本來是要給傳統(tǒng)行業(yè)賦能，結(jié)果要靠傳統(tǒng)行業(yè)續(xù)命，這個就是很多AI芯片公司要面對的現(xiàn)實。
江湖上有一位赫赫有名的大師，曾經(jīng)傳授過一句口訣“站在風口上，豬都會飛”；當很多后起之秀憑借口訣能夠御劍飛行時，其中最想請教大師的問題就是“在風口上飛起來了，但是要怎樣落地”。
當下的AI芯片創(chuàng)業(yè)公司都遇到這個問題，融資一輪又一輪，頂會論文一篇又一篇，PR一場接一場，流片一款又一款，現(xiàn)在最糾結(jié)問題還是怎么落地？
對于AI產(chǎn)業(yè)來說，萬物AI可能早晚都能實現(xiàn)，但是對于一個AI芯片公司，最重要的活著看到那一天，而芯片產(chǎn)品落地是活著的前提條件。
01緣起
世界上本沒有AI芯片，AI算法多了，便有了AI芯片。
AI算法出現(xiàn)后，業(yè)界發(fā)現(xiàn)原來CPU這種計算體系結(jié)構(gòu)，效率太低，可用性極差，特別是在IOT端，都沒有什么有效的解決辦法；如果一個東西滿足不了應(yīng)用，那么就需要有更有效的計算架構(gòu)來替代，DSA（領(lǐng)域?qū)Ｓ眉軜?gòu)）應(yīng)運而生，這個就是AI芯片的緣起。
一位AI大師苦思冥想，悟道新算法；或者一個電路或者體系結(jié)構(gòu)大師，苦思冥想，悟道新結(jié)構(gòu)，他們不約而同做了一款AI芯片，可以在ISSCC/Hotchips等頂會上一鳴驚人；有效提升性能，降低存儲代價，于是想做一個AI芯片公司。
大體上，AI芯片分為云側(cè)AI芯片和端側(cè)AI芯片；云側(cè)，用在數(shù)據(jù)中心；端側(cè)，用在IOT，也被稱為AIOT；做AI芯片也面臨兩條路，端側(cè)AI芯片和云側(cè)AI芯片；AI大師覺得，如果芯片面積小，功耗低一點，就走端側(cè)；面積大，性能高一點，那就走云側(cè)；但這兩條路的落地都充滿挑戰(zhàn)。
如果在云端：就是主CPU和AI芯片分離，AI芯片是專用的加速芯片，以加速卡的形式用于服務(wù)器上；而在端側(cè)，需求截然不同，必須是一個完整的SOC；所有端側(cè)AI芯片都是SOC，不存在獨立AI芯片的空間。
AI芯片好比一個人的右腦，負責音樂，繪畫，空間幾何想象；但是用戶對終端AI芯片的需求，是一個完整的人，不但需要右腦，還需要左腦（CPU）,五臟（其他功能模塊），四肢（IO模塊）等等，這些都齊備，這才能滿足用戶的需求。
以安防領(lǐng)域（智慧視覺）舉例，IPC SOC攝像頭芯片，目前有好多AI公司計劃在此方面發(fā)力，IPC SOC芯片在AI芯片不存在時，就已經(jīng)是業(yè)界相對標準的做法了。
一個IPC SOC，由CPU，視頻編解碼模塊（H.264/H.265）,圖像處理模塊（ISP）,音頻編解碼模塊,視頻和圖形處理模塊，安全引擎，外圍接口（mipi，ddr，I2S，USB，SDIO等等）組成，最后才是AI處理模塊。
有AI模塊的加入，支持神經(jīng)網(wǎng)絡(luò)加速，可以完成目標（人臉）檢測與跟蹤、場景識別，這個只是這個IPC SOC中其中一個較小的功能。
AI是IPC SOC是一個特性（feature）；沒有AI也是一個具備廣泛應(yīng)用IPC的SOC芯片，況且如果內(nèi)嵌GPU的話，也能做不少AI的特性的工作；從中可以看出，在終端AI芯片側(cè)，AI是輔助，上單、打野、中單、射手都是必須的，否則5V5根本贏不了比賽。
道生一，一生二，二生三，三生萬物。
從AI大師悟道AI算法，到AI IP，現(xiàn)在到AI SOC芯片；一個比一個難；但還不是最難的，完成了整個軟件解決方案SDK；這才達到了這個及格線。
道是AI算法，一是AI的IP，二是SOC芯片，三是軟件方案SDK。
走到這一步才具備推廣的基礎(chǔ)，是萬物皆可AI的前提。
02雷神之錘
既然萬物可AI，那么AI就可以賦能傳統(tǒng)行業(yè)，這個邏輯沒有問題，那么有哪些傳統(tǒng)行業(yè)可以被"賦能"，這個是AI落地的核心問題。
目前在終端側(cè)AI，看的比較清楚的，一個是視頻監(jiān)控（安防），已經(jīng)有很多玩家了；另一個是自動駕駛，也有很多玩家了；其他的領(lǐng)域還有哪些？
AI芯片公司就像《復仇者聯(lián)盟》里的雷神托爾，拿著一把錘子（AI芯片），在所有行業(yè)，都砸一遍，看看有什么油水；俗話說，手里有一把錘子，看什么都是釘子。
智能眼鏡，智能家電，自動駕駛，安防，智慧零售，能源勘探，智能硬件，所有的地方都要拿錘子敲一下；用AI芯片賦能傳統(tǒng)行業(yè)，AI芯片這把錘子，不論看到什么有公司打算去砸兩下；現(xiàn)在被AI這把錘子沒有被敲過的傳統(tǒng)行業(yè)已經(jīng)不多了。
本來是要給傳統(tǒng)行業(yè)賦能，結(jié)果要靠傳統(tǒng)行業(yè)續(xù)命，這個就是很多AI芯片公司要面對的現(xiàn)實；“拿著錘子找釘子”是無奈之舉。
但是這個是一個有效的手段，AI芯片公司實際上花了很大力氣來教育市場；但是能夠產(chǎn)生價值的地方不多，更多的時候是被市場教育了。
但是找到目標客戶，盡快產(chǎn)生價值，一方面可以實現(xiàn)芯片及方案落地，另一方面可以實現(xiàn)AI芯片的快速迭代。
找到最擅長的落地場景，給客戶提供一整套的解決方案，便于拿下商業(yè)合同，就需要變成所謂的行業(yè)解決方案專家；傳統(tǒng)的芯片公司，都是提供芯片給方案廠家，方案廠家做成整機或者方案給用戶。
現(xiàn)在AI這一波潮流催生很多公司，一個是專門的AI方案廠家本身就不成熟，能夠賺到錢的AI方案公司也不多，能出真金白銀來采購芯片就更少。
另一個方案廠家本身就直接開發(fā)AI芯片；搞得很多AI芯片公司只能去推方案；所以為了這瓶醋，不得已就得去包一盤餃子。
03華山論劍
與終端AI芯片形態(tài)各異完全不同，云端AI芯片的形態(tài)非常類似，就是服務(wù)器插AI加速卡，接口目前是PCIE；同時都需要外接DRAM存儲，原來直接DDR，現(xiàn)在都是直接HBM。
總之，這個形態(tài)已經(jīng)固定好了，就是在云數(shù)據(jù)中心領(lǐng)域，提供AI算力，看誰的芯片性能更高，適用性好，評價軟件和標準都一套成熟的模式和框架。
目前NVIDIA的A100芯片，目前有826mm2,采用TSMC 7nm工藝，通過這兩個指標都來看，云端芯片面積大，制程工藝先進，因此可見，云端芯片的資金投入規(guī)模高,對芯片設(shè)計公司的技術(shù)挑戰(zhàn)也非常之大；但是技術(shù)挑戰(zhàn)雖大只是小問題，落地才是大問題。
這個領(lǐng)域已經(jīng)被NVIDIA占據(jù)了，這個就是華山論劍，做出來就需要和NVIDIA正面碰撞；不論做出任何一款云端的AI芯片，客戶就會靈魂三問：與NVIDIA的同款相比性能指標如何？功耗對比如何？適配AI算法如何？
如果芯片廠商說，孩子剛生出來，就要和業(yè)界大佬去比，這個太苛求了吧。但是云端客戶為什么苛刻，非要和NVIDIA去比，因為這個領(lǐng)域的客戶也是非常集中，并且很強勢。
世界范圍內(nèi)是亞馬遜，谷歌，微軟，阿里；國內(nèi)是阿里云，騰訊云，華為云，天翼云，百度云，金山云，京東云等等。
NVIDIA目前在云端的AI加速卡占據(jù)了95%以上的市場，如果他們要換解決方案，必然必須要比NVIDIA有優(yōu)勢，功耗，性能，價格，適配性等等，這個是繞不過去的。"利不百，不變法；功不十，不易器"，就是這個道理。
另一個取巧的方法，根據(jù)對云端業(yè)務(wù)的深入理解，避開NVIDIA的九陽神功，做云端AI的定制化，不采用類似NVIDIA可編程的SM（流處理器）的路線。
走谷歌TPU的道路，不用支持所有的AI算法，不用可編程，只支持某些AI算法，走專用芯片路線，好處比較高效，比GPU更專用；功耗面積成本肯定對NVIDIA都有優(yōu)勢。
這種做法的風險就是，AI領(lǐng)域每年都會有很多新的算法及特性出來，是一個不斷發(fā)展進度的領(lǐng)域；如果不是高度靈活的可編程架構(gòu)，今天的AI芯片船票，還能不能趕上明天客戶應(yīng)用的客船，就要打一個大大的問號。
還有一點不利的因素，不論是國外還是國內(nèi)，很多云廠，一方面都用NVIDIA的解決方案，另一方面都在自己做芯片。
谷歌的TPU，阿里的含光，華為的昇騰，百度的昆侖等等；最近的字節(jié)跳動也擠入了這個行業(yè)；不禁令人感嘆，大廠做芯，有需求，有動力，已經(jīng)蔚然成風，既是裁判又是運動員，云端AI芯片創(chuàng)業(yè)公司如何與之競爭？
04落地
雖然萬物可AI，對于客戶來講，可能需要的AI場景值不值得投入很多錢，是一個大問題。
例如客戶需求就是一個MCU，原本就是一片幾塊錢的預算，帶上AI功能后也不會偏差太多；對于AI公司來講，如果在這個細分賽道上再提供詳細解決方案，這點錢是否值得這么大的軟件及方案投入是一個大大的問號。
以前有的公司做AI項目的時候，經(jīng)常會收到各種定制需求，比如在廢物回收領(lǐng)域，用戶要用AI實現(xiàn)物品的分揀，就需要定制一套AI解決方案，這種例子不勝枚舉。
算法要實現(xiàn)，應(yīng)該沒有問題，但是用戶不是需要一個AI算法或者芯片，而是一整套AI解決方案，開動這套方案軟件的投入就更大。
到底為了這瓶醋，包盤餃子值不值？
AI芯片廠商高投入研發(fā)過后，卻不知道自己的產(chǎn)品要賣給哪些客戶或者說應(yīng)用到哪些產(chǎn)品上，無法找到可持續(xù)性的落地場景。
如果通過系統(tǒng)方案或者示范性項目，把芯片用上，讓客戶看到真正的價值，形成行業(yè)示范性應(yīng)用案例，甚至推廣規(guī)范，那就是非常值得的。
在這個過程中，可以發(fā)現(xiàn)芯片的一些問題，同時為下一步芯片的迭代提供了方向，而AI應(yīng)用則要通過數(shù)據(jù)來進行功能迭代，形成數(shù)據(jù)閉環(huán)迭代，一舉數(shù)得，非常有效。
AI芯片細分賽道越來越多，天下大勢，分久必合，合久必分；不可能每個賽道都有一顆AI芯片；量上不去，成本也cover不??；那么就是要聚類。
對于AI芯片公司，不可能每個行業(yè)場景都要一套方案，需要認清自己的能力邊界，成為細分行業(yè)的老大，才能真正站穩(wěn)腳跟。
推廣過程中，用戶會發(fā)現(xiàn)AI芯片公司對行業(yè)的理解遠遠不及用戶，但是只有成為這個行業(yè)的專家，對行業(yè)背景的深入理解，才能夠帶給用戶物超所值的解決方案，這個要求比傳統(tǒng)的芯片公司對芯片的理解又更深了一層，也更難了一層。
AI的技術(shù)之風催熟了很多AI芯片公司，而AI的應(yīng)用落地則是滯后的；當AI芯片脫離單純討論"技術(shù)能力"的范疇，如何能夠教育市場，減少技術(shù)到應(yīng)用的時間，把研發(fā)投入快速轉(zhuǎn)換成銷售和利潤，是一個很有挑戰(zhàn)的問題。
因此瞄準萬物AI的目標，催化整個AI的應(yīng)用落地；"為了這瓶醋，而包一頓餃子"的方法在目前階段也不失一個解決之道。
