资本寒冬，这样的AI芯片公司2019年危矣

2018年，中兴事件引发中国“缺芯“的大讨论，恰逢第三次AI热潮，国内外科技巨头也纷纷入局AI芯片市场，再加上传统芯片巨头以及初创公司的积极布局，2018年的AI芯片市场十分热闹。不过，2019年全球迎来资本寒冬，国际贸易环境和半导体市场也不容乐观，需要大量资本且较长的芯片周期让AI芯片玩家面临巨大挑战。那么，谁会大概率先倒下?

雷锋网采访了处于不同商业化进程的3家AI芯片初创公司的创始人，以及擅长在半导体领域投资的投资人，共同回顾AI芯片的2018年并展望2019年。

2018年AI芯片过热了吗?

2018年的AI芯片市场引发了企业、资本甚至国家之间的竞赛。老牌芯片厂商英特尔、英伟达不仅收获了更多AI芯片的订单，还持续增加对AI芯片的投入。与此同时，科技巨头们的自研AI芯片也引发关注，谷歌TPU迭代至第3代，亚马逊发布了机器学习芯片Inferentia，Facebook与英特尔联合研发深度学习芯片，特斯拉AI芯片也即将面世。

国内的AI芯片市场更加引人关注，阿里在4月份全民讨论中国缺芯之时宣布阿里巴巴达摩院正在研发名为Ali-NPU的神经网络芯片，5月，平头哥半导体有限公司更是因其命名引发热议。7月，百度发布自研AI芯片昆仑，包含训练和推理芯片。10月，华为发布人工智能IP和芯片昇腾(Ascend)系列。

除了巨头，在资本的推动下AI初创公司接连不断的巨额融资消息及自研AI芯片计划和产品也增加了AI芯片的热度。2018年5月，探境科技宣布数千万美元的第二轮融资;云知声宣布获得6亿人民币C+轮融资并宣布研发AI芯片;耐能宣布获得1800万美元A1轮融资。6月，思必驰宣布获得5亿人民币融资同时宣布推动AI芯片等的落地;寒武纪也获得数亿美元B轮融资。10月，地平线创始人兼CEO余凯接受媒体采访时透露将在2018年底完成新一轮5-10亿美元的融资。

推动AI芯片发展的还有政策，无论是国外还是国内，政府都出台了针对人工智能的利好政策，国内芯片的发展还有规模几千亿的大基金支持。

对于AI芯片的热潮，鲲云科技创始人兼CEO牛昕宇告诉雷锋网，AI芯片之所以受到关注一方面是国内信息产业面临技术升级的需求，另一方面AI本身就有很高的关注度，芯片作为底层技术自然也获得关注。

那AI芯片在2018年过热了吗?地平线联合创始人、算法副总裁黄畅认为，AI芯片在2018年的火热程度确实没有预料到，市场存在过热的情况，但大部分公司都处于初期规划和刚刚起步的阶段。

探境科技创始人兼CEO鲁勇则表示：“2018年AI芯片还谈不上过热，芯片这个行业被忽视了很长时间，芯片的重要性刚刚被重新提起，这只是个开头，在中国太需要对芯片行业的关注。”

华登国际副总裁苏东也认为AI芯片还不能算过热，未来会不会过热或者说产生泡沫最关键的是AI芯片的应用能否落地，能够落地就不会过热。

资本寒冬下大概率会倒下的AI芯片公司

进入2019年，或者说从2018年下半年开始，越来越多的企业感受到了资本寒冬带来的变化。另外，国际半导体产业协会(SEMI)考虑全球经济放缓、美中贸易纷争未解、半导体行业人士态度转趋保守及下游库存调整可能延续到年中等四大因素，下调2019年全球半导体设备展望，预计全年产值将比去年衰退9%，终止2016年以来连续三年的增长走势。

需要指出，半导体设备市场的动向可以反映各大半导体厂商的投资状况，市场不佳的时候半导体设备市场自然会陷入低迷。根据SEMI的数据，三星、英特尔、SK海力士等公司都减少了资本支出。

我们知道，芯片行业具有资本和人才密集且周期长的特点，在资本寒冬以及整个半导体市场陷入低迷的情况下，受访人大都认为2019年有很大概率会看到AI芯片公司倒下。黄畅指出，2019年资本和市场都希望看到阶段性的成果，很多2018年宣布做AI芯片的公司需要拿出自己的成绩单来接受市场检验，成绩好的企业将继续受到市场和资本的青睐，成绩不佳的企业将会面临非常大的压力。

牛昕宇也表示资本市场的波动会对没有造血能力的公司造成影响，对于能够证明自己近期及长期盈利能力的公司，影响会小很多，对于有核心技术实力和产品落地能力的AI芯片公司，反而会形成更好的集聚效应。

鲁勇认为，其实不仅是资本寒冬以及市场环境的问题，更为核心的是AI芯片创业公司真正有技术突破性和商业落地能力的公司其实很少，在热潮中即便没有这样的能力也可以享受热潮带来的利处，热潮过去之后就非常危险，我们在2019年很大概率会看到AI芯片倒下。

苏东从投资人的角度更具体地阐述了他认为在2019年有很大概率倒下的AI芯片公司特性。他表示：“如果给AI芯片做一个简单的分类，对于已经有一定规模的芯片公司，在已有的体系里引入AI芯片是正确的选择，因为他们更容易看到客户的需求，AI芯片也更容易落地。我比较担心的是初创公司，芯片本身就有比较长的周期，加上AI芯片是软件和硬件的结合，成本也比较高，如果不能持续融资，在资本环境比较长的情况下就容易倒下。”

苏东同时指出，AI芯片初创公司也可以分为两类，擅长算法和硬件的公司，对于擅长算法的公司，因为他们的融资能力很强，有足够的现金储备，加上有自己的应用场景，所以最差的情况自研的芯片可以自用，相对安全一些。单纯提供AI芯片硬件的公司，由于还需客户的开发，并且第一代芯片在芯片性能及成熟度方面都无法达到完美，因此下游客户对芯片的接受程度是他们最大的风险。在2019年，融资的周期拉长到九个月或更长时间，如果现金流控制不好就有很大的概率会倒下。

因此，我们无法明确某一家或某几家公司会倒下，但可以看到AI芯片初创公司如果在2019年拿不出被认可的成绩单，并且没有真正的技术突破性和商业落地能力，在融资周期拉长的情况下，控制不好现金流的AI芯片公司在很大概率上会在2019年倒下。

为什么2019年AI芯片落地是关键?

对于大部分AI芯片公司而言，如何度过2019年的资本寒冬是他们更关注的问题。苏东认为，在资本寒冬，投资机构为了安全考虑，还是投资头部企业。对于非头部企业而言，由于投资者对投资标的的要求会更高，更加聚焦产品落地能较快实现正向现金流才更容易进行下一轮融资。当然，这种情况下AI初创公司的估值也会更趋近于合理。

鲁勇同样认为2019年最关键的一点就是应用落地，并且AI芯片还是一个非常蓝海的市场，在资本寒冬里芯片是资本关注的一个重点领域，这对中国芯片的发展是一个好事。

牛昕宇表示，能否获得资本市场是否青睐无非有两点：现在的盈利能力以及未来的盈利能力。2019年，AI芯片公司的一大挑战是如何在保持自己核心技术领先性、持续迭代产品的同时，证明自己的商业化能力，证明自己具有能够将技术优势转化为商业成功的商业模式。而实现规模商用的核心点在于找到满足客户需求的差异化优势。

黄畅表示：“AI芯片只有落地场景中才能体现其价值，也才能体现AI芯片公司的价值。对于AI芯片公司，一方面要充分发挥和培养自己的核心技术优势，不断打磨和迭代自己的产品;另一方面要深入场景，挖掘和理解场景需求，以开放的心态推动产业合作、赋能产业升级，推动AI芯片在场景中的落地。”

2019年的AI“杀手级”应用

既然产品落地在2019年对AI芯片公司至关重要，那么到底哪些AI芯片应用在2019年能更快落地和普及?需要了解的是，2018年手机芯片巨头们最新的SoC包括苹果A12、海思麒麟980、三星Exynos9820、高通骁龙855、联发科Helio P90的都已专为AI需求增加了加速单元，因此手机AI的竞争已经从硬件走向应用的探索。

手机AI之外，黄畅认为，新的杀手级应用可能来自智能IoT场景以及智能驾驶场景。他同时指出，AI应用场景非常丰富，构建开放的平台，在AI芯片上提供丰富的软件、有力的服务，赋能客户在AI芯片上开发出来更多、更丰富的应用，才可以在更广大的长尾场景上为AI落地创造机会。如果仅仅将AI芯片当成一个硬件，缺乏相应的软件和服务，没有能为开发者创造良好的生态，那芯片只能是一块石头。

据悉地平线在3年前开始投入研发AI芯片，目前第一代AI芯片已经开始大规模商业化，征程处理器在自动驾驶领域已经和全球四大汽车市场Tier1s和OEMs建立了合作关系，AIoT领域在2018年下半年为20多家设备供应商提供旭日处理器。黄畅透露，第二代芯片预计将在今年一季度流片。

苏东则看好无人驾驶和安防的落地，他表示：“2019年安防领域会有更多的应用，无论是使用海思的芯片还是做相关算法公司的芯片，可以预见会有更多的落地应用。无人驾驶也是AI芯片一个比较好的落地场景，但无人驾驶属于汽车的前装，所以周期会相对长一些。”

除了安防和自动驾驶，鲁勇看好AI芯片在智能家居领域的落地。他认为之前技术没有达到一个相对理想的状态，成本也没有下降到适合普及的程度，而2019年技术和成本都会迎来拐点，并且基于用户对智能家居越来越高的接受度，2019年智能家居也会快速普及，也将带动AI芯片的落地。

鲲云的星空加速卡在智慧城市、工业制造等领域实现批量落地，针对物联网前端的雨人加速卡也在安防、教育等领域完成了规模复制。牛昕宇表示，除了大家比较关注的安防和自动驾驶领域，工业、金融等垂直行业的差异化需求也逐渐清晰，鲲云在2019年将支持更多金融、工业制造领域的人工智能落地场景和芯片应用。

AI芯片的技术突破

受访人们看好AI芯片在2019年的落地，但AI的发展仍然需要AI芯片的不断迭代。目前AI芯片最受关注的就是算力的提升，由于AI芯片更加强调软硬一体的结合，因此软硬更好地结合提升AI芯片算力非常关键。

对此，黄畅表示软硬结合会进一步发展，芯片架构革命的机会之一在于领域专有架构(Domain Specific Architectures)，2019年我们会看到更多的领域专有架构和领域专有语言(Domain Specific Languages)的协同设计。

牛昕宇指出，鲲云科技在成立之初就有芯片+编译器，为人工智能应用提供算力支撑，降低使用门槛。

另外，内存墙问题也越来越成为AI芯片关注的焦点。鲁勇表示：“我们一直在用微弱的声音呐喊AI芯片存储是最重要的，因为存储对功耗的影响最大，探境科技用自己创新的架构解决了AI芯片的存储问题。”

牛昕宇表示：“短期而言，AI芯片公司可以在芯片架构中更多考虑对于片上数据复用以及片下内存带宽的支持，将内存墙对于性能的影响尽可能降低。在这方面，定制化架构和数据流架构由于不受指令集的限制，会比较有优势。”

黄畅认为内存墙问题在2019年会有所缓解，一方面是软硬结合适配场景可以使AI芯片公司可预先对数据的存取有更为准确地估计，从而更有针对性地设计精巧的层次化存储技术;另一方面随着场景的明确，可以进一步去除那些“不必要的精确”，采用更加激进的量化或稀疏化方式，大幅减少数据存取的压力。