AI芯片市場將進入一個洗牌的時刻，那么，AI芯片在中國的這場狂歡還會持續多久？

　　熱錢熱土也就看個熱鬧

　　近三年里，AI芯片領域的融資出現了兩筆超級融資：

　　初創公司壁仞科技在成立18個月，融資超47億元，創下了國內芯片創業公司的最大融資紀錄

　　摩爾線程成立不到一年，融資數十億元，估值超百億

　　真金白銀不斷涌入。根據第三方分析機構統計，僅2021年前四個月，中國AI芯片行業的投融資規模達到89.65億元，涉及投融資事件20多起。

　　隨著各行各業的企業都開始進入IC行業，人才需求量猛增。但是人才培養的速度完全跟不上需求的增長。因此，新進入的企業高薪挖人，高薪搶人已經成為常態。應屆生的薪資水漲船高。趨勢上看，年薪百萬也不是不可能的。

　　能夠拿出高薪的企業有兩種：

　　其一，拿到大筆融資的初創企業

　　其二，入局IC的互聯網巨頭

　　對于初創公司來說，要對得起投資人的大筆投資，技術團隊必須建立起來。往往投資人的壓力也比較大，一般需要在一定時間之內，建立多少人的隊伍。時間一到，是需要向投資人匯報的。因此，技術團隊建設，往往比較急。而恰恰這類企業，由于知名度不夠，招人還不太容易招到。正所謂，重賞之下必有勇夫，那就用更高的薪水來吸引人才。如果50%不夠，那就雙倍。反正投資人的錢是必須要花的。

　　其實，也不是所有的初創企業都有實力不計代價的砸錢。如果沒錢怎么辦？可以許諾股份。由于沒有上市，估值就有很大的隨意性。因此，招人的時候，可以許諾價值數百萬的股份，一樣可以吸引很多人加入。當然，到變現的時候，就要看造化了。

　　另外一種企業，就是大名鼎鼎的互聯網巨頭。財富，聲望都完全吊打創業公司。無論是老BAT（百度，阿里，騰訊）還是新三巨頭（字節，阿里，騰訊），都已經入局。這類企業，資金雄厚，認準一個行業，重金投入，然后將整個行業洗牌。

　　共享單車，滴滴快滴大戰，外賣，這些企業以及代理，憑借雄厚實力，砸入重金，瘋狂補貼。一般企業哪里見過這樣的世面？要么被收購，要么就得倒閉。

　　如今，這些企業進入到芯片行業。傳統芯片行業，憑借搞芯片賺取的微薄利潤，如何和這些互聯網企業競爭？

　　這些企業的海量資金，完全不是來自于芯片，而是流量。

　　他們可以拿出傳統芯片企業難以拿出的薪水，再加上初創公司難以企及的名氣，成為了吸引人才無往不利的大招。

　　芯片行業并不是暴利行業。要不是中美科技戰，芯片行業可能根本不會吸引眾多人才的注意。

　　傳統芯片公司，像海思這樣的，背后有著實力雄厚的靠山的企業少之又少。長期以來，更多的企業一直在歐美等芯片巨頭的陰影之下發展。這些企業，可能原本以為自己有了機會，有了出頭之日。原本只買外國芯片的設備公司，也開始買國產的芯片了。還沒來得及高興，互聯網公司來了。

　　這就出現了非常吊詭的現象：芯片行業受到了前所未有的重視，很多芯片公司也打開了市場，結果赫然發現，自己的團隊，或被挖空，或集體出走。

　　以往，芯片公司往往會死于沒有市場，如今，他們的死亡的可能又多了兩樣：

　　死于沒有產能

　　死于沒有員工

　　很多芯片的工程師，離開了真正做芯片的企業，進入了沒有芯片基因的互聯網公司。市場角度看，似乎沒有問題。但是總覺得不太對。

　　我們來看看美國。芯片公司和互聯網公司，似乎分工更加明確。微軟也走硬件，但是xbox的芯片還是找的AMD來做，而不是自己招人。facebook沒有聽說搞芯片。google確實有這方面的消息。但是主要還是研究性質，可以理解為眾多前沿方向之一。

　　是不是互聯網公司和傳統芯片公司強強聯合更好一些，而不是重復建設？比如阿里平頭哥前身是阿里收購的中天微電子，經過整合發展而來。吞并是一個方式，但是個人認為更好的方式是，類似于微軟和AMD的關系。讓芯片公司為自己定制專用的集成電路。

　　互聯網企業，賺的是快錢，芯片，卻是需要長期的投入，卻往往看不到什么利潤。互聯網企業現在可以重金砸向芯片，如果不見什么利潤的話，會不會始亂終棄，最后搞得一地雞毛？那就真的是歷史的罪人了。

　　讓泡沫再飛一會

　　正如前文所說，各種相關不相關的公司都開始涉足芯片，造成的結果就是原來真正做芯片的公司被挖的肉疼。

　　招聘網站有數據顯示，剛畢業就可以達到50萬。而這50萬，據說僅僅靠刷題刷了半年就做到了。

　　50萬，到印度，是不是可以組一個團隊了？

　　從工程師的角度，我們當然希望薪水高一些，這無可厚非。但是從宏觀的角度來看，風險正在孕育之中。

　　薪資暴漲，表示需求遠大于供給。然而，很多需求其實只是重復建設，反而讓真正的需求難以滿足。

　　西方的芯片公司忙著合并，收購，做整合。而國內的公司趨勢卻相反。原有大公司團隊紛紛出走，成立創業公司。原因很簡單，融資太容易了。

　　假設，一個公司的一個soc團隊出走，成立一家新的公司。這家公司做的東西必然也和之前從事的方向接近甚至相同。芯片都是低水平重復，這不就是重復建設，浪費資源嗎？

　　這個過程中，消耗了大量的資金，卻沒有做出什么有效的效果。只不過，重新做了mask，foundary受益了；重新買了EDA軟件，EDA公司受益了；重新買了IP授權，ARM這樣的IP公司受益。

　　思來想去，這受益怎么還TM是國外的公司啊？

　　當然，這個過程中，肯定有一些國外的芯片被替代，但是大量的浪費也是必然。不只是資金，人才浪費也極其嚴重。

　　搶人風潮導致員工離職率高。可能剛剛入職一年，一個項目沒做完，又被挖走。沒辦法，薪資跳漲啊，然后這位員工又開始到新的公司熟悉環境。

　　人才其實一直在空轉，一個行業成這樣絕對不正常！

　　馬斯克曾在推特上談及為什么要做AI芯片——要解決自動駕駛問題，就必須解決真實世界的 AI 問題。需要擁有很強的 AI 能力以及超強算力，一旦擁有了解決上述問題能力的AI芯片，其他的（能力）不過錦上添花。

　　算法早已不是制約AI發展的瓶頸。業內對此已有共識。在今年的世界人工智能大會（WAIC 2021）上，AI芯片取代算法公司成為絕對主角。

　　一個確定而巨大的應用場景是AI芯片的關鍵。

　　好賽道永遠不缺資本，AI芯片行業確實有機會，目前也出現一些不確定性因素。這個進程比預想中來得快，相比于2018年中國在AI芯片上的狂熱，如今，誰能率先落地產品、構建生態，誰就能在這場競爭中突圍。

　　三年時間，有核心競爭力的公司已經能夠跑出產品、推向市場，而沒有場景和產品的AI芯片公司當下很難拿到專業投資機構的投資了。

　　只是現在整個圈子熱錢依然多，裹挾了許多國民愛國情感在里面，泡沫可能還會再飄一陣，但是這種熱情的背后透露出來的是急功近利的產業氛圍，不會飄太久。

　　提前進入肉搏戰

　　如果盤點當前中國活躍的AI芯片公司會發現，這些公司基本成立于2018年前后。2020年開始，主要融資都發生在相對成熟的企業，基本已經獲得了1-2輪，甚至2輪以上融資的AI企業，這一趨勢在之后的兩年里更為明顯。

　　這與大洋彼岸的美國不同。美國的人工智能產業已經經歷了三個發展浪潮，而最近一次起始于21世紀初，時間上要比中國早，經過一段時間的高速發展后，開始進入平穩期，并著重于在實際工業（如自動駕駛、語音及圖像處理、服務機器人等）中的應用。

　　美國AI芯片企業NeuronBasic Technology首席科學家王紅衛表示：雖然AI的第三次浪潮得益于芯片技術的高速發展，但美國的創投圈對AI芯片概念的初創公司興趣不大。這是因為他們清楚：

　　如果要將復雜的AI算法運行于芯片上，需要用到最先進和復雜的芯片工藝，從而需要巨量的投資

　　另一方面，半導體在美國已經是一個夕陽產業

　　這種情況下，高端AI芯片，一般會被納入到大公司下面去做。

　　反觀中國，AI芯片概念在開始中國火起來的時間點恰好是AI算法公司進入殘酷淘汰期，由于專業的半導體產業投資人看到這個趨勢更早，2017年，他們已經在開始看和投一些AI芯片公司了。2018年，一些非半導體專業投資基金開始進入AI芯片領域。

　　很多AI芯片公司都是先選擇從較為簡單的云端推理芯片入手，不論是AI推理芯片公司，還是AI訓練芯片，都成為中國資本市場上的香餑餑。只是，在贏家通吃的芯片行業，一場競爭激烈的淘汰賽必將發生，誰能生存到最后？

　　有新型算法，為了這個算法專門做一款AI芯片，但沒有場景的公司，專業的投資人現在已經不會再投。可以這么說：沒有產品的AI芯片公司很難再拿到融資了。

　　握著“金剛鉆”，還找不到“瓷器活”的企業，淘汰是必然選擇。

　　AI芯片初創公司在彼此肉搏的過程中，還不得不面對巨頭的兵臨城下。當擁有數據絕對話語權以及經濟實力的巨頭進軍AI芯片，意味著對于AI芯片初創公司，競爭壓力將逐漸增大。

　　許多人擔憂，這樣的情景與2016年那場AI算法泡沫破滅有點相似。一旦數據巨頭也進入AI芯片領域，對于這個領域的初創公司來說，是否也面臨曾經AI算法初創公司所面臨的窘境和瓶頸——要么被吞并，要么被淘汰。

　　結語

　　熱火朝天的AI產業并不是一個新鮮事物。

　　AI發展至今，已經經歷過三次浪潮：

　　第一次是50年代，AI從誕生到模擬人，最后失敗了被冷落

　　第二次是60、70年代，專家系統的熱潮

　　第三次是80、90年代神經網絡興起

　　每一次，都是在理論認知突破后嘗試場景化、硬件化，又都由于理論的局限，造成產業的退潮。不過，這一次，AI產業的浪潮與以往不同。半導體產業的飛躍極大推進了AI理論的場景化、硬件化。再往后，AI產業發展的根本瓶頸已經不是芯片技術本身，而在于建立在基礎理論之上的，對架構的突破。

　　基礎理論上的瓶頸反映到當下AI面臨的挑戰中，在找到具體應用場景后，AI公司往往需要面臨三大難題：

　　功耗問題，以自動駕駛為例，當理論上已證明算法可行，但把算法放到真實場景中，在車內測試，現實情況是，一旦開啟自動駕駛模式，航程旋即大幅度縮水

　　本地化問題，如果將算法和數據都放在云端，一旦網絡出現問題，車的安全就失去保障，故而在實際場景中，必須有本地化處理的能力

　　突破時間的限制，所有AI實際場景應用都有時間限制，而現在的云端算法往往還不夠快

　　除了底層的理論突破，還有一點我們要明白：芯片的發展已經逼近物理極限。未來行業競爭所受到芯片制造工藝的制約已經不大，芯片將要往應用方向走，降低功耗將會在一段時間內成為AI芯片優化的方向。

　　谷歌和亞馬遜，這類平臺公司建了很多超算中心，已經在很早就意識到一個關鍵問題——如果算力翻倍，除了硬件成本要翻倍，電力供應和電費成本更是個瓶頸，解決這個問題的方法就是理論的突破，因此公司都開始在大力支持從芯片技術到算法理論的創新，以此應對升級算力中能耗的挑戰。

　　雖然中國AI公司在應用場景上走在世界的前端，但同樣需要意識到的是中國在AI前沿基礎研究上明顯落后于國外。創業公司在算力的比拼和角逐中，更要對現有AI理論的局限和邊界有清醒的認識。

　　AI芯片市場將進入一個洗牌的時刻。回到筆者在開頭提到的問題：AI芯片在中國的這場狂歡還會持續多久？

　　一個合理的商業模式很重要。一位產業投資人如此描述這種商業模式，做AI云端訓練芯片，一定要跟客戶緊密綁定，你想用什么我就做什么，邊掙錢邊迭代，我做的比你快，比你自己做更省錢，成功幾率更高，這種合作模式就能夠持續。

　　但如果一家AI芯片的初創公司的模式是，告訴客戶自己的技術很厲害，你需要給我付錢，但是我們需要做一些研究，需要一段時間。這種科學家思維的做法，在講求效率和利潤回報的商業社會，很難闖出來。

　　雖然目前資本市場熱錢還很多，泡沫還需要膨脹一陣，但筆者認為將會很快進入冷靜期。如今，專業投資人對于有算法但沒場景的初創公司已經不會再投了。在“老大吃肉、老二喝湯”的半導體行業，頭部效應明顯。AI芯片本身有多個產品線和賽道，每個產品線里最后會跑出來兩三家公司，這是將來的格局。