|
之前写过一篇关于初创公司在人工智能领域有哪些机会的文章。现在开放评论，希望听到大家都意见。 随着人工智能（实际主要进展在机器学习领域）大火，一下冒出来很多以人工智能芯片（或者IP）为核心卖点的初创公司。有的已经价值完成（被大公司收购），有些还在奋斗，也有新公司不断出现。近几个月，我正好对相关问题有些观察和思考，以下谈一点个人的浅见。 人工智能芯片（IP）相关的市场主要可分成三类。第一类是在cloud/server端用于training和inference的芯片（或者FPGA）；第二类是需要较强智能的终端芯片（面向手机，安防监控，无人机，机器人，自动/辅助驾驶，VR/AR等），或许可以叫“泛手机芯片”；第三，是智能需求较低的终端芯片（穿戴，玩具，智能家居等等），以下叫“弱智能终端芯片”。当然，终端设备对智能的需求是相对的，这里说的第三类实际上也是指受到成本，功耗等因素的限制，不太可能支持复杂运算的芯片。
为什么说第二类对于初创公司基本没有机会？因为这是目前芯片产业竞争最激烈的战场。手机芯片大厂（高通，MTK，海思，展讯，苹果，三星）已经非常强大，而且还在不断把自己的技术能力推广到无人机，机器人，自动驾驶，VR/AR等领域；很难想象会有初创公司能够再挤进来。那么以IP形式进入是否有机会？个人的看法也是否定的。第一，从技术能力来讲，这些公司都有实力（多年做通信基带和多媒体的经验）自己设计复杂的加速器或者专用处理器；第二，传统的IP厂商，比如CEVA，Synopsys，tensilica也都盯着这个机会。初创公司的IP如果有一定的技术特点和价格上的灵活性，有可能在大厂预热过程中得到试用的机会。但最终出现在量产芯片中的可能性非常小。这类市场也会有一些定制芯片的需求，不过应该比较小众，没有太大的空间。 个人比较看好国内的server training/inference 芯片市场。第一，从竞争态势来说，目前是NVIDIA一家独大，利润空间很大；Intel虽然最近也有很多动作，但多长时间能推出可以和NVIDIA抗衡的产品还很难说。第二，国内目前对server芯片自主设计的呼声很高，容易得到国家支持。相对server CPU（已经有海光和华芯通在做）的复杂度和生态环境，人工智能专用加速芯片在技术实现和应用渗透方面都要简单不少。所以，目前这个领域对于国内公司来说是值得一搏的机会。成功立足的话，很有可能做大做强。不过这个领域需要大量烧钱，必须有资本实力作保障。 实际上，server端还有一个比较有趣的市场：基于FPGA的server inference应用（比如对连续视频和语音的检测和识别，实时翻译等等）。这类应用除了需要强大的处理器能力能力外，对实时性要求非常高。同时，这类应用对成本不是很敏感，非常适合FPGA。首先，通用的GPU做inference，很难满足实时性的要求，而针对特定应用优化过的FPGA设计，inference效率会高很多；其次，和用专用的芯片做inference对比，FPGA的灵活性又有很优势，改变算法或者网络的成本很低，非常适合人工智能领域的快速发展和变化；第三，FPGA进入server/cloud市场是个趋势，目前已经有一些cloud提供FPGA资源，用于人工智能应用非常自然。而FPGA的固有缺点：成本高，能耗大（和专用芯片相比），在这个应用场景下基本可以忽略。 第三类弱智能计算应用，实际上可以和第二类应用一起叫做边缘计算应用。这里加以区别，是因为这类应用对功耗、成本甚至尺寸的压力更大，主要是指一些物联网，可穿戴应用。其硬件平台的处理器能力非常有限（传统的MCU领域）。这类应用的总量很大，但差异化明显，需求五花八门，存在很多变数，技术上很难用一种架构来实现。能不能成功关键还得看spec是不是押对了。相信未来可以看到不少初创公司在这个领域出现和死亡。目前看得比较清楚的是智能语音识别应用，从技术的可行性到市场的驱动都已经具备了芯片化的条件。当然，还有一种思路是做平台化的产品或者基础工具。不过，谁不想做出平台和生态呢？ P.S. 其实，初创公司的成败，由很多因素决定，技术往往不是最关键的。另外，以上分析基于目前公开的人工智能领域的进展和传统的芯片产业常识。人工智能最近发展太快，不排除有黑科技出现，大家都傻眼的可能性。 T.S. |
|
|
