對于AI行業(yè)來說，自研一種真正適合AI運算的專有芯片是最理想的發(fā)展方向。目前AI行業(yè)本身還處于發(fā)展初期，因此AI芯片的格局也尚未明朗，中國有彎道超車的可能。

中國芯片產業(yè)結構的缺失

中興事件的發(fā)生暴露出了中國芯片產業(yè)結構的缺失。中國只有中低端芯片的研發(fā)能力，沒有高端芯片。

不久之前與中興進行過一次交流，他們很早之前就意識到了核心芯片的問題，卻一直沒有布局，沒有戰(zhàn)略性的布局。相對來說，華為要好一些，早年間布局了海思半導體，主要應用在手機處理器。但是總體上，通信領域的核心部件都要從美國進口，例如高速數(shù)模轉換芯片，激光器、接收機的芯片等等。這些部件，中國都沒有自研的能力。

不僅如此，核心器件的采購本身也有瓶頸。以光器件為例，有非常長的供貨周期，不易采購，需要隨時做好備案。人工智能最火的時候，做深入學習的英偉達GPU Titan很難采購，當時通過代理采購三到四個月以后才能拿到貨。

通信領域芯片尤其是光器件的采購是伴隨電信市場的“光進銅退”背景，即光通信市場的發(fā)展而產生的，包括骨干網(wǎng)、城域網(wǎng)、以及接入網(wǎng)都已經(jīng)或者正在進行光纖化。同時，數(shù)據(jù)中心（IDC）網(wǎng)絡建設需要用到光纖光纜、光通信設備以及光器件／光模塊。

近年來，隨著政府、金融、電信、游戲、視頻、電子商務等行業(yè)數(shù)據(jù)集中化、虛擬化趨勢形成，IDC已經(jīng)成為支撐用戶日常業(yè)務運作最重 要的基礎設施。云計算大發(fā)展，為光器件，尤其是高速光模塊行業(yè)帶來了全新的發(fā)展機遇。

我國AI創(chuàng)業(yè)主要集中在應用層

對于人工智能領域的創(chuàng)業(yè)來說，中國高端芯片的缺失已經(jīng)形成了一定掣肘。

例如自動駕駛領域必備的激光雷達，需要高速數(shù)模轉換器，目前都需要進口。受限于芯片問題，有一些創(chuàng)業(yè)團隊正在嘗試從技術上繞開數(shù)模轉換，但項目鳳毛麟角而且大都不成熟。還有機器人的核心部件：伺服電機、諧波減速器、控制器等，高端產品基本以日本、韓國和歐洲為主，都需要采購。中低端產品中國也可以做，但是性能、質量等還有較大差距。

基于這樣的現(xiàn)實，近兩年大部分人工智能項目都集中在應用上，主要做產品和集成，屬于應用型項目。

從整個早期投資的行業(yè)分布上，也可以看出大都集中在應用層。大數(shù)據(jù)、智能制造、云計算、金融、醫(yī)療等領域是最受中國資本市場關注的領域。就2017年的人工智能的技術應用而言， B端的企業(yè)級應用相對容易落地，人工智能技術帶來的成本降低和效率提升，在安防、智能客服、金融、政務等領域，以及行業(yè)機器人在巡檢、警用安防等領域都已經(jīng)得到了一定程度的商業(yè)驗證。

AI專用芯片中國正齊頭趕上

雖然在通用芯片領域中國已經(jīng)失去先發(fā)優(yōu)勢，但是對于AI芯片，我們看到了不同的市場面貌。

目前， 主要用于底層運算的芯片，從行業(yè)上來講，大概有三個方向：

第一個方向是以英偉達為代表的GPU方案，很多企業(yè)正在使用的通用芯片；

第二個是FPGA方案，作為專用集成電路（ASIC）領域中的一種半定制電路而出現(xiàn)；

第三個是自研集成電路，比如像深鑒、寒武紀、地平線這些公司，他們都在自己做一些專用的人工智能芯片，用來做深入學習的訓練或運算。

GPU的運算架構恰好適合于深度學習大量的并行計算，因此迅速進入了AI市場，F(xiàn)PGA的特點在于和硬件結合比較緊密，編程比較靈活，底層配置和構建比較靈活。但從開發(fā)難度、架構難度到功耗、成本和運算成本等角度，這兩種方式都有弊端。所以最理想的方式，就是自研一種真正適合人工智能運算的專有芯片。

當然，專有芯片研發(fā)周期長、成本大，比起GPU等通用芯片，專有芯片的研發(fā)尚處于早期，競爭格局也尚未明朗。競爭格局不明朗，對于中國來說，就意味著機會。

1、國家政策利好。第一是產業(yè)政策，中國的產業(yè)園或者說產業(yè)政策本來就有聚焦效應，這對于芯片產業(yè)的發(fā)展來說非常重要；第二是資本市場支持，芯片作為國家核心科技戰(zhàn)略很難去美國上市，國家未來一定會讓其在A股上市，對于收入、利潤滿足不了現(xiàn)有A股上市標準的，將會有一系列改革，這是必然趨勢，現(xiàn)在國家已經(jīng)有指導意見但還沒有細則；第三，國家有可能從補貼的角度給予芯片創(chuàng)業(yè)項目支持。

2、新興技術領域中國并未落后。近幾年在人工智能、無人駕駛、VR／AR等新興技術領域，中國并未落后，最為典型的就是人工智能領域，中美的差距不是特別大，并不像工業(yè)時代。

3、人工智能設備的本地化計算趨勢是自研芯片的機會。過去人工智能設備都是云端運算，但是云端識別在運算速度、網(wǎng)絡占用、交互體驗等方面都有很大的弊端，比如智能音箱簡單的喚醒功能需要將信息上傳至服務器，經(jīng)過云端處理之后再返回至本地機器人，一旦網(wǎng)絡出現(xiàn)問題，整個交互體驗都會受到影響。因此，未來本地化運算將是人工智能發(fā)展的趨勢之一，未來如果每臺終端都有一個本地化的計算芯片，體驗會更好。

4、通用芯片大廠的路徑依賴，為自研芯片的發(fā)展創(chuàng)造了時間和空間。移動互聯(lián)網(wǎng)時代英特爾轉型移動端芯片是失敗的，巨頭多年巨額的研發(fā)支出，很難被摒棄。

芯片的競爭本質上是運行速度和成本的競爭。通用與專用，GPU、FPGA、ASIC三個技術路線如何實現(xiàn)分工和接替，是接下來AI芯片市場的一個焦點。

AI芯片的投資和創(chuàng)業(yè)邏輯

基于人工智能的發(fā)展趨勢，我們認為基于軟件算法的技術創(chuàng)新類項目未來競爭壁壘會進一步降低，而硬件技術的創(chuàng)新比軟件算法創(chuàng)新更具壁壘，同時在大廠路徑依賴的情況下，某些領域創(chuàng)業(yè)公司反而更快、更有優(yōu)勢。

但是，芯片研發(fā)周期性很長，研發(fā)成功率低，是一個資金密集型和人力密集型行業(yè)。作為門檻較高的領域，要實現(xiàn)國產芯片的趕超，做芯片的創(chuàng)業(yè)公司對團隊和投資人都有一定要求。

首先需要團隊背景過硬，團隊本身有強大的技術、資源等光環(huán)，只有這樣的團隊才更容易獲得資本的支持。目前發(fā)展比較好的深鑒科技、寒武紀都是這樣的團隊。

二是投資者需要了解行業(yè)。芯片投資是高風險、高回報的，芯片創(chuàng)業(yè)不像做企業(yè)服務，3個月產品就能上線，半年之后產生數(shù)據(jù)，芯片的研發(fā)就需要三到五年，芯片的投資也是長期的而不是短期的，這是跟其很多行業(yè)都不同的投資邏輯。

作為投資人，必須懂芯片，才能了解為什么在天使階段就有高估值，才了解行業(yè)規(guī)律愿意承擔投資的風險，在早期參與進去并且保證創(chuàng)業(yè)團隊不會因為資金問題而無法堅持。

目前我國已經(jīng)在政策層面多次出臺相關文件，將人工智能作為重點布局領。AI芯片是AI行業(yè)發(fā)展的必然路徑，行業(yè)驅動因素較為明顯。雖然目前英偉達在GPU上獲得了較高的地位，但隨著技術的演進以及前端芯片的打開，未來行業(yè)格局仍有可能有較大的改變。

基于芯片的強需求性，以及目前芯片運行速度和成本均無法滿足現(xiàn)有需求的現(xiàn)狀，星河互聯(lián)會重點關注AI芯片領域。（劉瑋瑋）