国产芯何时可“中兴”？
不久前，美国宣布发起对中兴长达7年的封杀，美国商务部将禁止美国企业向中兴通讯销售元器件，期限直到2025年3月。华为也曾遭遇了相似的待遇。今年1月，在华为宣布和美国移动运营商AT&T合作的前夕，变故突生：AT&T单方面要求暂停和华为在美的一切合作。
“软芯”意味着硬实力。作为全球最大的电子产品制造国，中国却有着“芯”病。我国国产芯片自给率不到30%，产值不足全球的7%，市场份额不到10%。据海关总署数据，2016年中国集成电路进口金额为2270.26亿美元，而同期的中国原油进口金额才1164.69亿美元。
我们也有华为海思、展讯、中星微等芯片企业，但是“中国芯”的实力，仍然远远不够。
直到AI时代来临。
人工智能的创投热潮爆发至今，在“算法”之后，“算力”站上了风口。深度学习算法的突破，推动了图像识别、语音识别、搜索和推荐引擎等的发展，整个AI生态向更深的行业应用延伸。以AI芯片为载体，一场新的“算力”革新，正席卷而来。
AI芯片也成为“中国芯”们自救的途径。4月20日，阿里宣布全资收购自主嵌入式CPU IP Core公司中天微。就在一天前，阿里对外透露，阿里巴巴达摩院正研发神经网络芯片Ali-NPU，用于图像视频分析、机器学习等。在此之前，阿里已经收购和投资了5家国内芯片公司。百度在2017年，也发布了AI云芯片XPU。
在近几年内，国内AI芯片公司开始涌现融资热潮。据创业家&黑智不完全统计，业内涌现了超20家“芯”相关创业公司，其中多数是2014年后成立。其中，寒武纪、地平线等创业公司，在近两年获得了1亿美元左右的融资。
这是十几年来，半导体行业都未曾有过这样的景象：创业公司纷纷涌入，而它们背后是产业资本近亿美元的催化。
埋头追赶了几十年的国内芯片行业，第一次有了和海外站在同一起跑线上的机会。国内芯片领域知名的独角兽“寒武纪”崛起的同时，正如同寒武纪时代一样，一个算力新物种的繁荣时代也蓄势待发。
“弯道超车”的“中国芯”时代，是否能够就此打开大门？
“算力”的商业价值
“算力”是驶向新世界的船票。而这一切的载体，就是小小的芯片。
巨头们的行动早已开始。2016年，孙正义花费321亿美元收购了ARM；2017年5月，软银又用40亿美元购买了英伟达4.9%的股份。那时的英伟达，股价已经飙升到将近170美元。而在2016年之前，它上市17年来的股票价格还从没有突破过40美元。
英伟达无疑是AI时代受益最大的巨头。创始人黄仁勋说，GPU（图形处理器）运算已经成为当代的达尔文和爱因斯坦们不可或缺的工具。
GPU就是电脑显卡的核心。早期通用的CPU芯片已经能够提供足够的算力，GPU受算法和数据等的限制，更多地应用于大型游戏和高清视频领域。
云计算和人工智能带来了改变。随着云计算的广泛应用，越来越多的数据开始在云端处理，大量的图形视频带来了更大的运算量，不止是软件层面，企业对高能效的服务器和数据中心的需求也开始增加。而人工智能和深度学习在算法上的突破，推动了最近一次的AI浪潮。深度学习的训练和推断需要大量的计算，GPU以其强大的并行计算和浮点计算能力，成为深度学习模型通用芯片的标配。英伟达迎来了最好的时机。
在人工智能投资热潮进行了一段时间后，新的需求开始爆发：如果未来世界真的是由“算法”支配的，那么，“算力”必然是基础。
GPU的处理流程，更加适用于深度学习算法的训练，但在应用层面性能的性价比较低，而且功耗极高——黄仁勋就是这样获得了“核武狂魔”的“光荣”称号。在这种情况下，实现深度学习及其相关应用的专用芯片，应运而生。
AI芯片成为这场新竞争的主角。和以往不同的是，这将不再单纯是半导体巨头们的游戏。AI短期内出现了泡沫，但技术发展的趋势却是无可阻挡。可以想见，如果未来真有一个“万物有灵”的时代，云计算、人工智能、自动驾驶、新能源汽车、智能硬件和机器人们的竞争，都将承载在一块小小的芯片上。
互联网和云计算的巨头们也不约而同地入场了。微软押注FPGA芯片加速云服务器；2018年初，Google将TPU能力对外开放——战胜了柯洁的AlphaGo，计算能力就是TPU所提供的；亚马逊和Facebook，也在今年先后开始投入AI芯片设计。
中国的芯片制造工艺与发达国家相比仍然存在巨大的差距，关键的核心技术对外依存度较高，产业发展仍然处于中低端阶段。例如，台积电和英特尔等已经在进行7nm芯片的研发，而我国大陆现阶段仍然刚普及28nm工艺。
但在AI芯片领域，国内创业公司却似乎看到了“弯道超车”的曙光。
算法+芯片的机会
“我们要让人工智能芯片的计算效率提高1万倍，功耗降低1万倍”，寒武纪科技创始人陈云霁说。
半导体行业在被摩尔定律支配了70年后，面临了新的挑战。软件和算法成为了新的敲门砖。陈云霁表示，站在学术的角度，神经网络处理器还是个新兴领域，“和通用CPU不同，中外这次是站在了同样的起跑线上”。
从应用场景上，AI芯片主要分为云端服务器芯片和智能终端芯片。在云端芯片领域，GPU占据了主导地位。但随着计算能力需求的增加和物联网技术的提高，“端智能”概念也开始兴起：把更多的数据处理放在设备端，把AI计算量的压力从云端向靠近数据源的边缘端转移。
“万物互联”智能时代的广阔市场带来了巨大的吸引力。“软件+加速芯片”，硬件不大，算法为主，是巨头们未曾深入涉足的领域，也成为AI芯片创业公司们能够切入的机会。
学术界加快了产业化的步伐。拥有中科院背景的寒武纪，是AI芯片创业公司中最耀眼的一家。2017年8月，寒武纪成立一年后即宣布完成1亿美元A轮融资，估值接近10亿美元，成为国内首家AI芯片领域独角兽公司。据媒体透露，寒武纪的B轮融资也已于日前完成。而更多的人了解它，则是通过华为麒麟970——这款华为发布的全球首款手机AI芯片，虽然没有公开宣布，但其背后集成了寒武纪的NPU（寒武纪 1A 处理器）作为神经网络专用处理单元。
搭载了寒武纪1A 处理器的华为麒麟970
寒武纪的两位创始人，陈云霁和陈天石兄弟是公认的天才。陈云霁14岁考入中科大少年班。2002年，19岁的陈云霁进入中科院计算所硕博连读，成为当时国产芯片“龙芯”团队中最年轻的成员。25岁时，陈云霁就已经是8核龙芯3号的主架构师。比他小两岁的陈天石几乎是复制了他从中科大少年班到中科院计算所的道路。陈云霁的主要研究方向是芯片，陈天石则主攻AI算法。而寒武纪AI芯片，陈云霁说，就是“芯片+算法”的产物。
清华电子工程系汪玉副教授带队成立的深鉴科技，是清华大学的学术系统向产业界转化的代表之一。公司的创始团队全部为清华电子系背景。早在2016年11月，深鉴科技就基于FPGA平台，推出了DPU架构深度学习处理器。
2017年初，全球最大的FPGA厂商赛灵思和联发科等联合投资了深鉴科技的A轮融资。10月，深鉴科技宣布，自主研发的AI芯片“听涛”、“观海”将在2018年推出。其中，“听涛”系列Soc，搭载了联发科28nmTSMC制程，仅用1.1W功耗，就可以达到4.1TOPS的峰值性能。在发布会上，深鉴科技CEO、汪玉的学生姚颂同时宣布公司获得了蚂蚁金服、三星电子领投的4000万美元A+轮融资。
与此同时，从产业里走出的、具备软件算法出身和一定芯片研发经验的创业者们，也加入了AI芯片行业创业大军。
2015年11月，余凯辞去原百度研究院副院长职务，创立了“地平线”公司，准备做“嵌入式人工智能”。那个时候，人工智能对大多数人而言还是个陌生的名词，更遑论嵌入式AI芯片。但余凯执着地认为，这是未来的方向。
地平线发布面向智能驾驶的征程（Journey）1.0处理器
“应用层面的竞争和进化正在加速”，地平线相关业务负责人对创业家&黑智说。在他看来，智能化时代正汹涌而来，“基于图像和语音的智能化渗透率将在未来的10-20年内快速提升。它是上升中的火箭，市场份额也足够大。”而在这个智能化时代，并不意味着“标准化”——个性化和差异化才是真正的智能。“在智能时代，以往靠规模化取胜的公司的优势将被大大削弱。”
芯片产业的生态也在发生改变。2017年11月，高通战略投资商汤科技，它所看重的正是商汤科技的人工智能和机器学习算法，实现算法和芯片融合，推动“终端智能化”。一个月后，初创公司熠知科技完成4.5亿元A轮融资，它的投资方中，排在首位的正是计算机视觉公司依图科技。
从比特币领域里走出的高性能计算公司也成为其中独特的一员。2017年，矿机芯片厂商比特大陆正式推出了AI专用芯片“SOPHON（算丰）” 。“硬件软件化、软件场景服务化是个巨大的趋势”，比特大陆人工智能产品战略总监汤炜伟对创业家&黑智说，“未来的物联网终端中，AI能力将非常普遍，相应的云上AI计算需求也随之增加，对芯片行业也将会有海量的需求。”在他看来，这种高度快速、定制化的需求，对中国创业公司而言有天然的优势，是最容易适应的。
场景定义算法，算法定义芯片
在智能化和万物互联的未来，要将设备、人、家庭或组织都实现连接，解决人工智能如何落地应用，就必然走向软件和硬件的协同。
AlphaGo在乌镇战胜柯洁，让Google的TPU广为人知。2017年底，TPU对外开放，成为Google的AI云服务内容之一。对众多创业公司而言，Google恰恰验证了这一点：从具体的应用场景出发，软件正在推动处理器架构的研发，差异化的智能时代巨头的权威也在面临挑战。
从场景到算法，从算法到芯片。不同于以往从硬件出发的思路，芯片的行业形态和商业模式也在被这些“新势力”影响。
它们也在重塑着各种商业应用场景。在目前，AI芯片的应用场景主要集中在安防、智能家居和消费电子、自动驾驶、云计算、智慧城市等行业。
成立两年多之后，“地平线”的芯片终于问世。去年12月，“地平线”推出首款嵌入式人工智能视觉芯片——面向自动驾驶的征程处理器和面向智能摄像头的旭日处理器。旭日面向智能摄像头，基于“地平线”此前推出的高斯架构和深度学习算法，可在前端实现大规模人脸检测跟踪、视频结构化处理，主要针对的应用场景包括智能安防、智慧商业等。
征程1.0处理器同样基于高斯架构，支持L2级自动驾驶（ADAS）系统，能够同时对行人、机动车、车道线、交通标示牌、红绿灯等8类目标进行准备的实时检测与识别。据透露，“地平线”的AI芯片已经流片。
在2018CES展会上，“地平线”第一次现场展示了和英特尔合作的L3/L4级自动驾驶解决方案。目前，“地平线”正和英特尔一起推动该方案的前装量产。
自动驾驶领域，是“地平线”最为重视的方向。余凯也在发布会上公布了“地平线”的十年愿景：2025年中国道路上的3000万辆新车都将具备自动驾驶功能，每辆自动驾驶汽车大脑都基于地平线的人工智能处理器。
然而，余凯在发布会上也表示，“地平线”仍然不是一家硬件公司。“地平线”提供的是深度神经网络算法和芯片解决方案，是要在具体的商业应用场景中落地的。
软件正在定义硬件。在2015年时，这个概念已经并不新鲜，但是在地平线看来，AI芯片有和以往并不相同的特质：它要依赖大量的数据，从而天然和互联网、大数据产生联系。硬件和软件、落地应用的路打通了。这意味着芯片行业的生态将更加丰富，以及更大的市场。在地平线看来，“如果我们真的要实现‘智能无处不在’，把它做成嵌入式的智能，这是一个非常自然的想法”。
“从本质上看，AI应用落地的软硬结合是必然趋势，你要了解应用场景，并且核心算法和应用能够把场景清楚地定义和实现；然后在芯片层面进行优化和加速，让产品具有更好的性价比、功耗和可部署性。”地平线业务负责人表示，“我们谈到AI芯片的时候，本质上说的就是针对某个具体场景的、算法+芯片的一套整体解决方案，其中甚至还包括应用上的软件和架构。”
在安防领域，2014年成立的云天励飞已经浸润多年。它由两位“千人计划”专家陈宁、田第鸿在2014年创办。陈宁曾在中兴通讯任职，是硬件专家，田第鸿主要研究方向则是机器视觉。同样是“软硬结合”的组合，云天励飞在成立后不久，就推出了“云+端”的解决方案，研发针对安防摄像头的人脸识别芯片。
云天励飞走的是一条“算法+芯片+数据+应用+服务”、提供端到端整体解决方案的路线：将算法植入前端的智能摄像头，进行人像检测、特征值提取，数据上传到云端，由云端引擎进行搜索和识别、决策。前端后端算法联动和深度优化，而芯片级的解决方案则是核心，不止是应用于前端的处理器，同样也为边缘计算端和云端服务器提供更高性能的服务，降低对硬件平台的需求。
这也是一条更容易实现产业化的道路。传统的通用芯片厂商，要实现规模化才能生存。“我们从垂直的产品出发，并不是卖最终的芯片，而是整个产品和系统，甚至服务”，云天励飞硬件研发副总李爱军告诉创业家&黑智，“对于安防领域的人脸识别，云天励飞的AI芯片是为整个系统服务的。”
此前，云天励飞设计开发了IPU (intelligent Processing Unit)，专门面向深度学习的多层神经网络的计算。据李爱军透露，云天励飞正在打造的这款芯片已经是第二代，本质上是ASIP专用指令集处理器，指令集针对CNN算法定制。目前该芯片前端设计已经基本完成，计划在2018年中流片。
随着人工智能、深度学习技术的逐渐成熟，不同公司间算法的差距也将越来越小，“在底层芯片架构层面和算法结合，则可以保持竞争上的优势”，李爱军说。
在AI芯片“新势力”中，比特大陆是一支独特的力量。
“算力”的商业价值，在比特币崛起的时代，就已经直观地得到了一次显现。疯涨的币价、不断减少的比特币数量，让挖矿算力成为绝对意味上的“点金石”。比特币挖矿芯片也从CPU到GPU，再到进入ASIC时代。从中走出的比特大陆已经占据了矿机专用芯片市场70%以上的份额，控制了全球一半的采矿算力。据其联合创始人、CEO詹克团对外透露，2017年比特大陆全年营收达到大约25亿美元，进入中国大陆IC设计公司前列。
当去年比特币和区块链掀起关注热潮时，比特大陆正式推出了AI专用芯片“SOPHON（算丰）”。SOPHON 基于ASIC架构，是专为张量计算设计的TPU芯片，运行在服务器端。随后，搭载了SOPHON BM1680芯片的深度学习加速卡和智能视频分析服务器面世。在2018年，比特大陆将主要布局三个行业的落地：安防、互联网，以及城市大数据。
和其他AI芯片公司多是从终端芯片切入不同，比特大陆选择了从GPU一直一家独大的云端芯片入场。比特大陆人工智能产品战略总监汤炜伟对创业家&黑智表示，这是由公司的基因和特点决定的。比特大陆此前推出的数字货币芯片是适合高性能计算的芯片、偏重于相对高的功耗，适合于在云上做高性能智能计算，“只不过过去用于数字货币，现在用于AI深度学习的推理”。
AI和算法正在快速迭代，半导体行业正在被AI深刻地改变。“AI赋能各行业，面向垂直行业场景的定制化芯片产品需求也将日益增加”，汤炜伟说。但是当前的计算机构在应对深度学习所用的张量计算时，已经相对乏力。在他看来，和比特币领域一样，深度学习架构也将走过从CPU到GPU，再到ASIC的路。因此，从2015年起，比特大陆即开始了对AI芯片的研发。“在技术、产品文化、团队实力上，比特大陆是在数字货币芯片领域经受过战火洗礼的”，汤炜伟说。“对于比特大陆而言，从区块链过渡到AI是一个自然而然的过程。”
“硬件”出身的比特大陆，也加强了在算法和数据方面的布局。汤炜伟透露，在算法层面，比特大陆也建立了几十人规模的算法团队，并专门追踪算法的新趋势；建立了自己的数据标注团队，进行算法的训练；同时，懂场景应用和客户形态的“产品经理”团队，也在快速地扩容中。现在，比特大陆在全球的员工已经超过1500人，AI团队已经拥有超过200名员工。
比特大陆的芯片产品也计划进行快速迭代：在未来两年时间内完成数款AI芯片的迭代，刨除已经发布的BM1680以及已流片的BM1682，平均9个月一代。比特大陆称它为“超摩尔定律”。目前，SOPHON第二代产品已经流片，预计今年发布。
这仍然是算力生意的延伸，而这次，比特大陆是想运用自己的超级算力，向其他行业赋能。毕竟，算力正是制约AI发展的最大要素。
比特大陆给自己的定位，是人工智能和高性能计算公司。汤炜伟说：“我们是真正的芯片公司，相比起现在AI芯片领域里的很多创业公司，我们已经趟过了做芯片的坎儿，我们的技术、体量、资源等都是我们的优势。”
征程与机遇
国家对于人工智能和AI芯片的重视程度也前所未有。去年7月国务院发布了《新一代人工智能发展规划》，当年12月工信部又发布了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，除了落实人工智能战略“三步走”之外，包括AI芯片在内的三大核心人工智能技术也成为重点突破对象。
当下的中美贸易战，让芯片等核心技术的自主研发再度得到了广泛关注。但是，AI芯片火热的背后，国产芯片行业面对的仍然是长长的征程。多数接受创业家&黑智采访的公司都表示，在设计和封测领域，国内芯片公司在逐步向美国追赶，但是在制造环节上，中美之间还存在不小的差距。国内的芯片制造主要还是由台积电代工。
清华大学微电所所长魏少军在今年的一场演讲中表示，国内集成电路产能仍严重不足，而且可能出现部分节点上产能过剩、先进工艺节点产能不足的失衡问题。他指出，国内每年投入约45亿美元用于集成电路研发，还不到英特尔一家公司年研发投入资金的一半。
资本正在给AI芯片行业带来巨大的助推力，但其背后，芯片是个高投入、高风险、回报周期长的行业。对AI芯片快速投产、迭代的需求，是否能够满足市场的需求？资本推动带来的创业公司估值上涨，是否会带来行业的“虚火”？人工智能市场爆发时间还未确定，人才和研发费用还存在巨大缺口，都是未来所需面对的问题。
不过，“弯道超车”之不易，在于起跑线的落后，与没有起步的机会。而现在，在AI芯片领域，国产芯片和海外对手站上了同场竞争的舞台。
“（AI芯片创业）两到三年内会碰到一个低潮，今天的一部分甚至大部分的创业者将成为技术变革的先烈”，魏少军说，“但是，这也仍是最令人动容的伟大事件。”