過去的2018年恰逢芯片巨頭英特爾成立50周年?；仡欉^去，看看中外，有助于在喧囂中探索真正的機(jī)遇。

英特爾PC時(shí)代的盟友微軟，押注FPGA，繼續(xù)與英特爾合作。微軟選擇FPGA進(jìn)行深度神經(jīng)網(wǎng)絡(luò)(DNN)評(píng)測(cè)，必應(yīng)搜索排名，軟件定義網(wǎng)絡(luò)(SDN)加速，可以減少延遲，釋放更多CPU計(jì)算能力給其他任務(wù)。微軟在2010年啟動(dòng)了Project彈射，2015年開始大規(guī)模部署到Bing和Azure數(shù)據(jù)中心。它以可控的代價(jià)實(shí)現(xiàn)了極快的推理能力，必應(yīng)搜索的數(shù)據(jù)吞吐量提高了50%，時(shí)延降低了25%。2016年，微軟推出“腦波工程”，探索通過英特爾的FPGA實(shí)現(xiàn)實(shí)時(shí)AI。2018年，Bing和Azure數(shù)據(jù)中心將部分計(jì)算能力從CPU遷移到FPGA，現(xiàn)在每個(gè)新增的服務(wù)器都將一個(gè)FPGA集成到一個(gè)獨(dú)特的分布式架構(gòu)中，形成一個(gè)可配置的互聯(lián)計(jì)算層，擴(kuò)展了CPU計(jì)算層。

2.顯卡

英偉達(dá)從游戲和圖像業(yè)務(wù)起家，憑借GPU的并行計(jì)算優(yōu)勢(shì)，成為AI芯片尤其是培訓(xùn)領(lǐng)域的主導(dǎo)玩家。其在AI訓(xùn)練芯片的市場份額高達(dá)95%。英偉達(dá)將其運(yùn)營收入分為GPU和Tegra處理器，其中GPU業(yè)務(wù)針對(duì)PC和數(shù)據(jù)中心游戲、計(jì)算機(jī)輔助設(shè)計(jì)(CAD)、AI、密碼貨幣等應(yīng)用場景，Tegra處理器業(yè)務(wù)針對(duì)汽車和嵌入式設(shè)備的自動(dòng)駕駛、AI、娛樂等應(yīng)用場景。收入構(gòu)成如圖16所示。2018財(cái)年，英偉達(dá)GPU業(yè)務(wù)板塊收入同比增長39.8%，Tegra處理器業(yè)務(wù)板塊收入同比增長86.2%(包括手機(jī)游戲和開發(fā)收入同比增長300%)。

圖16英偉達(dá)的收入構(gòu)成

自2006年推出CUDA并行計(jì)算平臺(tái)以來，英偉達(dá)成功構(gòu)建了AI和深度學(xué)習(xí)的生態(tài)系統(tǒng)。GPU成為主流深度學(xué)習(xí)硬件，在云和汽車電子領(lǐng)域拓展地盤，收入和盈利水平一路攀升(見圖17)。然而，英偉達(dá)繼續(xù)擴(kuò)張的努力面臨更多挑戰(zhàn)。在數(shù)據(jù)中心領(lǐng)域，英特爾的CPU依然不可或缺；在汽車和無人機(jī)領(lǐng)域，特斯拉和DJI憑借平臺(tái)優(yōu)勢(shì)，正在構(gòu)建自己的軟硬件緊密耦合的生態(tài)；在一些嵌入式AI應(yīng)用中，以Xilinx為代表的公司試圖證明FPGA等類型的芯片比GPU更適合選擇。

圖17英偉達(dá)財(cái)務(wù)年度數(shù)據(jù)(納斯達(dá)克:NVDA)

注:英偉達(dá)2018財(cái)年于2018年1月28日結(jié)束

3.高通公司

高通在2017年占智能手機(jī)應(yīng)用處理器市場份額的42%，高于排名第二的蘋果(22%)和排名第三的聯(lián)發(fā)科(15%)的總和。但隨著消費(fèi)電子業(yè)務(wù)觸頂，專利優(yōu)勢(shì)逐漸淡化，毛利率持續(xù)下降(見圖18)，股價(jià)近幾年疲軟。收購恩智浦失敗后，高通繼續(xù)試圖涉足車載芯片等人工智能領(lǐng)域，例如，成立了一個(gè)1億美元的基金來支持人工智能初創(chuàng)企業(yè)。很明顯，高通希望AI芯片在終端設(shè)備而不是數(shù)據(jù)中心迅速發(fā)展。

圖18高通財(cái)務(wù)年度數(shù)據(jù)(納斯達(dá)克:QCOM)

注:高通2018財(cái)年將于2018年9月30日結(jié)束

4.超微半導(dǎo)體公司

AMD在CPU和臺(tái)式機(jī)/服務(wù)器GPU上長期排名第二，毛利率明顯低于Intel和NVIDIA(見圖19)。2016年以來，AMD的Ryzen CPU等產(chǎn)品反應(yīng)良好，股價(jià)見底反彈。2018年11月，AMD率先宣布推出7納米數(shù)據(jù)中心GPU——Radeon本能MI60和MI50加速卡，指的是下一代深度學(xué)習(xí)、高性能計(jì)算和渲染應(yīng)用[14]。

圖19 AMD財(cái)政年度數(shù)據(jù)(納斯達(dá)克:AMD)

注:AMD 2017財(cái)年于2017年12月30日結(jié)束

5.Xilinx

隨著英特爾收購另一家領(lǐng)先的FPGA公司Altera，Xilinx加快了轉(zhuǎn)型步伐。2018年，Xilinx的自我定位從一家FPGA公司調(diào)整為“自適應(yīng)和智能計(jì)算領(lǐng)域的領(lǐng)導(dǎo)者”。戰(zhàn)略要點(diǎn)包括:加快數(shù)據(jù)中心市場布局，搶占人工智能推理、視頻圖像處理、基因組學(xué)等應(yīng)用場景；整合汽車、通信、航天等傳統(tǒng)業(yè)務(wù)；ACAP自適應(yīng)計(jì)算加速平臺(tái)旨在支持大數(shù)據(jù)和人工智能應(yīng)用軟件和硬件的開發(fā)。

2018年7月，西林以2.5億美元收購了北京的深度學(xué)習(xí)型企業(yè)沈劍科技。沈劍科技成立于2016年3月，在被收購前已經(jīng)完成三輪融資。其語音識(shí)別加速引擎于2018年在亞馬遜AWS推出。

圖20 Xilinx財(cái)務(wù)年度數(shù)據(jù)(納斯達(dá)克代碼:XLNX)

注:Xilinx 2018財(cái)年于2018年3月31日結(jié)束

2018年10月，Xilinx推出了由其UltraScale+ FPGA芯片支持的Alveo加速卡，搭建了幾個(gè)獨(dú)立的xDNN引擎，解決了GPU通過批處理提高性能但增加延遲的問題，聲稱圖像處理的吞吐量比高性能GPU高4倍，延遲比高性能GPU低3倍[16]。

圖Xilinx Alveo加速卡(FPGA)、GPU、CPU性能對(duì)比

注意:比較結(jié)果是在特定的測(cè)試場景下獲得的，如谷歌V1神經(jīng)網(wǎng)絡(luò)。

6.塞瓦

美國的CEVA是DSP的IP(知識(shí)產(chǎn)權(quán))龍頭企業(yè)，其主要收入來源是IP許可費(fèi)和使用費(fèi)，所以毛利率很高，研發(fā)支出遠(yuǎn)高于資本支出(見圖22)。為汽車、安全、增強(qiáng)現(xiàn)實(shí)、智能家居、零售自動(dòng)化、在線診斷和治療等領(lǐng)域的圖像、視頻和語音人工智能開發(fā)了一系列智能產(chǎn)品。，包括CEVA-NeuPro系列深度學(xué)習(xí)IP(最小的NP500針對(duì)物聯(lián)網(wǎng)和可穿戴市場，NP1000針對(duì)中端智能手機(jī)、高級(jí)駕駛輔助系統(tǒng)、AR/VR耳機(jī)等。，NP2000針對(duì)的是高端智能手機(jī)、監(jiān)控、機(jī)器人、無人機(jī)，NP3000可以用于企業(yè)級(jí)監(jiān)控和自動(dòng)駕駛)，以及專門為低功耗嵌入式設(shè)備設(shè)計(jì)的CEVA-XM系列圖像和計(jì)算機(jī)視覺處理器IP。

圖22 CEVA財(cái)政年度數(shù)據(jù)(納斯達(dá)克:CEVA)

注:year 2017財(cái)年于2017年12月31日結(jié)束

注:趨勢(shì)線為3月份均線。綠色區(qū)域是產(chǎn)業(yè)擴(kuò)張期，紅色區(qū)域是產(chǎn)業(yè)收縮期，其余區(qū)域是鞏固期。

芯片架構(gòu)ip開源協(xié)作機(jī)會(huì)很少。開源芯片指令集包括OpenRISC和RISC-V等。由于RISC-V使用的BSD開源協(xié)議是商業(yè)友好的，不存在知識(shí)產(chǎn)權(quán)問題，因此吸引了谷歌、美光、英偉達(dá)、恩智浦、三星、高通、華為等數(shù)百家知名廠商和機(jī)構(gòu)，這些廠商和機(jī)構(gòu)飽受知識(shí)產(chǎn)權(quán)許可費(fèi)之苦。倪光南院士認(rèn)為，這種架構(gòu)可能會(huì)與Intel和ARM形成三方對(duì)抗。2018年，中國RISC-V產(chǎn)業(yè)聯(lián)盟和RISC-V中國聯(lián)盟相繼成立，意味著國內(nèi)所有生產(chǎn)、教育、科研各方都充分參與。開源芯片指令集雖然處于探索階段，但其大勢(shì)已去，Wave Computing Company也宣布將在2019年開源MIPS指令集。

芯片設(shè)計(jì)的輕資產(chǎn)特性有助于追趕，開發(fā)工具是軟肋。我國在AI算法方面有相當(dāng)大的儲(chǔ)備，國際主流深度學(xué)習(xí)框架大多是開源的，為AI芯片設(shè)計(jì)掃清了很多技術(shù)障礙。與芯片生產(chǎn)相比，設(shè)計(jì)是輕資產(chǎn)，但先進(jìn)的制造工藝也推高了芯片設(shè)計(jì)的成本(見圖31)，相當(dāng)一部分成本來自開發(fā)工具，尤其是EDA(電子設(shè)計(jì)自動(dòng)化軟件)。EDA市場主要被美國Synopsys、Cadence、西門子Mentor Graphics壟斷，這是國內(nèi)亟待解決的薄弱環(huán)節(jié)。華大九天、新河科技等本土EDA企業(yè)越來越受到重視。

圖31芯片設(shè)計(jì)成本隨工藝快速上升

芯片制造過程與業(yè)務(wù)邏輯密切相關(guān)。以SMIC為代表的國內(nèi)芯片制造商早已迎頭趕上。然而，先進(jìn)制造工藝所需的大量前期投資需要通過后期利潤來補(bǔ)償，僅靠政策補(bǔ)貼難以維持。市場對(duì)AI芯片的多元化需求，或者說成熟的工藝芯片有足夠的訂單保證利潤，使得芯片公司有可能從低端芯片逐漸過渡到高端芯片。

(3) AI芯片投資方案

建議重點(diǎn)關(guān)注邊緣計(jì)算和物聯(lián)網(wǎng)對(duì)AI芯片的需求。PC時(shí)代服務(wù)器的處理芯片由英特爾壟斷，云計(jì)算時(shí)代密集計(jì)算需求讓英偉達(dá)GPU幾乎成為數(shù)據(jù)中心除了英特爾CPU之外的標(biāo)配，隨著智能手機(jī)的進(jìn)化和智能音箱、自動(dòng)駕駛、無人機(jī)、安防監(jiān)控等應(yīng)用的豐富，云端的部分推理乃至訓(xùn)練算力將遷移至邊緣層。邊緣層對(duì)AI芯片的需求與云端需求大相徑庭，一是需求更為多樣，二是更強(qiáng)調(diào)低功耗、低成本，三是很多情況下技術(shù)要求相對(duì)較低。不同處理芯片的AI化和異構(gòu)趨勢(shì)漸成。從嵌入式終端設(shè)備SoC到數(shù)據(jù)中心加速板卡，CPU、GPU、FPGA、ASIC、DSP以及各種xPU將針對(duì)AI任務(wù)需要優(yōu)化指令和電路設(shè)計(jì)，并越來越多地分工協(xié)作完成各種AI任務(wù)，處理單元、計(jì)算單元和存儲(chǔ)單元的晶體管分配將從單個(gè)處理芯片上升到多處理芯片的層面進(jìn)行，追求在各種典型場景下實(shí)現(xiàn)能效最大化，盡可能避免利用晶體管不充分的情況。低端芯片是后來者進(jìn)入AI芯片行業(yè)較好的切入點(diǎn)，但利潤微薄，不宜久留。AI芯片市場料將保持高速增長，以搶占市場份額優(yōu)先的做法短期可行，但可持續(xù)性有限，特別對(duì)于以燒錢著稱的芯片行業(yè)，必須提高利潤率才能保證研發(fā)支出，進(jìn)而占有一席之地。低端芯片相對(duì)較低的技術(shù)門檻固然便于后來者切入，同時(shí)也意味著不利于建立技術(shù)優(yōu)勢(shì)和護(hù)城河，向更高端的芯片發(fā)展或者深耕細(xì)分領(lǐng)域是可能的解決方案。AI芯片初創(chuàng)公司出售給芯片巨頭是一種雙贏的退出渠道。一方面，AI芯片初創(chuàng)公司擅長IP和（或）設(shè)計(jì)能力，但缺乏制造能力；另一方面，現(xiàn)金充裕的芯片巨頭在積極擴(kuò)張，或者至少通過并購構(gòu)筑防線。這一點(diǎn)在英特爾收購Movidius、賽靈思收購深鑒科技等多筆交易中已有體現(xiàn)。對(duì)于一些初創(chuàng)企業(yè)而言，這或多或少是一種妥協(xié)，畢竟在競爭日趨白熱化的情況下，僅靠一己之力調(diào)和快速擴(kuò)張和可持續(xù)性之間的矛盾并非易事。避免跟風(fēng)追熱點(diǎn)，確保商業(yè)計(jì)劃可行。芯片行業(yè)前期投入大、技術(shù)門檻高、回報(bào)周期長，而且往往頭部贏家通吃。近年來AI芯片無疑在風(fēng)口浪尖，但沒有相應(yīng)的技術(shù)和人才團(tuán)隊(duì)，光靠燒錢是不切實(shí)際的，無論是地方政府還是機(jī)構(gòu)投資者都應(yīng)當(dāng)保持清醒頭腦。適當(dāng)關(guān)注基礎(chǔ)理論和前沿技術(shù)進(jìn)展。兼具靈活性、高能效和性價(jià)比的通用AI芯片是AI芯片發(fā)展的長期目標(biāo)，一種可能方向是根據(jù)軟件定義硬件的理念實(shí)現(xiàn)可重構(gòu)計(jì)算架構(gòu)。同時(shí)，超導(dǎo)計(jì)算、量子計(jì)算、內(nèi)存內(nèi)計(jì)算盡管處于探索期，不具備規(guī)模化商業(yè)應(yīng)用條件，但中長期看存在顛覆行業(yè)格局的可能。AI技術(shù)的應(yīng)用瓶頸可能造成AI芯片產(chǎn)業(yè)發(fā)展不及預(yù)期。發(fā)軔于二十世紀(jì)五十年代中期和七十年代中期的前兩次AI浪潮都因?yàn)槿狈φ鎸?shí)應(yīng)用前景終結(jié)，為投資者帶來的是失望和泡沫。當(dāng)前這一次AI浪潮得益于大數(shù)據(jù)支持，以深度學(xué)習(xí)能力推動(dòng)了商業(yè)應(yīng)用，但正如“深度學(xué)習(xí)就是深度調(diào)參”這種說法所揭示的，作為AI芯片技術(shù)基礎(chǔ)的深度學(xué)習(xí)還能走多遠(yuǎn)，是必須警惕的問題。

*聲明:本文最初由作者撰寫。文章內(nèi)容是作者個(gè)人觀點(diǎn)。半導(dǎo)體行業(yè)觀察的轉(zhuǎn)載只是為了傳達(dá)一種不同的意見，并不代表半導(dǎo)體行業(yè)觀察同意或支持這種意見。如有異議，請(qǐng)聯(lián)系半導(dǎo)體行業(yè)觀察。

今天是《半導(dǎo)體工業(yè)觀察》第1914期。請(qǐng)注意。

實(shí)時(shí)專業(yè)原創(chuàng)深度