片, 解决行业实际问题, 促成芯片的流片.
'芯片本身没有价值, 只有让方案运行在芯片上, 解决客户实际问题才能提供价值. AI市场还没有成熟到只提供芯片就能解决问题的程度, 还处于刚起步的阶段. 拿出一块芯片, 不难, 但创业公司要考虑怎么迅速落地和产业化. 芯片行业的发展是顺着产业化来的, 芯片是产业发展的结果, 不是原因. ' 牛昕宇称.
除了中国商飞, 中国航天这样的大客户, 鲲云科技将重点领域放在了智慧城市, 工业监控, 智能制造和智慧金融等几个领域. 牛昕宇告诉亿邦动力网, 鲲云科技挑选行业的标准有三个:
第一是市场够大, 达到千亿级别; 第二是市场深度够深; 第三要离商业化够近.
看上去智慧城市, 金融等几乎是所有AI公司瞄准的行业, 一个单一化的市场, 但其实鲲云选择做这个大市场里的长尾, 深度分散的市场. '市场越深, 我们可以积累的定制化方案就越多, 慢慢积累下来一个个场景, 根据应用场景迭代自己的芯片架构, 这是我们可以积累下来的价值. '
与在安防领域里卖人脸识别的AI公司不同, 鲲云科技强调提供除了人脸识别之外的其他能力, 用一整套更定制化的方案打动客户, 解决需求. 这在目前的AI发展阶段, 非常容易获得客户的认可.
一个个领域去攻占市场做解决方案其实并不是鲲云科技的终极目的. 作为一家芯片公司, 牛昕宇们的期待是通过亲自积累一个个行业场景, 开发算法, 深入了解满足每个细分行业的需求, 形成一套套实际可行的方案, 从而不断优化鲲云科技的AI开放平台, 让平台上的用户都能低成本的开发设计针对细分行业的解决方案, 最终将方案落地到底层芯片, 规模化的降低芯片成本.
鲲云AI开发平台主要聚焦于人工智能芯片领域, 能够做到从数据标注, 硬件编译到板卡测试的全自动化支持. 只需用户提供数据标注就可以自动化, 定制化的提供针对特定领域的AI前端产品及解决方案, 无需底层硬件专业知识, 极大降低了用户使用门槛.
'我们的发展必然是越来越多的开放合作, 现阶段我们作为一家初创企业去号召所有人用我们的开发平台, 这是有难度的. 相反我们做好了就可以吸引大家一起来做.
我们能给市场提供什么价值? 稳定的芯片, 足够低的价格, 成熟的应用案例, 让开发者能赚到钱. 如果一家AI芯片公司做不到这几点, 是不太会有比较大的成长机会的. ' 牛昕宇称.
对于即将滚滚驶来的LoT大市场, 所有的芯片创业者都期望成为机会的幸运儿. 但目前很多领域的落地还采用将数据计算等AI功能放在云端的方式, 只因AI芯片的价格还太高, 要在终端普及并不现实, 个别有钱的买家也只在局部测试方案中将AI能力放在终端. 未来让终端设备都有一颗AI芯片, 是否是一个一定确定的趋势?
牛昕宇认为终端+云端的趋势基本是未来的格局. 一些算法训练, 大量只能进不能出的保密数据都适合放在云端, 而很多没必要储存的数据, 隐私数据, 需要快速反馈的数据更适合放在终端处理.
以商场的人流管理为例, 如果将所有摄像头的数据都传输到云端来处理, 一个摄像头一天就产生半个T的数据, 这些数据有很多跟商业应用是不相关的, 都传输到云端不但宽带成本高, 后端服务器存储成本也高. 尤其对连锁商场来说, 只靠云端部署是撑不起来的.
相反, 如果每个摄像头可以处理基本的人脸提取, 跟踪等计算, 仅将提取后的数据传输到云端汇总分析, 就可以极大的降低成本, 提高效率. 而这里就需要一个足够低成本的芯片嵌入到摄像头. 这也是鲲云科技要突破的发展方向.
'芯片的特点是量越大成本越低, 先用在军工, 大企业最后到个人消费. 零售其实就是把芯片直接拉到了相当于C端消费的程度, 如果一个摄像头方案做到几百块在个人消费领域就比较有竞争力了. '
不过这个时间何时能到来, 牛昕宇还不能给出准确的答案, 更多的是市场需求驱动.
目前, AI芯片的买单方还主要以政府机构, 大型企业为主, 真正的LoT时代还在黎明前的暗夜探索.
'整个AI芯片生态刚刚起步, 英伟达, 谷歌等大公司也在开始的探索阶段, 但最终胜利的那一个生态将会形成行业垄断, 像是PC时代的intel, 移动互联网时代的ARM. '
谁能在垄断之前顺利靠岸? 所有AI芯片的创业者都希望是自己.