后摩爾定律時(shí)代扛旗者誰(shuí)？淺談芯片市場(chǎng)算力之爭

天下武功，唯快不破？

“中興被禁”事件，給國內市場(chǎng)的第一喝棒指向芯片制造。這是我國的短板，也是智能產(chǎn)業(yè)最重要的“剛需”。從2008年開(kāi)始，連續十年芯片都是我國第一大宗進(jìn)口商品，占據了國際需求市場(chǎng)的50%，2017年的進(jìn)口數量為3770億塊，花費金額為2601億美元。這些芯片被搭載在了智能手機、電視、電腦等多種硬件中，而這些產(chǎn)品的生產(chǎn)量均占全球總量的半數以上，其中電腦更高達95%。

對于傳統芯片而言，接下來(lái)需要奮起直追，而另一方面，AI芯片的迅速爆發(fā)也給中國芯片產(chǎn)業(yè)帶來(lái)了久違的起跑線(xiàn)驕傲。據市場(chǎng)研究公司Compass Intelligence發(fā)布的上半年研究報告顯示，在全球前24名的AI芯片企業(yè)排名表中，英偉達(Nvidia)、英特爾(Intel)以及IBM(NPU)分別位列前三名，中國公司占據了七個(gè)席位，最高名次是排行第12的華為。

困局之中破局是唯一的出路，AI芯片可能就是那個(gè)突破口。作為計算芯片的一種，它正在對傳統（計算）芯片發(fā)出挑戰。

AI芯片是趨勢使然

根據摩爾定律，當價(jià)格不變時(shí)，集成電路上可容納的元器件的數目，約每隔18-24個(gè)月便會(huì )增加一倍，性能也將提升一倍。如何在相同的面積內放入更多的元器件？這對于制作工藝而言是一個(gè)極其大的挑戰，而這一工藝的提升速度是緩慢且艱難的。因此，在算力、性能等方面，當前的集成電路相當于到了一個(gè)“瓶頸期”。

與此同時(shí)，AI逐步發(fā)展并落地，面對海量數據的實(shí)時(shí)采集和處理，“算力”成為了一項至關(guān)重要的必備條件。然而當前的AI算法訓練、推理等，還是依賴(lài)英偉達、高通等廠(chǎng)商提供的傳統芯片。但是，不管是高通驍龍系列，亦或是英偉達GPU等傳統芯片，其當初被研發(fā)出來(lái)的目的并不是針對AI算法，這也就意味著(zhù)，在A(yíng)I算法加速方面，它們多是“心有力而余不足”的。目前，它們所能做的，也僅是在自己原有產(chǎn)品之上加注AI算法，變身為“通用AI芯片”。但究其本質(zhì)，它們并沒(méi)有脫離“傳統芯片”行列。

舉個(gè)例子，行車(chē)途中前方突然出現障礙物，如果是CPU，雖有AI優(yōu)化，但本身架構致使其在算法加速方面有所限制，導致數據處理等相對較慢，從而拉長(cháng)了時(shí)間線(xiàn)，也因此當汽車(chē)意識到前方有障礙物時(shí)，可能已經(jīng)撞上了；若是采取并行計算的GPU和針對AI算法加速的AI芯片，汽車(chē)將在極短時(shí)間內提前發(fā)現障礙并作出預判，但是GPU耗能太大，用不了多久就會(huì )耗盡汽車(chē)的電池電能。相比之下，AI芯片才是最佳方案。

另外，AI芯片創(chuàng )企異構智能中國區副總裁謝強此前在鎂客網(wǎng)M-TECH論壇上表示，CPU、GPU等通用處理器市場(chǎng)已經(jīng)沒(méi)有機會(huì )了，他們現在所能做的就是把各種各樣的終端AI芯片做到極致，配合CPU、GPU等搭建一個(gè)小系統，這就是一個(gè)很好的解決方案。

如果說(shuō)在傳統芯片領(lǐng)域，我國“反超”的機會(huì )不大，且消耗的多項成本過(guò)高，那么“AI”芯片的大面積布局，將是此領(lǐng)域關(guān)乎國家戰略層面的重要機遇。也由此在風(fēng)起云涌間，傳統芯片與AI芯片難免狹路相逢。

傳統芯片不要慌，AI芯片尚有短板

相比于針對算法而研發(fā)的AI芯片，不管是算力還是功耗，包括GPU等在內的傳統芯片在內的傳統芯片都無(wú)法相比。

以百度“昆侖”與英偉達“Xavier”為例。百度開(kāi)發(fā)者大會(huì )上，李彥宏稱(chēng)“昆侖”是迄今為止業(yè)內算力最高的AI芯片，能在100w以上的功耗提供260萬(wàn)億次/秒的運算速度，而英偉達“Xavier”的算力大概是30萬(wàn)億次/秒，功耗為30w。從性能和功耗的比值來(lái)看，以百度“昆侖”為代表的AI芯片暫時(shí)領(lǐng)先。

云端芯片市場(chǎng)，號稱(chēng)一霸的英偉達面臨著(zhù)谷歌、百度、華為等競爭對手的“虎視眈眈”。而占據手機終端芯片的高通，就AI算法加速而言，雖然它也聲稱(chēng)自己是AI平臺，但本質(zhì)上還是利用AI算法對原有既定框架進(jìn)行優(yōu)化，不能定義為真正的AI芯片。

盡管AI芯片來(lái)勢洶洶，但短板也非常明顯。

事實(shí)上，目前還沒(méi)有出現像CPU一樣的AI通用算法芯片，一劍封喉的應用還沒(méi)出現。首先，AI芯片的量產(chǎn)問(wèn)題是頭部短板。不同于已經(jīng)定性的傳統芯片，AI芯片從架構到設計等多個(gè)層面都會(huì )是一種全新的顛覆。當前，雖有幾家初創(chuàng )公司表示他們的產(chǎn)品已經(jīng)實(shí)現了一種量產(chǎn)，但最終多是應用于自身產(chǎn)品和產(chǎn)業(yè)鏈，算不得真正的量產(chǎn)。

其次，AI芯片欠缺完整成熟的產(chǎn)業(yè)鏈。在早前由鎂客網(wǎng)主辦的“M-TECH AI芯片商業(yè)化之路”論壇上，多家AI芯片初創(chuàng )公司的嘉賓都表示，云端芯片市場(chǎng)的大部分空間已經(jīng)被英偉達占據，AI芯片創(chuàng )企在其中沒(méi)有機會(huì )，之所以形成這樣的局面正由于其產(chǎn)業(yè)鏈的建立。產(chǎn)業(yè)鏈構建完整，AI芯片從上游設計到中游解決方案、再到下游應用場(chǎng)景落地才能流暢。

再次，AI芯片的工作只是加速AI算法，但在整個(gè)主板上，這只是芯片所要計算的一部分。于其他方面，還有更多的計算工作，而它們中間的多數，并不需要AI芯片的介入，比如數據存儲等等。

當然，主流架構探討、算法通用可實(shí)現性、剛需應用場(chǎng)景等也是AI芯片需要攻克的問(wèn)題。

短期之內，如英偉達這樣的芯片行業(yè)巨頭，其GPU因為算力尚且能夠滿(mǎn)足當前AI算法加速的需要，雖然耗能表現不佳，但是出于產(chǎn)業(yè)的需求，仍然是占據了當前市場(chǎng)的主要份額。

總結：新舊更迭，背后都是市場(chǎng)法則

不管是CPU、GPU等傳統芯片，還是AI芯片，它們出現的根因皆是因為市場(chǎng)有了新需求，繼而才會(huì )形成趨勢，最終落實(shí)為產(chǎn)品。這其中，有著(zhù)時(shí)代的更迭，也有著(zhù)技術(shù)的進(jìn)步。

這方面，AI芯片本身就是一個(gè)典型的案例。因為計算的需要，人們開(kāi)始研發(fā)芯片，從而誕生了CPU、GPU等。之前很長(cháng)一段時(shí)間內，CPU一直做著(zhù)主要的任務(wù)處理和數據計算工作。之后隨著(zhù)AI的出現，CPU的算力遇到了挑戰。反之，因為并行運算架構，以往并不起眼的GPU開(kāi)始煥發(fā)光彩。不過(guò)，它們終究不是為AI算法而定制的，也因此，迎合產(chǎn)業(yè)需求發(fā)展的AI芯片出現了。

長(cháng)遠來(lái)看，出于對算力、功耗等多方面的考慮，就AI算法加速方面，AI芯片取代傳統芯片是一個(gè)必然的結果。屆時(shí)，AI芯片或將與CPU、GPU等一起集成到一個(gè)完整的處理器中，諸如寒武紀NPU被集成至麒麟970一般，又或者，AI芯片也將作為獨立處理器存在，這一切目前還是未知數。

不過(guò)，可以確定的是，就當前而言，我國在A(yíng)I芯片的研發(fā)上已經(jīng)站在了世界前列。一旦AI芯片實(shí)現量產(chǎn)，除了迎合智能時(shí)代產(chǎn)業(yè)發(fā)展的需求，我國還將在芯片產(chǎn)業(yè)中獲得一定的話(huà)語(yǔ)權，在當前核心技術(shù)缺失的困局下實(shí)現“彎道超車(chē)”。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！