中国AI芯片产业难改依附式生存现状的原因区域

中国AI芯片产业难改依附式生存现状的原因有哪些？

日前，全球最大的可编程芯片（FPGA）厂商赛灵思宣布收购中国 AI 芯片领域的明星创业公司深鉴科技。此消息一出立即在业内引起了强烈反响。尽管双方认为这是双赢的结局，但我们还是从中看到了当下如日中天的中国AI芯片产业的依附式生存。原因何在？

众所周知，芯片定义了产业链和生态圈的基础计算架构，正如CPU是IT产业的核心一样，芯片也是人工智能产业的核心。截止到目前，业界公认的AI主流芯片，除了CPU以外，还有GPU、FPGA和ASIC。而熟悉芯片产业的业内人士看到这些，就知道，所谓现在五花八门的AI芯片最终的基础架构（或者是流派）无非如此，当在上述这些基础架构上，格局已定。

CPU自不用说，英特尔占据着绝对领先的优势，基本在此架构之上突围的可能性微乎其微。

至于GPU，目前全球GPU行业的市场份额有超过70％被英伟达公司占据。而应用在人工智能领域的可进行通用计算的GPU市场则基本被英伟达公司垄断。据悉，世界上目前约有3000多家AI初创公司，大部分都采用了英伟达提供的硬件平台。

再看FPGA，虽然其市场前景诱人，但是门槛之高在芯片行业里无出其右。全球有60多家公司先后斥资数十亿美元，前赴后继地尝试登顶FPGA高地，其中不乏英特尔、IBM、德州仪器、摩托罗拉、飞利浦、东芝、三星这样的行业巨鳄，但是最终登顶成功的只有位于美国硅谷的四家公司：Xilinx（赛灵思）、Altera（阿尔特拉）、LatTIce（莱迪思）、Microsemi（美高森美）

，其中，赛灵思与Altera这两家公司共占有近90％的市场份额，专利达到6000余项之多，如此之多的技术专利构成的技术壁垒当然高不可攀。而赛灵思始终保持着全球FPGA的霸主地位。

正是由于芯片基础架构格局已定，所谓国内的AI芯片企业（包括初创企业）实际上做得只是基于上述基本架构的二次开发或者优化。

以此次被赛灵思并购的深鉴科技为例，自 2016 年成立以来，深鉴科技就一直基于赛灵思的技术平台开发机器学习解决方案，两家公司合作密切。深鉴科技推出的两个用于深度学习处理器的底层架构亚里士多德架构和笛卡尔架构的 DPU 产品，都是基于赛灵思 FPGA 平台。

另外，由于赛灵思此前是深鉴科技的投资方之一，我们认为深鉴科技更像是为赛灵思FPGA做优化的厂商或者或合作伙伴的角色。原因很简单，一旦脱离了赛灵思 FPGA 平台，深鉴科技将是无本之木，无水之源。

当然，除了深鉴科技，据称中国另外一家知名AI芯片初创企业地平线的所谓AI芯片BPU也是基于FPGA上的二次开发。既然是基于FPGA，那么最核心的底层架构就离不开我们上述的赛灵思、阿尔特拉、莱迪思和美高森美FPGA平台的借鉴和支持。即便是真的具有核心架构颠覆性的创新，由于FPGA已经被这四家企业瓜分，也难有可以维持生存的立足之地。

最会再看ASIC。在国外大厂几近垄断CPU、GPU和FPGA市场的情况下，再加上技术壁垒很高，中国AI芯片厂商在芯片领域一直缺乏关键核心自主技术，仅凭市场、企业单方面的力量难以在CPU、GPU和FPGA方面有所突破，只能另辟蹊径。从目前来看，中国AI芯片厂商更多的是以中小公司为主，与实际应用需求结合，集中于设备端的AI ASIC开发，就某一垂直领域进行优化，以低功耗低成本取胜。例如中国知名的AI芯片初创企业寒武纪就是此类。

这里我们并非说ASIC在AI芯片领域没有前景，恰恰相反，此前名扬业内的谷歌TPU就是基于ASIC。不过需要说明的是，谷歌之所以开发TPU，是基于其自身数据中心的应用规模，而规模是决定采用ASIC效益的关键。

尽管自身庞大应用规模的TPU在业内引起了好评，但谷歌首席科学家Greg Corrado在此前召开的谷歌AI技术分享会上还是提出了不同的观点，他说，至少迄今为止，我也没有看到完全不同于传统计算芯片的成功案例。相反，我们认为应对现有的芯片做AI方面专门的优化，使现在的芯片完成AI任务时速度更快，功耗更低，整体的效益更高。这也是为何谷歌有了TPU，但依然会在其数据中心采用CPU和GPU的原因。言外之意，TPU只是针对数据中心某些应用相对于CPU和GPU的补充和优化，并不能成为主流。

具体到中国，为了规避ASIC开发周期长和投入大的风险，基于ASIC开发的所谓AI芯片基本是采取SoC＋IP的模式，即相比ASIC，SoC＋IP模式的上市时间短，成本较低，并且IP可以更灵活地满足用户需求。IP公司专注于IP模块的设计，SoC公司则专注于芯片集成，分工合作，提高效率。此前华为麒麟芯片与寒武纪IP结合在智能上的应用就属此种模式。但前提是规模（华为巨大的出货量）及SoC的支持。那么对于中国市场而言，能有多少像华为这样的规模用户。ASIC独木难成林。

更让ASIC前景难料的是，业内有一种分析和观点认为，FPGA受益于芯片NRE费用指数级上升带来的规模效应。随着制程工艺不断提高，芯片NRE费用指数级上升，越来越多的ASIC芯片将由于达不到规模经济而被迫放弃，从而转向直接基于FPGA开发设计。

据TracTIca估计显示，到去年为止，深度学习应用中还几乎找不到FPGA的身影，但是，到2025年，它的部署会和CPU的部署量相当（如果不能超过CPU的话）。其结果就是，到2025年，FPGA将会在总规模达122亿美金的深度学习芯片组市场获得显著的市场份额。

所谓万变不离其宗。虽然目前AI芯片的叫法五花八门，但依然没有脱离CPU、GPU、FPGA和ASIC这些核心，而在这些核心中，显然仍是那些传统芯片厂商，例如英特尔、英伟达、赛灵思等国外厂商的天下。

而通过此次赛灵思并购深鉴科技，我们看到那些所谓中国的AI芯片企业有相当数量仅是在人家的架构之上再做些二次开发，优化和应用层面的事情，只是换了个新奇的名称和叫法而已，与传统的芯片产业竞争一样，表面锣鼓喧天的中国AI芯片依然是依附性的生存模式。