最近,英特尔推出了第二代神经拟态芯片Loihi2和用于神经启发应用程序的开源软件框架Lava。并且,Loihi2采用Intel4工艺的预生产版本制造。使用极紫外光刻技术简化布局设计规则,使得快速开发Loohi2成为可能。

在AI芯片方面,除了英特尔推出的神经拟态芯片,百度也在8月18日的百度世界大会上宣布第二代自研AI芯片——昆仑2正式量产。公布即量产,可以看出百度对于昆仑芯片的自信。

自1956年的Dartmouth学会上,人工智能的概念诞生。经过了半个多世纪的发展,麦卡锡提出的人工智能在机器人、语音识别、图像识别等领域都不断发展。而在人工智能发展的过程中,必然不会缺少的就是AI芯片。

目前对于AI芯片并没有明确的定义,广义上所有面向AI应用的芯片,包括训练和推理应用的芯片都可以称为AI芯片。

几乎所有的科技巨头都已开始布局,除了百度、英特尔两家企业,特斯拉也推出了号称全球算力最高的自研AI芯片。AI芯片行业巨头英伟达市值一度被推至5000亿以上。

AI芯片的市场注定是一场激烈的斗争。

资本的涌入

2017年左右掀起了一轮新的AI热潮。AlphaGo战胜人类顶级棋手柯洁,横扫围棋界,一时间学界开始了又一轮的AI研究。

在最近三年级,AI芯片领域出现了两笔超级融资,壁仞科技在新创18个月就融资超过47亿元,创下国内芯片创业公司的最大融资记录。摩尔线程成立不到一年,估值超百亿,融资数十亿。

就单从2021年开年后看,AI芯片行业至少有20多起公开融资,而已公布的投融资金额及加起来,合计已达到约200亿人民币,其中有至少8起单笔融资的金额逾10亿人民币,单笔最高融资达53．5亿人民币。

国内的云端AI芯片创业公司拥有超强的吸金能力。

致力于打造高性能GPU的沐曦集成电路有限公司8月27日宣布完成10亿元人民币A轮融资。

2021 年 1 月,燧原科技完成 18 亿人民币 C 轮融资。其实在去年 5 月,燧原科技就完成 7 亿人民币 B 轮融资,领投方为半导体产业基金武岳峰资本,老股东腾讯继续跟投。

2021年3月1日,云端服务器级的通用高性能计算芯片的天数智芯宣布完成C轮12亿元融资。

摩尔线程在成立后的短短100天,即获深创投、红杉资本中国基金、GGV纪源资本等众多机构的青睐,融资金额已达数10亿。

可重构存算AI芯片的提出者千芯半导体(TensorChip)在3月22日公布完成了数千万人民币融资。

9月22日,黑芝麻智能宣布今年已经完成数亿美元的战略轮及C轮两轮融资。战略轮由小米长江产业基金、富赛汽车等国内产业龙头企业参与投资。

在深圳的墨芯人工智能,其自称是唯一拥有动态稀疏和静态稀疏技术的企业,在今年的1、3月份分别宣布获得新融资。

如此强大的吸金能力,能够看出资本方对于AI芯片企业的看好。

无论资本市场如何火热,检验AI芯片创企们长期发展实力的关键准则,最终会回归到产品实际性能和落地能力上来。

AI芯片落地难点

AI芯片已经进入肉搏期。相比起一度火热的概念潮,目前比拼的是谁能够率先落地产品、构建生态。

现在的问题成为了:进入了哪些场景?合作了哪些客户?有没有软硬一体化方案?是否已经有标杆案例?

AI芯片落地难的原因可能有很多个。例如,神经网络中的卷积运算加速对于功耗的增加,当算力翻倍,除了硬件成本增加,电力供应和电费成本更是一个瓶颈。从芯片技术到算法理论的创新,是一个原因。

还有芯片研发速度小于AI语言的研发速度,当出现合适的芯片时,其采用的AI语言可能已经过时。这对于能否量产打出了一个问号。

Rokid北京AI实验室负责人高鹏在钛媒体的采访中说,“衡量一块芯片成功与否的标准,就是看它能否大规模的应用于产品。” 云知声创始人黄伟也曾表示:“我们的芯片是有客户的,不是PPT造芯,更不是自嗨。“

落地难更重要的原因还是在应用场景的设计。缺乏杀手级应用使得现有的AI芯片没有清晰的定位,无法高度优化PPA。支撑AI芯片的不仅仅是AI计算,更要面向场景,实现完整的功能。

“每个规格的芯片都有自己的特性,有些芯片非常便宜,性能就会差,无法支持诸如打断唤醒这种前端能力,这类芯片就适合高性价比产品;像 Rokid KAMINO18这样的AI 芯片,支持4麦阵列,就很适合智能音箱场景。”图灵机器人儿童事业部总监刘峰表示。

除去杀手级应用场景的缺乏,很多半导体投资人都表示,谁能在自己的产品赛道上率先突破生态,谁就能存活下来。

所谓的AI芯片生态指的是,芯片上整个软件栈来支持AI框架,而AI应用程序则是基于这些框架开发的。软件栈包括驱动程序、编译器、函数库、算字库、工具包等等,是实现高性能、高通用性、高易用性,以及针对不同应用场景深度优化的关键。

生态搭建的难度和时间,远比芯片开发要更难、更长。

安谋中国AI技术高级市场经理吴彤曾表示,ASIC定制类的AI芯片会在未来的五到十年内成为市场上的主流,与此同时,AI芯片领域专用架构(DSA)也将开始流行。

针对不同的应用场景,客户的需求并不统一。一个可以商用的AI芯片除去自身芯片的研发,更多的时间还是花在了创造生态上。

在AI训练芯片领域,国际巨头英伟达一家独大,云端训练芯片上,很少有公司能够突破英伟达生态。在英伟达快速扩大中,生态成为了他的“护城河”。在2019年,云厂商亚马逊、谷歌、阿里巴巴中97．4%的人工智能加速器都部署了英伟达的图形处理器。

生态的改变绝非一朝一夕的事。