掘金 AI 芯片，中国“芯”公司迎来“场景之争” | 钛媒体深度

算账就是一类很重要的话术。部署地平线的人脸识别摄像机能帮零售客户省多少钱？陆晓明掰起了指头：首先是功耗不同，普通摄像机20W，地平线人脸识别摄像机为4.5W，假设一座商场内部署1000架相机，一年可以省5万元左右。

其次是本地网络基础设施费用的减少。通过边缘AI芯片，地平线将识别、抓拍和客流等计算分析做到了相机端，需要传输的是计算过的数据，所占带宽就很少，百兆带宽的局域网就足够；相比之下，传统摄像机需要将视频流传回服务器，单台所需带宽就在4Mbps以上，核心网络设备需要支持千兆甚至万兆的数据交换能力，成本又差了10倍以上。

除此之外，可以减少的成本还包括了省掉的本地CPU/GPU服务器支出、在商场架设服务器、UPS（不间断电源）与恒温设备的费用，还有雇佣维护工程师的工资——在陆晓明的账本上，这些为零售客户省下的项目开支达到了100万元。

“零售客户才不在乎什么芯片不芯片。”陆晓明对钛媒体直言，“客户的顾虑在于，你懂不懂我的行业、解决方案落不落地、性价比高不高。”

落地、拿单、谈客户，这样的商业化能力也正成为资本考察 AI 芯片公司的重要指标。

“如果投资一个纯粹的CTO，再为他搭配一个CEO去 sell（销售）产品，这是很难的，投资人也比较忌讳这个事儿。”建投华科董事总经理戴燚告诉钛媒体。建投华科是中国建投旗下专注于信息技术产业的投资机构，也是地平线A+轮的投资方。

戴燚用“接地气”来形容地平线CEO余凯的办事风格：“很多外企海归回国创业，谈客户的时候都是直接问能不能给单子，不能给转身就走。余凯不是这样，他能做到和政府、国内企业客户无缝衔接，这一点很难得。”

从戴燚这样的资方视角来看，AI 芯片要想彻底覆盖自动驾驶、安防、零售、硬件终端等场景，依然需要一段教育用户的时间。在该过程中，各个产业也面临生态内不同角色的配合。

以自动驾驶来说，AI 芯片的落地，势必要涉及tier1与主机厂的合作、交管部门的政策影响等因素，这就需要芯片厂商在技术之外，具备更综合的全局协调能力。

“要学会当一个产业人，而不是一个独角兽。”戴燚说。

两种矛盾

自90年代起，以紫光集团、华为海思等为代表的国内传统芯片公司逐一诞生，至今已历经数十年发展，已形成一套标准的芯片设计、制造、封装流程，但在具体的CPU运算效率、芯片核心制造工艺仍与美、日等发达国家存在差距。去年4月，中兴遭美国下发七年出口禁令后业务全线停滞，由此在业内引发“缺芯少魂”的危机讨论。

如今，AI 芯片公司受场景需求启发，企图用算法注入芯片的手段实现中国“芯”公司的弯道超车，可这一新兴路线正遭遇双重矛盾：生产环节，AI 芯片容易陷入“量产耗时长，算法过时快”的困境；销售层面，又面临“供给侧（AI 芯片厂商）凶猛，需求侧（终端客户）冷静”的现象。

“流片”成功与否是决定芯片成败的决定性因素。所谓“流片”，即“试生产”，是在电路设计后，先生产少量生产芯片用来测试，通过后再进行大规模量产，这一过程往往需要1-3年。

由于耗时长、投资大，一颗芯片的流片往往会关系到创业公司生死存亡。余凯就曾在地平线流片结果揭晓的前一天，和团队前往雍和宫烧香。“如果流片失败了，几百万美金就打了水漂。”余凯曾说。

流片前的市场预测就变得至关重要。李志飞告诉钛媒体，做一款APP只需要预测消费者6个月后的需求；做软硬件要预测12个月；而做一套芯片模组要以3年为周期来预判。

谈及芯片前期设计环节的预判难点，兰有金与戴燚使用了同一个形容词：“鸡同鸭讲”。

传统半导体对芯片的定义更多在后端运算层面，当中的芯片定义、设计、制造等环节多由硬件工程师来完成；但AI芯片除了兼顾原有的运算功能，更讲究与AI 算法的融合，有时还需要与前端软件形成联动，这就需要算法、软件科学家与硬件工程师共同参与。

“半导体硬件工程师更讲究IP、架构等，再加上中国有很多AI场景是被硬推出来的，成熟度不够，就很难对应用场景有深度理解。”兰有金对钛媒体说。

兰有金以一个案例形容两种角色间的分割：比如一项应用在军事领域的AR项目，参与方有芯片设计工程师，也有专攻AR应用软件算法的科学家，两方是各自领域的专家，但合作时对彼此需求理解不够，“很难聊到一起去”。

另一方面，来自企业需求侧的前期反响，更是让本就前路坎坷的AI 芯片多了几分不确定性。

“谁都会担心自己成为第一个白老鼠。”周军说，他收到过来自客户对于AI 芯片的各种疑虑：有没有量产过？装进产品后出问题怎么办？下单后产能会不会跟不上等等问题。

但让周军感到鼓舞的是，由于 Rokid 本身就是智能音箱的生产者，一方面更能响应客户需求，另一方面，其生产的芯片也能“自产自销”至旗下产品，也就减轻了一部分芯片滞销风险。

“（市面上的AI 芯片）同质化太强，体验上的差距并不明显。”刘峰这样评价当下的AI 芯片产品，他认为目前问世的几款AI 语音芯片，不管是功能点上的远场识别、多轮对话，还是性能上的高集成、低功耗，这些厂商主打的各项指标都有诸多相似之处，这些都会影响终端厂商对AI 芯片的采买意愿。

“芯片这种硬科技产品，必须在某个技术维度大范围超出对手，才能持续性地获得客户认可。”兰有金表示。

参与方的认知磨合、需求方的冷眼观察，再加上早期事物的发展无章可循，都让AI 芯片的投入产出比难以预测，对于各路玩家来说，眼下无疑是一个“花钱买路”的必经过程。

“在商务上我可以不赚钱，我们做得事情就是不停地告诉客户这是未来，然后一起合作把芯片推出去。”李志飞说。

资本自然成了这一环节的重要推手。那些更早、更快拿下融资的AI 芯片公司正逐步展现出光环效应。

戴燚坦陈，小规模的“算法+芯片”团队试错机会越来越少，他们手中的钱只够单次流片；但头部芯片企业，可以在短时间内连续进行一代、二代、三代不同算法配置的流片，不论是迭代速度还是研发积累，头部企业的优势只会愈发明显。

对于AI 芯片领域的未来，戴燚仍充满希望。他看好AI 芯片在自动驾驶、安防市场的巨大潜力，理由是这两个场景前期已有半导体芯片的能力渗透，而AI 技术可以让原先的能力变得更强，这种逻辑折射到应用规模上，就变成了一个“可以从200亿涨到400亿”的好生意。

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!