中國的“芯”事，因為中興事件再次成為熱點。

近日，市場研究顧問公司Compass Intelligence發布的最新研究結果顯示，在全球前15大人工智能（AI）芯片企業排名表“A_List”中，前三名依序為英偉達（Nvidia）、英特爾（Intel）以及恩智浦（NXP），蘋果排名第8名、三星第09名；華為第12名，成中國大陸地區最強芯片廠商。

從這個排名中我們可以看到，與通用芯片領域的格局不同，雖然老牌芯片和半導體公司依然位列三甲，但是AI芯片領域，已經有非芯片領域的科技公司開始奮起直追。

星河互聯人工智能事業部總經理劉瑋瑋介紹到，從行業上來講，主要用于底層運算的芯片大概有三個方向：

第一個方向是以英偉達為代表的GPU方案，很多企業正在使用的通用芯片；

第二個是FPGA方案，作為專用集成電路（ASIC）領域中的一種半定制電路而出現；

第三個是自研集成電路，比如中國深鑒、寒武紀、地平線這些公司的產品。

他表示，對于AI行業來說，自研一種真正適合AI運算的專有芯片是最理想的發展方向。目前AI行業本身還處于發展初期，因此AI芯片的格局也尚未明朗，中國有彎道超車的可能。

劉瑋瑋丨人工智能事業部總經理

北京航空航天大學集成電路工程碩士，10年工作經驗。聚焦于人工智能、智能硬件、VR領域的早期投資及聯合創業。前京東智能戰略投資負責人，京東智能核心管理團隊成員。專注于京東智能集團業務規劃、行業分析，協助總裁制定公司戰略，以及大戰略項目合作等職責。后期負責京東智能早期項目投資，對智能硬件生態、行業理解深入，有創建實操經驗。先后在三星電子、中興通訊做硬件研發、咨詢師、戰略項目管理等。

中國芯片產業結構的缺失

中興事件的發生暴露出了中國芯片產業結構的缺失。中國只有中低端芯片的研發能力，沒有高端芯片。

不久之前與中興進行過一次交流，他們很早之前就意識到了核心芯片的問題，卻一直沒有布局，沒有戰略性的布局。相對來說，華為要好一些，早年間布局了海思半導體，主要應用在手機處理器。但是總體上，通信領域的核心部件都要從美國進口，例如高速數模轉換芯片，激光器、接收機的芯片等等。這些部件，中國都沒有自研的能力。

不僅如此，核心器件的采購本身也有瓶頸。以光器件為例，有非常長的供貨周期，不易采購，需要隨時做好備案。人工智能最火的時候，做深入學習的英偉達GPU Titan很難采購，當時通過代理采購三到四個月以后才能拿到貨。

通信領域芯片尤其是光器件的采購是伴隨電信市場的“光進銅退”背景，即光通信市場的發展而產生的，包括骨干網、城域網、以及接入網都已經或者正在進行光纖化。同時，數據中心(IDC)網絡建設需要用到光纖光纜、光通信設備以及光器件/光模塊。

近年來，隨著政府、金融、電信、游戲、視頻、電子商務等行業數據集中化、虛擬化趨勢形成，IDC 已經成為支撐用戶日常業務運作最重 要的基礎設施。云計算大發展，為光器件，尤其是高速光模塊行業帶來了全新的發展機遇。

我國AI創業主要集中在應用層

對于人工智能領域的創業來說，中國高端芯片的缺失已經形成了一定掣肘。

例如自動駕駛領域必備的激光雷達，需要高速數模轉換器，目前都需要進口。受限于芯片問題，有一些創業團隊正在嘗試從技術上繞開數模轉換，但項目鳳毛麟角而且大都不成熟。還有機器人的核心部件：伺服電機、諧波減速器、控制器等，高端產品基本以日本、韓國和歐洲為主，都需要采購。中低端產品中國也可以做，但是性能、質量等還有較大差距

基于這樣的現實，近兩年大部分人工智能項目都集中在應用上，主要做產品和集成，屬于應用型項目。

從整個早期投資的行業分布上，也可以看出大都集中在應用層。大數據、智能制造、云計算、金融、醫療等領域是最受中國資本市場關注的領域。就2017年的人工智能的技術應用而言， B端的企業級應用相對容易落地，人工智能技術帶來的成本降低和效率提升，在安防、智能客服、金融、政務等領域，以及行業機器人在巡檢、警用安防等領域都已經得到了一定程度的商業驗證。

AI專用芯片中國正齊頭趕上

雖然在通用芯片領域中國已經失去先發優勢，但是對于AI芯片，我們看到了不同的市場面貌。

目前， 主要用于底層運算的芯片，從行業上來講，大概有三個方向：

第一個方向是以英偉達為代表的GPU方案，很多企業正在使用的通用芯片；

第二個是FPGA方案，作為專用集成電路（ASIC）領域中的一種半定制電路而出現；

第三個是自研集成電路，比如像深鑒、寒武紀、地平線這些公司，他們都在自己做一些專用的人工智能芯片，用來做深入學習的訓練或運算。

GPU的運算架構恰好適合于深度學習大量的并行計算，因此迅速進入了AI市場，FPGA的特點在于和硬件結合比較緊密，編程比較靈活，底層配置和構建比較靈活。但從開發難度、架構難度到功耗、成本和運算成本等角度，這兩種方式都有弊端。所以最理想的方式，就是自研一種真正適合人工智能運算的專有芯片。

當然,專有芯片研發周期長、成本大，比起GPU等通用芯片，專有芯片的研發尚處于早期，競爭格局也尚未明朗。競爭格局不明朗，對于中國來說，就意味著機會。

1、國家政策利好。第一是產業政策，中國的產業園或者說產業政策本來就有聚焦效應，這對于芯片產業的發展來說非常重要；第二是資本市場支持，芯片作為國家核心科技戰略很難去美國上市，國家未來一定會讓其在A股上市，對于收入、利潤滿足不了現有A股上市標準的，將會有一系列改革，這是必然趨勢，現在國家已經有指導意見但還沒有細則；第三，國家有可能從補貼的角度給予芯片創業項目支持。

2、新興技術領域中國并未落后。近幾年在人工智能、無人駕駛、VR/AR等新興技術領域，中國并未落后，最為典型的就是人工智能領域，中美的差距不是特別大，并不像工業時代。

3、人工智能設備的本地化計算趨勢是自研芯片的機會。過去人工智能設備都是云端運算，但是云端識別在運算速度、網絡占用、交互體驗等方面都有很大的弊端，比如智能音箱簡單的喚醒功能需要將信息上傳至服務器，經過云端處理之后再返回至本地機器人，一旦網絡出現問題，整個交互體驗都會受到影響。因此，未來本地化運算將是人工智能發展的趨勢之一，未來如果每臺終端都有一個本地化的計算芯片，體驗會更好。

4、通用芯片大廠的路徑依賴，為自研芯片的發展創造了時間和空間。移動互聯網時代英特爾轉型移動端芯片是失敗的，巨頭多年巨額的研發支出，很難被摒棄。

芯片的競爭本質上是運行速度和成本的競爭。通用與專用，GPU、FPGA、ASIC三個技術路線如何實現分工和接替，是接下來AI芯片市場的一個焦點。

AI芯片的投資和創業邏輯

基于人工智能的發展趨勢，我們認為基于軟件算法的技術創新類項目未來競爭壁壘會進一步降低，而硬件技術的創新比軟件算法創新更具壁壘，同時在大廠路徑依賴的情況下，某些領域創業公司反而更快、更有優勢。

但是，芯片研發周期性很長，研發成功率低，是一個資金密集型和人力密集型行業。作為門檻較高的領域，要實現國產芯片的趕超，做芯片的創業公司對團隊和投資人都有一定要求。

首先需要團隊背景過硬，團隊本身有強大的技術、資源等光環，只有這樣的團隊才更容易獲得資本的支持。目前發展比較好的深鑒科技、寒武紀都是這樣的團隊。

二是投資者需要了解行業。芯片投資是高風險、高回報的，芯片創業不像做企業服務，3個月產品就能上線，半年之后產生數據，芯片的研發就需要三到五年，芯片的投資也是長期的而不是短期的，這是跟其很多行業都不同的投資邏輯。

作為投資人，必須懂芯片，才能了解為什么在天使階段就有高估值，才了解行業規律愿意承擔投資的風險，在早期參與進去并且保證創業團隊不會因為資金問題而無法堅持。

目前我國已經在政策層面多次出臺相關文件，將人工智能作為重點布局領。AI芯片是AI行業發展的必然路徑，行業驅動因素較為明顯。雖然目前英偉達在GPU上獲得了較高的地位，但隨著技術的演進以及前端芯片的打開，未來行業格局仍有可能有較大的改變。

基于芯片的強需求性，以及目前芯片運行速度和成本均無法滿足現有需求的現狀，星河互聯會重點關注AI芯片領域。