261
機器人
人工智能芯片卡位戰：誰賭對了方向，誰就能贏
人工智能芯片戰場上的硝煙才剛剛燃起，小小芯片不同層麵、不同路徑的選擇也仍在博弈中，誰賭對了方向，誰贏。
（英偉達發布為人工智能時代設計的產品，這種先發優勢令其在 2017年股價大漲。圖 /AFP）
《財經》記者 梁辰/文 謝麗容/編輯
今年以來，一家曾經不那麼為人所知的公司英偉達（NASDAQ:NVDA）開始浮出水麵。這家公司在今年內創下了20次曆史收盤最高紀錄，股價累計上漲約69%。這不僅跑贏了追蹤半導體板塊的基金漲幅，還遠超同期標普500指數。
有投行預測英偉達股價還有40%的上升空間。在過去兩年間，英偉達市值已經上漲7倍。
英偉達是這一輪人工智能芯片大戰興起的導火索。英特爾、高通、AMD等芯片公司隨之宣布入局，穀歌、百度等互聯網公司也紛紛披露開發計劃，一些創業公司更是迅速推出新的設計方案和產品。
英偉達的GPU產品最初受眾狹窄，給遊戲PC提供視覺特效，幫它們和專業電子遊戲機競爭。但隨著新一輪人工智能興起，GPU更為適合深度學習所需的並行計算能力，芯片開始供不應求，是第一批走向台前的類AI芯片玩家。
奧銀湖杉創始合夥人CEO蘇仁宏專注投資智能硬件，他認為，當下，人工智能功能基本基於雲端，不能全麵實現智能能力，原因就在於智能芯片的缺位。因此，人工智能能力不僅是下一代智能手機競爭高地，也是當下智能硬件的突圍瓶頸。
目前主流CPU、CPU+GPU、CPU+FPGA、CPU+ASIC架構均因硬件規模、算法、功耗等原因不符合AI芯片理想架構，相對來說功能動態、實時地跟隨軟件變化而變化更重要。
戰火興起後，英偉達開始瘋狂砸錢，力求在最短時間內將GPU轉化為更通用的計算工具。僅研發一項，目前已經投入了將近100億美元。
第三方機構晨星報告中指出，2021年，上述玩家所在的人工智能芯片市場總價值將達到200億美元。TechNavio則預測，到2021年前，全球人工智能芯片年均複合增長率將超過54%。
由普通沙子製成的芯片，是整個IT發展的基礎。誰掌握了這顆驅動計算的“心”，誰就將引領產業發展，並獲得巨大的收益。PC時代的英特爾、智能手機時代的高通，都曾勝者為王，營收的增長帶動了資本市場的青睞。
時勢造英雄
英偉達由黃仁勳與Curtis Priem和Chris Malachowsky在1993年創立於矽穀，公司總部與眾多半導體公司比鄰而居。成立以來，英偉達在半導體行業都是一家不溫不火的公司，偏安於圖形處理器（GPU）市場。
但就在這個時候，英偉達作出了一件極為重要的決定：加注技術投入和軟件開發，令GPU可以在電腦屏幕上處理圖像之外，進行更為複雜的任務處理。
2007年前後，一個被命名為“CUDA”（統一計算設備架構）項目被確立，其每年的開支大概5億美元，這在當時占據了公司年度總營收的六分之一。今年54歲的黃仁勳回憶稱，“這為公司帶來了極大的成本壓力。”
但正是這個項目確立了英偉達在人工智能的先發優勢。英偉達一麵整合CUDA進入各等級產品，另一麵遊說高等學校開設相關課程，並讚助研究所和創業公司，希望它們可以一路支持GPU的發展。
英偉達甚至提供測試版本的GPU給亞馬遜等大型公司的科學家使用。盡管這樣做看起來像是希望工程師幫助其尋找產品漏洞，但這種積極的態度打動了矽穀的工程師們。他們更積極地為GPU及其生態進行研發。
2012年開始，人工智能應用領域的玩家發現，CPU為核心的硬件設備已經難以滿足深度神經網絡（DNN）多層級特點的計算要求，而GPU可以滿足其需求。他們開始使用英偉達的芯片進行人工智能模型的訓練。
技術隨後從研究轉向產業，浪潮集團人工智能與高性能產品部總經理劉軍告訴《財經》記者，“2014年前後，那些今天在人工智能領域很有名的公司開始尋找GPU專家，幫助他們將已有研發的DNN從CPU遷移至GPU。”
借助市場機遇，英偉達業務快速增長。這家公司2017財年第二季度報告數據顯示，營業收入為22.3億美元，同比增長56%，環比增長15%。其中人工智能相關業務增長更是亮眼，GPU業務收入同比增長59%，而數據中心業務增長了2.5倍以上。
該公司CFO Colette M. Kress表示，增長源自人工智能產品組合的豐富，以及不斷出貨。如今，英偉達的芯片越來越多被使用在計算機以外的設備上，如VR設備、無人機、機器人、無人駕駛汽車，更重要的是其逐漸成為人工智能服務器的新核心。
不過，財報發布當天盤後，英偉達股價一度下跌8%。隨後雖回漲，但陰影一直並未散去。這一變化源自投資者的擔憂——芯片領域的巨頭們，尤其英特爾，此時已經看到了趨勢，紛紛入局，而英偉達目前的成功更像是一種偶發事件。
英特爾迎戰英偉達
深度學習理論引領了人工智能最新一輪熱潮，芯片是完成計算的核心，是人工智能的“大腦”。整個環節分為訓練（Training）算法和利用算法推理（Inference）結論兩個部分。
訓練是人工智能的基礎，構建應用的關鍵。在這一環節，英特爾利用Xeon Phi處理器與英偉達的GPU直麵競爭，並通過多項收購擴大產品布局。圍繞兩家巨頭的競爭，穀歌和AMD雖有心殺入戰局，但仍在邊緣，而更小的創業者則仍處於探索階段。
2016年8月，英特爾收購美國創業公司Nervana Systems。其深度學習芯片Engine的處理速度是GPU的10倍。隨後，英特爾將其與自身業務整合，並追加3.5億美元的投入，用於研發DNN軟硬一體化平台和兩代芯片產品，將與Xeon Phi匹配。
Fiaz Mohamed是英特爾人工智能產品事業部業務拓展及解決方案部署負責人，因Nervana收購而加入英特爾。他對《財經》記者說，“我們並沒有陷入困境。借助英特爾在設計和工程上的經驗，成為英特爾的一部分，這有利於我們的產品推向市場。”這是在訓練層創業者普遍的結局，即被巨頭收編。
Fiaz現在很忙，他每天與5個-7個客戶見麵。在與客戶的直接交流中，Fiaz被反複問到，與英偉達最大的差異，因為他的客戶希望可以得到更加針對自身應用的幫助。
“為滿足性能、效率和規模的需求，人工智能不能隻使用通用型的產品。”Fiaz告訴《財經》記者，“通過收購在各個領域不斷增強自己的優勢，如今我們也做定製化的產品。”
GPU之外，英特爾認為FPGA（可編程陣列）更適合人工智能發展需求。2015年，英特爾以這家公司曆史上最大金額，收購了矽穀芯片製造商Altera。FPGA就像一張可以重複擦寫的白板，可以根據不同計算需求，進行修改。英特爾預測組合將實現20倍性能的提升。
英特爾CEO科再奇曾在一次主題演講中明確表示，FPGA是英特爾未來發展的重要核心。其將加大投資和擴充FPGA產品路線，支援更長的產品生命周期，並調動其他業務部門支持。
英特爾的強勢逼迫英偉達也在加緊彌補自身不足。2017年GPU技術大會上，英偉達發布了新一代處理器架構Volta，以及使用這一架構的深度學習加速卡。經過重新設計，新的架構能效提高了50%，計算速度也隨之提升了12倍。
與上述兩家公司長期競爭的AMD也想在這一環節分一杯羹。2016年底，AMD發布了三款針對深度學習的處理器加速解決方案。
該公司應用工程高級總監Greg Stoner告訴《財經》記者，“AMD將是唯一可以利用豐富x86（CPU）和GPU知識產權技術推動人工智能實現的公司”。
與之相反，穀歌則另辟蹊徑。2016年5月，穀歌發布專門為機器學習優化的專用處理器TPU（張量處理器），並宣布AlphaGo的計算硬件核心便來自於此。
一年後，穀歌將其TPU升級至2.0版本。穀歌發布博客稱，以往需要一整天時間利用32個GPU訓練的翻譯模型，如今隻需要一個下午的時間，並且隻用八分之一的TPU集群（每64個TPU組成一個集群）就可以達到相同精度。
不過，穀歌並沒有急於將TPU商業化，而是與自身開源的深度學習框架TensorFlow結合，並通過自身雲計算平台對外提供服務。穀歌是否會對外單獨出售TPU處理器，目前尚不得而知。
這是一個群雄並起的時代。
端、雲大混戰
與涇渭分明的訓練層競爭不同，推理層是群雄大亂鬥。一些沒有芯片研發背景的公司也紛紛加入戰局，去爭搶那200億美元的市場和未來。
由於應用場景對性能、時延等參數提出具體的要求，計算核心處理器所處的位置成為不同廠商的爭論焦點。有人認為，需要在設備端就能迅速反饋結果，而另一派認為應該將采集到的數據傳回雲端，由服務器進行終端設備難以匹敵的複雜計算。
高通認為前者才是方向。該公司工程技術副總裁Jeff Gehlhaar表示，隨著移動設備性能的提升，高通將憑借海量終端的覆蓋卡位市場。
手機和汽車成為高通發力的方向。目前，高通已經在其中高端芯片上提供人工智能所需要的計算能力。數據顯示，未來五年全球智能手機累計出貨將超過85億部，而高通當前的市場份額為43%（Strategy Analytics數據）。保守計算，高通將覆蓋37億部智能手機。
高通發布的汽車駕駛芯片則將改變以往對路麵交通數據本地收集、雲端處理的模式，其集成了定位、機器學習等功能，大部分數據在本地設備上即可完成運算和反饋。
Jeff Gehlhaar稱，在終端側處理數據的重要性主要有三點：更好地保護用戶的隱私，本地處理有助於解決無人駕駛等對實時決策的需求，以及將更有效地利用網絡帶寬。
移動芯片廠商和終端廠商成為這一觀點的支持者。展訊通信將在2018年發布產品，而蘋果則已經將其研究成果應用於最新手機中，魅族、華為等手機廠商更是宣布其終端產品已包括人工智能技術，用於提升用戶體驗。
值得注意的是，高通也在悄然布局服務器市場。關於雲端結合，Jeff Gehlhaar並未正麵回應，但其所展示的幻燈片顯示，高通已為雲計算平台留出位置，“分布式計算架構”將與“神經處理架構”通過網絡連接，而高通的最大優勢就在於處理網絡連接。
不過，一批雲計算公司和英特爾則認為，用戶並不會在移動設備上安裝厚重的人工智能軟件，以及在有限的電池功耗下使用這些功能完成推理，因此架設在雲端，通過網絡傳輸數據和結果成為最佳選擇。
2015年，微軟開始實踐CPU+FPGA組合的應用。2016年，亞馬遜AWS推出基於FPGA的雲服務器產品。中國公司也隨之跟進，浪潮集團人工智能與高性能產品部總經理劉軍表示，百度除了在內部擁有核心的專家團隊進行研究外，還與浪潮這樣的合作夥伴共同設計專用的芯片服務器主板。
2017年9月，阿裏雲對外宣布，已在GPU方案之外，為其人工智能係統儲備了英特爾和賽靈思等芯片廠商FPGA產品。阿裏雲資深專家張獻濤對《財經》記者稱，一塊英偉達的芯片成本或將高達數萬元人民幣。成本之外，為追求更高的計算性能和業務靈活性，開始探索FPGA方案以及更為定製化芯片逐漸成為廠商的新選擇。
在智能手機時代於移動芯片市場失利的英特爾，正在借助無人駕駛重新殺向移動端。英特爾以曆史第二、遠超前年營收的價格，完成對以色列自動駕駛技術公司Mobileye的收購。該公司工作人員稱，英特爾無人駕駛事業部與Mobileye正在整合產品和組織架構。
不僅如此，最近兩年，英特爾在人工智能市場頻頻出手收購。2016年4月起，英特爾陸續收購了意大利機器人和無人駕駛半導體芯片製造商Yogitech，以及兩家計算機視覺技術公司俄羅斯的Iseez和美國的Movidius，後者更是自主研發了新架構低功耗的處理器VPU。
中國陣營希望
在這場硝煙尚未完全燃起的戰爭中，美國一直以來是全球人工智能領域領跑的國家，但中國已經開始著手加速入局。這兩年，數家中國公司借力開始芯片研發，“XPU”的出現如雨後春筍。
總部在北京的創業公司地平線就以“BPU”命名其人工智能芯片產品，並注冊成為商標；另一家名為“深鑒”的公司將其開發的處理器命名為“DPU”，並且已經發布了兩款不同架構的產品；此前專注提供比特幣“礦機”的嘉楠耘智號稱2017年將發布人工智能芯片“KPU”。
由於事關未來戰略，互聯網巨頭也加入了戰局。百度率先登場，阿裏緊隨其後。2017年，百度與合作夥伴賽靈思共同發布了一款雲計算加速處理器“XPU”。百度研究院歐陽劍表示，XPU將在效率和性能上超越GPU，同時提供類似CPU的靈活性。
2017年6月底到7月初，阿裏技術委員會主席王堅曾帶隊前往矽穀考察，與超過30家人工智能公司進行接觸，其中包括多家人工智能芯片公司。阿裏巴巴的技術專家透露，用於人工智能的“XPU”研發也已經在內部列上日程。
從技術本身來看，中科院孵化的創業公司中科寒武紀是這批中國公司中的佼佼者，如果和英偉達對標，它擁有超過100多件專利和自己的指令集係統。中科龍芯副總裁張戈告訴《財經》記者，寒武紀創始人（陳雲霽）曾是龍芯3號處理器的主結構設計之一，另一個創始人陳天石也曾在中科院計算所工作，他與陳雲霽是親兄弟。
2017年8月，寒武紀宣布完成1億美元的A輪融資，領頭方是國有資本投資運營公司旗下基金的國投創業，聯想創投、阿裏巴巴創投等社會資本以及中科院旗下資產也紛紛跟投。目前該公司估值已達10億美元。
“原來可能需要三塊英偉達的‘卡’（指芯片板卡），現在隻需要一塊寒武紀，就可以應對整個數據中心的消耗。”聯想創投合夥人宋春雨告訴《財經》記者，這吸引了他，他預計這家公司今年就會有營收。
目前的公開信息顯示，寒武紀已經發布一款名為寒武紀1A處理器，主要麵向智能手機、無人機、可穿戴設備和智能駕駛等設備。根據規劃，寒武紀將不僅在終端側，還將在雲服務器側發布產品。
今年9月，通信設備製造商華為發布手機人工智能芯片麒麟970，970中的NPU（網絡處理器）專用硬件處理單元就是寒武紀1A，後者以授權的方式集成進入麒麟970。
不過，華為仍有望獨立發展人工智能芯片，華為已開始研發服務器芯片，該公司消費者業務CEO餘承東稱，人工智能的實現必須通過端雲協同。
前文提到的地平線機器人公司，成立於2015年，創始人兼CEO餘凱曾主政百度研究院和深度學習實驗室，在他影響下百度吸納了一批人工智能專家。
地平線機器人前期曾打算做人工智能時代的英特爾，但一段時間嚐試後，餘凱告訴《財經》記者，“我們的定位是嵌入式人工智能芯片，既不在互聯網公司的勢能範圍，又避開和巨頭的競爭，會有更大的價值。”
英特爾通過收購構建了多種發展人工智能的道路，兵多將廣，而英偉達產品有亮點，抓住一塊核心的GPU。地平線這樣的創業公司缺少強大的資金、技術和生態支持，需要避開巨頭重兵把守的雲服務器側，但在設備邊緣，嵌入式人工智能芯片將有更大的想象力。
地平線發展的策略是，針對使用場景需求研究最適合的算法框架，然後將算法框架實現在芯片上。也就是說，通過應用倒逼芯片設計。其優勢是，可以集中資源單點突破，進而降低半導體產業投資的風險，以及通過銷售解決方案獲利推動自身良性運轉。
與寒武紀選擇通用芯片商業模式不同，地平線更加側重專用，為市場提供的不隻是芯片，而是軟硬整體解決方案，“這很像Mobileye”，餘凱認為，英特爾願意花153美元億巨款收購，這是說服投資者認可基於專用人工智能芯片解決方案最好的案例。
投資了地平線的祥峰投資合夥人夏誌進對創業公司充滿信心，“大家都在同一條起跑線上，英偉達也是，它們（指巨頭）有曆史包袱”。在他看來，芯片隻是地平線商業的一部分，未來投資回報周期遠小於半導體行業，“我可以等這個企業5年-10年”。
警惕炒作
人工智能芯片毫無疑問是一個巨大的產業發展趨勢，但第三方機構Gartner分析師盛陵海告訴《財經》記者，原有芯片不會一夜之間變成人工智能芯片，現在產業有過度炒作的嫌疑。
在收獲成功的同時，英偉達的高市值也早於挑戰。業界擔心，它擁有的技術難以支撐起當前高漲的市值。人工智能開源實驗室OpenAI聯席主席Sam Altman提醒稱，GPU最初的設計目標並非人工智能，隻是恰好滿足需求。
多個受訪者對《財經》記者表示，人工智能應用場景將不再是單一類型的終端設備，這意味著，芯片公司應具備提供多元化產品的能力，但英偉達的GPU仍是一種通用型芯片。
多家IT公司已經開始紛紛研發專用芯片並加大資金投入。
芯片設計公司zGlue CEO張銘表示，“大公司仍希望通過通用芯片分攤研發費用”，但人工智能市場更加需要定製化的產品出現。
不過，定製化芯片和通用芯片路線的選擇轉圜上，大公司的餘地遠大於創業公司。穀歌的TPU隻是目前已經對市場宣布的產品，未來一旦伴隨穀歌雲計算業務對外提供服務，將以低成本和靈活性直擊英偉達腹地。一位產業內人士表示，“壟斷”意味著獲取的高成本，而英偉達的芯片並不便宜。
由此可見，人工智能芯片最終的勝利者很有可能依然是擁有更多生態資源和規模優勢的芯片巨頭，其他芯片公司很有可能依然隻能偏安一隅。
與美國創業者可以接受公司出售給大公司不同，中國廠商往往希望在巨頭的夾縫中獨立發展。但在智能安防、手機、無人機、智能汽車、機器人等行業，巨頭正在一個個細分垂直行業慢慢滲透。
大魚吃小魚在過去已不鮮見，半導體產業依然是強者恒強的邏輯。
（本文首刊於2017年9月25日出版的《財經》雜誌）
最後更新：2017-10-08 08:49:47