2019年迎来资本寒冬，投资企业更青睐于头部企业

亿欧网 • 5年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

编者按：随着人工智能的大面积普及，芯片作为任何电子产品的灵魂，近两年来，应运而生了许多 AI芯片公司。任何新鲜事物出现，都会经历由火爆到遇冷的过程。恰逢2019年迎来资本市场寒冬，对于AI芯片更是雪上加霜。在机遇与挑战面前，AI芯片将何去何从？

对于大部分AI芯片公司而言，如何度过2019年的资本寒冬是他们更关注的问题。在资本寒冬，投资机构为了安全考虑，还是投资头部企业。随着AI应用的普及，市场上基于云端和终端的应用需求诞生了一系列AI芯片公司，掀起了一波热潮。AI芯片热度自2018年第三季度达到顶峰后逐渐降低，于2019年2月骤降至冰点，AI芯片行业遇冷。

有可预见的市场空间，但如今AI芯片却明显遇冷，可以说现在AI芯片行业遇冷。相较于2017、2018年的AI芯片狂潮，2019年的情况会有所改变。

AI芯片需要过硬的迭代

尽管目前AI在行业应用方面的渗透有限，但是算力的供需还是不平衡。原来由摩尔定律驱动的计算产业，面对爆发式的计算需求无以为继。摩尔定律在正常的时候，以每年1.5倍增长，50%的算力增长，在过去几年间，每年的算力实际增长只有10%。人工智能在过去几年间，算力增长了30万倍，至少每一年的算力要增长10倍。

这意味着人工智能除了算法外，对算力也存在强大的需求。面对增多的B端应用场景，也有更多的AI芯片公司加入角逐。从功能角度细分，AI芯片可分为训练芯片和推理芯片，在训练方面，目前英伟达独树一帜，但是在推理方面，可选择的芯片种类不只是GPU，还有FPGA(现场可编程门阵列)、ASIC(专用集成电路)等。在各个分类中，芯片巨头们各有千秋，接下来还要考验落地情况。

现实困境 VS增长契机

目前在AI芯片领域没有哪一家占据绝对优势，初创企业方面，毕竟仍在草创阶段，客户的采用意愿，以及导入后终端市场的接受状况，将是未来需要观察的地方。AI芯片的布局速度将决定最终的走向。

国内外主要是技术结构上的差距，底层技术科学上和国外的差距显著，但是应用层面上差距不大，甚至有创新的应用点。不少AI芯片公司通过定制化服务小规模客户，针对B端场景进行开发，比如专门处理语音、图像。

大容量存储和高密度计算，当神经深度学习网络的复杂度越来越高的时候，参数也会越来越多，怎么处理是一大难题；第二个挑战是要面临特定领域的架构设计，因为场景越来越丰富，这些场景的计算需求是完全不一样的。怎么样通过对于不同的场景的理解，设置不同的硬件架构变得非常重要。

从芯片规格设计、芯片结构设计、RTL设计、物理版图设计、晶圆制造、晶圆测试封装，需要2到3年时间，正常的时间里软件会有一个非常快速的发展。但是算法在这个期间内将会快速更新，芯片如何支持这些更新也是难点。

随着工艺不断的提升，从90纳米到10纳米，逻辑门生产的成本到最后变得饱和。也许在速度上、功耗上会有提升，但单个逻辑生产的成本不会再有新的下降。这种情况下如果仍然用几千甚至上万个晶体管去做一个比较简单的深度学习的逻辑，最后在成本上是得不偿失的。

2019年AI芯片公司的一大挑战和契机是如何在保持自己核心技术领先性、持续迭代产品的同时，证明自己的商业化能力，证明自己具有能够将技术优势转化为商业成功的商业模式。而实现规模商用的核心点在于找到满足客户需求的差异化优势。

AI芯片只有落地场景中才能体现其价值，也才能体现AI芯片公司的价值。对于AI芯片公司，一方面要充分发挥和培养自己的核心技术优势，不断打磨和迭代自己的产品；另一方面要深入场景，挖掘和理解场景需求，以开放的心态推动产业合作、赋能产业升级，推动AI芯片在场景中的落地。

当下数据中心的AI训练场景下，计算和存储之间数据搬移已成为瓶颈，新一代的基于3D堆叠存储技术的AI芯片架构已经成为趋势。AI芯片中数据带宽的需求会进一步推动3D堆叠存储芯片在AI训练芯片中的普遍应用。而类脑计算芯片也会在寻找更合适的应用中进一步推动其发展。在数据中心的训练场景，AI专用芯片将挑战GPU的绝对统治地位。

成熟领域竞争激烈。在边缘端做好细分应用场景的极致加速，是初创公司进入市场的机会。问题在于，应用场景虽然繁多，但经过实践迈向成熟的场景，往往就是大家熟悉几个领域——安防视觉、城市交通管理、自动驾驶、智能语音等。