第二次AI芯片浪优艾设计网_设计圈潮下，中国版英伟达们又会作何准备呢？
指尖的美好 8小时前 国内的芯片热潮主要有两次，第一次是“AI芯片”——包括图形处理单元（GPU）、现场可编程门阵列（FPGA）和专门用于人工智能的特定应用集成电路（ASIC）。 2017年，成立仅17个月的寒武纪获得一亿美元A轮融资，成为AI芯片的首个独角兽；随后地平线也宣布完成了超过一亿美元的融资。与此同时，深鉴科技和比特大陆也分别获得了数千万美元的投资。创业公司之外，以云知声、依图为代表的AI公司尝试跨界造芯，以BAT为首的互联网巨头也加入造芯大潮。 时至今日，这些创业公司有的已经成为行业独角兽，有的被成功并购，还有的已经成功上市。 投资者内，除了红杉、金沙江创投、创新工场这样关注科技领域的顶级VC之外，也不乏芯片行业的龙头，比如投资了地平线的英特尔，投资了深鉴科技的赛灵思、三星等。有些晚入场的投资人甚至感叹，“还没等我弄明白GPU、CPU、ASIC、FPGA的差异，别人就已经投完了”。 2020年，芯片行业掀起了第二波创业热潮，这次主要集中在GPU领域。 GPU曾主要用来做图形计算，但随着人工智能的发展，GPU被证明在大规模并行运算中有很好的处理能力，于是成为了当今最流行的AI芯片之一。而定义了GPU的英伟达，在2021年11月一度市值冲向8000多亿美元，成为全球市值最高的芯片公司。 芯片创业是一个长周期的过程。国产的GPU公司不但要面对行业周期规律，还要从英伟达的“大山”夹缝中寻求突破。 在2017年的第一次AI芯片浪潮中，主要做的是ASIC芯片——一种为人工智能特定应用而定制的芯片。 因为是定制化芯片，ASIC根据产品的需求进行特定设计和制造，具有更高的处理速度和更低的能耗。 但是ASIC的缺点也很明显，因为其是针对特定算法而设计，其所适应的算法就是固定的，一旦算法发生变化就可能无法使用。比如在2019年，比特大陆发布了一种基于新款ASIC芯片的矿机蚂蚁矿机 X3，主要是针对门罗币（XMR）以及依赖 CryptoNight 算法的加密货币。但是门罗币随即发出反制声明，将改变核心算法以对抗ASIC算力的入侵，这将导致比特大陆的ASIC芯片的能效大打折扣。 而应对数据量的提升，人工智能的算法也在日新月异地迭代。于是，在ASIC芯片之外，还需要能够适用多样算法的通用AI芯片——也就是GPU。 虽然有英伟达这座大山横亘在面前，国产GPU的第一个机会在于，这并不是一个“包袱感”很重的行业。 其次，GPU“可编程”的特性则降低了定制化的成本。 “可编程”的另一个含义，是基于GPU，用适当的算法，更好地发挥其算力。简单说就是“硬件离不开软件系统的支持”。 这就不得不提到CUDA了，CUDA（Compute Unified Device Architecture）是随着英伟达GPU一同推广的计算平台和算法模型，目的是帮助用户更好地使用GPU的算力。 过往客户方如果需要用ASIC芯片替换英伟达GPU，就得按照ASIC厂商提供的新一套算法来重新部署，人力成本和试错成本都非常高，客户们望而却步。于是，新创业的GPGPU公司，都将“可兼容”CUDA作为必选项，尽量做到“能在英伟达上跑的都能在国产GPGPU上跑”，让客户更愿意尝试。 最后，在国产替代的大背景下，GPU的发展也离不开政策的支持。 2020年8月颁布的《新时期促进集成电路产业和软件产业高质量发展的若干政策》指出，“集成电路设计、装备、材料、封装、测试企业和软件企业，自获利年度起，第一年至第二年免征企业所得税，第三年至第五年按照25%的法定税率减半征收企业所得税”。 科创板和北交所的开市，不再将“盈利”作为衡量上市的硬性指标，“允许符合科创板定位、尚未盈利或存在累计未弥补亏损的企业在科创板上市”，让芯片设计企业能够更好地度过盈利周期。 就在2022年1月19日，上海印发的《新时期促进上海市集成电路产业和软件产业高质量发展若干政策的通知》提到，“对于符合条件的设计企业开展有利于促进本市集成电路线宽小于28纳米(含)工艺产线应用的流片服务，相关流片费计入项目新增投资，对流片费给予30%的支持，支持金额原则上不高于1亿元”。 在这样的综合影响下，可以说GPU迎来了最好的时代。 根据IDC数据，2022年全球AI芯片市场将达352亿美元。其中GPU占比最大，Goldman预计到2025年GPU占比将达到57%。 在这次GPU浪潮中，资本起到了重要的作用。 实际上，中国的GPU企业早已有之，但这些公司的GPU主要还在“第一层”——图形计算。 而在2020年左右成立的这些创业公司，却希望攻坚能够同时满足图形处理和AI计算的GPU，也即现在国内所说的GPGPU（通用GPU，General-purposeGPU）。 根据我们统计，仅2020~2021年，GPGPU领域就有近20起融资事件发生。 天数智芯、登临科技、壁仞科技、摩尔线程、沐曦集成电路是国产通用GPU的代表性公司，在资本市场备受关注，甚至会在一年内密集宣布三轮融资。 之所以融资速度极快，是因为GPU是一个极度花钱的行业，前期投入大，回报周期长。投资了壁仞科技的启明创投合伙人周志峰曾问其创始人张文：“你知道这事儿需要多少钱吧？”张文回答：“8到10亿美金。” 这可比造车还要烧钱。 贵，也是这批GPU公司的一大特点。比如，壁仞科技的A轮融资就有11亿元人民币，估值2亿美元。在这些公司的投资名单中，几乎集齐了市面上最知名的VC/PE和产业基金。 人才也是GPU创业公司持续在面对的问题。目前所有创业团队都至少有一位NVIDIA或AMD工作经验的人，但几乎所有团队都告诉「甲子光年」招人很难。在关注有GPU设计经验的人才之外，他们也非常关注AI泡沫消退后的这批技术人员，希望能让他们为AI芯片所用。具体到每家的产品，也采取了不同的技术路线。 第一类GPU公司选择了7nm的先进工艺，比如天数智芯、壁仞科技，而且两家公司都已流片成功。 在2021年3月，天数智芯发布了首款流片成功的7nm云端训练芯片BI100；10月，壁仞科技的第一款云端训练芯片BR100流片成功，两家公司的芯片都将交于台积电代工生产。 立足当下，每一家公司都定位明确，要做出能替代英伟达的GPU芯优艾设计网_PS问答片；面向未来，每一家公司又各有规划，要在属于自己的市场走深也走远。 正是因为芯片需要具体场景的验证才能证明其可靠性、完善其软件系统，早进入、已有产品的公司纷纷开始与客户一起落地合作，而后成立的公司也在研发过程中就积极寻找潜在伙伴。可以说，GPGPU这波芯片创业浪潮下，创业者与投资人都更加关注芯片的“落地”。
指尖的美好 8小时前 国内的芯片热潮主要有两次，第一次是“AI芯片”——包括图形处理单元（GPU）、现场可编程门阵列（FPGA）和专门用于人工智能的特定应用集成电路（ASIC）。 2017年，成立仅17个月的寒武纪获得一亿美元A轮融资，成为AI芯片的首个独角兽；随后地平线也宣布完成了超过一亿美元的融资。与此同时，深鉴科技和比特大陆也分别获得了数千万美元的投资。创业公司之外，以云知声、依图为代表的AI公司尝试跨界造芯，以BAT为首的互联网巨头也加入造芯大潮。 时至今日，这些创业公司有的已经成为行业独角兽，有的被成功并购，还有的已经成功上市。 投资者内，除了红杉、金沙江创投、创新工场这样关注科技领域的顶级VC之外，也不乏芯片行业的龙头，比如投资了地平线的英特尔，投资了深鉴科技的赛灵思、三星等。有些晚入场的投资人甚至感叹，“还没等我弄明白GPU、CPU、ASIC、FPGA的差异，别人就已经投完了”。 2020年，芯片行业掀起了第二波创业热潮，这次主要集中在GPU领域。 GPU曾主要用来做图形计算，但随着人工智能的发展，GPU被证明在大规模并行运算中有很好的处理能力，于是成为了当今最流行的AI芯片之一。而定义了GPU的英伟达，在2021年11月一度市值冲向8000多亿美元，成为全球市值最高的芯片公司。 芯片创业是一个长周期的过程。国产的GPU公司不但要面对行业周期规律，还要从英伟达的“大山”夹缝中寻求突破。 在2017年的第一次AI芯片浪潮中，主要做的是ASIC芯片——一种为人工智能特定应用而定制的芯片。 因为是定制化芯片，ASIC根据产品的需求进行特定设计和制造，具有更高的处理速度和更低的能耗。 但是ASIC的缺点也很明显，因为其是针对特定算法而设计，其所适应的算法就是固定的，一旦算法发生变化就可能无法使用。比如在2019年，比特大陆发布了一种基于新款ASIC芯片的矿机蚂蚁矿机 X3，主要是针对门罗币（XMR）以及依赖 CryptoNight 算法的加密货币。但是门罗币随即发出反制声明，将改变核心算法以对抗ASIC算力的入侵，这将导致比特大陆的ASIC芯片的能效大打折扣。 而应对数据量的提升，人工智能的算法也在日新月异地迭代。于是，在ASIC芯片之外，还需要能够适用多样算法的通用AI芯片——也就是GPU。 虽然有英伟达这座大山横亘在面前，国产GPU的第一个机会在于，这并不是一个“包袱感”很重的行业。 其次，GPU“可编程”的特性则降低了定制化的成本。 “可编程”的另一个含义，是基于GPU，用适当的算法，更好地发挥其算力。简单说就是“硬件离不开软件系统的支持”。 这就不得不提到CUDA了，CUDA（Compute Unified Device Architecture）是随着英伟达GPU一同推广的计算平台和算法模型，目的是帮助用户更好地使用GPU的算力。 过往客户方如果需要用ASIC芯片替换英伟达GPU，就得按照ASIC厂商提供的新一套算法来重新部署，人力成本和试错成本都非常高，客户们望而却步。于是，新创业的GPGPU公司，都将“可兼容”CUDA作为必选项，尽量做到“能在英伟达上跑的都能在国产GPGPU上跑”，让客户更愿意尝试。 最后，在国产替代的大背景下，GPU的发展也离不开政策的支持。 2020年8月颁布的《新时期促进集成电路产业和软件产业高质量发展的若干政策》指出，“集成电路设计、装备、材料、封装、测试企业和软件企业，自获利年度起，第一年至第二年免征企业所得税，第三年至第五年按照25%的法定税率减半征收企业所得税”。 科创板和北交所的开市，不再将“盈利”作为衡量上市的硬性指标，“允许符合科创板定位、尚未盈利或存在累计未弥补亏损的企业在科创板上市”，让芯片设计企业能够更好地度过盈利周期。 就在2022年1月19日，上海印发的《新时期促进上海市集成电路产业和软件产业高质量发展若干政策的通知》提到，“对于符合条件的设计企业开展有利于促进本市集成电路线宽小于28纳米(含)工艺产线应用的流片服务，相关流片费计入项目新增投资，对流片费给予30%的支持，支持金额原则上不高于1亿元”。 在这样的综合影响下，可以说GPU迎来了最好的时代。 根据IDC数据，2022年全球AI芯片市场将达352亿美元。其中GPU占比最大，Goldman预计到2025年GPU占比将达到57%。 在这次GPU浪潮中，资本起到了重要的作用。 实际上，中国的GPU企业早已有之，但这些公司的GPU主要还在“第一层”——图形计算。 而在2020年左右成立的这些创业公司，却希望攻坚能够同时满足图形处理和AI计算的GPU，也即现在国内所说的GPGPU（通用GPU，General-purposeGPU）。 根据我们统计，仅2020~2021年，GPGPU领域就有近20起融资事件发生。 天数智芯、登临科技、壁仞科技、摩尔线程、沐曦集成电路是国产通用GPU的代表性公司，在资本市场备受关注，甚至会在一年内密集宣布三轮融资。 之所以融资速度极快，是因为GPU是一个极度花钱的行业，前期投入大，回报周期长。投资了壁仞科技的启明创投合伙人周志峰曾问其创始人张文：“你知道这事儿需要多少钱吧？”张文回答：“8到10亿美金。” 这可比造车还要烧钱。 贵，也是这批GPU公司的一大特点。比如，壁仞科技的A轮融资就有11亿元人民币，估值2亿美元。在这些公司的投资名单中，几乎集齐了市面上最知名的VC/PE和产业基金。 人才也是GPU创业公司持续在面对的问题。目前所有创业团队都至少有一位NVIDIA或AMD工作经验的人，但几乎所有团队都告诉「甲子光年」招人很难。在关注有GPU设计经验的人才之外，他们也非常关注AI泡沫消退后的这批技术人员，希望能让他们为AI芯片所用。具体到每家的产品，也采取了不同的技术路线。 第一类GPU公司选择了7nm的先进工艺，比如天数智芯、壁仞科技，而且两家公司都已流片成功。 在2021年3月，天数智芯发布了首款流片成功的7nm云端训练芯片BI100；10月，壁仞科技的第一款云端训练芯片BR100流片成功，两家公司的芯片都将交于台积电代工生产。 立足当下，每一家公司都定位明确，要做出能替代英伟达的GPU芯优艾设计网_PS问答片；面向未来，每一家公司又各有规划，要在属于自己的市场走深也走远。 正是因为芯片需要具体场景的验证才能证明其可靠性、完善其软件系统，早进入、已有产品的公司纷纷开始与客户一起落地合作，而后成立的公司也在研发过程中就积极寻找潜在伙伴。可以说，GPGPU这波芯片创业浪潮下，创业者与投资人都更加关注芯片的“落地”。
加载中,请稍侯......
精彩评论