來源：內容來自「數位時代」，謝謝。

2017下半年，全球加密貨幣挖礦熱替臺積電帶來一筆意外之財，光是第三季就貢獻近4億美元的營收，臺積電更預估，包含加密貨幣挖礦專用ASIC（特殊應用集成電路）在內的高速運算芯片，將是今年主要成長動能。而這背后的神秘大戶，便是以比特幣礦機起家、成立僅四年的中國芯片商「比特大陸」（Bitmain）。

談到比特大陸的兩名創辦人，多數聚焦在吳忌寒中國比特幣首富的身分，較少人注意作為比特大陸技術大腦的詹克團。如今，比特大陸靠著自己設計挖礦專用ASIC芯片，打造出「算力」領先市場的螞蟻礦機，也是全球最大礦池經營者。

從中國科學院微電子研究所后，詹克團在2010年創辦機上盒公司DivaIP（天津迪未數視科技），2013年就被投資分析師出身的吳忌寒找上，神奇的是，詹克團只花了兩個小時看完維基百科上有關比特幣的介紹，便決定答應吳忌寒的邀請，共同創立比特大陸。

「我一直在思考，人為什么要不斷的被驅趕往前走、不管賺多少錢也不敢退休？」

詹克團認為，原因之一是貨幣不斷在變質，以中國來說，人民幣在過去30年變質近千倍，而或許比特幣就是解方。

只花半年，詹克團就設計出比特大陸第一代螞蟻礦機（Antminer S1），由于效率遠勝競爭產品，投入的資金很快就回收。去年，比特大陸更隨著比特幣價格大漲、訂單暴增，躋身中國前五大IC設計公司，「和今年比，過去賺的都是小錢。」詹克團說。

不過，詹克團的野心并未止步。早在2014年，他們就注意到挖礦整體來說是相對收縮的業務，拓展新市場成為當務之急。「好的時候，客戶天天追著你，不好的時候你送他們也不一定要。」回想2015年，比特幣價格來到低點，比特大陸礦機嚴重滯銷，「低于成本價都賣不出去。」詹克團說。這段低迷期長達一年，賣不出去的礦機只能自己加減挖，直到開發出效能更好、替比特大陸奠定市場龍頭地位的螞蟻礦機第五代，現金流才轉正。這時，詹克團也才有精力認真思考下一步。

他觀察，深度學習和挖礦同樣屬于「高性能計算」（HPC），耗計算量、又無法用GPU和CPU等芯片解決，是ASIC再適合不過的應用場景。「需求明確、市場上又沒有現成的產品，就是很好的商業機會。」他說。

比特大陸在2015年投入人工智能（AI）開發、2016年寫完第一代程序碼，去年11月正式發表首款AI專用ASIC芯片「算豐」（SOPHON），目前已開始出貨。在產品策略上，比特大陸也不同于NVIDIA這類技術領先的大廠，不只比芯片算力、更從「應用」角度突圍，推出專做影像辨識的伺服器，初期將鎖定技術要求相對簡單、應用也成熟的安防產業。詹克團透露，盡管現在AI營收還很小，但已經有幾十名客戶進行測試評估階段，未來三到五年的目標，就是把AI業務做起來，甚至超越比特幣。

瞄準AI市場，一方面也和詹克團的「私心」有關。「我年紀還不到40歲，想做一些更加有挑戰性的事。」詹克團認為，AI將替人類帶來巨大改變，而現在有很好的機遇去參與這樣的變革和市場領域，「這已經超越企業的范疇了，是更有意義的一件事。」

當然，比特幣這顆現成的果子還是得摘了。詹克團說，他們會讓比特幣業務繼續保持在第一的位置，加快產品迭代。「以前做每一代產品，都必須是成功的，一旦出問題公司就扛不住了，」詹克團說，「現在我們可以嘗試更有挑戰性的東西。」

至于去年12月比特大陸收購的機器人公司蘿卜科技，這個看似理所當然的市場布局，也意外讓詹克團露出柔軟的一面。他笑說，現在市面上的機器人還不夠聰明，連他八歲的孩子也覺得不好玩，「這就是有需求、現有產品又滿足不了的市場。」而有一位技術宅老爸的好處就是， 「買不到、爸爸就做給你」，預計再迭代兩年就能達到接近期望的程度。

很難想像，大半時間都在鉆研技術的詹克團也喜歡看哲學書。他認為，哲學追求宇宙和人生的真理，和科學家探討技術問題是異曲同工，「技術也要追求本能是什么、做到更好。」訪談尾聲，詹克團分享：「就像凱薩說『人只愿意聽自己想聽的話、只看見自己想看見的』，釋迦摩尼說『其實我什么都沒有說，都是你自己悟出來的』。」用這兩句話，他提醒自己要不斷思考，無論是商場或人生，「只有思考到那里了，看書才能看得明白。」

Q1：比起輝達、AMD、英特爾等芯片大廠，比特大陸發展AI的優勢？

我們更靈活，能對商業節奏快速的市場做不同方向的嘗試，不合適我們就趕快調整，也能更快掌握下游客戶需求。我們比較好掉頭，也不會故步自封，只要客戶有需求、自己又做不了，那就幫他們做了。

Q2：怎么看未來的AI市場？

AI市場才剛開始，未來肯定是萬億美元級的市場，就像當年的網絡一樣，各種領域都會夾雜AI功能。其中，有些應用（如影像辨識）的市場能量是足夠的，就必然會是ASIC芯片的市場，至于其他能量不是太大的，就會使用通用芯片。

Q3：做挖礦和AI專用ASIC芯片，有什么不同？

挖礦芯片的特點是，函數（function）比較簡單、可優化的點很少，但要做好不容易；AI是函數很復雜、選擇很多，關鍵在于提升效能的同時，又能覆蓋到更多應用。這是倒過來的兩個邏輯。