2019-10-20 09:13:56
“前两年你还可以讲我要做AI芯片，但今年如果你没有一个产品做出来，跟竞争对手比起来，你其实就处于劣势了。”半导体领域出身的投资人北极光(3.99 0.21 5.56%)创投董事总经理杨磊对CV智识表示。
但“落地”的过程，显然比芯片研发本身更具挑战，这既是对第一代架构设计的试金石，又需要庞大的软件开发和客户支持的力量。
当然，一些AI芯片公司刚刚推出或者刚刚开始落地产品、落地场景，但能否真正可以批量工程化应用于产品，能否真正满足实际场景需求，以及芯片的稳定性等都有待观察。
但这并不妨碍市场调研机构们继续描绘AI芯片美好的未来：根据Gartner预测，2022年全球AI芯片的市场规模将从2018年的42.7亿美元上升到2023年的323亿美元，2019-2023年平均增速约为 50%。
没有人会怀疑人工智能的未来，也没有人质疑AI芯片的产业根基地位，只是在这个有自己客观规律，快不得也慢不得的战场上，参与者们要如何调整好姿势战斗？先入者冠盖云集(5.47 -0.61 -10.03%)，后来者是否还有机会？CV智识带着好奇和行业内多位从业者聊了聊。
落地
客观上看，2019年，AI芯片玩家们商用的步伐并没有预期的那么快。
无论是体量庞大如华为、阿里(169.13 -7.72 -4.37%)、特斯拉(256.95 -5.02 -1.92%)，还是那些跑得快的初创企业如亿智、登临、燧原、鲲云等，即使有些已经发布产品或者宣布流片回来，但距离大规模量产尚有些距离，更何况巨头们的产品大多还是自用。
有行业人士甚至调侃，一年前，在一个峰会上看到十来家创业公司用PPT展示了他们的AI芯片计划。今年，这些公司只是展示了更新的PPT而已。
AI芯片面临的商业化落地问题还能从当前的融资案例看出，一位投资人士对CV智识表示，目前融到钱的几家主流AI芯片初创企业，背后都有一个共性：有客户或者产业资源背书，“否则很难”。
在深圳鲲云信息科技有限公司创始人兼CEO牛昕宇看来，“与其说AI芯片商业化难，更多是对于AI芯片的落地难度没有一个足够清晰的认识。”
AI芯片的核心产品指标只有两个：算力性价比和算法支持通用性。
这两个指标支持AI应用落地门槛的不断降低，包括部署成本和开发周期。围绕这两个核心指标，还有国产可替代、领域专用接口、领域散热功耗稳定性指标等细分指标。
“AI芯片落地的过程其实是把这些指标与客户现有产品指标的差值释放给客户的过程。”
而这个过程有自己客观规律，没有捷径，“自产品量产、产品导入、产品出货都有系统性、工程性的坑要一个一个填。”
就像做汽车的AI芯片，“车本身是一个安全的东西，因此汽车的AI芯片必须经过车规级检验，必须要保证体系功能和安全都能得到充分验证，无法跨越。”黑芝麻智能科技联合创始人兼COO刘卫红对CV智识表示。
杨磊用“跨栏”形容AI芯片创业，“跨栏由三个要素组成：运动员本身的能力（整个团队的配置）、栏的高度（AI芯片的难度）以及助跑的长度（客观发展时间）。”
当然，在外界质疑AI芯片落地慢的时候，也有行业人士表示，无论是从AI这样一个新兴领域、从一个底层硬件平台、还是从芯片而言，能够有落地产品已经是不错的商业进展了。
