Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

深度:华为宣告芯片全面自研,对于“寒武纪们”究竟意味着什么?

暗流涌动的迹象并不足以激荡出声响,直到窗户纸被捅破时才会引发追问和思考。

两天前,华为正式吹响全面自研芯片的号角,推出两款采用自研架构的芯片,包括面向数据中心的昇腾 910、主打终端低功耗的昇腾 310。终端系列已经量产,云端系列明年二季度量产。

激情昂意的发布会之后,业界目光不约而同地转向常被和华为一同提起的芯片创业公司——寒武纪。去年彼时,这家公司因为华为手机芯片麒麟 970 提供 NPU IP(Neural Network Processing Unit)吸引了无数聚光灯,「天才少年」、「当之无愧独角兽」的光环纷至沓来。

今年 6 月完成 B 轮融资后,寒武纪的估值高涨至 25 亿美元。

华为宣告芯片全面自研 对于“<mark data-type=institutions data-id=9dcd5943-3120-4910-9c86-e7259a164965>寒武纪</mark>们”究竟意味着什么?

寒武纪两位创始人陈天石、陈云霁兄弟(分别为右一、左一)

然而一年之后,寒武纪与华为的「甜蜜期」似乎已所剩不多。

华为宣布自研芯片后气势高涨,尤其强调「全面采用自研架构」,外界一度解读为「华为已经放弃与寒武纪在芯片 IP 层面的合作」。更为重要的是,华为此次推出的两款芯片直指寒武纪同类产品,此前寒武纪也曾推出三款终端智能芯片,一款云端智能芯片。在宣传层面上,华为所瞄准的目标市场与寒武纪也几乎完全吻合。

「这次华为对寒武纪的确是个打击,产品完全对标」,有AI芯片创业同行分析。昔日的「客户」转身一变成了强劲的「竞争对手」。一时间,业界看衰寒武纪的声音此起彼伏。有媒体写道「寒武纪同时迎来可能失去客户,并确定增加最大对手的双重打击。」

一前一后,业界对于寒武纪一扬一抑的态度反转之大让人意外,也颇为玩味。

作为一家明星创业公司,寒武纪有着当下 AI 芯片创业公司的普遍共性,业界态度转变背后折射出的正是——芯片创业从追捧过热到批判式降温的滑落,共性的问题十分值得进一步追问和探讨。依靠授权 IP 的盈利模式是否可靠?当客户技术能力越发强势,合作关系变得脆弱,芯片创业公司该如何应对?

华为滚滚而来的「全覆盖」芯片攻势所威胁的绝不仅仅只有寒武纪一家。

与此同时,作为背靠中科院计算所的「国资」芯片公司,寒武纪所承载的国家使命和市场战略具备一定特殊性,创业公司和「评论家」在认清这个事实以后,也将更为客观地看待其产品路线和市场关系。

过度崇拜,抑或是无端贬低,总归是偏颇的。

华为对于寒武纪意味着什么?

「我觉得所有人都有相应的心理准备,并不意外。」

当被问起如何看待华为自研芯片对于寒武纪后续的合作影响时,几乎所有业界人士都表示「并不意外」,「寒武纪也应该早有察觉」。早在几个月前,外媒就已经曝出华为的「达芬奇」自研芯片架构计划。

透过接近华为的内部人士,机器之心了解到,华为在采用寒武纪 NPU IP 的同时,已经在同步设计自己的 NPU IP,并且研发工作已经长达数年时间。就现阶段来看,在国内已经发布的麒麟 980 将继续采用寒武纪人工智能模块 IP——1M。

但同时也有行业人士指出,「如果华为自己的 IP 足够成熟之后,自然是不会不用自家技术的,弃用寒武纪 NPU IP 只是时间问题。」

需要指出的一个被部分媒体误导的错误观点:事实上,华为提到的「自研架构」和「外购功能 IP」并不矛盾。

在全面采用自研架构之后,华为仍然有可能外购 IP。「买 IP 很正常,基本都会买。所有的 SOC 芯片公司都是这么干的,概莫能外。」不愿具名的华为芯片工程师向机器之心表示。

「自研」并不意味着「所有模块都需要亲自做」。芯片强调的是装机后整体性能表现,核心影响因素在于各个模块之间的融合与协同,以及软硬件的系统化能力。

据机器之心了解,在华为内部,研发「达芬奇架构」和「NPU IP」属于两个项目,被分属在不同的部门推进。「两个部门的研发工作可以理解为两件『独立的事』」,接近华为的内部人士表示。

值得注意的一个尴尬细节是,尽管外界已经默认「寒武纪为麒麟芯片提供 AI IP」,同时该段话也出现在寒武纪的官方宣传资料中。但是,华为却未在公开场合承认过此事,而是强调「其 AI 能力主要来自于自家研发 10 年的积累。」

「IP 厂商作为服务方,通常是非常低调的,并且会尊重客户的。一般情况不会公开合作关系。」台湾一家芯片 IP 提供商向机器之心表示,「这样高调地公开客户关系,同时作为公司宣传,这的确是少见的。」在与华为芯片工程师交流时,言语间也感受到对于寒武纪该行为的的不满。

既然华为在芯片技术领域将「自产自用」的信号越发强烈,那么如果失掉华为这个客户究竟对于寒武纪意味着什么?行业看衰的观点是否合理?

「这将会是一大利空消息。」半导体行业资深分析师王树一谈道,「遍观全国终端市场,几乎很难再找到第二家像华为这么大出货量的客户。」

据业内人士透露,光是麒麟 970 芯片的出货量就已经超过 3000 万片。据机器之心了解,这几乎是目前安防智能芯片市场总量的两倍。可以预见的是,华为如果逐步采用自研芯片模式,将绝大部分地截断寒武纪通过 IP 进入终端市场的路。

相信寒武纪自身不会没有意识到这项合作关系的双面性,终端之外,寒武纪的云端市场早已布局。今年年中,寒武纪推出面向数据中心市场云端智能芯片 MLU100。

相比终端市场的碎片化和自由开放性,数据中心市场似乎更适合自带资源的「国资」企业开拓。据机器之心了解,寒武纪目前已经获得杭州一家智慧城市项目公司超过千万元的云端芯片订单。此外,寒武纪的技术服务项目也已经深入到软件层面。

至于部分报道中提到的,「寒武纪服务器端尚未量产」,则是可以推翻的莫须有猜测。寒武纪 CEO 陈天石首次对外回应时也提到,「浪潮、联想、曙光都将对外发售搭载寒武纪 MLU100 芯片的 AI 服务器产品。」

「从这个层面来看,就算失掉华为订单,对于寒武纪整体的影响并不大。他们不缺资源和客户。」产业人士分析。

但同时值得注意的是,这其中的部分订单来自于「被指定」。在中国和美国贸易摩擦越演越烈的背景下,资源倾斜给具备国家自主知识产权的芯片公司不难理解。

「(寒武纪的)东西自然是不如英伟达。但他们在软件层面下了很大功夫。软件层面的问题,他们的反馈和响应速度都很快。这一点我们是认可的。」一家不愿具名的寒武纪数据中心客户向机器之心表示,「实际上,在国内除去寒武纪也没有更好的选择,否则只有英伟达。」

谈到寒武纪,对于大众而言,仍然是一家十分遥远的公司,网络上对其大部分的报道一直止于「据说」。在这次业界热议之前,寒武纪对于媒体的态度一向都是「高冷」,甚至有些讳莫如深。这在某种程度上也导致了外界对于其各种「无端猜测」。

根据机器之心向数位半导体领域资深产业与学术人士采访,还原一个对于寒武纪较为公允的评价。

寒武纪出身于学术背景,进入芯片行业较早,早期的学术研究和论文成果具有较大影响力。

从技术层面来看,寒武纪的 IP 产品偏向云端场景应用,硬要将其放在终端显得有些格格不入,这也是经过一到两年的产品化之后,他们在终端市场仍然没有打开来的原因。

寒武纪推出的终端 NPU IP 在市场层面并没有十分强劲的竞争力。当年能够获得华为的订单,有一定的历史因素。将寒武纪的理论模型转化成成熟产品,华为也投入了大量的人力。」

另外,对于华为过于强势的合作模式,业界也有一些不同声音。

有产业人士认为,华为作为一家系统集成商公司和终端产品公司向上游无线延伸的做法,对于供应商有些不太地道。「作为一家合作伙伴,在和华为进行技术合作的同时,你的技术方案或者思路也有可能被华为「参考」或者「学习」。」

「卖IP 」的护城河有多高?

寒武纪与华为的合作案例中,技术提供方寒武纪的角色过于被动,很大程度上还在于其商业模式本身的脆弱性——出售单一 IP。

尽管在宣传和发布层面,寒武纪面向终端市场提供的产品以完整芯片呈现,但实际上仍以 IP 授权为主。不止寒武纪一家,这已经成为芯片创业圈里心照不宣的「套路」,尽管这在芯片行业并非主流。

分析师王树一表示,部分AI 芯片公司炒作能力比较强,但是相对而言落地能力却比较弱,所以 IP 授权就成为一种优先的商业模式。

在以 IP 授权为盈利的商业模式中,主要依靠算法和 Konw-how 授权收费。「对于大多数创业公司来说,Konw-how 积累比较少,主要还是算法。但是算法更迭快,所以护城河是比较低的。」

「更为重要的是,如果算法缺少产品的附着,只能依靠别人来进行产品化,说明你的算法和 IP 价值并不大。」王树一谈道。

以高通为例。虽然华尔街曾经一直高喊,「高通芯片业务不够赚钱,相比核心 IP 授权业务利润率太低,应该将其分拆出去」,但高通仍然坚持保留芯片业务。其关键就在于,专利授权部门只有结合芯片业务的 IC 设计部门和其他产品部门才能够产生源源不断的、紧跟市场趋势的新技术。

对于小规模的 IP 厂商而言,模式本身就存在各种生存危险。除了新晋的巨头公司,光是与已有的 IP 大厂竞争就已经不易。

资深芯片 IP 工程师李一向机器之心表示,Faraday、Cadence、Synopsys 等成熟 IP 芯片公司已经整合了一整完整的芯片 IP 系列,包括 video codec、encoder、incoder、DSP 等软硬件产品。对于只能提供单一 IP 的创业公司自然是缺少竞争力的。

「基于过往经验来看,如果公司只有 IP 和算法,那么被大厂芯片厂商或者系统厂商收购是最好的出路。这应该是最可靠的商业模式。」业界人士评价。更为偏激的说法是,「作为一家初创公司,如果定位算法,趁早找一家大公司被收购;如果定位芯片,那关门就是了。」

这在一定程度上反映出业界对于芯片创业公司工程落地能力的质疑。投资人士评价,资本进入市场时,对于 AI 技术背后所能承载的市场规模到底有多大或者有多小不够清晰,所以产生了许多不合理的估值现象,导致市场过于狂热。

如果对标顶尖的纯 IP 芯片公司,台湾 Andes、以色列 Ceva 等,中国的芯片创业公司估值仍然是「过于虚高的」。

如何与巨头共存?

随着越来越多的「AI 芯片」创业真相浮出水面,资本估值将趋于理性。对于创业公司而言,生存环境无疑更为残酷。华为在 AI 芯片业务的崛起显而易见的影响是寒武纪,但更为深层的影响将波及到该领域的每一家公司。

单从华为今年的产品趋势来看,主打云端和终端市场,声称要「全场景覆盖」。

资深产业人士对此分析,华为进入云端市场可以理解,因为资本和体量足够大;寒武纪攻云端市场也有其特殊优势。但对于新创公司而言,「贸然打入云端市场,就是自寻死路。」

数据中心市场基本都是大厂的地盘,新进入者需要面对的是英特尔、英伟达这样体量的竞争对手,他们的生态布局已经非常密集。相应地,终端市场更适合创业公司参与并且生存下来。

因为终端市场极度碎片化。光是手机的身份认证是否采用 3D 结构光(体现在前置摄像头是采用单摄还是双摄),是否采用屏下指纹,不同方案的手机所需要的处理器芯片都是不一样的;而在 IoT 市场,形态更是多种多样,有屏和无屏的智能音箱、扫地机器人等不可能由一两款芯片覆盖,也不可能由一家公司通吃。

单从这次华为发布的产品来看,「华为昇腾 3 系列比较像 edge survy,还谈不是完全的 edge 芯片。」

「华为想用一两颗芯片场景全覆盖听起来仍然比较『理想化』的。」不愿具名的资深产业人士评价,在物联网终端市场,相对更看重团队的 Know-how 和 IP 能力,而不是软件生态。

将视野放大,如果当真想要在巨头林立的市场冲出一条自己的路,分析师王树一给出了两条建议:

其一,产品必须具备差异化,能够体现团队的竞争优势;其二,强化团队的工程化能力,缩短产品周期,能够更为快速地产品。

此外,有半导体从业者表示,在与强资源的公司竞争时,另一种思路就是向产业链下游探索,比如跟台积电等代工厂商进行制程等方面的合作,比如 memory 技术、I/O 技术,拿到更为独家的产品,设计符合特定应用场景的超低功耗芯片,这通常是走主流设计、定位通用市场的大公司无法覆盖到的。

在与两家已经流片的芯片创业公司地平线云知声交流时,他们均提出了软硬件联合创新的产品思路,将芯片和 IP 附着在更为厚实的产品上以提升其竞争力。地平线创始人兼 CEO 余凯向机器之心表示,地平线在智慧零售、智能安防、自动驾驶解决方案中均使用的都是自研芯片。

整体来看,当下的 AI 芯片创业环境远不如一年前的乐观,虽然四面受敌,资本市场也开始收紧,但「风萧萧兮易水寒,壮士一去不复返」,既然选择了这条注定坎坷的芯片路,就需要不畏巨头,不惧挑战的魄力。因为机遇永远与风险并存。

产业寒武纪AI芯片IP授权华为
2
相关数据
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

http://www.intel.cn/
相关技术
寒武纪机构

寒武纪科技是一家AI芯片研发商。致力于打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片,同时还为用户提供IP授权、芯片服务、智能子卡和智能平台等服务。

www.cambricon.com
地平线机构

以“赋能机器,让人类生活更安全、更美好”为使命,地平线是行业领先的高效能智能驾驶计算方案提供商。作为推动智能驾驶在中国乘用车领域商业化应用的先行者,地平线致力于通过软硬结合的前瞻性技术理念,研发极致效能的硬件计算平台以及开放易用的软件开发工具,为智能汽车产业变革提供核 心技术基础设施和开放繁荣的软件开发生态,为用户带来无与伦比的智能驾驶体验。

horizon.ai
云知声机构

云知声专注于物联网人工智能服务,是一家拥有完全自主知识产权、世界顶尖的智能语音识别、语义理解等技术的高新技术企业,总部位于北京,在上海、深圳、厦门、合肥设有子公司。公司员工500余人,核心研发团队近百人,其中 45% 拥有博士学历,工程师占比78%,拥有雄厚的科研和产业化实战能力。 云知声深入探索感知智能、认知智能、通用智能三大方向,在语音、语言、知识计算、大数据分析、人工智能芯片等领域建立了领先的核心技术体系,以此构建了完整的人工智能技术图谱。并率先在国内布局大规模异构并行超算平台 Atlas 和深度学习计算框架 UniFlow ,以领跑行业发展的技术实力,助力 AI 基础设施建设,服务国家 AI 战略。 基于“云、端、芯”技术产品体系,提供跨平台、跨场景,融合云端智能和本地智能一体化的 AI 系统解决方案,已在 AI 生活(家居、车载等)和 AI 服务(医疗、教育、政务、金融等)两大核心场景广泛落地。 目前合作伙伴数量已超过 2万家,覆盖用户已超过 2亿,日调用量超 4亿次,其中语音云平台覆盖的城市超过 647个,覆盖设备超过 1 亿台。 云知声自 2012 年成立以来,发展迅猛,备受人工智能行业及资本市场关注,累积融资数亿美元,并多次创下AI语音领域单轮融资记录。云知声连续两年入选福布斯中国最快科技成长公司 50 强企业,是中国人工智能行业成长最快的创业公司之一 。

https://www.unisound.com/
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

推荐文章
暂无评论
暂无评论~