中国AI芯片进入淘汰赛，要如何迎接挑战？人工智能硬件为何重要？

AI芯片无疑是近几年半导体领域最炙手可热的话题，上月百度宣布旗下自主研发的昆仑AI芯片已经实现量产；特斯拉也发布名为D1的AI芯片，据了解D1将采用台积电7nm工艺并在排期阶段；以GPU和CUDA平台完成AI生态组建的英伟达更是在近5年内疯涨价约3000%，一举成为美国市值最高的芯片公司；华人老板黄仁勋身价更是超过了100亿美元。

美国在2016年发布《美国人工智能战略计划》，我国在2017年发布《新一代人工智能发展规划》，德国、日本、韩国、俄罗斯在2019年都不断推出和更新人工智能领域的发展战略。可以看出，一方面是过去几年AI的算力需求基本上是每一个季度翻一倍，整个市场规模从十几亿美元目前已经变成了接近千亿规模的市场；另一方面随着语音识别、智能图像处理、车规级AI、超级数据中心各行各业AI应用的落地，根据Gartner的报告显示，中国AI芯片行业的市场规模在今年将占全球约20%，2023年将达25%以上。

我们常说的“无芯片、不AI”，那么目前我国的AI芯片企业发展得如何、我国AI本土化、国产化替代方面软硬件还存在那些挑战、目前制约AI芯片发展最主要的瓶颈在哪里，今天我们就来一起来探讨，总结归纳一下这个话题。

一、全球AI市场现状

目前在AI硬件方面，根据应用领域的不同，可以将AI芯片大致分为三类：云端AI芯片、边缘/终端AI芯片及新型AI芯片。

在云端目前普遍采用 “CPU+加速芯片”的异构模式，整个市场基本处于“一超多强”情况，英伟达的GPU+CUDA平台是目前最为成熟的AI训练方案，因FPGA支持大规模并行且推理延时低，具有可变精度等特点，在云端推理领域也占有一席之地， FPGA市场主要还是以AMD及Intel/Xilinx为主。

眼下专注于神经网络的张量处理器如说谷歌TPU部署，由于高效能表现，也越来越受到关注。不过总体而言云端芯片市场，英伟达是现阶段绝对的老大，全球市占有率达60%-70%左右，在AI训练市场占据约95%以上份额。我们熟悉的亚马逊AWS、阿里云、腾讯云都在使用以英伟达为主的GPU产品来提供云端深度学习算法训练服务。

边缘设备市场情况就相对乐观很多，鉴于边缘芯片的特点，市场处于百家争鸣状态，在边缘计算领域中智能手机、自动驾驶、智能安防、智能家居及机器人是最为重要的几个应用。与云端AI芯片不同，边、端AI芯片更注重推理计算的能力且能耗和成本的要求也更高。在实际应用中云端和边缘设备通常是相互配合，随着边缘能力的不断增强，越来越多的专项工作负载会逐渐由边、端设备执行，从过去通用计算芯片解决所有问题，到现在异构计算单元在到未来各种专用AI芯片是一个清晰的方向，这将是国产芯片公司一个巨大的机遇。

新型人工智能芯片包括神经形态芯片、近内存计算芯片、存内计算芯片等目前仍在探索研发阶段，总体而言我国AI芯片发展非常给力，具有明显的市场优势，特别是智能交通、智能机器人等垂直领域的投资非常密集。一方面华为、百度、阿里等企业已经逐渐成为我国AI技术投入的主力军，成为产业的落地和技术迭代的最主要推手。另一方面我国在人工智能领域快速崛起的优秀企业数量这几年迎来井喷式的爆发，包括已经完成C轮的寒武纪、依图、地平线企业等。AI开源社区的贡献度也仅次于美国是第二大贡献国。

二、中国AI芯片的挑战

机遇与挑战并存，目前我国AI芯片主要面临的四点挑战：

1、如何建立自己的AI生态，英伟达公司之所以强大并不是因为技术绝对领先，主要还是在于平台和生态“组合拳”，不论是全链路软件栈（编译器、工具包、函数库），还是AI框架，英伟达公司都牢牢掌握了话语权。生态一旦形成重点反而不是性能和价格，希望云服务商改变多年来开放的习惯，这是最困难的，生态无形的垄断也是最最最关键的。华为晟腾其实也是希望往生态方向，整个MindStudio已经搭建得非常好，基础软件也较完善，硬件封锁和困难确实产生了很大的影响。眼下最重要的是不能让英伟达公司成功收购ARM，一旦英伟达公司成功收购ARM，对于AI边、端的现实压力将快速显现。

2、强设计弱制造，是我们芯片行业普遍存在的，我国AI芯片设计能力已经接近世界第一梯队的水平，由于我国芯片长期代工模式导致了AI芯片产业存在设计能力与制造严重不匹配。比如我之前提到的芯片设计上游EDA软件，对一些国外工具链相对比较依赖。

3、我国目前很多初创AI企业在很多垂直领域应用场景上取得了不少突破，但很多公司的算法和软件依旧过度依赖开源社区及依赖深度学习开源框架，自主程度依然存在很大不足，未来如果想要进一步取得突破，算法库与开源框架捆绑太深入不是好事情。

4、我国AI芯片领域的专业人才还是相对缺乏，芯片硬件领域的人才实际上非常注重经验和长期培养，芯片之所以难是环节和工序太多了，培养一名成熟的芯片工程师起码需要5年以上的工作经验。我国的AI芯片公司，如燧原科技团队是从AMD出来，云天励飞的老板是飞思卡尔出来的，包括我们国内大多AI公司的主要团队，都是从AMD、英伟达等大厂出来的，之后如何形成内发的人才培养机制、自主发展的持续动力，也是目前的一大考验。

三、中国AI芯片的优势

首先第一个优势，我认为是数据主导权的优势，虽然目前AI硬件厂商确实在上游拥有AI算力和研发的主导权，但是我们始终要知道，所谓AI毕竟是需要落地的，数据也是需要训练的，场景也是有定制化需求的，我一直认为未来各大科技企业不管是谷歌、微软还是阿里、腾讯、字节，慢慢开始利用前端数据主导权优势，进行自研芯片的路线可能是未来几年的大趋势。

通用GPU芯片在构建大型数据中心时在能耗、性能方面没有任何优势，但随着近几年超级数据中心的投建，采购大量英伟达加速卡、支付未来不断高涨的电费和运营成本实际上比投入芯片自研成本更高。将自己数据中心硬件完全依托于一家美国公司，这对于一家大型科技企业在供应链风险上也是必须考虑的事情，而断供的风险、损失往往是无法承担的。

百度发布的昆仑、腾讯投资的燧原科技、第二代云燧T20、T21的发布让我们看到了国产训练产品的希望。字节在今年年初投资的摩尔线程我们大家可以关注一下，不管经济角度还是从未来数据，到硬件、到训练一站式的趋势。我个人认为我们的几大科技巨头是能够利用好手头上的优势，一起抓住这个机会的。

百度昆仑2

云燧T20

其次我国拥有全世界最完整的产业链，未来AI在不同市场，不同行业的场景落地，基础产业的基础再造对AI边缘计算的发展是非常有利的，消费市场的多样度，如安防中AI摄像头的数量已经呈现出爆发式的增长了。如智能家居中制造业的物联网设备，预计未来几年也会有比较大的潜力。引导这些龙头企业采用国产化的AI产品对我国人工智能软硬件的壮大是非常有利的条件。

最后虽然AI产业确实遇到真正的瓶颈，从早期的迷信AI算法，到对神经网络的执念，到对算力的狂欢，我们发现芯片的发展确实已经逼近了物理极限，未来AI芯片也不可能一直向着大能耗堆硬件的方向发展一直发展，如何寻找新的范式，新的算法、新的理论、新的框架、是未来几年是AI发展一个新的机遇期和冷静期。不得不说，也是我们的一个机遇。

我国AI芯片产业目前面临的挑战和优势，我相信只要我们持续注重基础研究，注重人才培养，随着我们这几年半导体制造的慢慢崛起，我们在AI领域是可以建立自己的一套新生态。