AI芯片年度最大融资，地平线将融资10亿美元！AI芯片学者地图出炉

【导读】地平线新一轮融资额或达10亿美元，估值最高40亿美元。清华大学AMiner日前出品2018年《人工智能芯片研究报告 》，指出AI芯片学者主要集中在欧美，这一代AI芯片主要有memory wall、功耗高、性能和灵活度不平衡等问题。

年底AI芯片又有新动态。

据金融时报报道，AI芯片公司地平线正在进行新一轮融资，计划筹资最多达10亿美元，本轮融资估值在30亿至40亿美元之间，这次融资也成为中国新兴AI芯片领域最大的融资活动之一。

在今年10月的2018安博会上，地平线创始人兼CEO余凯接受媒体采访时透露，公司将在2018年底完成新一轮融资，金额为5-10亿美元，投资方包括一家和英特尔规模相当的芯片公司，以及一家知名汽车厂商。

去年10月，英特尔投资领投地平线的A+轮注资，该轮总额近亿美元的融资。

目前，地平线官方没有回应相关报道。

英特尔级别的国际芯片公司参与B轮，地平线估值40亿美元

金融时报称，中国在半导体产业上长期依赖进口，花费的资金已经超过了石油，现在正逐步将资金投向国内的半导体产业。

尽管决心很大，但是现实依旧很残酷。目前，中芯国际生产的芯片性能仍落后于台积电和英特尔等海外厂商数代水平。

在这样的背景下，新一代的中国AI企业迎来了历史机遇，正致力于为自动驾驶、监控摄像头和其他物联网设计AI芯片和设备。

地平线就是历史进程中的一员。

2015年，余凯等人创办地平线，凭借几位创始人的技术和在百度自动驾驶项目负责的经历，地平线很快开发出两款AI芯片产品：“旭日”和“征程”。

“旭日”面向智能摄像头等设备，“征程”面向自动驾驶。目前，地平线已经与奥迪公司合作，在中国无锡开发自动驾驶汽车。基于旭日2.0处理器架构的XForce边缘AI计算平台也在今年安博会上首次亮相。

  

基于“旭日”和“征程”的解决方案已经应用在安防、自动驾驶、零售等领域，地平线的估值也随着场景落地水涨船高。

金融时报称，B轮融资估值在30亿至40亿美元之间，这次融资也成为中国新兴AI芯片领域最大的融资活动之一。地平线高级业务开发经理Stone Li表示，B轮融资的投资者包括一家国际芯片公司。

据瑞银估计，到2021年，人工智能从云计算到设备的市场总量将达到150亿美元。瑞银分析师的观点是，像地平线和眼擎科技（Eyemore）这样的中国小型创业公司，“与全球领军企业相比仍然很小，但他们能够获得丰富的风投资本和强有力的政府支持，这可能会成为未来的增长点。”

AI芯片学者地图：美国是AI芯片发展的核心

最近，清华大学与中国工程院知识智能联合实验室推出2018年《人工智能芯片研究报告》，余凯成为AI芯片领域的“代表性研究学者”。

余凯

除了余凯之外，报告中提到的AI芯片领域代表人物还有：

Jeff Dean

Jeff Dean，美国工程院院士，Jeff Dean 是谷歌大脑 (Google Brain)、谷歌机器学习开源框架 TensorFlow、谷歌广告系统、谷歌搜索系统 等技术的重要创始人之一。

黄仁勋

黄仁勋，美籍华人，1993 年创办 NVIDIA（全球最大显卡芯片厂商之一）。

Vivienne Sze

Vivienne Sze，麻省理工学院电子工程和计算机科学系的副教授。研究兴趣包括便携式多媒体应用的节能算法和架构。

谢源

谢源，加州大学圣芭芭拉分校教授。发表了近 300篇研究论文，获得多个国际会议的最佳论文奖，以及 NSF CAREER award，中国国家自然科学基金会海外及港澳 学者合作研究基金等。2014 年获得 IEEE Fellow 的荣誉。

陈天石

陈天石，中国科学院计算技术研究所研究员。研究方向为计算机体系结构和计算智能。寒武纪科技创始人兼 CEO。

施路平

施路平，清华大学教授，国家光存储工程研究中心主 任。2012 年入选千人计划（A类），2013 年 3 月入职清华，SPIE Fellow。

在AI芯片的人才分析上，清华大学AMiner团队制成一张人工智能芯片人才库，我们得到了全球人工智能芯片领域学者分布图，如下图所示。

人工智能芯片领域研究学者全球分布

从图中可以看到，人工智能芯片领域的学者主要分布在北美洲，其次是欧洲。中国对人工智能芯片的研究紧跟其后，南美洲、非洲和大洋洲人才相对比较匮乏。

按国家进行统计来看，美国是人工智能芯片领域科技发展的核心。英国的人数紧排在美国之后。其他的专家主要分布在中国、德国、加拿大、意大利和日本，如下图所示。

人工智能芯片领域研究学者全球分布

AMiner 对全球人工智能芯片领域最具影响力的 1000 人的迁徙路径进行了统计分析，得出各国人才逆顺差对比图。

各国人才逆顺差

由图中可以看出，各国人才的流失和引进是相对比较均衡的，其中美国为人才流动大国，人才输入和输出幅度都大幅度领先。英国、中国、德国和瑞士等国次于美国，但各国之间人才流动相差并不明显。

（获取完整报告请移步至公众号“学术头条”或点击链接：

https://www.aminer.cn/research_report/aichip?h=1201&download=true）

AI芯片这一年：需要解决memory wall、功耗高、性能和灵活度平衡三个问题

报告中还提到了AI芯片存在的问题和未来趋势。

目前主流 AI 芯片的核心主要是利用 MAC（Multiplier and Accumulation， 乘加计算） 加速阵列来实现对 CNN（卷积神经网络）中最主要的卷积运算的加速。

这一代AI芯片主要有如下3个方面的问题。

（1）深度学习计算所需数据量巨大，造成内存带宽成为整个系统的瓶颈，即所谓“memory wall” 问题。

（2）与第一个问题相关，内存大量访问和 MAC阵列的大量运算，造成 AI芯片整体功耗的增加。

（3）深度学习对算力要求很高，要提升算力，最好的方法是做硬件加速，但是同时深度学习算法的发展也是日新月异，新的算法可能在已经固化的硬件加速器上无法得到很好的支持，即性能和灵活度之间的平衡问题。

因此可以预见下一代 AI芯片将有如下的五个发展趋势。

（1）更高效的大卷积解构/复用

在标准 SIMD 的基础上，CNN 由于其特殊的复用机制，可以进一步减少总线上的数据通信。而复用这一概念，在超大型神经网络中就显得格外重要。 如何合理地分解、 映射这些超大卷积到有效的硬件上成为了一个值得研究的方向。

分解卷积可降低消耗

（2）更低的 Inference 计算/存储位宽

AI 芯片最大的演进方向之一可能就是神经网络参数/计算位宽的迅速减少——从 32 位浮点到 16 位浮点/定点、 8 位定点，甚至是 4 位定点。在理论计算领域， 2 位甚至 1 位参数位宽，都已经逐渐进入实践领域。

逐层动态定点方法

（3）更多样的存储器定制设计

当计算部件不再成为神经网络加速器的设计瓶颈时，如何减少存储器的访问延时将会成为下一个研究方向。通常，离计算越近的存储器速度越快，每字节的成本也越高，同时容量也越受限，因此新型的存储结构也将应运而生。

（4）更稀疏的大规模向量实现

神经网络虽然大，但是，实际上有很多以零为输入的情况，此时稀疏计算可以高效的减少无用能效。来自哈佛大学的团队就该问题提出了优化的五级流水线结，在最后一级输出了触发信号。在 Activation层后对下一次计算的必要性进行预先判断，如果发现这是一个稀疏节点，则触发 SKIP 信号，避免乘法运算的功耗，以达到减少无用功耗的目的。

五级流水线结构

（5）计算和存储一体化

计算和存储一体化（process-in-memory）技术，其要点是通过使用新型非易失性存储（如 ReRAM）器件，在存储阵列里面加上神经网络计算功能，从而省去数据搬移操作，即实现了计算存储一体化的神经网络处理，在功耗性能方面可以获得显著提升。

AI芯片群雄争霸：手机、CV设备等领域大战

人工智能芯片技术领域的国内代表性企业包括中科寒武纪、中星微、地平线、深鉴科技、灵汐科技、启英泰伦、百度、华为等，国外包括英伟达、 AMD、Google、高通、Nervana Systems、Movidius、IBM、ARM、 CEVA、MIT/Eyeriss、苹果、三星等。

随着人工智能芯片的持续发展，应用领域会随时间推移而不断向多维方向发展，报告只选目前发展比较集中的几个行业做相关的介绍，如下图所示。

AI芯片目前比较集中的应用领域

（1）智能手机

2017 年 9 月，华为在德国柏林消费电子展发布了麒麟 970 芯片，该芯片搭载了寒武纪的 NPU，成为“全球首款智能手机移动端 AI 芯片” ； 2017 年 10 月中旬 Mate10 系列新品（该系列手机的处理器为麒麟 970）上市。搭载了 NPU 的华为 Mate10 系列智能手机具备了较强的深度学习、本地端推断能力，让各类基于深度神经网络的摄影、图像处理应用能够为用户提供更加完美的体验。

而苹果发布以 iPhone X 为代表的手机及它们内置的 A11 Bionic 芯片。A11 Bionic 中自主研发的双核架构 Neural Engine（神经网络处理引擎），它每秒处理相应神经网络计算需求的次数可达 6000 亿次。这个 Neural Engine 的出现，让 A11 Bionic 成为一块真正的 AI 芯片。 A11 Bionic 大大提升了 iPhone X 在拍照方面的使用体验，并提供了一些富有创意的新用法。 

（2）ADAS（高级辅助驾驶系统）

ADAS 是最吸引大众眼球的人工智能应用之一，它需要处理海量的由激光雷达、毫米波雷达、摄像头等传感器采集的实时数据。相对于传统的车辆控制方法，智能控制方法主要体现在对控制对象模型的运用和综合信息学习运用上，包括神经网络控制和深度学习方法等，得益于 AI 芯片的飞速发展， 这些算法已逐步在车辆控制中得到应用。

（3）CV（计算机视觉（Computer Vision） 设备

需要使用计算机视觉技术的设备，如智能摄像头、无人机、 行车记录仪、人脸识别迎宾机器人以及智能手写板等设备， 往往都具有本地端推断的需要，如果仅能在联网下工作，无疑将带来糟糕的体验。而计算机视觉技术目前看来将会成为人工智能应用的沃土之一，计算机视觉芯片将拥有广阔的市场前景。

（4） VR 设备

VR 设备芯片的代表为 HPU 芯片，是微软为自身 VR 设备 Hololens 研发定制的。 这颗由台积电代工的芯片能同时处理来自 5个摄像头、1个深度传感器以及运动传感器的数据，并具备计算机视觉的矩阵运算和 CNN 运算的加速功能。这使得 VR 设备可重建高质量的人像 3D 影像，并实时传送到任何地方。

（5）语音交互设备

语音交互设备芯片方面，国内有启英泰伦以及云知声两家公司，其提供的芯片方案均内置了为语音识别而优化的深度神经网络加速方案，实现设备的语音离线识别。稳定的识别能力为语音技术的落地提供了可能；与此同时，语音交互的核心环节也取得重大突破。语音识别环节突破了单点能力，从远场识别，到语音分析和语义理解有了重大突破，呈现出一种整体的交互方案。

（6）机器人

无论是家居机器人还是商用服务机器人均需要专用软件+芯片的人工智能解决方案，这方面典型公司有由前百度深度学习实验室负责人余凯创办的地平线机器人，当然地平线机器人除此之外，还提供 ADAS、智能家居等其他嵌入式人工智能解决方案。

AI芯片处在起步阶段，国内外处在同一起跑线上

总体上看，目前，我国的人工智能芯片行业发展尚处于起步阶段。

长期以来，中国在 CPU、GPU、DSP处理器设计上一直处于追赶地位，绝大部分芯片设计企业依靠国外的IP核设计芯片，在自主创新上受到了极大的限制。然而，人工智能的兴起，无疑为中国在处理器领域实现弯道超车提供了绝佳的机遇。

人工智能领域的应用目前还处于面向行业应用阶段，生态上尚未形成垄断，国产处理器厂商与国外竞争对手在人工智能这一全新赛场上处在同一起跑线上，因此，基于新兴技术和应用市场，中国在建立人工智能生态圈方面将大有可为。

由于我国特殊的环境和市场，国内 AI 芯片的发展目前呈现出百花齐放、百家争鸣的态 势，AI芯片的应用领域也遍布股票交易、金融、商品推荐、安防、早教机器人以及无人驾驶等众多领域，催生了大量的人工智能芯片创业公司，如地平线、深鉴科技、中科寒武纪等。

尽管如此，国内公司却并未如国外大公司一样形成市场规模，反而出现各自为政的散 裂发展现状。除了新兴创业公司，国内研究机构如北京大学、清华大学、中国科学院等在AI芯片领域都有深入研究；而其他公司如百度和比特大陆等，2017年也有一些成果发布。

可以预见，未来谁先在人工智能领域掌握了生态系统，谁就掌握住了这个产业的主动权。

One More Thing：中国5家芯片公司上榜Silicon 60

近日，EETimes评选出了2018年度在全球技术领域最值得关注的60家创业公司“Silicon 60”。入选企业涵盖工程、材料、半导体、计算机与人工智能等多领域。

从入选企业的全球分布上看，美国占据绝对优势，在全部60家企业中占据了33家，其中绝大部分位于加州。以色列以6家位居第二，中国有5家企业入选，分别为寒武纪科技、地平线、罕王微电子、卓胜微电子和长江存储。其余入选企业分布在瑞士、法国、日本、加拿大等国。

1、寒武纪科技 （中国北京）

成立于2016年，从事AI芯片开发，提供用于深度学习的MLU100处理器和MLU100智能处理卡，以及知识产权（IP）许可和芯片服务。公司产品可应用于智能手机、安全和监控摄像头、服务器、机器人、无人机、可穿戴设备和自动驾驶等。

2、罕王微电子 （中国沈阳）

成立于2011年4月，是一家私营的微机电系统（MEMS）公司，也是罕王工业集团的子公司。专注于微机电系统产品及相关电子元件的开发、制造和营销。公司提供设计和开发服务、制造处理、批量制造、代工服务，MEMS传感器、MEMS执行器、ASIC和应用咨询。

  

3、地平线 （中国北京）

成立于2015年，业务面向自动驾驶、智能生活和智能监控，旨在为终端设备提供智能感知、互动、理解和决策。该公司已发布Sunrise 1.0视觉处理器和Journey 1.0高级驾驶辅助系统（ADAS）处理器。公司投资方包括Morningside Venture Capital，Hill HouseCapital，Sequoia Capital和GSR Ventures

4、卓胜微电子 （中国上海）

成立于2012年，主要从事射频元件和物联网集成电路的制造。

5、长江存储 （中国武汉）

部分由清华紫光集团资助成立，2016年收购武汉鑫鑫半导体制造股份有限公司（XMC），计划斥资240亿美元建立一家可与市场领导者三星、SK海力士，东芝、美光等公司竞争的内存芯片企业。

XMC是NOR闪存和图像传感器的批量生产商，在被长江存储全额收购前，已经开始兴建3D NAND闪存晶圆工厂，并推出了Xtacking 3D NAND制程。XMC前首席执行官Simon Yang（杨士宁）于2016年10月被任命为长江存储首席执行官。

完整榜单：
https://www.eetimes.com/document.asp?doc_id=1333985

关于报告：

AMiner平台由清华大学计算机系研发，系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万。AMiner更多报告请关注公众号「学术头条」。

参考链接：

https://www.ft.com/content/bea3090c-f15c-11e8-ae55-df4bf40f9d0d

（本文报告部分已获授权，获取完整报告请移步至公众号“学术头条”或点击链接：

https://www.aminer.cn/research_report/aichip?h=1201&download=true）

∑编辑 | Gemini

来源 | 新智元

更多精彩：

☞  哈尔莫斯：怎样做数学研究

☞  扎克伯格2017年哈佛大学毕业演讲

☞  线性代数在组合数学中的应用

☞  你见过真的菲利普曲线吗？

☞  支持向量机(SVM)的故事是这样子的

☞  深度神经网络中的数学，对你来说会不会太难？

☞  编程需要知道多少数学知识？

☞  陈省身——什么是几何学

☞  模式识别研究的回顾与展望

☞  曲面论

☞  自然底数e的意义是什么？

☞  如何向5岁小孩解释什么是支持向量机（SVM）？

☞  华裔天才数学家陶哲轩自述

☞  代数，分析，几何与拓扑，现代数学的三大方法论

算法数学之美微信公众号欢迎赐稿

稿件涉及数学、物理、算法、计算机、编程等相关领域，经采用我们将奉上稿酬。

投稿邮箱：[email protected]