搭上「东数西算」快车，AI芯片发展的核心问题是什么

无论是基础的数据中心供应商，还是腾讯云、阿里云等云计算巨头，纷纷表态紧跟“东数西算”动向。

2022-03-09 08:41 · 微信公众号：港股研究社　港股研究社　　

近期，“东数西算”得到广泛响应。作为布局着眼全国和全产业链的规划，它带来的全局效应不亚于汽车领域对新能源的大手笔支持。

因此，无论是基础的数据中心供应商，还是腾讯云、阿里云等云计算巨头，纷纷表态紧跟“东数西算”动向。

其中，AI芯片这个曾经火爆一时的细分领域，又再一次站在了市场的视野中央。中金公司等机构强调，云端AI芯片作为算力基础，市场前景十分广阔。这一次，它能不能讲出什么新故事？

AI芯片的四大原始动力

AI芯片，顾名思义，就是以以高算力/完成训练任务为目标的CPU/GPU/FPGA/ASIC等多种类型芯片。“东数西算”工程的定位中，西部数据中心更加聚焦存储备份、离线处理等任务。因此，云端处理的重要性凸显，而相应的要求是强算力、高功耗、弱延时。云端AI芯片正好能与西部数据枢纽协同，承接其任务。

不过，这并不是AI芯片领域*次起风。深聪智能董事长周伟达在雷峰网的采访中表示：“2017年左右，传统做芯片的人看到了AI的机会，开始了AI芯片的创业，到了2018年之后，做AI算法的公司也开始了自研芯片。但到了2019年之后，新创立的AI芯片公司越来越少。”实际上，2018年正是AI芯片创业高峰。

当时，业界和投资者的期待主要有四大原因。*，智能网联汽车兴起，汽车厂商大量行驶数据需要应用，就要把数据训练为智能驾驶仿真模型，并且持续优化，最终完成真正的自动驾驶迭代。这个过程对于智能算力的需求是持续提升的。截至目前，这依然是AI芯片最被看好的领域之一。

第二，云端AI模型大型化，基于海量数据的通用特征训练出大规模预训练模型已经成为云厂商提高AI模型生产效率的有效手段。

第三，自动驾驶、云游戏等新场景下对于计算实时性的要求带动了边缘计算市场快速发展，边缘计算已成为拉动AI算力需求新的增长点，通信和计算架构发生明显改变。

第四，AI技术可为虚拟对象的行为赋能，提升用户在虚拟世界中的沉浸感，VR/AR场景可能爆发。

遗憾的是，彼时身处热潮的行业显然高估了需求的推动力，低估了AI芯片开发周期和应用磨合的难度。一款芯片需要2-3年从立项到量产，但这仅仅是*步，芯片的利用需要完整方案和平台，这需要又一次开发，再加上客户在运用过程中的再开发，AI芯片的落地周期可以超过四年。

因此，曾经的热潮到现在，剩下的玩家已经不多，并且都是已经在领域内有所成就的公司。比如商汤科技自研设计AI专用算力芯片STPU已经量产，边缘端AI芯片、用于服务器的AI推理芯片和传感器ISP芯片都在研究中，而其上市前招股书就透露，募资的10%将用于加强AI 芯片的设计能力及开发自有的AI 芯片解决方案。

2021年初，腾讯参投云端AI芯片企业燧原科技的18 亿人民币C轮融资。而早在2018年腾讯就已经领投该公司的3.4亿元Pre-A轮融资。2021年12月，阿里参与领投瀚博半导体16亿人民币的B-1和B-2轮融资，该公司产品线包括专注云边AI推理和视频产品的SV100系列产品线。

跨越软硬件结合的难关

AI芯片之所以难以跑出胜利者，原因不在于目前设计和制造的难度——它已经有一套成熟的流程和许多有经验的团队。

问题在于应用场景和平台，AI芯片的定位决定了，它自身并不是一个能直接带来产出的独立产品，必须服务于一定的业务需求，才能实现有效的应用。而现实情况中，很多客户并不具备自主使用AI芯片开展业务的能力，需要完整的解决方案作为辅助。

换句话说，AI芯片作为硬件，需要与软件协同进行成果产出，最后再作用于软硬件一体的系统，比如智能驾驶，否则强大的计算能力就失去了意义。

这个领域的霸主是英伟达，英伟达的GPU在AI应用中除了能处理AI负载，还能进行图形计算等。

这导致了一些寡头格局的后果，比如目前深度学习框架是谷歌Tensorflow和Meta公司Pytorch双垄断，AI芯片是英伟达一家独大。

软件平台厂商对AI芯片的适配能力是有限的，只能选择一定数量的头部玩家进行优先的优化。目前，这个位置属于英伟达。

不过，行业内公司自主开发的脚步从未停止。早在2016年，百度就推出了我国*个深度学习框架，而后，华为在2020年也推出了自己的深度学习框架。

值得一提的是，华为实现了AI领域从底层芯片到语言再到深度学习框架的全部自研。但要真正解决软硬件问题，还有很长的路要走。

1月24日，商汤科技宣布上海临港人工智能计算中心（AIDC）正式启动运营，这是亚洲*的人工智能计算中心之一。

2021 世界人工智能大会上，商汤与中国电子技术标准化研究院、中国信息通信研究院、清华大学、复旦大学、上海交通大学及多个行业伙伴共同成立了“人工智能算力产业生态联盟”。目的在于对软硬件的边界，形成一个足够标准、通用的接口层，从而促进国产芯片产业化。