<table id="ej5zp"></table>

  • 展會信息港展會大全

    AI芯片,撐得過明年嗎
    來源:互聯網   發布日期:2022-04-10 09:10:12   瀏覽:2860次  

    導讀:AI 企業家們現在講出的故事,早已不再能如同此前般打動人心 前幾年的人工智能熱讓大小廠商陸續跳入AI芯片的研發大軍中,當潮水褪去,AI芯片的風口已然不再,當初的大多數初創公司們都黯然退出歷史舞臺,如今誰在潮頭賣芯片? 往日的熱鬧逝去已久,AI芯片這一...

    AI 企業家們現在講出的故事,早已不再能如同此前般打動人心

    AI芯片,撐得過明年嗎

    前幾年的“人工智能熱”讓大小廠商陸續跳入AI芯片的研發大軍中,當潮水褪去,AI芯片的風口已然不再,當初的大多數初創公司們都黯然退出歷史舞臺,如今誰在潮頭賣芯片?

    往日的熱鬧逝去已久,AI芯片這一行,已經快降溫三年了。

    企業們的戰略搖擺、動作變形隨處可見,仿佛是一個個行走的創業記錯本。他們趟過的坑、摔過的跟斗,其他玩家即便親眼看見了各種失敗先例,可肉身還是得下場走一遭。這就是創業,聽過無數的道理,也逃不過重復別人失敗的一生,這更是創業者的宿命:不斷的試錯和驗證。

    AI芯片市場如今進入洗牌時刻,加速呈現去 AI 化趨勢,在中國的這場狂歡又該怎么收場?

    繁榮背后的一地雞毛

    AI芯片的火爆,與其說是AI技術發展的果實,不如說是資本的產物。

    資本如酒,能壯創業膽。

    忽如一夜春風來,千樹萬樹梨花開。隨著AI產業的迅速發展,越來越多的企業都投身到了AI淘金這股浪潮中,而其中最為耀眼的便是AI芯片。

    為什么好像一夜之間大家都在造AI芯片?雖然從AI芯片相對偏長的投資回報周期來看,芯片與資本的逐利本性來看是相沖突的,但是它可以包裝成為一個好故事。

    早前就有業內人士提出質疑:人工智能芯片概念比較怪,定義也非常寬泛。AI市場的第一顆芯片是包括現成的CPU,GPU,FPGA和DSP的各種組合。在國外巨頭眼中的AI芯片更多是基于傳統的通用芯片架構中去升級或者拼裝組合。

    OneSpin Solutions總裁兼首席執行官Raik Brinkmann也在質疑并提出了以下問題:在AI芯片中,有三個問題需要解決:

    首先,需要處理大量的數據

    其次,構建用于并行處理的互連

    第三,功率,這是移動數據量的直接結果

    所以亟須從馮諾依曼架構轉變到數據流架構。然而,AI芯片究竟是什么樣子,以及該如何定義還沒有統一的標準。在國內市場來看,更多是一個缺乏嚴格定義的偽概念。

    這種令外界心跳業內竊喜的概念,更多是為了商機而制造出來的“新技術”。

    而正是因為缺乏定義與標準,所以它有了將概念包裝講故事的空間。

    當然對于很多人來說,有一個好的故事來圈錢已經足夠。

    隨著各行各業的企業都開始進入IC行業,人才需求量猛增。但是人才培養的速度完全跟不上需求的增長。因此,新進入的企業高薪挖人,高薪搶人已經成為常態,應屆生的薪資水漲船高。能夠拿出高薪的企業有兩種:

    其一,拿到大筆融資的初創企業

    其二,入局IC的互聯網巨頭

    對于初創公司來說,要對得起投資人的大筆投資,技術團隊必須建立起來。往往投資人的壓力也比較大,一般需要在一定時間之內,建立多少人的隊伍。時間一到,是需要向投資人匯報的。因此,技術團隊建設,往往比較急。而恰恰這類企業,由于知名度不夠,招人還不太容易招到。正所謂,重賞之下必有勇夫,那就用更高的薪水來吸引人才。如果50%不夠,那就雙倍。反正投資人的錢是必須要花的。

    其實,也不是所有的初創企業都有實力不計代價的砸錢。如果沒錢怎么辦?可以許諾股份。由于沒有上市,估值就有很大的隨意性。因此,招人的時候,可以許諾價值數百萬的股份,一樣可以吸引很多人加入。當然,到變現的時候,就要看造化了。

    另外一種企業,就是大名鼎鼎的互聯網巨頭。財富,聲望都完全吊打創業公司。無論是老BAT(百度,阿里,)還是新三巨頭(字節,阿里,),都已經入局。這類企業,資金雄厚,認準一個行業,重金投入,然后將整個行業洗牌。

    共享單車、滴滴快滴大戰、外賣,這些企業以及代理,憑借雄厚實力,砸入重金,瘋狂補貼。一般企業哪里見過這樣的世面?要么被收購,要么就得倒閉。

    如今,這些企業進入到芯片行業。傳統芯片行業,憑借搞芯片賺取的微薄利潤,如何和這些互聯網企業競爭?這些企業的海量資金,不是來自于芯片,而是流量。他們可以拿出傳統芯片企業難以拿出的薪水,再加上初創公司難以企及的名氣,成為了吸引人才無往不利的大招。

    芯片行業并不是暴利行業。要不是中美科技戰,芯片行業可能根本不會吸引眾多人才的注意。

    傳統芯片公司,像海思這樣背后有著實力雄厚靠山的企業少之又少。長期以來,更多的企業一直在歐美等芯片巨頭的陰影之下發展。芯片火熱的大背景下,這些企業,原本以為自己有了機會,有了出頭之日。但可悲的是他們還沒來得及高興,互聯網公司來了。

    這就出現了非常吊詭的現象:芯片行業受到了前所未有的重視,很多芯片公司也打開了市場,結果赫然發現,自己的團隊,或被挖空,或集體出走。以往,芯片公司往往會死于沒有市場,如今,他們的死亡的可能又多了兩樣:

    死于沒有產能

    死于沒有員工

    互聯網企業,賺的是快錢,芯片,卻是需要長期的投入,卻往往看不到什么利潤;ヂ摼W企業現在可以重金砸向芯片,如果不見什么利潤的話,會不會始亂終棄,最后搞得一地雞毛?那就真的是歷史的罪人了。

    被低估的軟件復雜度

    AI 芯片的快速發展,其中一個回避不了的問題就是軟件復雜度的指數級提升。很多公司花了兩年甚至更短的時間做出一款芯片,卻發現需要更長的時間支持繁多的框架、緊跟算法的進步,適配從終端到數據中心的各類平臺。當錯過了部署和量產的窗口期,即便做出了芯片也會很快落伍。

    與設計通用架構不同,設計 AI 芯片這樣的專用架構需要同時考慮到軟件設計和優化。芯片公司往往樂觀估計了軟件適配和優化的成本,指望通過中間件和編譯器來解決所有問題。事實上,從 Intel 到 Google 再到 Nvidia,大量的軟件工程師正被投入到適配各種平臺,手動優化網絡性能當中。而對于初創公司,芯片早已 tapeout 卻一再延期交付的問題比比皆是。

    從本質來看,當我們開始不斷挖掘芯片架構的潛力時,軟件層的抽象也會變的越來越困難,因為其不得不在上層抽象中引入底層的架構的模型或參數,F在的通常做法是做底層芯片架構與上層軟件之間的中間件,然而開發這些中間件的代價也往往被低估。

    AI是一個全新領域,AI芯片需要支撐的不僅是AI計算,更要面向場景,實現完整的功能。芯片公司多年的積累不是主要矛盾,其主要矛盾是如何將軟硬件結合起來,開發出一個高效能、低功耗、低成本,同時能夠又快又準的完成自主機器人的任務。

    AI芯片的成功不止于將ISP調的好,能夠看清楚;也不是將傳統的語音算法做的更精進,更不是說一個傳統的車規芯片公司把CPU和DSP升級成一個NPU,AI芯片沒有那么簡單。

    碎片化嚴重

    只需要編寫一套代碼即可運行在不同平臺,是軟件工程師們的長久訴求。不同架構的 AI 芯片帶來的碎片化會極大的打擊他們在實際軟件產品中應用 AI 的積極性。

    與以往的經驗不同,深度學習糟糕的解釋性會帶來許多意想不到的缺陷。比如這樣一個常見的困擾:一個私有的模型可以在本地 CPU 上得到滿意的結果,然而卻在部署到某款設備后性能大幅下降。如何調試這些問題,誰來負責調試,通過怎樣的工具來調試,甚至調試的工程師能否拿到私有的模型?這些問題都難以回答。

    碎片化還表現在,專有架構為了挖掘絕對性能往往會放棄向前兼容性。如上文提到的中間件,它的一端是碎片化的 AI 軟件框架,另一端則是一代又一代的芯片架構。如何同時維護多個部分不兼容的指令集架構,并保證每一次軟件更新都能完整的覆蓋所有的設備?

    除了投入更多的人力,別無他法。一個常見的論調是像當下的消費級芯片一樣只保持一個短期的(2-3年的)軟件支持,然而當下 AI 芯片的常見應用領域,如智能攝像頭、工業智能、以及自動駕駛,一款芯片的生命周期可能長達十年。

    很難想象一家公司需要多大的量級才能提供持久的技術支持,如果預估一家初創公司活不過兩三年,如何才能放心的部署其產品到一款面向消費者的量產車上?

    同質化嚴重,深陷價格戰

    在2021年ICCAD上,清華大學教授,博士生導師魏少軍教授指出,在2810家芯片設計企業中,僅有32家企業的人數超過1000人,51家企業人員規模為500-1000人,人員規模100-500人的有376家。此外,更是有2351家企業是人數少于100人的小微企業,占比高達83.7%?梢,國內芯片設計企業體量規模差異較大,大部分初創企業規模較校

    受限于規模體量,中小芯片公司專業管理能力不足,自建的技術和運營團隊也難以長久維持,幾款產品的銷售額和利潤很難攤薄芯片成本,同時還要持續的投入研發,兩者難以兼顧。

    因此,不少公司為了攤薄投入,盲目拓展產品線,希望通過低價快速去其他芯片細分領域探尋市場機會,但這種策略容易使其他企業也來自己的主戰場殺低價,導致國內芯片行業的同質化競爭嚴重,造成內卷化的慘烈競爭。

    以MCU芯片為例,涉及MCU業務的企業占比較多,競爭非常激烈。雖然市場上已有瑞薩電子、恩智浦、英飛凌、意法半導體、微芯科技、德州儀器等國際大牌廠商,以及士蘭微、兆易創新、中穎電子、國民技術、芯?萍嫉纫槐姳就疗髽I,但國內MCU初創企業仍在不斷增加。

    據不完全統計,當前國內MCU廠商已有上百家,本土MCU品牌的產品序列、采用工藝、性能參數也幾乎是完全對標進口品牌,產品同質化情況嚴重,且價格戰越來越激烈,尤其是在通用MCU市常

    這也進一步導致本土廠商對產品的創新能力低下,只能模仿市場上的熱門產品,自身產品易于替換,代理商和客戶對品牌的忠誠度也必然會變低。

    此外,自動駕駛芯片、AI芯片等在內的諸多賽道都存在類似的情況,新晉企業盲目造芯可能導致國內芯片企業同質化、低端化項目頻出,采用低價競爭的方法爭取市場份額,最后難免留下“一地雞毛”,不僅造成資源浪費,還會拖累產業發展。

    供應鏈困難雪上加霜

    對于初創AI芯片公司來說,一顆芯片在產品化過程中,產業鏈的管控和自身需求之間存在巨大障礙。由于缺乏規模效應和相關經驗,初創公司一般很難得到足夠的供應鏈支持(流片/晶圓代工/封裝測試等)、合理的價格、及時的技術支持和公平競爭的機會,在近兩年產能緊張的局勢下這種情況更為嚴峻。很多創業團隊難以發揮出自己的技術優勢,反而被供應鏈和運營的短板拖累,把太多精力浪費在試錯和踩坑,最終影響芯片的研發進展。

    從流片環節來看,流片是芯片設計企業至關重要的一環,上乘芯片設計,下啟封裝測試,是芯片從無形的數據轉換給物理實體的重要步驟,也是芯片企業研發成果的重要體現。與具有雄厚研發實力、資深技術人員和供應商強力支持的頭部企業相比,處于腰部甚至腿部的中小芯片設計企業往往缺乏相關經驗,在專業度以及所獲得資源方面遠不如頭部企業。

    尤其是在當前芯片產能緊缺的狀態下,一個公司的綜合能力全部體現到能否搶到產能這個單一指標。大客戶在產能爭奪中的表現會相對好很多,因為他們的出貨量和資金是支持他們與晶圓廠一直保持合作的底氣。但對于初創企業來說,在這方面的不足就被暴露出來。

    中小芯片企業在流片環節與晶圓代工廠之間的錯位與矛盾:

    對Foundry體系不了解:缺乏工藝選型的經驗,對流程不熟悉、交期變化、產能波動等都將大大增加初創公司與晶圓代工廠的溝通成本,降低效率;

    缺乏系統的供應鏈管理能力:尤其在ramp up階段,對產能、交期、質量過于樂觀,影響TTM;

    缺乏備貨機制:恐慌性下單或有了訂單再下單導致產能跟不上市場需求。

    縱觀國內的芯片設計企業,除了具備較強供應鏈實力的部分頭部廠商,大多數中小公司或多或少都存在或將面臨上述困擾。除了面對市場的挑戰,還要面對供應鏈的激烈競爭。

    量產真相:落地艱難

    隨著AI芯片進入深水區,人們更關注的不再是單純的算力,還有對應用落地和商業化的支持:進入了哪些場景?合作了哪些客戶?有沒有軟硬一體化方案?是否已經有實際案例?……“AI落地難”已成行業共識,浮華過后,AI芯片接下來將進入市場檢驗真理的階段。

    短短幾年時間,AI芯片經歷了概念炒作、泡沫破滅、修正預期和改進問題。多位AI芯片公司的CEO都表示,AI芯片一直在持續發展,落地的速度確實比他們預期的慢。

    目前市面上AI芯片基本被分成了兩類:

    云端AI芯片:部署在大型服務器中,可支持圖像、語音等不同類別的AI 應用

    終端AI 芯片:部署在自動駕駛、安防、零售、智能硬件等音設備中

    兩者對比,云端芯片的門檻更高,無論是對半導體工藝、封裝技術和配套軟件都有很高要求,一旦成型,其他企業亦很難進入,可以形成競爭壁壘。同時,這個領域更為通用,前景更廣,是讓企業真正有希望成為“中國英偉達”的方向。

    但云端芯片也需要更多的資金和生態支持,高門檻使得大多數創業公司幾乎加入無望。尤其是在華為與阿里巴巴兩大巨頭下場,并先后推出云端芯片之后,如今,寒武紀幾乎是唯一一家仍在堅持云端芯片方向的AI創業公司。(然而寒武紀當下的生存狀態依然陰云籠罩,充滿了太多不確定性,參見:寒冬里的寒武紀)

    可這個方向同樣困難重重。做云端服務器的條件是擁有生態資源。比如你需要有數據庫資源,要訓練自己的芯片,這對于大廠是天然的,可是創業公司沒有,要花巨資去購買。

    與寒武紀相對,大多國內的AI芯片企業則集中在進入門檻較低的終端AI芯片方面,如云天勵飛、肇觀電子等企業,均以研發智能視覺芯片為主,也有一些企業在集中研究智能語音芯片。

    芯片研發比AI語言的更迭速度慢,當芯片面市時,其采用的AI語言可能已經過時了。這種問題首先體現在量產,但歸根結底,缺乏殺手級應用場景才是最致命的。AI芯片廠商高投入研發過后,卻不知道自己的產品要賣給哪些客戶或者說應用到哪些產品上,無法找到可持續性的落地場景。

    缺乏殺手級應用使得現有的AI 芯片大多沒有清晰的定位,無法高度優化PPA。做半導體的都知道PPA有多么重要,尤其是Performance。AI芯片需要針對應用場景進行設計,以此來指導研發調整優化方向,引導客戶進行正確選擇,同時能夠促進行業有序協同向前發展。

    加速去AI化,決勝2023

    AI芯片初創成立之初都以AI為核心,提供基于AI芯片的解決方案。然而,經過這幾年的探索,跨過虧損和量產的兩大障礙之后,AI芯片公司的AI標簽不再那么突出,呈現去AI化趨勢,AI芯片公司間的分水嶺也即將出現。

    在多個從業者看來,AI芯片并非一個獨立的存在,“只是場景中的一部分”,如果想讓產品真正落地,創業者們需要掌握的是“場景理解能力”。

    早年間,CV四小龍幾乎都在探索AI+行業,而“行業”則包含金融、零售、安防、汽車、物流等領域,不同點在于各自的領域各有側重。但從2019年前后,同處計算機視覺下的AI四小龍開始講起了“獨特”故事:

    曠視把目標定在了AIoT上,所有業務都要帶上“物聯網”;诖,還打造了“算法+軟件+硬件”的一體化產品體系,推出物聯網時代的AIoT操作系統。目前,在招股書中,其主要業務分為物聯網解決方案、城市物聯網解決方案、供應鏈物聯網解決方案;

    依圖則在探索應用場景過程中發現了產業鏈上的“芯片”一環,于是打開了“算力提供商”的新世界,以人工智能芯片技術和算法技術為核心;

    商湯招股書中,其主營業務分類為智慧商業、智慧城市、智慧生活和智慧汽車。將自身定位成人工智能軟件平臺型公司,打出了“1(基礎研究)+1(產業結合)+X(行業伙伴)”戰略,AI+“所有”,沒有給自己限定場景,什么行業都做;

    云從則是涉及智慧金融、智慧治理、智慧出行、智慧商業四個領域;

    作為CV領域的“小弟”,格靈深瞳的業務分類為城市管理產品及解決方案、智慧金融產品及解決方案、商業零售產品及解決方案。

    AI 企業家們現在講出的故事,早已不再能如同此前般打動人心。二級市場的表現倒掛一級市場,這讓投資者們對“估值高、回報周期久”的AI公司已經失去了信心和耐心。資本冷卻的重擔最先就砸在了“CV四小龍”所在領域。這堪稱“三十年河東三十年河西”,此前,由于早期需求明確、數據好獲取,CV是中國市場AI行業中技術和落地均發展最快的市常按照2021年2月的報道數據,我國各種類型的機器視覺企業已經超過4000家,F在,它卻成為“卷”得最厲害的窄巷。

    市場對AI企業們正在提出新的要求。與過去以技術單點為發力方向、抓住某一場景持續燒錢獲娶處理、訓練數據的方式不一樣,如今業界更多地開始強調AI技術在向工業場景遷移過程中的落地能力。

    在這一過程中,人工智能作為一種底層技術,當深入具體的產業及行業深處時,它們面臨的便不再僅僅是技術層面的挑戰,甚至之前它們所依賴的技術優勢,正在逐步被削弱。

    AI芯片公司以AI為出發點設計芯片,但客戶對AI的需求可能并沒有那么強烈。比如在安防行業,即便能夠提供優秀的AI能力,但客戶更在意的是ISP(圖像信號處理器)性能,這些領域的客戶只會選擇ISP性能更好的產品。

    過去幾年間成功找到落地場景或者驗證商業模式可行的AI芯片公司,AI的標簽越來越弱。AI芯片公司的產品以AI為出發點,不斷集成客戶所需的各種非AI功能(如控制、通信等)。

    這個難題就足以困住大量的AI芯片公司,因為懂應用的人不懂 AI,懂芯片的人不懂應用,芯片提供者和應用者之間有巨大的認知差。

    無論從技術門檻、落地場景和市場競爭來看,如今AI創業的窗口期已過,理解一個場景,深挖和精準研發,甚至整合這個場景的解決方案,企業還是有機會活下去。不過,如若能做到,這些企業也許已轉型為某個場景方案解決商,而不再是“AI 芯片企業”。

    最后的話

    AI芯片市場進入一個洗牌的時刻;氐焦P者在開頭提到的問題:AI芯片在中國的這場狂歡如何收場?

    當無數的巨頭和初創公司設計出一塊又一塊大同小異的 AI 芯片,我們需要回答這樣一個問題:的需要這么多 AI 芯片嗎?

    從一個軟件工程師的角度,我個人堅信定制化的 AI 處理器只會是一個過渡期產物。一個統一的、可編程的、高并發的架構才應該是我們追求的方向;叵脒^去的二十年,我們見證了專用架構的小型機市場的萎縮,圖形處理器到通用向量處理器的發展,甚至連我們的手機和電腦的平臺都將趨于統一。

    任何事物一旦進入泡沫期,就不免讓人擔心什么時候會崩盤,而當下的 AI 芯片已經進入公認的泡沫期。據艾瑞咨詢發布的《AI芯片行業研究報告》指出,目前AI芯片行業接近Gartner技術曲線泡沫頂端,只有通過市場檢驗和篩選的優質團隊才能夠繼續獲得產業、政策和資本的青睞與支持。

    2022年,已經找到了應用和驗證了商業模式的AI芯片會生存下來,而大量還在探索的公司,最快在2023年就會面臨被淘汰的風險。

    AI芯片,撐得過明年嗎

    AI芯片,撐得過明年嗎

    AI芯片,撐得過明年嗎

    贊助本站

    人工智能實驗室

    相關熱詞: 芯片 撐得 明年

    AiLab云推薦
    展開
    Copyright © 2010-2022 AiLab Team. 人工智能實驗室 版權所有    關于我們 | 聯系我們 | 廣告服務 | 公司動態 | 免責聲明 | 隱私條款 | 工作機會 | 展會港
    18禁无遮拦无码国产在线播放

    <table id="ej5zp"></table>