1705
作者：鵬程
隨著聊天機(jī)器人和其他生成式AI應(yīng)用程序變得越來越流行，人們對(duì)AI推理的需求將呈指數(shù)級(jí)增長(zhǎng)，該市場(chǎng)規(guī)模最終將達(dá)到數(shù)百億美元。AI芯片需求快速增長(zhǎng)，市場(chǎng)規(guī)模增長(zhǎng)顯著。
從谷歌的TPU、蘋果的M1和M2、微軟Maia 100和Cobalt 100、Meta的MTIA、亞馬遜的Trainium和Inferentia、特斯拉的Dojo，到英特爾的FPGA系列、AMD的MI300系列……
巨頭們一次次沖擊著英偉達(dá)的帝國(guó)圍墻。而在AI競(jìng)速的大時(shí)代里，涌現(xiàn)了一大批初創(chuàng)GPU、AI芯片公司，這些從業(yè)者和科技廠商們無不在找尋突破口。全球初創(chuàng)企業(yè)如今正試圖證明它們可以在某些應(yīng)用領(lǐng)域提供比行業(yè)巨頭英偉達(dá)更好的芯片解決方案。
雖然英偉達(dá)的GPU繼續(xù)主導(dǎo)人工智能（AI）領(lǐng)域，但AI初創(chuàng)企業(yè)認(rèn)為，GPU的高能耗和龐大的設(shè)計(jì)留下了市場(chǎng)空隙，供新興企業(yè)填補(bǔ)，希望分享AI技術(shù)繁榮帶來的利益。
?01、AI芯片技術(shù)層出不窮，初創(chuàng)公司大量涌現(xiàn)
AI芯片也被稱為AI加速器或計(jì)算卡，從廣義上講只要能夠運(yùn)行人工智能算法的芯片都叫作AI芯片。但是通常意義上的 AI 芯片指的是針對(duì)人工智能算法做了特殊加速設(shè)計(jì)的芯片。按技術(shù)架構(gòu)分類，AI芯片可分為CPU、GPU、FPGA、ASIC、神經(jīng)擬態(tài)芯片等。
CPU不適用于AI計(jì)算，但是在AI應(yīng)用領(lǐng)域也是必不可少，比較常見的是CPU+GPU，CPU+NPU等組合。GPU是一種通用型芯片，ASIC是一種專用型芯片，而FPGA則處于兩者之間，具有半定制化的特點(diǎn)。
CPU：CPU是馮諾依曼架構(gòu)下的處理器，在執(zhí)行計(jì)算任務(wù)過程中，數(shù)據(jù)需要先獲取并存入RAM，然后解碼獲得指令，然后在ALU計(jì)算模塊計(jì)算，最終將計(jì)算結(jié)果返回RAM。整個(gè)流程更強(qiáng)調(diào)控制和決策，在并行計(jì)算效率上有較大提升空間。
GPU：GPU最早用于圖像處理領(lǐng)域，減少了大量數(shù)據(jù)預(yù)取和決策模塊，增加了計(jì)算單元ALU的占比，從而在并行化計(jì)算效率上有較大優(yōu)勢(shì)。
FPGA：FPGA的設(shè)計(jì)使得計(jì)算邏輯十分靈活，它不像CPU和GPU那樣只能執(zhí)行編譯和匯編的內(nèi)容，F(xiàn)PGA因?yàn)閹缀鯖]有控制模塊，所有模塊都是ALU計(jì)算模塊，而且所有模塊都可定制開發(fā)。但這也是FPGA的主要缺陷，因?yàn)榫邆浜軓?qiáng)的靈活度，導(dǎo)致設(shè)計(jì)難度和復(fù)雜度較高。
ASIC：ASIC是專門針對(duì)某一領(lǐng)域設(shè)計(jì)的芯片，比如神經(jīng)網(wǎng)絡(luò)計(jì)算芯片NPU、Tensor計(jì)算芯片TPU等。因?yàn)槭轻槍?duì)特定領(lǐng)域定制，所以ASIC往往可以表現(xiàn)出比GPU和CPU更強(qiáng)的性能，ASIC也是目前國(guó)內(nèi)外許多AI芯片設(shè)計(jì)公司主要研究的方向，可以預(yù)見未來市面上會(huì)逐漸有大量AI領(lǐng)域的ASIC芯片出現(xiàn)。
神經(jīng)擬態(tài)芯片：神經(jīng)擬態(tài)計(jì)算是模擬生物神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)制。神經(jīng)擬態(tài)計(jì)算從結(jié)構(gòu)層面去逼近大腦，其研究工作還可進(jìn)一步分為兩個(gè)層次，一是神經(jīng)網(wǎng)絡(luò)層面，與之相應(yīng)的是神經(jīng)擬態(tài)架構(gòu)和處理器。其邏輯結(jié)構(gòu)與傳統(tǒng)馮·諾依曼結(jié)構(gòu)不同：它的內(nèi)存、CPU 和通信部件完全集成在一起，因此信息的處理在本地進(jìn)行，克服了傳統(tǒng)計(jì)算機(jī)內(nèi)存與 CPU 之間的速度瓶頸問題。
按功能分類，可分為訓(xùn)練（training）和推理（inference）兩個(gè)環(huán)節(jié)，對(duì)應(yīng)的AI芯片則分別是訓(xùn)練卡和推理卡。訓(xùn)練卡一般都可以作為推理卡使用，而推理卡努努力不在乎時(shí)間成本的情況下大部分也能作為訓(xùn)練卡使用，但通常不這么做。主要原因在于二者在架構(gòu)上就有很大的差別，推理芯片通常針對(duì)前向傳播過程進(jìn)行了高度優(yōu)化，以實(shí)現(xiàn)高效的預(yù)測(cè)和分類任務(wù)。因此，它們的架構(gòu)和指令集對(duì)于訓(xùn)練過程所需的大量參數(shù)更新和反向傳播操作支持能力就弱了很多。此外，訓(xùn)練芯片通常擁有更高的計(jì)算能力和內(nèi)存帶寬，以支持訓(xùn)練過程中的大量計(jì)算和數(shù)據(jù)處理。
相比之下，推理芯片通常會(huì)在計(jì)算資源和內(nèi)存帶寬方面受到一定的限制。同時(shí)，二者支持的計(jì)算精度也通常不同，訓(xùn)練階段需要高精度計(jì)算，因此常用高精度浮點(diǎn)數(shù)如：fp32，而推理階段一般只需要int8就可以保證推理精度。
除了高帶寬高并行度外，就片內(nèi)片外的存儲(chǔ)空間而言訓(xùn)練芯片通常比較“大”，這是訓(xùn)練過程中通常需要大量的內(nèi)存來存儲(chǔ)訓(xùn)練數(shù)據(jù)、中間計(jì)算結(jié)果以及模型參數(shù)。相較而言推理芯片可能無法提供足夠的存儲(chǔ)容量來支持訓(xùn)練過程。AI浪潮席卷全球，一批AI初創(chuàng)新貴企業(yè)如雨后春筍般出現(xiàn)，新技術(shù)新產(chǎn)品層出不窮。
近期，斯坦福大學(xué)的一份《2024年人工智能指數(shù)報(bào)告》中的數(shù)據(jù)，展示了過去十年間AI初創(chuàng)公司活動(dòng)最多的15個(gè)國(guó)家。數(shù)據(jù)表明，美國(guó)、中國(guó)、英國(guó)、以色列等已成為全球AI創(chuàng)新領(lǐng)域的領(lǐng)先者。美國(guó)情況來看，美國(guó)AI初創(chuàng)企業(yè)涵蓋大模型公司Reka AI、DPU新貴DreamBig Semiconductor、規(guī)?；斯ぶ悄?、自動(dòng)化機(jī)器學(xué)習(xí)平臺(tái)DataRobot、AI芯片設(shè)計(jì)新企Tenstorrent、軟件和機(jī)器人初創(chuàng)企業(yè)Bright Machines、AI芯片創(chuàng)企Etched.ai、訓(xùn)練AI模型新貴Scale AI、邊緣AI領(lǐng)軍企業(yè)Blaize、人工智能模型創(chuàng)企Augment、AI協(xié)助工具新企Cognition、硅光子創(chuàng)新企業(yè)Celestial AI、大模型開源企業(yè)Together AI等等。
中國(guó)方面在政策利好和市場(chǎng)急速發(fā)展下，一批AI創(chuàng)企殺出重圍，優(yōu)質(zhì)標(biāo)的包括大模型玩家商湯科技、百川智能、智譜AI、第四范式、Minimax稀宇科技等等，以及人工智能AIGC大模型零一萬物、通用人工智能研究月之暗面、多模態(tài)大模型企業(yè)智子引擎、視頻生產(chǎn)大模型愛詩科技、AI芯片新貴愛芯元智、人工智能視覺技術(shù)企業(yè)影譜科技等等。英國(guó)在AI領(lǐng)域有著悠久的歷史，幾十年來圍繞這個(gè)領(lǐng)域建立了豐富的生態(tài)系統(tǒng)。從艾倫·圖靈早期奠定AI領(lǐng)域基礎(chǔ)的工作，到世界級(jí)的研究機(jī)構(gòu)推動(dòng)AI技術(shù)的發(fā)展（如帝國(guó)理工學(xué)院、劍橋大學(xué)、愛丁堡大學(xué)、牛津大學(xué)、倫敦大學(xué)學(xué)院）以及2015年DeepMind的成立，英國(guó)一直是AI人才的重要聚集地。
深厚的AI研究歷史和頂尖的研究機(jī)構(gòu)使得英國(guó)成為AI人才重要聚集地。近年來，英國(guó)涌現(xiàn)了包括AI獨(dú)角獸Wayve、知識(shí)圖譜初創(chuàng)企業(yè)Oxford Semantic、AI語音客戶服務(wù)企業(yè)PolyAI、AI智能員工和軟件創(chuàng)企Artisan AI、大模型應(yīng)用創(chuàng)企Robin AI等。
以色列高科技行業(yè)發(fā)達(dá)，AI初創(chuàng)企業(yè)包括有人工智能工具企業(yè)AI21、人工智能芯片明星企業(yè)Habana Labs、量子芯片企業(yè)Quantum、高性能微處理器公司NeoLogic、深度學(xué)習(xí)和人工智能解決方案架構(gòu)顛覆企業(yè)NeuReality、AI芯片冷卻革命者ZutaCore等等。
?02、行業(yè)巨頭大規(guī)模收購(gòu)AI芯片初創(chuàng)公司
過去兩年，AI初創(chuàng)公司在資本市場(chǎng)上的表現(xiàn)可謂風(fēng)頭無兩，吸引了數(shù)十億美元的投資。然而，隨著市場(chǎng)對(duì)AI技術(shù)的懷疑情緒日益增長(zhǎng)，加之生成式AI技術(shù)的高成本和長(zhǎng)周期回報(bào)特性，在邁過前兩年的投資高峰熱潮后，AI新貴如今面臨新的融資危機(jī)。
就美國(guó)而言，過去一年，美國(guó)AI初創(chuàng)企業(yè)失敗率躍升了60%，盡管數(shù)十億美元的風(fēng)險(xiǎn)投資流入AI公司，但初創(chuàng)企業(yè)倒閉的數(shù)量仍在急劇上升，原因是相關(guān)AI企業(yè)創(chuàng)始人在2021-2022年科技繁榮時(shí)期籌集的資金近年來已經(jīng)耗費(fèi)大半。不止美國(guó)企業(yè)如此，全球AI新貴無疑都面臨著同樣困境。行業(yè)金融投資相關(guān)人士表示，短期大量資金涌入導(dǎo)致某些AI初創(chuàng)公司的估值過高，但是這些企業(yè)都面臨著巨大的風(fēng)險(xiǎn)，如資金枯竭、投資回報(bào)率下降或市場(chǎng)飽和等。
目前，市場(chǎng)投資者已經(jīng)變得更加謹(jǐn)慎，開始評(píng)估AI初創(chuàng)公司的長(zhǎng)期可行性和盈利能力，而不是僅僅基于其技術(shù)潛力進(jìn)行投資。與此同時(shí)，AI頭部企業(yè)虎視眈眈，意圖吞下更多優(yōu)質(zhì)AI標(biāo)的，快速補(bǔ)充短板，以占領(lǐng)更大市場(chǎng)份額。一場(chǎng)AI芯片并購(gòu)戰(zhàn)，在AI新貴和頭部AI大企中悄然拉開。許多初創(chuàng)公司發(fā)現(xiàn)自己難以為繼，其中不少被迫選擇“賣身”求生。頭部企業(yè)通過收購(gòu)AI初創(chuàng)公司，快速拓展產(chǎn)品線，布局新的技術(shù)和業(yè)務(wù)，還消滅了潛在的競(jìng)爭(zhēng)對(duì)手。AI芯片巨頭企業(yè)并購(gòu)案正在爆發(fā)。
英偉達(dá)：英國(guó)咨詢機(jī)構(gòu) Dealroom曾對(duì)英偉達(dá)2023年間的一級(jí)市場(chǎng)交易進(jìn)行了統(tǒng)計(jì)，僅2023年英偉達(dá)就投資了超30家AI初創(chuàng)公司，融資總價(jià)值超過50億美元。投資過程中，英偉達(dá)似乎沒有排斥任何應(yīng)用場(chǎng)景，亦不在乎標(biāo)的的輪次與大小。無論是上游的通用大模型，中游的企業(yè)SaaS，下游的To C垂直應(yīng)用，還是大模型基礎(chǔ)設(shè)施建設(shè)中動(dòng)輒百億的B、C輪項(xiàng)目，To C端不到百萬的種子輪。而今年以來，英偉達(dá)投資的AI企業(yè)更是超17家，其中有兩筆投資所在輪次融資金額不低于10億美元。收購(gòu)方面，英偉達(dá)則陸續(xù)收購(gòu)了AI創(chuàng)企Run.ai、Deci。
AMD：過去一年時(shí)間里，AMD向十幾家AI公司投資了超過1.25億美元，其中包括Firework AI、AI數(shù)據(jù)平臺(tái)Scale AI等，另外還收購(gòu)了Mipsology 、 Nod.ai等超7家AI公司，以擴(kuò)展AMD AI生態(tài)系統(tǒng)、支持合作伙伴，并提升AMD計(jì)算平臺(tái)的領(lǐng)導(dǎo)地位。近期該公司就有兩筆大手筆并購(gòu)——49億美元收購(gòu)服務(wù)器制造商ZT Systems，以及6.65億美元全現(xiàn)金收購(gòu)歐洲最大的私人AI實(shí)驗(yàn)室Silo AI。不過AI巨頭的并購(gòu)也非一帆風(fēng)順，特別是跨國(guó)并購(gòu)面臨著各國(guó)巨大的反壟斷壓力。比如，英偉達(dá)曾嘗試以400億美元的巨額收購(gòu)Arm，但由于全球監(jiān)管機(jī)構(gòu)的反對(duì)和市場(chǎng)擔(dān)憂，這筆交易最終以失敗告終。
?03、AI芯片初創(chuàng)公司前路如何？
當(dāng)下，AI初創(chuàng)公司面臨的主要困境在于，生成式AI的研發(fā)和維護(hù)需要數(shù)億美元的前期投資，而這些投資往往在短期內(nèi)難以獲得回報(bào)。許多初創(chuàng)公司發(fā)現(xiàn)，他們根本沒有足夠的資源和渠道來實(shí)現(xiàn)這一目標(biāo)。
目前來看，投資者對(duì)于初創(chuàng)公司的耐心也在減少，越來越多投資者退出這場(chǎng)AI游戲，導(dǎo)致一些初創(chuàng)公司不得不尋找新的融資渠道和合作伙伴。比如一些AI芯片公司正在尋求IPO上市。而就在日前，AI芯片獨(dú)角獸燧原科技同中金公司簽署輔導(dǎo)協(xié)議，正式啟動(dòng)IPO進(jìn)程。
此前，燧原科技已經(jīng)完成了近70億元的融資，其中騰訊是最大的投資者之一，天眼查數(shù)據(jù)顯示，騰訊持股比例為20.4944%。值得注意的是，自燧原科技成立以來，騰訊已經(jīng)在公司的六輪融資中都有投資。通過IPO，企業(yè)可以向公眾發(fā)行股票融資，提供可觀的資金來源，有助于企業(yè)擴(kuò)大規(guī)模、增加投資，維持企業(yè)運(yùn)轉(zhuǎn)。
此外，一些AI芯片公司正在尋求合并，以應(yīng)對(duì)行業(yè)巨頭的巨大壓力。目前各國(guó)都意識(shí)到了AI芯片的重要性，AI芯片巨頭在跨國(guó)并購(gòu)上收到了極大的限制。為了扶持本國(guó)企業(yè)，各國(guó)政府一方面通過政策和資金扶持萌芽的AI芯片企業(yè)。另一方面，也在推動(dòng)這些公司之間的整合合并。日前，韓國(guó)國(guó)內(nèi)兩家人工智能（AI）芯片制造商Sapeon Korea和Rebellions簽署了正式合并協(xié)議。
合并后的新公司的價(jià)值預(yù)計(jì)將超過1萬億韓元（合7.438億美元），將成為代表韓國(guó)人工智能芯片產(chǎn)業(yè)的獨(dú)角獸企業(yè)，并將在全球市場(chǎng)上具有更強(qiáng)的競(jìng)爭(zhēng)力，最終能夠與英偉達(dá)、AMD等巨頭相抗衡。隨著AI技術(shù)的發(fā)展與普及，行業(yè)對(duì)高性能、低功耗的AI芯片的需求不斷增加，全球半導(dǎo)體企業(yè)將繼續(xù)在該領(lǐng)域展開激烈角逐。
下載ECAD模型
