AI芯片在竞争中竞争:融资创新面临商业化落地的挑战

众所周知，AI芯片这两年一直比较冷淡，但在2021年，AI芯片在投资圈的人气突然大增。年初，创业公司融资消息频出，绥远、瀚博、牧溪、碧琪、摩尔线程、天智信等新一波公司相继涌现。

在创业公司不断涌现的同时，国内科技巨头也加大了对AI芯片的投资。近日，腾讯在招聘官网发布了芯片R&D职位信息，包括芯片架构师和芯片设计工程师。腾讯回应称，这是基于一些业务需求，腾讯在AI加速、视频编解码等特定领域有一些芯片R&D尝试，但不是通用芯片。

至此，BAT已经进入市场。今年上半年，百度宣布旗下昆仑芯片业务成立独立新公司，瞄准云AI通用芯片。第二代昆仑芯片已成功量产，将于2021年下半年量产；字节跳动还表示，正在组建相关团队，在AI芯片领域进行一些探索；华为的崛起生态继续展开，阿里的光学芯片也已经推出。

从全球来看，是另一种生态。英伟达仍然主导着AI芯片市场，在终端和云端骑着GPU。它的挑战者也很激烈。英特尔、AMD、谷歌、亚马逊，甚至是自主研发芯片的特斯拉，不仅在一些关键技术突破上投入巨资，NVIDIA也是全副武装，端到端集成。可以看出，经过多年的相互竞争，AI芯片的战场已经到了逐鹿中原的阶段。

国内AI投资热潮再现

目前，国内AI芯片企业正处于技术创新和商业化探索的发展阶段。在前一波热情中，寒武纪已经上市，地平线今年宣布推进上市，沈剑科技于2018年被Xilinx收购；在新兴的AI创业公司中，很多公司直接进入GPU赛道与NVIDIA竞争，也有一些通过架构层面等创新在细分领域竞争。在这些新生力量中，许多创始成员来自英伟达和AMD等大公司。2021年AI和芯片交织的时候，团队成立之初就受到了资本圈的青睐，融资金额和估值都很高，部分企业已经达到了“独角兽”的规模。

具体来说，与GPU相关的大投资主要集中在今年一季度，这些企业瞄准的是NVIDIA强大的云培训领域。例如，摩尔线程在成立100天内完成了两轮超10亿融资；成立仅一年多的碧琪科技已完成B轮融资，累计融资金额已超过47亿元。创始团队聚集了大师；据悉，碧玉科技首款GPU芯片定位高端通用智能计算，支持云训练和推理。已经到了最后阶段，预计今年上映；沐伟也完成了数亿Pre A轮融资，计划采用5 nm制程技术，开发与CUDA、ROCm生态完全兼容的高性能GPU芯片，满足HPC、数据中心、AI的计算需求；天智信完成了12亿元人民币的C轮融资，其首款由TSMC制造的7 nm云训练芯片BI已进入量产阶段，即将进入大规模商用环节。

同时，很多企业都选择了AI云推理来突破。从市场需求来看，AI推理的市场正在扩大。根据赛迪咨询的报告，2019-2021年中国AI芯片市场仍将保持50%以上的增速，到2021年市场规模将达到305.7亿元。其中，随着大型本地数据中心建设的完成，云训练芯片增速有所放缓；随着各领域市场需求的释放，云推理芯片和终端推理芯片市场的增速将继续呈现上升趋势。

例如，淄博半导体创始人兼首席执行官钱军在接受采访时表示，选择推理突破是出于市场需求。据统计，2021年推理市场已经大于培训市场；另一方面，由于GPU不是推理端最好的架构，淄博半导体拥有更好的DSA架构，同时淄博半导体也加强了视频处理能力；成立于2018年的绥远科技，既有训练芯片，也有推理芯片。绥远科技获得最新一轮C轮融资，融资总额18亿元。最新推出的第二代芯片也将加快商业化步伐。绥远科技CEO赵立东表示，绥远的产品主要面向泛互联网、传统产业(金融、交通、电力、医疗、

要与国际巨头正面PK

AI芯片市场虽然巨大，但按照发展规律，最终还是会集中在头部企业。有投资者指出，近两年国内市场AI企业众多，达到数十家，未来将面临整合和淘汰。

对于国内企业来说，相似的背景也带来了初创企业的同质化。目前考验大家的是商业化情况。部分芯片公司与互联网企业、科研机构形成了合作关系。如何持续扩大规模，持续出口高性能产品，是NVIDIA面临的挑战。

有芯片从业者告诉记者，无论团队背景如何，最重要的是如何实现商业化落地。在内部，磨合需要硬件架构和软件。当软硬件结合后联系客户时，更大的挑战就开始了。面对客户对产品的实际要求，芯片企业需要不断优化。同时，在与客户合作的过程中，也意味着在性能等方面与巨头英伟达直接PK。需要证明它的高性能，竞争还是很激烈的。

毕竟，英伟达打造的人工智能生态系统依然强大。早在2007年，NVIDIA就提出了GPU(用于通用计算的GPU)的概念，从传统的图像处理器广泛应用于计算训练，抓住了图形渲染、深度学习、区块链等领域的发展机遇。同时，NVIDIA还搭建了CUDA平台，这是NVIDIA建立的一套并行计算生态标准，大部分AI芯片都与之兼容，尤其是训练芯片。如果收购ARM成功，NVIDIA将更加强大。

英伟达的生态十分坚固，但是其他科技企业们也在摩拳擦掌。谷歌于2015年就开始制造自己的芯片，打造自己的TPU芯片；AMD收购了赛灵思用于AI 数据中心产品；在2016年收购Annapurna Labs后，亚马逊去年开始将Alexa的大脑转移到自己的Inferentia芯片上。

英特尔则通过收购案来弥补AI芯片布局，2015年167亿美元收购FPGA巨头Altera，FPGA在云计算、物联网、边缘计算等方面有很大的潜力，2016年以4.08亿美元收购了 Nervana，2019年以20亿美元收购了AI芯片企业Habana Labs。此外，英特尔还收购了视觉处理芯片初创公司 Movidius、自动驾驶公司Mobileye。同时，英特尔发布了IDM2.0计划，还要强化芯片制造端，不难看出，各家企业正在进行业务全链条的布局。

值得注意的是，在这些企业之外，特斯拉的进展也备受关注，在其决定使用自研芯片之后，软硬件一体化的思路也在挑战着传统的芯片设计厂商。有AI从业者向记者表示，AI企业们一直都在寻找新的应用场景，英伟达也不例外，在手机、电脑、服务器等市场之外，自动驾驶行业正在掀起新一波热潮。在自动驾驶芯片场景中，特斯拉有着实践的优势，最终谁的深度学习能力更强、AI综合实力更强，还将拭目以待。