看AI芯片行业三大发展方向，“中国芯”可能弯道超车

中国的“芯”事，因为中兴事件再次成为热点。

近日，市场研究顾问公司Compass Intelligence发布的最新研究结果显示，在全球前15大人工智能（AI）芯片企业排名表“A_List”中，前三名依序为英伟达（Nvidia）、英特尔（Intel）以及恩智浦（NXP），苹果排名第8名、三星第09名；华为第12名，成中国大陆地区最强芯片厂商。

从这个排名中我们可以看到，与通用芯片领域的格局不同，虽然老牌芯片和半导体公司依然位列三甲，但是AI芯片领域，已经有非芯片领域的科技公司开始奋起直追。

星河互联人工智能事业部总经理刘玮玮介绍到，从行业上来讲，主要用于底层运算的芯片大概有三个方向：

第一个方向是以英伟达为代表的GPU方案，很多企业正在使用的通用芯片；

第二个是FPGA方案，作为专用集成电路（ASIC）领域中的一种半定制电路而出现；

第三个是自研集成电路，比如中国深鉴、寒武纪、地平线这些公司的产品。

他表示，对于AI行业来说，自研一种真正适合AI运算的专有芯片是最理想的发展方向。目前AI行业本身还处于发展初期，因此AI芯片的格局也尚未明朗，中国有弯道超车的可能。

刘玮玮丨人工智能事业部总经理

北京航空航天大学集成电路工程硕士，10年工作经验。聚焦于人工智能、智能硬件、VR领域的早期投资及联合创业。前京东智能战略投资负责人，京东智能核心管理团队成员。专注于京东智能集团业务规划、行业分析，协助总裁制定公司战略，以及大战略项目合作等职责。后期负责京东智能早期项目投资，对智能硬件生态、行业理解深入，有创建实操经验。先后在三星电子、中兴通讯做硬件研发、咨询师、战略项目管理等。

中国芯片产业结构的缺失

中兴事件的发生暴露出了中国芯片产业结构的缺失。中国只有中低端芯片的研发能力，没有高端芯片。

不久之前与中兴进行过一次交流，他们很早之前就意识到了核心芯片的问题，却一直没有布局，没有战略性的布局。相对来说，华为要好一些，早年间布局了海思半导体，主要应用在手机处理器。但是总体上，通信领域的核心部件都要从美国进口，例如高速数模转换芯片，激光器、接收机的芯片等等。这些部件，中国都没有自研的能力。

不仅如此，核心器件的采购本身也有瓶颈。以光器件为例，有非常长的供货周期，不易采购，需要随时做好备案。人工智能最火的时候，做深入学习的英伟达GPU Titan很难采购，当时通过代理采购三到四个月以后才能拿到货。

通信领域芯片尤其是光器件的采购是伴随电信市场的“光进铜退”背景，即光通信市场的发展而产生的，包括骨干网、城域网、以及接入网都已经或者正在进行光纤化。同时，数据中心(IDC)网络建设需要用到光纤光缆、光通信设备以及光器件/光模块。

近年来，随着政府、金融、电信、游戏、视频、电子商务等行业数据集中化、虚拟化趋势形成，IDC 已经成为支撑用户日常业务运作最重 要的基础设施。云计算大发展，为光器件，尤其是高速光模块行业带来了全新的发展机遇。

我国AI创业主要集中在应用层

对于人工智能领域的创业来说，中国高端芯片的缺失已经形成了一定掣肘。

例如自动驾驶领域必备的激光雷达，需要高速数模转换器，目前都需要进口。受限于芯片问题，有一些创业团队正在尝试从技术上绕开数模转换，但项目凤毛麟角而且大都不成熟。还有机器人的核心部件：伺服电机、谐波减速器、控制器等，高端产品基本以日本、韩国和欧洲为主，都需要采购。中低端产品中国也可以做，但是性能、质量等还有较大差距

基于这样的现实，近两年大部分人工智能项目都集中在应用上，主要做产品和集成，属于应用型项目。

从整个早期投资的行业分布上，也可以看出大都集中在应用层。大数据、智能制造、云计算、金融、医疗等领域是最受中国资本市场关注的领域。就2017年的人工智能的技术应用而言， B端的企业级应用相对容易落地，人工智能技术带来的成本降低和效率提升，在安防、智能客服、金融、政务等领域，以及行业机器人在巡检、警用安防等领域都已经得到了一定程度的商业验证。

AI专用芯片中国正齐头赶上

虽然在通用芯片领域中国已经失去先发优势，但是对于AI芯片，我们看到了不同的市场面貌。

目前， 主要用于底层运算的芯片，从行业上来讲，大概有三个方向：

第一个方向是以英伟达为代表的GPU方案，很多企业正在使用的通用芯片；

第二个是FPGA方案，作为专用集成电路（ASIC）领域中的一种半定制电路而出现；

第三个是自研集成电路，比如像深鉴、寒武纪、地平线这些公司，他们都在自己做一些专用的人工智能芯片，用来做深入学习的训练或运算。

GPU的运算架构恰好适合于深度学习大量的并行计算，因此迅速进入了AI市场，FPGA的特点在于和硬件结合比较紧密，编程比较灵活，底层配置和构建比较灵活。但从开发难度、架构难度到功耗、成本和运算成本等角度，这两种方式都有弊端。所以最理想的方式，就是自研一种真正适合人工智能运算的专有芯片。

当然,专有芯片研发周期长、成本大，比起GPU等通用芯片，专有芯片的研发尚处于早期，竞争格局也尚未明朗。竞争格局不明朗，对于中国来说，就意味着机会。

1、国家政策利好。第一是产业政策，中国的产业园或者说产业政策本来就有聚焦效应，这对于芯片产业的发展来说非常重要；第二是资本市场支持，芯片作为国家核心科技战略很难去美国上市，国家未来一定会让其在A股上市，对于收入、利润满足不了现有A股上市标准的，将会有一系列改革，这是必然趋势，现在国家已经有指导意见但还没有细则；第三，国家有可能从补贴的角度给予芯片创业项目支持。

2、新兴技术领域中国并未落后。近几年在人工智能、无人驾驶、VR/AR等新兴技术领域，中国并未落后，最为典型的就是人工智能领域，中美的差距不是特别大，并不像工业时代。

3、人工智能设备的本地化计算趋势是自研芯片的机会。过去人工智能设备都是云端运算，但是云端识别在运算速度、网络占用、交互体验等方面都有很大的弊端，比如智能音箱简单的唤醒功能需要将信息上传至服务器，经过云端处理之后再返回至本地机器人，一旦网络出现问题，整个交互体验都会受到影响。因此，未来本地化运算将是人工智能发展的趋势之一，未来如果每台终端都有一个本地化的计算芯片，体验会更好。

4、通用芯片大厂的路径依赖，为自研芯片的发展创造了时间和空间。移动互联网时代英特尔转型移动端芯片是失败的，巨头多年巨额的研发支出，很难被摒弃。

芯片的竞争本质上是运行速度和成本的竞争。通用与专用，GPU、FPGA、ASIC三个技术路线如何实现分工和接替，是接下来AI芯片市场的一个焦点。

AI芯片的投资和创业逻辑

基于人工智能的发展趋势，我们认为基于软件算法的技术创新类项目未来竞争壁垒会进一步降低，而硬件技术的创新比软件算法创新更具壁垒，同时在大厂路径依赖的情况下，某些领域创业公司反而更快、更有优势。

但是，芯片研发周期性很长，研发成功率低，是一个资金密集型和人力密集型行业。作为门槛较高的领域，要实现国产芯片的赶超，做芯片的创业公司对团队和投资人都有一定要求。

首先需要团队背景过硬，团队本身有强大的技术、资源等光环，只有这样的团队才更容易获得资本的支持。目前发展比较好的深鉴科技、寒武纪都是这样的团队。

二是投资者需要了解行业。芯片投资是高风险、高回报的，芯片创业不像做企业服务，3个月产品就能上线，半年之后产生数据，芯片的研发就需要三到五年，芯片的投资也是长期的而不是短期的，这是跟其很多行业都不同的投资逻辑。

作为投资人，必须懂芯片，才能了解为什么在天使阶段就有高估值，才了解行业规律愿意承担投资的风险，在早期参与进去并且保证创业团队不会因为资金问题而无法坚持。

目前我国已经在政策层面多次出台相关文件，将人工智能作为重点布局领。AI芯片是AI行业发展的必然路径，行业驱动因素较为明显。虽然目前英伟达在GPU上获得了较高的地位，但随着技术的演进以及前端芯片的打开，未来行业格局仍有可能有较大的改变。

基于芯片的强需求性，以及目前芯片运行速度和成本均无法满足现有需求的现状，星河互联会重点关注AI芯片领域。