芯片難，已經(jīng)是共識，但在芯片設(shè)計領(lǐng)域，專注于人工智能方向的AI芯片卻在中國呈現(xiàn)出跨越式發(fā)展進程。這種被稱為”人工智能加速器“的芯片，被認為是未來拓展人工智能邊界的關(guān)鍵籌碼。

幾乎所有科技巨頭都在數(shù)年前悉數(shù)入局，目前競爭已進入高潮：僅僅在過去一周，特斯拉推出了號稱全球算力最高的自研AI芯片，國內(nèi)的百度宣布自主研發(fā)的第二代百度昆侖AI芯片實現(xiàn)量產(chǎn)。行業(yè)巨頭英偉達市值一度被推至5000億以上，將芯片老牌大廠英特爾遠遠甩在身后，二者市值相差2000多億美元，相當于2個IBM或是4個福特。

不同以往，中國公司在AI芯片領(lǐng)域與國際公司的起點并沒有差太遠，甚至在某些方面更具優(yōu)勢。中國龐大的應(yīng)用場景和市場是AI芯片公司渴求的土壤。全球排名第一的電子設(shè)計自動化(EDA) 解決方案提供商新思科技（NASDAQ:SNPS）全球資深副總裁兼中國董事長葛群認為，AI技術(shù)在中國能夠做到和其他國家齊頭并進，原因是在中國的數(shù)據(jù)能夠最大范圍內(nèi)共享和優(yōu)化。

好賽道永遠不缺資本，但多位接受《財經(jīng)》記者采訪的專業(yè)人士認為，AI芯片行業(yè)確實有機會，目前也出現(xiàn)一些不確定性因素。

“AI芯片行業(yè)已經(jīng)快到肉搏的階段?！币晃婚L期在半導體領(lǐng)域的產(chǎn)業(yè)投資人告訴《財經(jīng)》記者。這個進程比預(yù)想中來得快，相比于2018年中國在AI芯片上的狂熱，如今，誰能率先落地產(chǎn)品、構(gòu)建生態(tài)，誰就能在這場競爭中突圍。三年時間，有核心競爭力的公司已經(jīng)能夠跑出產(chǎn)品、推向市場，而沒有場景和產(chǎn)品的AI芯片公司當下很難拿到專業(yè)投資機構(gòu)的投資了。

此外，國際上一些企業(yè)的步伐走得更快，一個新的趨勢在此時開始變得清晰，當各個AI芯片公司都在比拼算力時，他們已經(jīng)在思考一種全新的方向，以應(yīng)對AI芯片發(fā)展的瓶頸，這種基于基礎(chǔ)理論的底層創(chuàng)新，將有可能在未來顛覆AI芯片發(fā)展的格局。

熱錢不再盲目

這三年里，AI芯片領(lǐng)域的融資出現(xiàn)了兩筆超級融資。創(chuàng)業(yè)公司壁仞科技在創(chuàng)立18個月，就融資超47億元，創(chuàng)下了國內(nèi)芯片創(chuàng)業(yè)公司的最大融資紀錄摩爾線程成立不到一年，估值超百億，融資數(shù)十億元。

真金白銀不斷涌入。根據(jù)第三方分析機構(gòu)集微咨詢統(tǒng)計，僅2021年前四個月，中國AI芯片行業(yè)的投融資規(guī)模達到89.65億元，涉及投融資事件20多起。

AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應(yīng)用中的大量計算任務(wù)的模塊。當前的AI芯片主要分為 GPU（圖形處理器） 、 FPGA（現(xiàn)場可編程邏輯門陣列） 、 ASIC（特殊應(yīng)用集成電路） 。

美國等國家對AI芯片的布局在21世紀初已經(jīng)開始。隨著人工智能由理論進入應(yīng)用，AI芯片已成為突破當前應(yīng)用場景和數(shù)據(jù)邊界的最佳甚至是唯一解法。

馬斯克曾在推特上談及為什么要做AI芯片——要解決自動駕駛問題，就必須解決真實世界的 AI 問題。需要擁有很強的 AI 能力以及超強算力，一旦擁有了解決上述問題能力的AI芯片，其他的（能力）不過錦上添花。

一個確定而巨大的應(yīng)用場景是AI芯片的關(guān)鍵。

葛群發(fā)現(xiàn)，他們?nèi)チ私夂芏嘀袊就量蛻舻男枨?，大家都希望把芯片、AI技術(shù)應(yīng)用到某個行業(yè)，具體落地有幾千個上萬個參數(shù)，如何適配，這是他們的本土團隊一直在做的事。

基于此，一些變化也在近一年里悄然發(fā)生。

算法早已不是制約AI發(fā)展的瓶頸。業(yè)內(nèi)對此已有共識。在今年的世界人工智能大會（WAIC 2021）上，AI芯片取代算法公司成為絕對主角。

“有新型算法，為了這個算法專門做一款A(yù)I芯片，但沒有場景的公司，專業(yè)的投資人現(xiàn)在已經(jīng)不會再投了。”一位產(chǎn)業(yè)投資人說。

北極光創(chuàng)投董事總經(jīng)理楊磊對這輪AI芯片的熱潮看得很清楚，“沒有產(chǎn)品的AI芯片公司很難再拿到融資了?！北睒O光創(chuàng)投是國內(nèi)最早布局AI芯片的投資機構(gòu)之一。

握著“金剛鉆”，還找不到“瓷器活”的企業(yè)，已經(jīng)很難拿到專業(yè)投資機構(gòu)的投資了。只是現(xiàn)在整個圈子熱錢依然多，泡沫還會再飄一陣。

創(chuàng)業(yè)公司肉搏

如果盤點當前中國活躍的AI芯片公司會發(fā)現(xiàn)，這些公司基本成立于2018年前后。2020年開始，主要融資都發(fā)生在相對成熟的企業(yè)，基本已經(jīng)獲得了1-2輪，甚至2輪以上融資的AI企業(yè)，這一趨勢在之后的兩年里更為明顯。

《財經(jīng)》記者根據(jù)公開資料盤點了2021年獲得融資的AI芯片公司，發(fā)現(xiàn)這些公司大多都是2018年之后成立，已有2-3年的成立時間。

這與大洋彼岸的美國不同。美國的人工智能產(chǎn)業(yè)已經(jīng)經(jīng)歷了三個發(fā)展浪潮，而最近一次起始于21世紀初，時間上要比中國早，經(jīng)過一段時間的高速發(fā)展后，開始進入平穩(wěn)期，并著重于在實際工業(yè)（如自動駕駛、語音及圖像處理、服務(wù)機器人等）中的應(yīng)用。

美國AI芯片企業(yè)NeuronBasic Technology首席科學家王紅衛(wèi)告訴《財經(jīng)》記者，雖然AI的第三次浪潮得益于芯片技術(shù)的高速發(fā)展，但美國的創(chuàng)投圈對AI芯片概念的初創(chuàng)公司興趣不大。這是因為他們清楚，如果要將復(fù)雜的AI算法運行于芯片上，需要用到最先進和復(fù)雜的芯片工藝，從而需要巨量的投資；另一方面，半導體在美國已經(jīng)是一個夕陽產(chǎn)業(yè)。

這種情況下，高端AI芯片，一般會被納入到大公司下面去做。

反觀中國，AI芯片概念在開始中國火起來的時間點恰好是AI算法公司進入殘酷淘汰期，由于專業(yè)的半導體產(chǎn)業(yè)投資人看到這個趨勢更早，2017年，他們已經(jīng)在開始看和投一些AI芯片公司了。2018年，一些非半導體專業(yè)投資基金開始進入AI芯片領(lǐng)域。

也正是在這第一年，趙立東辭去紫光集團副總裁的職位，和AMD的老同事共同創(chuàng)立燧原科技，瞄準人工智能高端訓練芯片領(lǐng)域。

訓練芯片和推理芯片不同，面向消費級和面向超算中心的云端AI芯片也不同。

舉個例子，云端訓練芯片的邏輯是，一遍一遍教一個完全不懂水果的小孩從零開始認識水果，一遍不會就再教一遍。這就是云端訓練芯片。

推理芯片的邏輯則是，小孩的腦中已經(jīng)建立對各類水果的印象，不是零基礎(chǔ)學習水果，這時候，只需要拿出一個蘋果，他們能指出這是蘋果，這就達到目的了。

簡言之，訓練是從現(xiàn)有的數(shù)據(jù)中學習新的能力了，而推理則是將已經(jīng)訓練好的能力運用到實際場景中。

這也造成了不同的投資門檻，專注于科技產(chǎn)業(yè)的精品投行及投資機構(gòu)，云岫資本董事總經(jīng)理符志龍發(fā)現(xiàn)，從投資角度，訓練芯片的研發(fā)難度和商業(yè)化落地更難，而推理則更易，增速更快，故而訓練芯片對于投資人的專業(yè)度考驗更高。

因此，很多AI芯片公司都是先選擇從較為簡單的云端推理芯片入手。例如英特爾此前收購的以色列人工智能處理器企業(yè)Habana Labs，走的就是從推理再到訓練的路徑。

不管如何，不論是AI推理芯片公司，還是AI訓練芯片，都成為中國資本市場上的香餑餑。只是，在贏家通吃的芯片行業(yè)，一場競爭激烈的淘汰賽必將發(fā)生，誰能生存到最后？

在半導體的投資領(lǐng)域多年，楊磊總結(jié)了一家能夠持續(xù)生存的AI芯片公司的特點：一是時間，三年以上成立時間；二是團隊，正如趙立東所說，芯片之所以難，就在于環(huán)節(jié)太多，鏈條式地一環(huán)扣一環(huán)。此時，一個合作多年、配合默契、在芯片各環(huán)節(jié)都有成熟經(jīng)驗且完整建制的團隊極為重要；三是創(chuàng)新研發(fā)能力，花兩年以上打造的核心IP。楊磊總結(jié)的這幾點，在一筆又一筆的投資中得以驗證。

楊磊所說的成建制的、有成熟經(jīng)驗的團隊，在半導體領(lǐng)域究竟有多難？從產(chǎn)品定義、芯片設(shè)計、推向市場，每個環(huán)節(jié)需要幾十名工程師，而一名成熟經(jīng)驗的工程師培養(yǎng)起來起碼要有5年的一線工作經(jīng)驗。

目前，國內(nèi)的AI芯片公司，例如登臨科技、燧原科技、黑芝麻智能，都是從AMD、英偉達等大廠出來的，成建制的團隊。

除了時間、團隊和創(chuàng)新研發(fā)能力，市場能力和生態(tài)對于AI芯片公司來說也尤為重要。多位投資人都表示，誰能在自己的產(chǎn)品賽道上率先突破生態(tài)，就能存活下來。

構(gòu)建生態(tài)

國際巨頭英偉達（NASDAQ:NVDA）在AI訓練芯片領(lǐng)域一家獨大，短期內(nèi)其他公司很難撼動它的主導地位。這種壟斷也給英偉達賺得了滿盆缽。根據(jù)第三方數(shù)據(jù)分析機構(gòu)Gartner 的數(shù)據(jù)顯示，英偉達擁有AI芯片市場約四分之三的份額。

在2019年，云廠商亞馬遜（NASDAQ:AMZN）、谷歌（NASDAQ：GOOG）、阿里巴巴（NYSE:BABA）中，97.4%的人工智能加速器就部署了英偉達的圖形處理器，大型IT公司也幾乎都使用英偉達的系統(tǒng)。借助這樣的市場機會，英偉達快速奔跑，已經(jīng)搭建厚實的生態(tài)基礎(chǔ)。

除了技術(shù)，生態(tài)是一家AI芯片公司能夠立贏得競爭的“護城河”。趙立東向《財經(jīng)》記者解釋了生態(tài)的意義，所謂的AI芯片的生態(tài)，指的是，芯片之上整個軟件棧來支持AI框架，而AI應(yīng)用程序則是基于這些框架開發(fā)的。軟件棧包括驅(qū)動程序、編譯器、函數(shù)庫、算字庫、工具包等等，是實現(xiàn)高性能、高通用性、高易用性，以及針對不同應(yīng)用場景深度優(yōu)化的關(guān)鍵。

生態(tài)搭建的難度和時間，遠比芯片開發(fā)要難、要長。

一位產(chǎn)業(yè)投資人向《財經(jīng)》記者舉了一個例子，之前他們投了一家芯片公司，5年前，他們信心滿滿地表示，自己的芯片做出來，可以商用了。但推向市場后發(fā)現(xiàn)，客戶使用芯片時需要做軟件環(huán)境的二次開發(fā)，否則用不了。于是這家公司花了兩年是錢做芯片，但接下來的時間都在做生態(tài)。

在AI云端訓練芯片上，極少有公司能夠突破英偉達的生態(tài)。

這里最重要的是，如何改變這些云廠商、IT公司甚至傳統(tǒng)行業(yè)客戶多年的使用習慣。英偉達生態(tài)形成多年，所有開發(fā)者都會順著這個生態(tài)做。這可不像換件衣服這么簡單，就像你需要說服一個長期吃西餐的人習慣于吃中餐。

建立一個開放的生態(tài)、提高性價比，是AI芯片初創(chuàng)公司突圍的方法之一。

英偉達是封閉的生態(tài)，這既是其優(yōu)勢，也是其劣勢。優(yōu)勢是，可以利用不開源的生態(tài)綁定客戶，但另一方面，客戶都希望能夠有一個開放的生態(tài)，這意味著擁有可選項以及話語權(quán)。

舉個例子，有些人用Java寫程序，有些人選擇用Python寫程序，如果能一種產(chǎn)品可以對這些程序都兼容，性能比原來的產(chǎn)品更高，客戶何樂而不為。這是目前一些中國AI芯片初創(chuàng)公司選擇的路徑。

對于中國的AI芯片初創(chuàng)企業(yè)，另一個機會則是國產(chǎn)替代。趙立東把客戶分為三類，互聯(lián)網(wǎng)客戶、傳統(tǒng)行業(yè)客戶以及新基建方面的客戶。

互聯(lián)網(wǎng)客戶的生態(tài)依賴慣性最強，落地難度更高。處于傳統(tǒng)行業(yè)的企業(yè)進入智能化的時間不長，有一些甚至還未進入這個領(lǐng)域，AI賦能對于多數(shù)傳統(tǒng)行業(yè)的客戶尚未開始。

加之，在這個行業(yè)領(lǐng)域又有很多國企、央企，這些企業(yè)會考慮更多方面的風險，例如斷供、數(shù)據(jù)安全、卡脖子的問題等，能夠做到國產(chǎn)化，新基建領(lǐng)域的情況也是類似，對國產(chǎn)化要求更高。

AI芯片產(chǎn)品線眾多，英偉達的AI布局大而全，初創(chuàng)企業(yè)會選擇聚焦在某些領(lǐng)域創(chuàng)新和突破。

巨頭入局

除了AI芯片初創(chuàng)公司，在AI芯片市場上，正在涌入越來越多競爭者。

一個新的趨勢正在發(fā)生，系統(tǒng)公司紛紛入局芯片行業(yè)。“做系統(tǒng)的公司開始去開發(fā)、生產(chǎn)芯片。”新思科技的首席運營官Sassine Ghazi敏銳感受到了變化，“系統(tǒng)級公司越來越像半導體公司了。”新思需要與芯片產(chǎn)業(yè)鏈上下游緊密合作，迭代自己的技術(shù)開發(fā)方式，對于前端發(fā)生的細微變化十分敏感。

這幾年，英特爾、谷歌、亞馬遜、阿里巴巴、百度（NASDAQ:BIDU）等都以自建或投資的方式入局AI芯片行業(yè)。

谷歌在2015年開始自研芯片，隨后，其推出了自己的定制芯片TPU（Tensor Processing Unit，張量處理單元），并計劃自2023年起，在所有的Chromebook筆記本電腦上搭載自研芯片及CPU；2020年，亞馬遜推出了自研云端AI訓練定制新品AWS Tranium；英特爾2019年以20億美元收購以色列AI芯片公司Habana Labs。

在中國，系統(tǒng)公司也在積極布局自研芯片（此處的系統(tǒng)公司包括阿里、百度、騰訊、快手、特斯拉、蘋果等）。

2018年，在百度CEO李彥宏在百度AI開發(fā)者大會上發(fā)布了AI芯片“昆侖”，2021年，AI芯片業(yè)務(wù)獨立，成立昆侖芯（北京）科技有限公司，估值130億元；2018年，騰訊戰(zhàn)略領(lǐng)投了燧原科技；2019年，阿里發(fā)布了AI推理芯片“含光800”；2021年，字節(jié)跳動在AI芯片領(lǐng)域也開始有所動作，根據(jù)天眼查顯示，字節(jié)跳動投資了一家GPU初創(chuàng)公司——摩爾線程，成立不到一年，摩爾線程的融資規(guī)模已經(jīng)達到數(shù)億元，估值上百億元。

系統(tǒng)公司紛紛入局自研芯片的背后，是海量數(shù)據(jù)以及智能物聯(lián)網(wǎng)時代所帶來的越來越多的應(yīng)用場景的推動。簡言之，人們需要更好用的人工智能芯片。

一方面，是對性能和成本需求。行業(yè)專家發(fā)現(xiàn)，每當 GPU 數(shù)量增加一倍，成本、環(huán)境足跡、碳和污染也會增加一倍。當數(shù)據(jù)巨頭們遇到構(gòu)建超大規(guī)模數(shù)據(jù)中心之時，依賴通用現(xiàn)成的芯片，極難在性能、功耗和成本上形成獨特優(yōu)勢。

一位熟悉芯片行業(yè)的產(chǎn)業(yè)投資人算了一筆賬來解釋系統(tǒng)公司這么做的邏輯：一筆經(jīng)濟賬，一筆政治賬。系統(tǒng)公司做芯片，一個是為了替代，另一個是希望能比原來更好?！霸谥袊@兩種場景他們都遇到了。”如果公司每年花400億美元去向英偉達買產(chǎn)品，同時這個產(chǎn)品每年需要花500-600億美元的電費和運營成本，那么每年就要花費900億美元。場景邊界在不停擴展，錢越滾越多，不可能持續(xù)花下去。那么，為了節(jié)省這部分的開支，公司有兩個選擇——要么自己來做，要么掏出一筆錢扶持創(chuàng)業(yè)公司專門做這件事。

另一方面，中美之間的貿(mào)易摩擦陰云未散，企業(yè)需要考慮長遠，例如對中國企業(yè)來說，他們需要考慮，萬一將來買不了美國公司的產(chǎn)品，有沒有另一個選擇？

還有一個因素是對定制化需求。越來越多的應(yīng)用場景讓這些公司發(fā)現(xiàn)原本的通用架構(gòu)無法滿足需求。Sassine Ghazi發(fā)現(xiàn)，任何一家公司都希望自己能夠做定制化片上系統(tǒng)（SoC，System on Chip的縮寫，稱為系統(tǒng)級芯片，也稱片上系統(tǒng)，意指有專用目標集成電路的產(chǎn)品），這是這些公司得以與其行業(yè)競爭者區(qū)隔開的方式，這使得他們更具競爭力。因此，系統(tǒng)公司不僅在系統(tǒng)設(shè)計上投入，也會在芯片設(shè)計以及硬件方面進行投入。

當擁有數(shù)據(jù)絕對話語權(quán)以及經(jīng)濟實力的巨頭進軍AI芯片，意味著對于AI芯片初創(chuàng)公司，競爭壓力將逐漸增大。

許多人擔憂，這樣的情景與2016年那場AI算法泡沫破滅有點相似。一旦數(shù)據(jù)巨頭也進入AI芯片領(lǐng)域，對于這個領(lǐng)域的初創(chuàng)公司來說，是否也面臨曾經(jīng)AI算法初創(chuàng)公司所面臨的窘境和瓶頸——要么被吞并，要么被淘汰。

《財經(jīng)》記者詢問了多家AI芯片初創(chuàng)公司以及投資人對此狀況的看法。普遍的觀點是，這對于AI芯片企業(yè)來說是一個威脅；另一方面考驗AI芯片初創(chuàng)公司自身的技術(shù)實力和商業(yè)模式。但即便是吞并或收購，這個過程也比AI算法行業(yè)的吞并整合來的晚一些。因為芯片公司的技術(shù)門檻遠比算法公司更高。

AI的算法、數(shù)據(jù)以及芯片可以被比做一個烹飪的過程。AI算法相當于菜譜，數(shù)據(jù)是原料，芯片這些就是烹飪的工具。原料是核心，因為不論是芯片還是算法，都需要大量數(shù)據(jù)為基礎(chǔ)進行迭代、驗證。誰掌握了數(shù)據(jù)，就掌握了做菜的話語權(quán)。

但研發(fā)“菜譜”并不需要太高的門檻。AI算法公司在幾年前，吃到了一波市場紅利，這得益于其入局早，當巨頭發(fā)現(xiàn)他們自己就可以做這件事時，AI算法公司就喪失其價值。

AI芯片對于技術(shù)的要求更高，除了數(shù)據(jù)，人才和創(chuàng)新對芯片項目來說至關(guān)重要。系統(tǒng)公司能否找到有豐富經(jīng)驗、成建制的團隊來做這件事，即便是招到了人，“雇傭軍和創(chuàng)業(yè)者也是非常不一樣的?！睏罾谡f。另一位投資人表示，互聯(lián)網(wǎng)巨頭可能不一定具備做芯片的基因，也不見得比AI芯片創(chuàng)業(yè)公司更懂芯片。

芯片是一個前期投入高、回報周期長的項目，這和互聯(lián)網(wǎng)行業(yè)的商業(yè)邏輯完全不同。互聯(lián)網(wǎng)巨頭當然可以從芯片廠商例如英特爾、AMD、英偉達等成建制地招募團隊，但其商業(yè)模式能否支持芯片前期的高額投入？這取決于互聯(lián)網(wǎng)巨頭有多大決心、精力和財力做這件事。

目前系統(tǒng)公司的自研芯片大多以AI云端推理芯片為主，針對自身公司的特殊應(yīng)用場景。推理芯片和訓練芯片不同，技術(shù)門檻較低。這是AI芯片初創(chuàng)公司的機會，他們需要在與巨頭博弈的過程中找到平衡。既要與系統(tǒng)公司合作，又要保持自身獨立。

第一個前提是自身能力。符志龍發(fā)現(xiàn)，盡管業(yè)務(wù)重合度高的互聯(lián)網(wǎng)巨頭之間存在對于數(shù)據(jù)信息互通的擔憂，但一些互聯(lián)網(wǎng)巨頭重點扶持的芯片公司，如果產(chǎn)品性能確實優(yōu)異，其他互聯(lián)網(wǎng)公司也可以采購。“重要的是這家芯片公司的產(chǎn)品里是否讓客戶足夠有動力做國產(chǎn)替換。”

另外，一個合理的商業(yè)模式很重要。一位產(chǎn)業(yè)投資人如此描述這種商業(yè)模式，做AI云端訓練芯片，一定要跟客戶緊密綁定，你想用什么我就做什么，邊掙錢邊迭代，我做的比你快，比你自己做更省錢，成功幾率更高，這種合作模式就能夠持續(xù)。

但如果一家AI芯片的初創(chuàng)公司的模式是，告訴客戶自己的技術(shù)很厲害，你需要給我付錢，但是我們需要做一些研究，需要一段時間。這種科學家思維的做法，在講求效率和利潤回報的商業(yè)社會，很難闖出來。

真正的瓶頸

一位產(chǎn)業(yè)投資人告訴《財經(jīng)》記者，對這一次的AI芯片火熱，并不意外。

90年代初，他就經(jīng)歷過一次的AI浪潮。熱火朝天的AI產(chǎn)業(yè)并不是一個新鮮事物。AI發(fā)展至今，已經(jīng)經(jīng)歷過三次浪潮。

第一次是50年代，AI從誕生到模擬人，最后失敗了被冷落；第二次是60、70年代，專家系統(tǒng)的熱潮；第三次是80、90年代神經(jīng)網(wǎng)絡(luò)興起。

每一次，都是在理論認知突破后嘗試場景化、硬件化，又都由于理論的局限，造成產(chǎn)業(yè)的退潮。

例如，在90年代，由于半導體產(chǎn)業(yè)基礎(chǔ)薄弱，硬件上實現(xiàn)AI算法專用芯片的難度和成本都很高，算法的調(diào)試甚至需要調(diào)用到美國圣地亞哥的超級計算機，大規(guī)模商業(yè)應(yīng)用遙遙無期，最終沒有繼續(xù)發(fā)展下去。但彼時，AI芯片產(chǎn)業(yè)化的趨勢已經(jīng)在醞釀中。

不過，這一次，AI產(chǎn)業(yè)的浪潮與以往不同。半導體產(chǎn)業(yè)的飛躍極大推進了AI理論的場景化、硬件化。再往后，AI產(chǎn)業(yè)發(fā)展的根本瓶頸已經(jīng)不是芯片技術(shù)本身、也不是算力，而在于建立在基礎(chǔ)理論之上的，對于算法和架構(gòu)的突破。

有一個例子可以解釋這種從底層理論突破的邏輯——筷子夾湯圓。曾經(jīng)，大家認為神經(jīng)網(wǎng)絡(luò)能夠解決一切問，拼算力就像比誰夾東西夾得快。但大家沒有去想筷子夾東西本身是不是一個錯誤的方法。因為，筷子夾湯圓，再怎么夾，效率都有限，但如果換一種方法，拿一根長針去穿湯圓，效率提高很多倍，這才是跨度打擊。從筷子，到用針穿，這就是從拼算力變?yōu)榛A(chǔ)理論的突破。

基礎(chǔ)理論上的瓶頸反映到當下AI面臨的挑戰(zhàn)中，例如，在找到具體應(yīng)用場景后，AI公司往往需要面臨三大難題。首先是功耗問題，以自動駕駛為例，當理論上已證明算法可行，但把算法放到真實場景中，在車內(nèi)測試，現(xiàn)實情況是，一旦開啟自動駕駛模式，航程旋即大幅度縮水。其次是本地化問題，如果將算法和數(shù)據(jù)都放在云端，一旦網(wǎng)絡(luò)出現(xiàn)問題，車的安全就失去保障，故而在實際場景中，必須有本地化處理的能力。第三，是突破時間的限制。所有AI實際場景應(yīng)用都有時間限制，而現(xiàn)在的云端算法往往還不夠快。

除了底層的理論突破，一位資深行業(yè)技術(shù)人士向《財經(jīng)》記者表示，芯片的發(fā)展已經(jīng)逼近物理極限，未來行業(yè)競爭所受到芯片制造工藝的制約已經(jīng)不大，芯片將要往應(yīng)用方向走。未來，降低功耗將會在一段時間內(nèi)成為AI芯片優(yōu)化的方向。

“AI遇到的另一挑戰(zhàn)是能耗?！鼻笆霎a(chǎn)業(yè)投資人更是直接點出這一瓶頸。他所在的機構(gòu)和平臺公司交流較多，比如谷歌和亞馬遜，這類平臺公司建了很多超算中心，已經(jīng)在很早就意識到一個關(guān)鍵問題——如果算力翻倍，除了硬件成本要翻倍，電力供應(yīng)和電費成本更是個瓶頸，解決這個問題的方法就是理論的突破，因此公司都開始在大力支持從芯片技術(shù)到算法理論的創(chuàng)新，以此應(yīng)對升級算力中能耗的挑戰(zhàn)。

他表示，雖然中國AI公司在應(yīng)用場景上走在世界的前端，但同樣需要意識到的是中國在AI前沿基礎(chǔ)研究上明顯落后于國外。創(chuàng)業(yè)公司在算力的比拼和角逐中，更要對現(xiàn)有AI理論的局限和邊界有清醒的認識。

AI芯片市場將進入一個洗牌的時刻。

回到文章最初的問題，AI芯片在中國的這場狂歡還會持續(xù)多久？多位投資人和業(yè)內(nèi)人士的判斷基本一致，已經(jīng)在進入冷靜期。如今，專業(yè)投資人對于有算法但沒場景的初創(chuàng)公司已經(jīng)不會再投了。在“老大吃肉、老二喝湯”的半導體行業(yè)，頭部效應(yīng)明顯。AI芯片本身有多個產(chǎn)品線和賽道，每個產(chǎn)品線里最后會跑出來兩三家公司，這是將來的格局。不過，目前資本市場熱錢還很多，泡沫還需要膨脹一陣。

烽巢網(wǎng)注：本文來源于微信公眾號“ 財經(jīng)十一人”，作者： 陳伊凡 顧翎羽