Pre-A輪融資3.4億元人民幣, 一則人工智慧領域神經網路解決方案公司燧原科技宣布獲得融資的消息再度引起晶片行業的關注.
燧原科技今年3月成立於上海, 產品是針對雲端數據中心開發的深度學習高端晶片, 定位於人工智慧訓練平台. 這是騰訊首次投資國內AI晶片公司, 種子輪投資方亦和資本 (武嶽峰資本旗下基金) , 真格基金, 達泰資本, 雲和資本繼續跟投.
近年來, AI晶片無疑是最火熱的話題之一, 不僅英偉達, 穀歌等國際巨頭相繼推出新產品, 國內百度, 阿里等也紛紛布局這一領域, 誕生了寒武紀等AI晶片創業公司. 在CPU, GPU等傳統晶片領域與國際相差較多的情況下, 中國AI晶片被寄望能實現彎道超車.
AI晶片遍地開花
從去年下半年到今年上半年, 國內不少AI初創企業紛紛推出了自己的晶片. 兩個月前, 雲知聲在北京召開發布會, 推出其第一代UniOne物聯網AI晶片及解決方案. 僅僅在這兩個月內, 就有多家公司發布AI晶片或模組. 出門問問正式發布了AI語音晶片模組 '問芯' ; Rokid發布KAMINO18AI語音專用晶片; 思必馳也宣布將在下半年推出AI晶片……
按使用場景劃分, AI晶片主要分為雲端和終端晶片. 而目前主流的深度學習人工神經網路演算法包括訓練和推斷兩個環節. 由於訓練側需要大量數據去訓練人工神經網路, 因此訓練主要在雲端進行. 雲端追求高性能, 開發成本更大, 終端更側重低成本和低功耗, 目前中國AI初創企業主要布局在此.
雲端晶片方面, 寒武紀在2016年推出全球首款商用終端智能處理器IP產品後, 於5月3日正式發布了首款雲端智能晶片MLU100. 7月, 百度在AI開發者大會上正式推出了崑崙, 基於百度CPU, GPU, FPGA的AI加速器研發. 官方稱, 這是中國首款雲端全功能AI晶片.
根據市場研究公司CompassIntelligence發布的全球AI晶片排行榜, 除了英偉達, 英特爾等傳統晶片公司巨頭, 寒武紀, 地平線等AI晶片公司也位居前列.
由於靈活性高, 在AI演算法並未成熟固定的當下, FPGA (現場可編輯門陣列) 被認為是一種中間方案, 其最大的優勢在於能夠使系統的硬體功能可以像軟體一樣通過編程修改. 與GPU, CPU通用晶片相比, 性能更高, 能耗更低.
深鑒科技開始從賽靈思採購FPGA, 將核心演算法DPU放到FPGA, 然後以模組的方式銷售給客戶, 但FPGA價格相對較貴, 而且與專用定製晶片ASIC相比, 性能和功耗方面也有不小差距. 除了FPGA方案, 深鑒科技也在研發AI專用晶片, 目前正在流片, 該公司一相關負責人對記者表示: '如果在這個時間點, AI的初創類企業做硬體再選擇FPGA, 可能就有點滯後了. '
ASIC是專為特定目的而設計的晶片, 效能高, 功耗低, 但靈活性較差, 更適合AI演算法成熟固定後期使用. 一旦規模量產, 成本也會顯著降低.
雲知聲創始人兼CEO黃偉表示, 無論是CPU還是GPU, FPGA, 現有的晶片架構並非為AI專門設計, 不能滿足物聯網AI算力需求, 且考慮了太多的向後相容性, 因此在性能上遠非最優. '基於業務方面對晶片產品, 場景的反覆驗證, 以及對AIoT (人工智慧+物聯網) 終局的判斷, 雲知聲在2014年就明確必須自主研發麵向物聯網的AI晶片. ' 他稱, 如果雲知聲不做晶片, 必死. 對此, Rokid創始人兼CEO祝銘明也同意做語音的公司一定都會做晶片, '現在排在頂級的公司都做' .
出門問問創始人兼CEO李志飛在被問到為何要做晶片模組時表示, 主要為了滿足特定需求, '比如今年智能電視所謂的智能化, 遠場語音交互是很強的需求, 但市場上沒有很好的解決方案. 一是貴, 二是效果沒有那麼好, 整合起來沒有那麼方便. '
另一AI語音公司思必馳在宣布獲得D輪5億元融資消息後,也表示將推出智能語音晶片, 預計在下半年流片.
AI晶片難在何處?
晶片行業是一個高投入, 高風險, 慢回報的行業. 多位業內人士對記者表示, 晶片研發周期非常長, 從立項到上市通常需要兩年左右時間. 作為創業企業, 特別是從事演算法的企業, 如果自己獨立研發晶片, 在時間和資金方面都面臨巨大壓力, 其中最重要的原因是晶片成本高, 對錯誤零容忍.
與軟體可以修正和快速迭代不同, 晶片的迭代周期會很長. 如果已經流片, 糾正一個錯誤可能需要半年以後花幾百萬美元再去流一次片. '你得有非常強大的心理素質, 極其嚴謹的工作作風, 以及對任何事情寧可錯殺一千, 不能漏掉一個的態度去做, 不僅是要一個這樣的人, 而且是需要一個這樣的團隊, 才能把這個事做好. ' 深鑒科技晶片研發副總裁陳忠民告訴記者.
這是晶片行業本身具有的特點, 但目前AI演算法尚未固定, 如果直接做專用晶片無疑又有新的風險. 地平線智能解決方案與晶片事業部總經理張永謙對記者說, 傳統晶片公司在設計IP和做一個晶片之前, 已經確定了目標客戶, '如果你做一個很大的決定的話, 要有一個頭部的大客戶一起合作. 相當於晶片還沒出來, 你已經確定誰會用它, 怎麼用它或者對一個市場研究得很透' . 但這是傳統的方式, AI晶片則有所不同, 他指出, '現在的AI落地還在早期, 你沒有辦法事先就已經知道誰一定會用你, 這個時候是帶有一定風險的, 也需要考驗一定的眼光. 如果你要盯著有量的市場去做AI晶片, 首先這樣的判斷也有可能錯, 第二你在做出來的時候已經晚了. 等你看到有量再去做, 有一些預判的公司已經做出來, 在那個市場裡面等著了. '
杭州國芯於去年10月底發布其首顆語音AI晶片GX8010, 今年初正式上市. 國芯AI事業部的總經理淩苯雲在接受記者採訪時表示, 該公司於2016年初確定布局AI晶片, 而在當時該款晶片也沒有明確的客戶. '我們當時為什麼敢做這個決策? 我們認為這些演算法底層的架構都基於神經網路來做. 不管你的形態怎麼變, 那個核心不太會變. ' 另一方面, 沒有產品也很難和客戶深入接觸, '我們也去跟客戶聊過, 但是通常來說, 當你還沒有一個東西的時候, 你跟客戶去聊需求的時候, 通常來說聊不到很深入. ' 他表示, 上市半年後, 目前該晶片已經有百萬級的訂單.
正是因為造芯不易, 有AI演算法企業選擇與晶片公司合作一起服務客戶. 上述的杭州國芯此前主要從事於數字電視, 家庭多媒體的晶片設計和系統方案開發. 出門問問的晶片模組, Rokid的晶片都是和該公司合作, 思必馳也是該公司的合作夥伴. 淩苯雲告訴記者, 在和這些AI公司合作時, '我們出晶片, 他們出演算法, 我們一起去推客戶' . 根據不同的市場場景選擇不同的合作方, '我們跟Rokid的合作主要就是智能音箱, 跟出門問問現在合作主要是電視, 機頂盒和部分家電, 跟思必馳現在合作主要也是以家電, IoT為主. 因為領域不一樣, 演算法也需要去優化. '
Rokid一晶片負責人告訴第一財經記者, 雙方的合作中, Rokid提架構與性能需求, 國芯設計生產晶片並提供底層bsp (板級支援包) , '我們負責輸出基於Rokid語音服務的os整體解決方案. '
祝銘明表示, Rokid不是晶片公司, 只是晶片會成為其中非常有競爭力的元素, '如果這個競爭力元素不存在, 我們也不會做晶片. ' 他指出, 今天的晶片基本都是SoC, 'SoC裡邊有90%的東西, Rokid沒有必要花精力去做各類IP. Rokid做晶片不是做以晶片為出發點. 因為做行業的人都知道晶片的利潤特別低. 如果市面上沒有, 我來做; 如果市面上有, 我就用它. '
黃偉也表示, 對雲知聲來說, 造芯不是目的,只是起點.
行業或更趨理性
在AI概念普及之後, 各方都在尋找商業模式, 期待AI技術儘快落地, 但目前大部分的AI創業公司處於依靠融資燒錢階段, AI晶片也被認為是AI技術落地的一種方式, 但目前而言, 這條路並不容易.
有業內人士認為, AI晶片行業將迎來整合并購時期, 也讓大家更清楚地看清做晶片的難度.
以FPGA龍頭賽靈思收購深鑒科技為例, 賽靈思表示, 將繼續加大對深鑒科技的投入, 不斷推進公司從雲到端應用領域部署機器學習加速的共同目標. 該人士指出, 深鑒科技掌握的是DPU的演算法, 但是晶片的鏈條太長, 光有DPU不夠, 如果僅靠自己, 在可見的範圍內一直要不斷加大晶片設計和研發費用, 燒錢非常快.
陳忠民在接受第一財經記者採訪時表示: '為什麼晶片這麼難? 不是說知識有多複雜, 資金投入高. 更重要的原因是, 從研發層面上來說, 晶片與其他行業最大的差別是對於錯誤的零容忍性. '
他指出, 現在單次流片的費用越來越高, 如果使用目前最先進的7納米工藝, 流一次片就需要花費幾億人民幣, 因此對於錯誤的容忍幾乎是零. 就算是較為成熟的40納米和55納米工藝, 一套光罩費用也需要上百萬美元, 更不用說上千萬美元的設計軟體.
清華大學微電子所所長魏少軍曾指出, AI無疑十分重要, 但AI晶片的發展很可能會在未來2~3年遭遇一個挫折期. 今天的部分, 甚至大部分創業者將成為這場技術變革中的 '先烈' .
張永謙也對記者表示, AI晶片市場將來肯定很大, 但容納不下那麼多家公司, 所以肯定有些公司會死掉. '這個也很正常, 任何一個新技術起來的時候, 特別像AI這麼大的一個底層技術崛起的時候, 有泡沫很正常, 2000年的互聯網泡沫破滅的那個時間, 很多大的互聯網公司就倒閉, 裁員,然後再起來. 產業有周期, 現在就是已經到了一個最高點了, 我覺得後面一年肯定會下來, 然後再回歸一個理性成長. '