近期，AI芯片市场明显降温。作为芯片市场的老大哥，英伟达刚刚发布的Q1季报非常不尽如人意。数据显示，截至2019年4月28日，英伟达季度营收22.2亿美元，环比增长1%，同比下降31%，毛利率58.4%，比上季度加快3.7个百分点，同比下降6.1个百分点；净利润3.94亿美元，环比下降31%，同比下降68%。数据一出，整个AI芯片市场的心态难免受到波及。英伟达营收下滑的因素有很多。作为高端芯片设计巨头，苹果早年的显着优势不断被追赶。现在英伟达也处于这样的困境，创新乏力，逐渐失去优势。因此，其盈利下滑隐含着两个信号：一是整个市场的平均水平已经上涨；2、高端AI芯片市场产品性能发展“停滞”。可见情况已经发生了变化。人人都能做的AI芯片从应用的角度来看，AI芯片主要应用在云端、边缘和端侧。其中，云端最常见的产品是AI加速器，主要用于加速深度学习训练和推理；而在边缘和端侧，根据智能手机、安防、汽车等领域的不同应用场景，出现了各式各样的AI芯片。其中，云端训练需求约占AI芯片市场50%，云端推理需求约占AI芯片市场25%，边缘及端侧约占25%.数据显示，未来五年AI芯片市场将增长十倍，到2022年达到35亿美元，可以说是一个相当大的市场。但是，进入者很多，尤其是在应用端。国内原本在安全、语音语义、人脸识别、云计算等领域提供解决方案的企业开始自主研发芯片。力菲。2018年，一大批AI算法公司开始转向各自领域的AI芯片研究，这已经不足为奇了。谁开始的？特斯拉，似乎。大家应该还记得，马斯克“嫌弃”英伟达芯片后，悄悄研发了自动驾驶芯片，并迅速更换了英伟达芯片，完全“好办”。公开数据显示，截至2018年底，国内芯片设计企业数量已增长至近1700家。虽然受经济影响，增速不如前两年，但还是有不少人想抢这块蛋糕。在AI大背景下，人人都能做芯片是很正常的现象，这也让这部分尚未形成的市场竞争异常激烈。2018年是异常热闹的一年。包括Unisound、Smart、Mobask在内的众多国内AI初创企业相继推出了自己的芯片或模组。今年年初，UniSound一口气发布了三款芯片：第二代物联网语音AI芯片SwiftLite、面向智慧城市的支持图像和语音计算的多模态AI芯片Dolphin、以及智能旅行的海豚。Leopard，一款汽车级多模式人工智能芯片；而Aspire还携手中芯国际发布了AI语音芯片TAIHANG。等等，无处不在。可以看出，尤其是在终端应用方面，芯片设计巨头的优势正在逐渐消失。为什么人人都能做AI芯片？“做神经网络芯片并不难。”在刚刚结束的CAIS大会上，Xilinx人工智能业务高级总监姚松公开表示。言下之意，开发应用于深度学习算法的AI芯片并不难。因为应用是在特定领域，对于初创公司来说，专门的架构设计并没有很高的门槛。早期的创业公司如寒武纪、地平线等公司也开始争夺工程能力和客户能力。那么为什么AI芯片这么容易做呢？要回答这个问题，我们需要回到AI芯片是什么的话题。说到AI芯片，是一个比较宽泛的概念，至今没有一个明确的定义。从广义上讲，用于AI计算应用的芯片可以称为AI芯片。除了以GPU、FPGA、ASIC为代表的AI加速芯片（基于传统芯片架构，针对某类特定算法或场景进行AI计算加速），还有更多前沿研究，如类脑芯片、可重构通用AI芯片等，但后者离大规模商用还有很长的路要走，暂时不会对市场产生太大影响。因此，一般来说，当我们谈及AI芯片时，通常是指以GPU、FPGA、ASIC为代表的AI芯片，它们本质上是AI加速器或计算卡，专门用于加速AI应用中的海量计算。任务模块（其他非计算任务仍然由CPU负责）。业内人士分析，由于AI芯片是用于计算的芯片，效率高，功能相对单一，不涉及IP授权问题。它们比通用芯片更节省资源，门槛更低，因此进入市场的人很多。当然，除了技术本身，AI芯片市场的停滞也给进入者留下了充足的时间。有业内人士开玩笑说，“去年我把工作重心放在5G上，今年又转回去做AI芯片，发现还是没有太大变化。”可见，门槛低、专业化强、AI芯片再难创新等因素，都直接促使AI企业做出自己的AI芯片。市场混战谁胜谁负？与传统芯片市场不同，AI芯片专业化程度高，进入门槛相对较低，对基础设施设计没有特定限制。因此，整个硬件市场相当“混乱”，资源也比较分散。经过两年的发展，“鱼龙混杂”已经成为AI芯片市场的发展现状。不再谈参数和性能，走招标路线成为芯片厂商不得不做出的改变。谈到这个问题，姚松也明确表示赞同。他认为，公司在做AI芯片的时候，实际上是在做产品。“能不能用、好不好用、用户离不开”成为衡量AI芯片的三大标准。“底层技术是基础，赢得市场还是要靠软件服务甚至生态。一个芯片好不好，性能参数并不是那么重要，重要的是它在具体应用中的表现。”姚松提到，即使在赛灵思做的最鲜为人知的汽车领域，它的芯片也能做到每百万芯片缺陷数小于2颗芯片和每10^9小时缺陷数的优异表现大约有12个错误。没有参数，没有性能，只有客户和应用数据，这是绝对的“话语权”。的确，入局较早、芯片产品较多的AI芯片企业，如寒武纪、地平线、百度，甚至英伟达，都开始将心投入市场。同时，在下一代芯片的定义和设计上，他们也更加谨慎和冷静。用一句话形容2019年的市场，AI芯片行业相对平静，“热度”已经传导到应用市场。AI芯片困境：竞争力与差异化目前，无论是初创公司还是芯片设计巨头，压力都与日俱增。一般来说，只要有应用场景的支撑，有足够的资金和工程能力，AI芯片的量产不会成为大问题。但对于AI芯片这个新兴市场，现在谈市场布局还为时过早。谁都知道，这将是一场持久战，行业真正的未来和发展方向，还是要靠创新。从目前的市场形势来看，2019年整个行业的平静也反映出大家已经从保障功能的粗放式设计逐渐转变为提高竞争力和差异化的精耕细作，但竞争力和差异化是必须要做的，但并不是简单的。如何提高竞争力？上文提到，要想赢得客户，提供服务、构建生态系统是目前打开市场的方式，但“硬件好做，软件难”是大家普遍反映的问题。有业内人士指出，无休止的软件工具优化困扰着大家，从单核、多核到多芯片、多板卡，再到神经网络算法和非NN算法、异构系统、软硬件联合优化，软件工程师会遇到各种各样的问题，给大家在上层的不断修炼带来阻力。近日，在台湾成立的“AIonChip台湾联盟”（简称AITA），将携手为AI芯片的开发建设一个相对完善的软件开发环境和生态，推动芯片的商业化进程。想要有所作为就更难了，虽然这很可能是AI芯片企业发展的最终出路。在差异化方面，尤其是在现有商用AI芯片的基础上，业界普遍认可AI芯片架构的创新。但也有从过去吸取的教训。没有人能保证当前的AI芯片架构热潮是否会重蹈30年前系统架构热潮的失败覆辙。但从业内各方人士的声音来看，大方向发展成为最容易落地的方案。百度昆仑芯片架构师欧阳健结合他们的研发经验指出，通用性将越来越重要。同时，曾试图将展讯从风波中拯救出来的芯片设计工程师李立友表示，未来的云端通用芯片不会是Dream，这必将打破现有的市场格局。***从全球市场覆盖来看，虽然Nvidia的优势逐渐被反超，但云训练和推理市场几乎被Nvidia覆盖，而edge和end-side应用则主要由三星、高通、英特尔、Nvidia主导。不争的事实是，除了华为，国内厂商很少出现在市场份额领先的名单上。此外，国内处于顶尖梯队的AI芯片设计企业在高性能芯片方面还没有形成较强的竞争力，这也需要引起关注。可见，卖片只是第一步，任重而道远。值此之际，为集思广益，共同探讨国内AI芯片产业现状与发展方向，美客网决定于8月9日举办2019中国AI芯片创新者大会，提供行业交流平台，希望以此为契机，为行业健康发展贡献力量。
