芯片驱动着每一次的科技革命，与此同时，新的时代也将给芯片行业带来新的增长点。如今，AI热潮正在推动AI芯片市场快速增长。根据Allied Market Research去年发布的报告，2017年全球机器学习芯片市场规模约24亿美元，预计到2025年这一市场规模将达到约378亿美元，复合年增长率（CAGR）为40.8％。
高速增长且短期内规模将达百亿美元的AI芯片市场不仅驱动着传统芯片公司战略和技术的转型，同时还吸引了不少新的玩家，这其中有巨头也有初创公司，有的擅长硬件，还有的从算法和软件切入。但无论如何，对于企业而言关键的是能够在市场上占领一席之地，那么，芯片公司有多少种路径可选？？
巨头的生态化战法
目前，AI芯片领域有两类巨头参与其中，一类是传统的芯片巨头，比如英特尔、英伟达、AMD，另一类是更擅长软件的科技巨头，比如谷歌、Facebook、亚马逊、百度、阿里、腾讯。
传统芯片巨头顺势而为
传统的芯片巨头往往能够更早享受到新的时代带来的利好。比如始于2012年的第三次AI热潮，凭借着GPU的并行运算优势，在众多创业者刚开始准备AI芯片的创业甚至还未开始创业之际，英伟达就在2016年推出了第一款专为深度学习优化的Pascal GPU，伴随着Pascal GPU的出货，英伟达成为了众多AI芯片公司想要超越的目标。当然，为了从AI市场获得更高营收，英伟达也在持续更新针对深度学习优化的GPU。
英特尔也快速从AI中获利，并且它们获益的一个重要原因就是云计算的普及以及数据中心不断增长的AI需求。因此，在服务器市场占据明显优势的Xeon（至强）芯片给创立超过50年的英特尔率先带来AI营收。但摆在英特尔面前的问题是，通用性很强的CPU并不擅长并行计算，因此想要继续保持在芯片领导力仅靠至强处理器显然还不足够，还需要进行战略和技术上的转型。因此我们看到，2016年中旬，时任英特尔CEO的科再奇（Brian Krzanich）在博客上提到：“要把英特尔从一家PC公司转型为一家驱动云计算和数以亿计的智能、互联计算设备的公司。”如今，英特尔已经从过去的以晶体管为中心坚决地转向以数据为中心，并将“万物互联”定为未来发展趋势。
而英特尔用以支持战略转型的就是六大技术支柱，包括制程、架构、内存、互连、安全、软件。仅看芯片，英特尔除了CPU，借助收购已经拥有了FPGA、自动驾驶专用处理器、神经网络处理器，明年还将推出自主研发的独立GPU Xe，而这些处理器都可以用于AI。
科技巨头“被迫”自给自足
相比传统芯片巨头们的顺势而为更好地满足市场需求，更擅长软件的科技巨头们则有种被迫进入芯片领域的意味。在智能设备的普及达到一定程度且AI大热之时，积累了大量数据的科技巨头们更加意识到挖掘数据价值能够带来的优势，对AI芯片强烈的需求也由此产生。
但随着AI算法的发展以及对AI技术应用的逐步深入，科技巨头们发现两个明显的问题，第一是现有的AI芯片的算力并不能很好地满足他们的需求，第二是深度学习的GPU售价高昂。因此，算力不足、芯片价格高昂以及个性化需求没有很好地被满足成为了科技巨头们自主研发AI芯片的驱动力。
在众多选择自主研发AI芯片的科技巨头中，谷歌的脚步更快一步。2011年谷歌就开始认真考虑使用深度学习网络，但这些网络运算需求高，令他们的计算资源变得紧张。2016年5月，谷歌在I/O大会上首次公布了自主研发的TPU，并称这款芯片已经在谷歌数据中心使用了一年。2018年发布的TPU 3.0性能可达100PFLOPS，能效可达GPU的几十甚至上百倍。
谷歌之后，国外的Facebook、亚马逊，国内的百度、阿里也纷纷开始自研AI芯片，成为了这一轮AI热潮的一个亮点。巨头们希望借自主研发的AI芯片以更低的成本满足自身的个性化需求，最终获得更大的优势。
初创公司各有绝招
如果说巨头们进入AI芯片市场有些被迫的意思，但他们至少拥有充足的资金，也不用太过担心芯片的市场接受程度。但AI芯片初创公司们不仅缺乏资金，能否获得市场的认可还面临巨大的不确定性，因此对于AI芯片初创公司而言，想要在AI芯片市场分一杯羹，都需要各出绝招。
既然资源有限且风险更大，除了需要明白自身的优势之外，初创公司们还需要谨慎地思考诸多问题。比如：到底要做云端还是终端芯片？要做视觉芯片还是语音芯片？用哪一种芯片类型更合适？面向哪些市场？用什么样的商业模式？这一系列的问题都指明，芯片领域已经门槛够高，难度够大，想要在新兴的AI芯片市场获得一席之地，虽然难度更大，但路径也更多。
被巨头收购
对于初创公司而言，被巨头收购显然是一个不错的结局。比如被英特尔收购的Mobileye、Nervana。还有在国内引发巨大关注的赛灵思收购深鉴科技。但想被巨头收购，与巨头关系的亲密成都以及能否增强其生态实力非常关键。比如深鉴科技2016年成立之后，就一直基于赛灵思的技术平台开发机器学习解决方案，两家公司合作密切。当然初创公司也需要有自己的创新，深鉴科技在FPGA 2017大会上，其论文被评为唯一的最佳论文。关于这个话题，更多可参考雷锋网(公众号：雷锋网)此前的《什么样的AI芯片初创公司会被科技巨头收购？》一文。
看准市场抢先进入
认清自身的优势，能够抢夺市场先机并看准市场也是初创公司获得成功的有利因素，比如地平线、云天励飞和寒武纪等初创公司。地平线在2015年成立，目前第一代AI芯片已经实现大规模商业化。在智能驾驶领域，地平线已经和全球四大汽车市场Tier1s和OEMs建立了合作关系。在AIoT领域，地平线携手合作伙伴已赋能多个国内一线制造企业、现代购物中心及知名品牌店。
云天励飞同样成立时间很早，2014年成立后，经过两年其基于IFaaS 1.0的云天“深目”在深圳龙岗公安分局上线，率先实现“百万人群，秒级定位”，在“深目”动态人像识别系统已经成为现象级产品之后，云天励飞在2018年10月流片了具有自主知识产权的DeepEye1000 嵌入式视觉AI芯片，进一步将产品的应用场景拓展至机器人、无人机、智慧城市、新零售等AI边缘计算场景。
寒武纪同样率先进入了AI芯片市场，并且凭借2016年的终端AI智能处理器，成为了海思麒麟处理器实现AI的关键部分，当然也应用于数千万的智能手机中。2018年寒武纪又推出云端处理芯片，完成了云端+终端AI芯片的布局。
技术实力，加上先发优势成就了一些AI芯片初创公司。
将算法优势延伸至硬件
在AI时代，软硬一体的重要性更加突显，因此除了擅长硬件的初创公司之外，也有一些公司本身擅长算法向硬件领域延伸。思必驰就是一个典型的代表，虽然思必驰在2007年就成立，并且专注智能硬件的自然语音交互，但其直到2019年初才发布第一代AI语音芯片。这背后的逻辑是，作为擅长算法的思必驰，此前采用第三方的芯片就可以满足需求，但随着语音算法的演进以及市场竞争的加剧，对AI语音芯片提出了更高要求，并且，拥有自研的芯片能够更好地发挥软硬一体的优势，更有利于参与市场的竞争。
触景无限同样有AI算法的优势，自2016年开始就已经提供了实际的前端感知产品，也更了解现有芯片在安防场景落地时的痛点。为了把前端感知的优势进一步增强，触景无限也在逐步加大对芯片的投资。将携手国内知名芯片企业，打造人工智能感知芯片（SoC），为下一代人工智能感知领域提供端到端的全方位解决方案。相较于现有的前端AI芯片，他们的前端感知芯片将从设计伊始就瞄准应用落地，以多年的前端经验打造真正适合安防市场的芯片。
寻找独特的产品+市场
从图像AI芯片到语音AI芯片的两大类AI芯片，从硬件到算法的不同切入角度，上面我们提到的初创公司都主要在终端AI芯片市场。由于云端AI芯片市场巨头的生态优势难以被打破，因此，即便云端AI芯片市场利润更高且市场需求更加稳定，但大部分初创公司依然只能放弃这一市场。
但也有例外，比如成立于2015年的天数智芯，他们既不主攻AI算法，也不是单纯硬件公司，而是定位为一家软硬件结合的系统级公司。天数智芯从提升软件算力上入手，把软件作为承载其生态的关键，迅速在行业场景中推出具体落地的应用解决方案，为芯片产品获取一个入口，适时推出AI芯片，通过软件加硬件的方式不仅提升算力的均值，还将提升算力的峰值。同时通过可透明迁移的软件平台更好的获取客户，并以特定领域的应用获得认可，再以通用的芯片向更多应用领域拓展。目前，天数智芯的边缘侧AI推理芯片已经在FPGA上验证并得到客户认可，今年下半年可供货。同时，预计明年将推出国内首颗高端 GPGPU芯片用于云端训练。
除了上述四种路径之外，初创公司还有许多种路径可选，比如芯片架构创新、商业模式创新、用更快的速度满足市场需求等等。但最为关键的是，拥有创新的技术，并且能够获得市场的认可才是能够在AI芯片市场立足的关键。
想要更进一步了解AI芯片公司到底如何取得成功，以及巨头和独角兽如何看待AI芯片的落地，快来参加将于2019年7月13日由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办的CCF-GAIR全球人工智能与机器人峰会的AI芯片专场。在AI芯片专场，芯片巨头英特尔，AI芯片商用化进程处于不同阶段的初创公司，包括地平线、云天励飞、思必驰、触景无限、天数智芯等公司的重磅嘉宾将会分享他们关于AI芯片需求和落地的独到见解。资本作为影响AI芯片落地的关键，未来资本将如何推动AI芯片的落地以及芯片市场未来的机会在哪？华登国际的投资人将分享其前沿的观点。当然，AI芯片专场还为你准备了一个小惊喜，中国开放指令生态（RISC-V）联盟秘书长包云岗教授将为你解读当下非常火热的RISC-V架构如何帮助芯片公司更好地抓住AI和5G市场。
具体请参考AI芯片终版议程，还有惊喜大咖正在确认中，议程可能有微调：雷锋网
更多信息请查看CCF-GAIR 2019 官网
