中国缺“芯”，AI芯片或能扳回一局

一、中兴受制裁，AI芯片个股未受影响

当地时间4月16日，美国商务部宣布，因违反美国规定，将禁止美国公司向中国的中兴通讯销售零部件、商品、软件和技术，时长7年，解禁时间为2025年3月13日。根据外媒公布的制裁禁令，美国商务部除了禁止美国厂商向中兴销售零部件，还禁止他们向中兴提供任何技术服务或技术支援。

这意味着中兴通讯在2017年3月认罪并签署的和解协议宣告失败，已缴纳的8.92亿美元罚款仍不足以息事宁人，甚至可能还要进一步补缴缓期执行的3亿美元罚款。而更可怕的是，被美全面封杀后，对于严重依赖从美国进口芯片等元器件的中兴通讯来说，无疑是一场灾难。

由于担心美国制裁带来的深远效应，唯恐AI芯片被波及，而据彭博社报道，中金公司称不必担心美国禁令的连锁反应，看好AI芯片个股。

分析其原因，是国内人工智能芯片企业主要落地应用的场景是安防领域，而安防业务产业链对美国公司依存度较低，主要零部件都有中国或日韩供应商。另外，很多企业已开始自主研发，例如海康、大华从2017年已开始布局芯片的进口替代，前端相机用AI推理芯片的国产比例逐步提高，只有后端数据中心用AI训练芯片等少数产品依赖进口。

在这次中兴被禁事件，有人声讨美国挑起贸易战、有人疾呼中国要实现自主可控的芯片产业、有人愤怒于中兴在原创技术上“太不争气”、还有人反思中国基础创新缺失的深层原因之时，跟半导体芯片领域同样重要的神经网络处理芯片，或许可以在“芯片战争”中为中国实现弯道超车。

二、AI芯片浪潮中，中国靠近世界最前沿

神经网络芯片，指的就是AI芯片，目前英伟达和谷歌几乎占据了人工智能处理领域80%的市场份额，苹果、亚马逊、微软、Facebook、特斯拉此前也都已物色相关领域的人才并研发自己的芯片，AI芯片“大战”一触即发。而幸运的是，在这一轮浪潮之中，中国芯片前所未有地靠近世界前沿。中国的初创公司不仅与欧美初创公司几乎处在同一起跑线上，甚至渴望与英伟达、英特尔这些巨头直接拼杀。

目前，中美两国在人工智能芯片的竞争主要分为三个主要赛道：

第一个是基于GPU、FPGA等通用芯片的半定制方案。美国沿袭在传统计算芯片上的强大优势，包括在CPU、FPGA、GPU、DSP领域包揽全球第一的技术能力和行业地位，自然占据了这个赛道的霸主地位。据报道，有四千余家企业在医疗、生命科学、能源、金融服务、汽车、制造业以及娱乐业等多个领域运用GPU或者FPGA开展深度学习工作，传统优势的渗透力可见一斑。这也可以从侧面看出，在这条赛道上，中国的企业鲜少再有机会。

第二个赛道是针对深度学习算法的专用芯片。尽管GPU、FPGA等通用芯片适用于大规模并行计算，但是也存在性能、功耗等方面的瓶颈，面对不断激增的数据量和持续扩大的AI应用规模，通用芯片自然有其局限性，因此专用芯片必然是大势所趋。中国科学院计算所研究员、寒武纪深度学习处理器芯片创始人陈云霁博士在《中国计算机学会通讯》上撰文指出：通过设计专门的指令集、微结构、人工神经元电路、存储层次，有可能在3~5年内将深度学习模型的智能处理效率提升万倍。这也使得中美人工智能芯片创业的大部分企业集中在这个赛道进行竞争。

目前，这条赛道上即有谷歌、英伟达等巨头，也有无数中小型创业公司，其中不乏大量来自中国的人工智能芯片初创企业，大家试图采用多种方法来定制芯片的设计和架构，以解决计算非结构化信息时性能疲软、如何平衡功耗和成本的问题等不同AI应用场景中人工智能芯片面临的痛点问题。在AI领域的投资上，我国已经超越美国成为世界第一，其中大笔资金投向了AI专用芯片领域，这也充分证明了这个赛道，对我国计算芯片的意义非同寻常。

第三个赛道是类脑计算芯片，这个领域不再仅仅局限于加速深度学习算法，也不仅仅局限于在特定场景下实现人工智能，而是在芯片基本结构甚至器件层面上希望能够开发出新的非冯诺依曼计算机模型和体系结构，去解决通用智能计算的问题。类脑的研究距离可以大规模广泛使用的成熟商用技术还有一定差距，甚至在产业化的过程中还面临不小的风险，但是长期来看这个赛道是最有可能会带来计算体系革命的选择。在这个领域其实更多是基础研究能力的比拼，中国和美国的差距其实并不大。

三、国内AI芯片行业现状，创业公司锋芒毕露

国内人工智能芯片企业列表

AI芯片是中国“芯”的新征程，且看中国创业公司如何锋芒毕露：

2017年8月，寒武纪科技完成1亿美元A轮融资，成为全球AI芯片领域第一家独角兽。寒武纪拥有终端AI处理器IP和云端高性能AI芯片两条产品线，2016年发布的寒武纪1A处理器（Cambricon-1A）是世界首款商用深度学习专用处理器，面向智能手机、安防监控、无人机、可穿戴设备以及智能驾驶等各类终端设备，在运行主流智能算法时性能功耗比全面超越传统处理器，与阿里飞天技术平台、神威太湖之光、华为麒麟960芯片、特斯拉、微软HoloLens、IBMWatson等国内外新兴信息技术的杰出代表同时入选第三届世界互联网大会（乌镇）评选的十五项“世界互联网领先科技成果”。

成立于2015年的地平线机器人，致力于打造面向未来的人工智能芯片BPU（Brain Processing Unit），并提供高性能、低功耗、低成本、完整开放的嵌入式人工智能解决方案。凭借地平线提供的服务，电子类产品能够具备一些AI功能，包括感知、交互、理解、甚至是决策。目前已成功推出了第一代嵌入式人工智能处理器IP——高斯架构，被成功应用于基于FPGA的深度神经网络处理器，实现低功耗高性能的视觉感知。未来随着性能的提升和功耗的降低，地平线将陆续推出BPU（BrainProcessingUnit）的第二代伯努利架构和第三代贝叶斯架构，地平线也将进一步推进支撑从感知到决策算法的系统软件和硬件IP设计，从而支持更高级别的自动驾驶乃至无人驾驶功能。

源于清华的深鉴科技，专注于深度学习处理器与编译器技术，研发了一种名为“深度压缩”的技术，它不仅可以将神经网络压缩数十倍而不影响准确度，还可以使用“片上存储”来存储深度学习算法模型，减少内存读取，大幅度减少功耗。目前，深鉴科技着眼于智慧城市与智能数据中心两大市场，通过包括板卡模组、FPGA、编译器、深度压缩等在内的完整解决方案。

创立于2016年1月的西井科技，专注研究类脑人工智能的芯片+算法的平台研究及商业化应用开发。其基于神经形态工程学。已推出了自主研发的深度学习类脑神经元芯片（deepwell）和可模拟5000万级别的“神经元”的类脑神经元芯片深南（deepsouth）产品。西井科技已经构建起一个面向SNN脉冲神经网络及深度学习的软硬件平台——Westwe Brai。首款深度学习处理器Deewe，据悉功耗仅为传统芯片的几十分之一到几百分之一。

另外，据媒体报道，阿里也开始做芯片了，名字被定为Ali-NPU，主要用途是图像视频分析、机器学习等AI推理计算。同时给出的还有一个很有震撼力的参考数字——按照设计，该芯片的性价比将是目前同类产品的40倍。阿里官方还表示，此款芯片的研发，未来将会更好的实现AI智能在商业场景中的运用，提升运算效率、降低成本。

在高校方面，研发进展也非常超前。2018年初，清华大学研究团队便开发出的代号为“思考者（Thinker）”的芯片引起外媒关注，该芯片能支持神经网络处理，可支持低能耗驱动——8节五号电池就能够满足该芯片一年下来的耗电量。除此之外，“思考者”可动态调整自身的计算和记忆要求，从而适应设备中的软件在运行时所需的条件。

同时，很多老牌芯片企业正在积极拥抱人工智能时代的变化，成为中国人工智能芯片产业中的重要力量。在2013年以前成立的海思，中星微、北京君正、中天微、杭州国芯等传统SoC处理器芯片或者多媒体芯片企业就是其中的代表。相比那些活跃的初创AI芯片新生力量，老牌企业具有更加完备的前后端设计、产品、验证和测试团队，具备打造一颗完整SoC芯片产品的工程化经验。

就目前来看，在部分AI芯片前沿创新领域，我国一些企业的技术能力已经达到了国际领先水平，尤其在基础研究方面，比如在直接在存储器内执行计算而不需要数据传输的内存计算领域，异构融合类脑计算领域，可重构计算芯片技术领域，我国的基础研究能力已经与国际接轨甚至引领。

去年12月，工信部印发了《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，其中对于AI芯片是这样规划的：人工智能整体核心基础能力显著增强，智能传感器技术产品实现突破，设计、代工、封测技术达到国际水平，神经网络芯片实现量产并在重点领域实现规模化应用，开源开发平台初步具备支撑产业快速发展的能力。

当下，尽管AI芯片市场仍是海外公司唱主角，但中国AI芯片的研发已是百花齐花。如何让芯片适应算法的演进、做出创新的芯片架构，如何实现芯片从设计到封测完整的产业链，如何扩大市场规模，让中国以最快速度跟上这次技术浪潮，中兴的遭遇让人觉得，自主创新已是刻不容缓。