“最初的想法很朴素——与传统芯片厂商合作，打造适应最新算力要求的AI芯片，但几百家合作方聊下来，最终还是得走自研AI芯片的路。”思必驰CTO兼深聪智能CEO周伟达如此描述转型芯片公司的历程。
云知声联合创始人李霄寒称，物联网时代非常重要的命题，就是将能力下沉到设备端，为此，做边缘侧人工智能芯片势在必行。
也正是这两家人工智能领域初创公司——云知声与思必驰，在2019年开年前四天，先后发布AI芯片最新产品与进展，继续着上一年的AI芯片行业热潮。刚刚过去的2018年，AI芯片领域被巨头公司与初创企业共同点燃热潮，一波波产业布局与产品发布，宣告着AI芯片未来的产业价值与战略地位。随着算力的进步、海量数据的积累，人工智能在产业场景方面落地愈来愈快，随之增加着AI芯片研发的速度与压力。
芯片热潮
2018年，国内AI芯片布局动作频繁。
4月，阿里巴巴全资收购中天微——当前中国大陆唯一可大规模量产嵌入式CPU的芯片公司，全球累计出货超过7亿颗芯片；5月，寒武纪发布ambricon MLU100云端智能芯片，云知声发布面向物联网的AI系列芯片UniOne以及第一代芯片“雨燕”，出门问问发布AI语音芯片模组“问芯”Mobvoi A1；6月，Rokid发布旗下AI语音专用SoC芯片KAMINO18；7月，百度发布自主研发的中国首款云端全功能AI芯片“昆仑”；10月，华为发布两款AI芯片——华为昇腾910（Ascend 910），系目前全球已发布单芯片中计算密度最大的AI芯片，以及Ascend 310，系目前面向计算场景最强算力的AI SoC。
蜂拥而来的AI芯片布局，并不意味着这些局内者在技术与产业层面都准备完全了。
思必驰CTO兼深聪智能CEO周伟达对第一财经记者表示，虽然目前行业内众多公司入局AI芯片，但具体技术投入大有不同，大致分为几类——一类是将自身logo直接套用到传统芯片产品上；一类是对传统芯片产品进行局部优化与硬件加速处理；一类便是彻底技术自研与独立；以及巨头公司从产业角度出发，投入技术进行研发。“大家战略点不同，切入点自然不同。”
为什么必须做芯片？
深聪智能执行副总裁吴耿源对第一财经记者表示，头部算法公司为什么要探索硬件？是因为看到硬件需求的不足。但目前互联网公司在硬件领域的尝试更多是“ME 2”行为——即人云亦云，随波逐流。中国目前存在1600多家芯片制造公司，但每家都活得不是很开心，就是因为一番竞争下来，最终“杀掉”的，仅仅是自己的隔壁。“也是因此，我们决定做自研芯片。”
云知声CEO黄伟谈到芯片重要性时表示，没了芯片，算法便无法与产品融合；其次，于公司本身而言，在商业市场层面竞争力会下降，场景需求上也很难满足用户真实需求，“因此必须将软硬件结合到一起。”
清华大学微电子所所长魏少军此前表示，AI芯片是当前科技、产业和社会关注的热点，也是AI技术发展过程中不可逾越的关键阶段，不管有什么AI算法，要想最终得到应用，就必然要通过芯片来实现。
但芯片行业已然存在多年，具备自身的成熟度与门槛，周伟达对第一财经表示，思必驰的确不是芯片领域专家，因此在2016年下半年至2017年，一直处于寻找合作方的过程，具体包括芯片制造商、生产商等，但在算法不断演进、客户需求不断变化的时代背景下，算法公司与芯片公司之间存在不可逾越的鸿沟。因此，2018年3月，思必驰与中芯国际共同注资成立上海深聪半导体有限责任公司（简称“深聪智能”），正式开启造芯之路，同年8月开始流片，11月点亮验证。
垂直场景化落地
一个明显趋势是，AI芯片正寻求更垂直的场景进行落地。
人脸识别、语音识别、机器翻译、视频监控，以及交通规划、无人驾驶、智能陪伴、舆情监控、智慧农业等，如今的AI已涵盖人类生产生活各方面。
英特尔中国研究院院长宋继强此前曾表示，以设计理念进行划分的话，AI芯片可分为两大类——第一类是“AI加速芯片”，加速某类特定算法或任务，从而达到目标应用领域对速度、功耗、内存占用、以及部署成本等方面的要求；第二类是“智能芯片”，使芯片像人一样能使用不同AI算法进行学习与推导，处理包含感知、理解、分析、决策以及行动等一系列任务，并且具有适应场景变化的能力。
围绕这两方面，全球芯片公司——包括巨头与初创企业——纷纷进行布局，以英特尔为代表的传统芯片巨头着力于提供全面、多元化的解决方案，涉及终端领域、边缘计算领域、以及数据中心领域。相对应的，行业扎根尚浅的初创公司，大多选择先从垂直场景入手。
1月2日，云知声发布多模态AI芯片战略与规划，以及正在研发的不同场景定位的多款AI芯片，包括第二代物联网语音AI芯片雨燕Lite，面向智慧城市支持图像与语音计算的多模态AI芯片海豚，以及面向智慧出行的车规级多模态AI芯片雪豹。
1月4日，思必驰发布聚焦于语音应用场景下的AI专用芯片TAIHANG芯片（TH1520），面向智能家居、智能终端、车载、手机、可穿戴设备等各类终端设备。
垂直场景化芯片制定来自于初创企业对接不同客户的先天优势，正如AI生态布局于巨头公司而言更具优势。周伟达对第一财经表示，思必驰从2015年开始对接不同客户与终端，清楚了解他们的需求，因此思必驰的算法是在各个平台均进行过移植与优化。
难题与挑战
AI自研趋势是必然的，对应的困难与挑战与之相伴随。
高额的研发支出是悬在巨头与初创企业头上的剑。据IC Insights数据显示，2017年全球半导体研发支出总额为589亿美元，其中排名前十位厂商的研发支出超过359亿美元，超过其他公司支出总和，排名第一的是支出额度为131亿美元的英特尔。
其次，半导体行业本身的技术难点便是一道门槛，如下游应用广泛、生产技术工序繁多、技术更新换代迅速、投资高风险大等特点。上文所述诸多已然公布AI芯片战略的公司，并非所有均实现流片。所谓“流片”（Tape Out），即“试生产”，是在设计完电路后，先少量进行芯片生产，供测试使用，通过后即可进行大规模量产。因为耗费周期长，业内常有“一颗芯片流片失败导致初创企业破产”的说法。
在半导体领域浸淫二十多年的吴耿源对第一财经记者表示，不同于其他领域，半导体周期是以季度为单位，过程涉及到产品定义、流片、生产，一般来讲至少耗费一年半时间完成全周期，不能一次流片成功的话至少得两年。
此前，中金公司董事总经理、电子及技术硬件行业首席分析师黄乐平表示，中国半导体行业处于非常艰难的境况，全球半导体行业处于明显的下行周期，对企业来说折旧的费用会上升，盈利压力非常大。半导体行业分支之中的人工智能异构计算AI芯片在崛起，如何在已然非常成熟、且处于劣势的半导体行业之中寻找发展机会，是非常重要的话题。
对此，周伟达对第一财经记者表示，AI芯片行业存在诸多难点，例如技术的积累，算力与带宽等瓶颈问题等。
魏少军则强调称，AI领域芯片“炒作”过热，在当下尚未出现AI通用算法芯片、以及AI杀手级应用的情况下，AI芯片未来发展还有长路要走。
