人工智能的投资热潮过去了吗？至少在AI芯片领域，似乎并没有。
根据《科创板日报》不完全统计，2021年上半年，国内外AI芯片公司融资达27起，总融资金额超过200亿。
2021上半年AI芯片公司部分融资情况一览
目前，AI芯片主要在云计算、自动驾驶、智能安防、智能手机等领域得到了较为广泛的应用。据研究机构赛迪顾问预测，2021年中国AI芯片市场规模将增长至305.7亿元，同比增幅可达57.8%。
从市场格局来看，除了英伟达、英特尔、AMD等老牌芯片巨头，以及谷歌、微软、脸书、亚马逊、百度、阿里、腾讯等软件和互联网公司，不少初创公司也纷纷入局，开发自己的AI芯片，并吸引了大量融资资金涌入。
英伟达一家独大 百度、华为争相入局
按照部署位置的不同，AI芯片可分为云端、端侧。云端主要在数据中心部署，而端侧以多样化的终端设备和以及靠近端侧的边缘设备为主。
按照工作负载的不同，AI芯片还可分为面向训练和面向推理的两大类。由于计算量巨大，对性能要求高，AI的“训练”部分主要在云端进行，而“推理”部分可在云端和端侧进行。
目前，英伟达GPU芯片在云端AI训练领域几乎可谓一家独大。根据IDC发布的《2020-2021中国人工智能计算力发展评估报告》，2020年国内GPU服务器占据95%左右的市场份额，是数据中心人工智能加速方案的首选。据悉，亚马逊AWS、谷歌GCE、IBM Softlayer、阿里云、腾讯云等云计算厂商都在数据中心使用了GPU进行深度学习算法训练。
AI训练芯片的统治地位，为英伟达带来了巨大的增长。根据财报，英伟达数据中心业务的营收，在2022年第一财季创下新高，达到了20.48亿美元，同比增长79.5%。相比2020财年第四财季的9.68亿美元，只用5个财季就翻了一番。
如此具有潜力的市场空间，自然吸引了众多巨头参与竞争。比如，芯片领域全球“老大哥”的英特尔，就开启了“买买买”模式。
2017年，英特尔以153亿美元并购以色列自动驾驶公司Mobileye。根据Mobileye公布的数据，其自动驾驶芯片系统已经占据约70%量产车市场。2019年，英特尔以20亿美元并购了另一家以色列AI芯片公司Habana Labs。据了解，Habana Labs发布的Gaudi芯片，在云端训练领域直接对标英伟达GPU，并在2020年年底成功签约亚马逊AWS，可谓从英伟达主导的AI训练领域撕开了一道口子。
各大国内互联网和ICT公司同样积极自研AI芯片。阿里推出了AI推理芯片含光，华为推出了昇腾AI芯片，而百度旗下AI芯片在今年拆分为新公司——昆仑芯(北京)科技有限公司, 并完成独立融资,估值达到20亿美元。
在巨头混战之下，AI芯片赛道还涌现了一大批AI初创“新贵”公司，他们正是当前AI芯片的融资吸金主力。今年7月的WAIC 2021期间，天数智芯、寒武纪、燧原科技、瀚博半导体等多家AI芯片初创公司纷纷发布最新产品。其中，燧原科技、瀚博半导体均宣布将在年底量产。
国产GPU的成败 未来三、五年见分晓
总体来看，这些新兴公司的创始团队不乏来自于英伟达、AMD等知名国际芯片大厂。比如GPU芯片设计公司摩尔线程的创始人是原英伟达全球副总裁、中国区总经理张建中，而瀚博半导体、燧原科技、沐曦集成电路等公司的创始人均曾服务于AMD多年。
这些创业公司身后还拥有互联网大厂的支持。比如，燧原科技的最大股东是腾讯，持股比例20.47%，而瀚博半导体与快手公司的关系紧密，不仅是其投资人也是客户之一。
目前，摩尔线程、天数智芯、壁仞科技、沐曦集成电路等一批玩家都瞄准了GPU赛道，与英伟达正面竞争。
一位芯片行业资深专家顾博（化名）对《科创板日报》记者表示：“做芯片很烧钱。一款GPU大型芯片的基础开发费用需要约6亿人民币，涉及到大量的工程师人才成本。对于初创公司而言，前期的大量融资是必须的，否则也很难成事。按此反推，一般融资稀释10%的股权，60-70亿估值是一个比较合理的价值区间。”
整体来看，国内GPU企业还处于初始发展阶段，大多数产品还没有完全进入市场。而英伟达成熟、强大的生态GPU，对于他们是一大挑战。
顾博认为：“撼动大山的事情肯定没法轻而易举的完成，只能集结聪明的工程师，结合国内最迫切的需求切入进去，从无到有、一点点做起。目前看来机会是有的。全球看亚太，亚太看中国，我们需求最活跃、最旺盛。而国产芯片的缺口很大，这块的机会一直都在，就看谁抓得住。”
中科创星董事总经理张思申则指出，保持耐心很重要。“GPU是个高门槛的行业，研发难度较大，需要保持耐心，企业需要逐步培育自己的应用生态。未来三到五年可以看得更清一些，或见分晓，我们期待最终能培育出1-2家企业，不依靠融资，而是真正靠产品从市场上获取回报。”
AI专用芯片能否突围？
面对英伟达的强大GPU生态，也有不少初创公司选择另辟蹊径，从AI专用芯片展开突围。安谋中国AI技术高级市场经理吴彤曾表示，ASIC定制类的AI芯片会在未来的五到十年内成为市场上的主流，与此同时，AI芯片领域专用架构（DSA）也将开始流行。
有投资人认为，初创公司想要对抗英伟达，应该选择不一样的道路。“GPU属于通用型芯片。但在推理侧，不需要那么高的通用性，应用场景更加多样化。国产厂商可以从专用定制的推理芯片入手，体现差异化优势。”
据悉，GPU虽然计算能力强，但也存在功耗大、成本高的缺点。相比训练芯片注重计算能力，推理芯片更看重综合指标，包括能耗、时延、成本等。2017年图灵奖获得者John Hennessy曾指出，DSA，即针对应用领域做优化的处理器架构，区别于通用架构，优点是可以为特定的一类应用做架构优化，从而实现更好的能效比。
瀚博半导体创始人钱军告诉《科创板日报》记者，“GPU在推理侧并非最好的架构方案，而且相比训练侧，推理侧在生态方面会更容易被突破。国外初创公司，包括Habana，也基本都采用DSA构架，而不是GPU。目前瀚博的方案可以做到在成本上比推理GPU更低。”
不过，也有业内人士告诉《科创板日报》记者，创业公司放弃GPU架构，更多是出于专利的考量。“在同样构架下，很难规避GPU的技术专利。而在AI专用芯片方面，国内外的差距很小，也没有专利壁垒。相比于GPU来说，成功率高许多。”
科创板AI芯片第一股寒武纪，也选择以定制化ASIC芯片入局，其产品线包括了训练和推理芯片。与寒武纪合作过的AI芯片专家告诉《科创板日报》记者，定制化、本土化是这类国产芯片厂商的优势所在。“国内厂商更接地气，响应迭代速度更快，与客户的协同合作能力更强。”
虽然前景可观，但国产AI芯片们，无疑还有很长的路要走。前AMD超算部门总经理Karl Freund曾对媒体表示：“过去五年，实际上是PPT造芯大爆发，初创公司在向投资人兜售企划案。这些公司通常需要经历两代芯片，才能真正开始盈利或者获得市场份额。”
一位投资人向《科创板日报》记者坦言：“AI芯片看起来很美好，但做起来很艰难。目前依然缺少稳定、广大的落地场景。投资机构也要保持冷静，避免一哄而上蹭热点。”
注：文/黄心怡，文章来源：科创板日报，本文为作者独立观点，不代表亿邦动力网立场。
文章来源：科创板日报
