最近，AI芯片市場明顯“冷”了下來。

作為芯片市場的一哥，英偉達剛剛發布的Q1季度報告表現就十分不理想。數據顯示，截至2019年4月28日，英偉達當季收入22．20億美元，環比增長1％，同比下跌31％，毛利率58．4％，環比提高3．7個百分點，同比減少6．1個百分點；凈利潤3．94億美元，環比下跌31％，同比下跌68％。數據一出，整個AI芯片市場的心態都很難不受影響。

英偉達營收下跌的因素有很多，作為高端芯片設計巨頭，就像是早年蘋果顯著優勢被不斷追趕上一般，現在英偉達也處在這樣的困局之中，創新無力，優勢漸失。因此，它的利潤下跌暗示出兩個信號：1．整個市場平均水平上升了；2．高端AI芯片市場產品性能發展“停滯不前”。

可見，形勢已然生變。

人人可做的AI芯片

從應用角度來看，AI芯片主要應用在云、邊緣和端側。其中云上最為常見的產品是AI加速器，其主要用于加速深度學習訓練和推理；而在邊緣和端側，則根據在智能手機、安防、汽車等領域應用場景的不同出現各類AI芯片。其中云端訓練需求大約占AI芯片市場的50％，云端推理需求約占AI芯片市場的25％，邊緣和端側占據25％。

數據顯示，AI芯片市場規模在未來5年將會增長10倍，到2022年達到35億美元，可以說是一個相當可觀的市場。

但是入局者很多，尤其是在應用端，國內原本做安防、語音語義、人臉識別、云計算等領域解決方案的公司紛紛開始了自研芯片的道路，從百度、阿里到思必馳、云天勵飛。而2018年大批AI算法公司開始轉向各自所在領域的AI芯片研究，這也不再讓人感到驚奇。

開先河的人是誰？似乎是特斯拉。大家應該都還記得，馬斯克“嫌棄”英偉達芯片之后自己默默地就研發了用于自動駕駛的芯片，速度很快就換下了英偉達芯片，完全是一副“很容易做”的態勢。

公開數據顯示，截止2018年底，國內芯片設計公司規模已經發展到近1700家，雖然受經濟影響，增速大不如前兩年，但是仍然有不少人想要搶奪這塊蛋糕。在AI的大背景下，人人可做芯片成為一個再正常不過的現象，這也讓這部分尚未成型的市場爭奪格外激烈。

2018年是格外熱鬧的一年，包括云知聲、思必馳、出門問問等國內不少AI初創企業紛紛推出了自己的芯片或模組。而今年年初，云知聲更是一口氣發布了三款芯片：第二代物聯網語音AI芯片雨燕Lite，面向智慧城市的支持圖像與語音計算的多模態AI芯片海豚（Dolphin）以及面向智慧出行的車規級多模態AI芯片雪豹（Leopard）；而思必馳也攜手中芯國際發布AI語音芯片TAIHANG。如此之類，比比皆是。

可以看出，尤其是在終端應用上，芯片設計巨頭的優勢正在逐漸消失。

為什么AI芯片人人可做？

“做神經網絡芯片并不難。”在剛剛結束的CAIS大會上，賽靈思人工智能業務資深總監姚頌公開表示。

言下之意，現在應用于深度學習算法的AI芯片開發起來并不是一件困難的事情。因為應用在特定領域，對于初創公司來說，專用架構設計已經沒有太高門檻，早期的初創公司如寒武紀、地平線等公司也都已經開始比拼工程能力和客戶能力。

那AI芯片到底為何如此容易做？

回答這個問題還需要回到AI芯片是什么這個話題上。

說起AI芯片，它是一個比較寬泛的概念，且至今為止都沒有一個明確的定義。從廣義范疇上講，面向AI計算應用的芯片都可以稱為AI芯片。除了以GPU、FPGA、ASIC為代表的AI加速芯片（基于傳統芯片架構，對某類特定算法或者場景進行AI計算加速），還有比較前沿性的研究，例如類腦芯片、可重構通用AI芯片等。

但后者距離大規模商用還有較長距離，暫時不會對市場造成太大影響。因此一般情況下，當我們談論AI芯片，我們通常指的是以GPU、FPGA、ASIC為代表的AI芯片，而它們本質上就是AI加速器或計算卡，即專門用于加速AI應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。

如業內人所分析，因AI芯片就是用于計算的芯片，效率高，功能相對單一，且不涉及IP授權問題，應用起來更節約資源且門檻要比通用芯片低，故而進場者眾多。

當然，除了技術本身，AI芯片市場發展的停滯不前也為入局者留有了足夠的時間。有業內人調侃說，“我去年把工作重心放在了5G，今年轉回來去做AI芯片，發現還是沒有多大變化。”

可以看出，門檻低、專用性強、AI芯片再難創新等因素都直接促使了AI公司紛紛去做自己的AI芯片。

市場混戰，誰能勝出？

不同于傳統芯片市場，AI芯片專用性強，進入門檻也相對較低，且基礎架構設計沒有特定限制，因此整個硬件市場頗為“混亂”，資源也比較分散。

發展兩年下來，“魚龍混雜”成為AI芯片市場的發展現狀，不再抱著參數和性能說話，走競價路線成為芯片廠商不得不做的轉變。

在談到這一問題時，姚頌也明確表示認可。

他認為公司在做AI芯片時其實就是在做產品，“能不能用、好不好用和用戶能不能離得開”成為衡量AI芯片的三大標準。

“底層技術過關是基礎，贏得市場還是要看軟件服務乃至生態。而一款芯片到底好不好，性能參數并沒有那么重要，重要的是其在具體應用中的表現。”

在舉例時，姚頌提到，即便是在賽靈思做的最不為人知的汽車領域，其芯片在實測場景中也已經能夠達到每一百萬芯片中低于2顆芯片的缺陷數和每10＾9小時內發生錯誤數大概在12次的優秀表現。沒有參數，沒有性能，只有客戶與應用數據，而這就是最大的“話語權”。

確實，對于早期進場且有了眾多芯片產品的AI芯片公司們，如寒武紀、地平線、百度，甚至包括英偉達，都開始沉下心來做市場，同時在下一代芯片的定義和設計上，他們也都謹慎和冷靜了許多。

用一句話描述2019年的市場，AI芯片產業相對平靜，“熱度”都傳導到了應用市場。

AI芯片困局：競爭力與差異化

目前，無論是初創公司還是芯片設計巨頭，壓力都是與日俱增。一般而言，只要有應用場景的支持、足夠的資金和工程能力，AI芯片做出來不會成為大的問題。但對于AI芯片這一新興市場而言，談市場布局實在有些為時過早，大家心中都明白這將是一場持久戰，而產業真正的未來和發展方向還是取決于創新。

從現有的市場情況來看，2019年整個產業趨于平靜也反應出了大家已經逐漸從保證功能的粗放設計轉變為提高競爭力和差異性的精耕細作了，但要做出競爭力和差異化卻不容易。

如何提高競爭力？

上文提到，想要贏得客戶，做服務、建生態是當下打開市場的出路，但是“硬件好做，軟件難”卻是大家普遍反映的問題。

有業內人指出，無止境的軟件工具優化讓大家備受困擾，從單核、多核到多芯片、多板卡，再到神經網絡算法與非NN算法、異構系統、軟硬件聯合優化，軟件工程師會遇到各種問題，這都將為大家不斷深耕上層的帶來阻力。

最近，臺灣成立的“臺灣AI芯片聯盟”（AI on Chip Taiwan Alliance，簡稱AITA）就是為了合力為AI芯片的開發構建相對完善的軟件開發環境和生態，以推動芯片的商業化。

而做出差異性就更是一件難上加難的事情，盡管這很可能是AI芯片公司發展的最終出路。

對于差異化這件事，尤其是在現有的商用AI芯片基礎上，業內普遍認可的是AI芯片架構創新。但有前車之鑒，對于現在AI芯片架構熱潮會不會重蹈三十年前的體系架構熱潮的失敗，誰也不敢保證。

不過從業內各人士發出的聲音來看，向通用方向發展成為最易落地的方案。百度昆侖芯片的架構師歐陽劍就結合他們的研發經驗指出通用性會越來越重要，同時曾經力挽展訊于狂瀾之中的芯片設計工程師李力游就稱未來云—端通用的芯片將不會是夢，而這必將打破現有的市場格局。

最后

從全球市場覆蓋率來看，雖然如今英偉達的優勢逐漸被趕超，但云端的訓練和推理市場幾乎被英偉達包下，邊緣和端側的應用則主要被三星、高通、英特爾、英偉達等廠商占據，除了華為，鮮有國內廠商出現在市場占有率前沿的名單上，這是不爭的事實。

此外，國內第一梯隊的AI芯片設計公司在高性能芯片上尚未形成強競爭力也是需要關注的地方。可見，賣片只是第一步，路漫漫其修遠兮。