2022年的第一个月，AI芯片赛道就出现了三笔过亿元的大手笔融资。
1月17日消息，AI视觉芯片研发及基础算力平台公司爱芯元智（原名：爱芯科技）宣布完成8亿元A++轮融资，启明创投、韦豪创芯、美团及美团龙珠、和聚资本、纪源资本、联想之星、耀途资本共同参与本轮融资。这也是目前为止爱芯元智完成的第四轮融资，距离上次A+轮融资不足半年时间。
1月12日消息，墨芯人工智能完成数亿元A轮融资，本轮融资由基石资本、大湾区共同家园发展基金领投，融资主要用于首颗芯片量产以及稀疏化生态系统的拓展等。据悉，墨芯人工智能的首颗芯片云端AI芯片英腾处理器ANTOUM将于2022年初推出。
近期，语音AI芯片研发商深聪智能宣布完成上亿元人民币A轮融资，投资方包括雅迪科技集团、珠海大横琴集团、元禾控股、苏州工业园区科创基金、思必驰，融资将继续加大芯片研发。
据不完全统计，2021年超10家AI大算力芯片企业完成超15轮的融资。其中，12月就有4家公司完成亿元以上融资。
目前，AI芯片市场尚处于发展早期阶段，未来成长空间巨大。根据IDC，到2022年全球AI芯片市场将达352亿美元，复合年增长率大于55%。中国AI芯片市场规模将保持40%-50%的增长速度，2025年将达到1000亿左右。
在资本的眼中，AI芯片市场增长的驱动力是什么？下一个大的机遇会将出现在哪个领域？未来创新之路又将去往何方？
对此，机器之心采访了人工智能行业资深研究员欧应刚、华芯金通（北京）投资基金管理有限公司创始合伙人吴全、国科嘉和投资副总裁马文婷。
1、需求是AI芯片发展的第一动力
“需求驱动，是根本。尤其是供需之间的错配，供给不能满足需求。是驱动AI芯片发展的第一动力。”人工智能行业资深研究员欧应刚直言。
在欧应刚看来，人工智能，从软件层面看，其实是一种暴力计算。需要很强的计算能力来支撑。视频、3D、VR信息形式，数据量会大一两个数量级。这些都需要芯片对数据处理能力的提升。
所以，人工智能芯片核心驱动力，依然是对数据处理能力的需求，目前的芯片远远满足不了需求。尤其是一些视频、3D数据处理的场景，非要用到AI芯片不可，原来的CPU不仅成本太高，而且根本达不到要求。
以自动驾驶的视频处理为例，单靠CPU来处理汽车摄像头传来的实时视频数据，根本不可能，必须要用到针对CV场景优化之后的AI芯片。同样的场景，还有智慧城市领域的城市摄像头。
此外，元宇宙要获得长足发展，目前芯片体系所能提供的算力根本达不到要求，算力还得往上提高一两个数量级才行。
欧应刚认为，对于中国而言，还面临一个芯片国产化的问题。AI芯片是另一个赛道，有弯道超车的可能性。中国发展AI芯片产业，可以避免被美国卡脖子，有助于中国的计算产业安全，和供应链的可靠性。
事实上，中国遭遇芯片“卡脖子”问题由来已久，高度依赖进口的传统方式使得国家在一定程度上陷入不稳定的发展中。
2021年，美国打压中国科技公司力度不断升级。6月3日，美国总统拜登以“应对中国军工企业威胁”为由签署行政命令，将华为公司、海康威视、中芯国际、中国航天科技集团有限公司在内的59家中企列入投资“黑名单”，禁止美国投资者与这些中国企业进行投资交易。
12月，美方以涉嫌参与在新疆“监视”少数民族为由，将8家中国企业列入“投资黑名单”，包括：无人机制造商大疆；人工智能企业旷视科技、依图科技、云从科技；超级计算机巨头曙光；通信企业立昂技术；网络安防企业东方网力、美亚柏科。
此前，美国财政部将商汤集团有限公司列入“非SDN中国军工复合体企业名单”。禁令要求美国相关的投资者都不能参与商汤IPO。如果按照原计划，商汤科技将于12月17日登陆香港联交所。受此影响，商汤科技不得不延迟上市。
在此背景下，国家近年来高度关注人工智能芯片的发展，一系列的产业支持措施为整个行业营造优良的成长环境。
欧应刚认为，5G商用的普及也将催生AI芯片国家安全、社会民生等多个领域的应用，以智能手机为代表的消费电子产品出货量大、更新迭代速度快，具备“爆款”潜力的智能终端或新功能将会带来爆发式的市场需求。
国科嘉和投资副总裁马文婷也认为，人工智能芯片的增长驱动力主要是下游需求的增长，“具体来说更多地来源于数据规模以及图像、语言处理模型参数等成数量级的增大。”
但是，“目前AI芯片下游市场比较难打开”，马文婷分析原因在于，“渗透率的提升主要看AI芯片能否下沉到具体应用场景，能够在不改变客户应用上层架构的情况下，大大减少成本、降低功耗。”而这一点并不容易实现。
华芯金通（北京）投资基金管理有限公司创始合伙人吴全认为，随着经济社会尤其数字经济浪潮的发展，各领域数字化程度在加深，数字化智能化的需求日益增长。可结合各应用场景的本位应用和本体价值，发挥人工智能的赋能和增强作用，“这正好是AI可以发挥其技术优势和应用价值的地方，也是其渗透率快速提升的原动力。”
在吴全看来，AI芯片是一类产品或服务，AI或人工智能是依托于相关产品或场景发挥作用的，更多是为既有芯片、场景以及应用起到增强、增值或者附加的价值，发挥其智能（化）的优势。人工智能更多是一种通用目的技术，可发挥其人工智能的通用性应用价值。
“相关企业和市场认知越来越理性。越来越多的AI公司成为复合应用型芯片的产品公司，或者成为场景实施、应用集成的解决方案公司。这是AI接地气和发挥价值的务实选择。”吴全表示。
2、更新换代，技术创新空间大
在人工智能技术席卷整个信息化世界的当下，深度学习模型的复杂度和规模呈现跳跃式增长，所需的计算能力也不断提升，具备执行大规模并行数据处理能力的GPU、FPGA、ASIC等三种主流芯片技术方式都在不断地更新换代。
对比AI领域三种技术方式，各有各的性能强项和应用场景，应用场景及其规模也各有差异。
AI芯片的核心是利用乘加计算（MAC）阵列来实现卷积神经网络中最主要的卷积运算的加速，但MAC阵列的大量运算，会造成功耗的增加。如何达到优异的性能功耗比是AI芯片研发的一个重要目标。
GPU比CPU有更多的逻辑运算单元，然而GPU毕竟只是图形处理器，在执行AI应用时，过高的能耗无法满足产业的需求，取而代之的是FPGA芯片，和ASIC芯片。
FPGA，即“现场可编程门阵列”，也被理解为“万能芯片”。FPGA的结构具有较高灵活性，缺陷在于，量产中单块芯片的成本高，并且在性能上也做出了妥协。
ASIC芯片是针对特定需求而定制的专用芯片，在性能、功耗还是体积上都更有优势，但牺牲了通用性，高研发成本也可能会带来高风险。
“GPU的应用更加普遍和泛在，主要在服务器等云端，应用规模更加规模化；ASI的应用针对性更强，主要在定制和一揽子服务场景上，成本稍低；FPGA的优势在于更加灵活和可调配。三种方式在不同场景和生态体系中可以发挥各自优势、相互配合与协同。”吴全表示。
“GPU的地位，会相当于原来芯片界的CPU，会一直占据重要的地位。FPGA/ASIC都是针对特定领域的芯片，而FPGA是中间态，ASIC是完成态。”欧应刚认为，目前针对语音的芯片发展较多，不过针对视觉的AI芯片更重要。嵌入式CV芯片，在城市摄像头、汽车摄像头这些领域都至关重要，这方面的发展不尽如人意。此外，针对3D信息的AI芯片，将会是一个很重要的领域，这直接决定了元宇宙能否成功。
马文婷认为，GPU和FPGA都是比较偏向通用性的方案，在降低成本、降低功耗方面都比较有局限性。ASIC和类脑芯片是比较有革新性的方案，能够针对具体的应用场景达到更极致的优化，包括成本和功耗的优化等。
在ASIC方案中，马文婷比较看好稀疏化的方案，国内最早做这个方案的是深鉴科技，18年被赛灵思收购。目前，在稀疏ASIC芯片领域中，知名度较高的是墨芯科技。墨芯科技在原来静态稀疏的基础上，进一步做了动态稀疏，计算量达到数量级的减少。
“AI芯片的发展最主要的还是看谁能下沉到具体的应用场景。”马文婷表示。
展望未来，神经形态芯片、可重构计算芯片、存算一体芯片等越来越多新型架构芯片开始出现。近期，阿里达摩院成功研发全球首款基于DRAM的3D键合堆叠存算一体AI芯片，可突破冯·诺依曼架构的性能瓶颈，满足人工智能等场景对高带宽、高容量内存和极致算力的需求。
“类脑芯片，在很长一段时间内，都将只是停留在学术领域，离应用还很遥远。”欧应刚更看好量子芯片的发展前景，“长期来看，量子芯片，是最重要的，是具有终极意义的芯片。尤其是量子芯片和人工智能，其实是绝配。从匹配度上来说，量子芯片比硅芯片更匹配人工智能。”
3、构建生态，下一个大机遇
做AI芯片，不仅需要强大的技术实力，还要注重解决方案和生态的发展，只有把芯片的性能、功耗和应用场景结合，才更有机会分食AI市场的大蛋糕。
AI芯片种类繁多。根据AI芯片部署的位置有两种：云端和终端。云端AI应用主要用于数据中心，终端AI芯片，即用于即手机、安防摄像头、汽车、智能家居设备、各种IoT设备等执行边缘计算的智能设备。
AI的实现包括两个环节：训练、推理。根据承担任务的不同，AI芯片可以分为：用于构建神经网络模型的训练芯片，利用神经网络模型进行推理预测的推理芯片。
当前AI行业存在很多的细分场景，每一个场景都需要芯片做构架创新，都有可能成为未来一个重大的机会。
马文婷认为，有两个方向机会比较大，一个是安防领域，一个是类似抖音、快手等这样的短视频领域，这两个领域对视频的计算和处理需求比较大。整体上来说，数据量足够大、市场需求也足够大，能够撑得起AI芯片的量。
欧应刚同样认为，最大的机会将出现在跟视频数据相关的领域。“安防和自动驾驶，有相通性，最重要的就是摄像头。嵌入AI芯片的摄像头，要具备一定的数据处理能力。不过，AI摄像头的成本还降不下来。解决成本和量产问题，是关键。”
公开资料显示，安防是目前最为明确的AI芯片应用场景，主要任务是视频结构化。摄像头终端加入AI芯片，可以实现实时响应、降低带宽压力。也可以将推理功能集成在边缘的服务器级产品中。AI芯片要有视频处理和解码能力。主要考虑的是可处理的视频路数以及单路视频结构化的成本。
AI芯片是智能汽车大脑，将随着高级别智能驾驶的渗透大规模上量，是一条极具潜力的黄金赛道。当前主流厂商智能升级进入硬件预埋的装备竞赛阶段，具备升级到L4/L5能力的硬件系统在后续新车中加速装车，特斯拉、新势力、长城、吉利、长安、奔驰、宝马等几乎所有车企都已开启AI芯片上车进程。
在数据中心应用领域，移动互联网的视频内容审核、个性化推荐等都是典型的云端推理应用。Nvidia GPU在训练方面一家独大，在推理方面也保持领军位置。FPGA和ASIC因为低功耗、低成本的优势，在持续抢夺GPU的市场的份额。目前，云端主要的代表芯片有Nvidia-TESLA V100、华为昇腾910、Nvidia-TESLA T4、寒武纪MLU270等。
“下一个大的机遇很难预测。”吴全更看好云计算和安防等基础性设施性的应用，“从现实和看得见的应用场景来看，安防、云计算、游戏、移动端AI和自动驾驶等，现在都在有序发展。各自都存在智能化和AI强化深化等需求。”
4、巨头发力，各有“绝活”
AI芯片的市场注定是一场激烈的斗争。芯片巨头、跨赛道龙头、AI新势力，越来越多大大小小的企业正在进入这个行业。
“大公司和小公司都有机会。”欧应刚认为，大公司主要是云计算公司，他们的核心在于GPU这类通用芯片。云计算公司，服务器里的芯片如果都是别人的，基本就是个套牌公司。大部分利润也将被英特尔、英伟达这些芯片公司拿走了。
相比之下，小公司的机会在于物联网芯片，即专用领域的AI芯片，比如语音芯片、CV芯片、电视芯片、冰箱芯片、汽车芯片等。
“AI芯片将长期是两条腿走路，除了GPU通用芯片外，将会出现门类众多的专用嵌入式芯片。这些领域很分散，大公司很难全部垄断。专注于特定领域的小公司，也有生存的机会。”欧应刚表示。
目前，一众科技巨头已悉数布局AI芯片。早在2018年，百度就发布了AI芯片“昆仑”，并于2021年成立昆仑芯（北京）科技有限公司，将AI芯片业务正式独立；2018年，腾讯战略领投了燧原科技；2019年，阿里发布AI推理芯片“含光800”。
2021年，字节跳动投资了GPU初创公司摩尔线程，成立不到一年，摩尔线程的融资规模已经达到数亿元，估值上百亿元。华为无孔不入，昇腾生态继续展开。
如果说，跨界巨头切入AI芯片市场，主要是出于业务和产业协同考虑。那么，创业公司又是另一番生态，他们通常在某一个新兴市场、或者芯片巨头因为种种原因不去做、或做不好的市场切入，以此形成错位的竞争优势。
2021年，燧原、瀚博、沐曦、壁仞、摩尔线程、天数智芯等创业公司崭露头角。
其中，燧原科技发布第二代人工智能训练产品“邃思2.0”芯片，面向AI云端训练，成为中国最大AI单芯片；天数智芯展示了国内第一款全自研、GPU架构下的7纳米制程云端训练芯片B1；壁仞科技的第一款GPU芯片定位高端通用智能计算；沐曦拟采用5纳米工艺技术，研发全兼容CUDA及ROCm生态的高性能GPU芯片；登临科技自主创新的GPGPU芯片，致力于解决通用性和高效率难题。
“中国AI芯片公司的主要优势是有中国这样一个大市场，能够支撑AI芯片的发展。”马文婷认为，AI芯片最终的核心竞争力还是看谁更能匹配客户端的需求。
“在这些企业中，我比较看好本就具有应用场景的跨赛道龙头，如华为、阿里、百度。这类企业能够更了解应用场景的需求，从而能够从需求定义芯片，也就是说从一开始就是下沉到应用场景的。”马文婷表示。
吴全认为，中国公司AI的创新和研究上在全球处于前列，而在应用和芯片化上仍存在一定的压力，主要原因在于国内半导体和集成电路方面的滞后和竞争力的不够。“随着国内半导体产业尤其材料装备和生产制造实力增强，对应的AI真正的实力才能有效突破。”
可以预见的是，在深度学习、大数据、云计算，以及5G等技术的助力与融合下，越来越多的AI芯片项目开始落地和商业化，新的资本市场也吸引了大量创业者和投资机构的目光。未来，AI芯片市场发展动力足、空间大，革命性创新解决方案，将会为业界带来更多的惊喜。
