在过去不到五年的时间里，AI芯片经历了概念炒作、泡沫破灭、修正预期和改进问题。有人担忧AI芯片的未来，也有人坚定看好。
如今，AI芯片公司面临不少现实困境。在投资人愈加谨慎和理性的2022年，融资成了不少初创AI芯片公司面临的一大难题。公司经营也需要得到重视，对于AI芯片公司来说，即使在行业内具备先发优势，在不合理的公司经营之下也可能落败。此外，由于AI芯片相关软件的特性，国内芯片相关软件的发展问题也有待解决。
业内人士表示，AI芯片公司逐渐降温且两级分化加剧。已经找到应用场景，并且芯片即将快速上量的公司将迎来快速发展，一旦第一梯队的AI芯片公司快速上量，留给其他AI芯片公司的时间就不多了。同时，由于资本聚焦头部芯片公司，马太效应明显，中国芯片产业或将引来并购潮，国内大部分的芯片公司，都将在未来5-10年间消失。
目 录
一、AI芯片公司的现实困境
二、AI芯片公司逐渐降温且两级分化加剧
三、资本热潮加速中国芯片产业并购潮
四、AI芯片，为什么“凉了又热”
1.资本寒冬中的融资困境
大芯片创业公司的单款芯片开发成本就高达数亿元，每年员工的薪资支出也高达上亿元，因此大量融资成为了活下去的关键。还没正式发布产品的公司尤其面临尴尬的处境，要想拿到入场券，只能先拿融资。
资本持续涌入AI云端芯片领域的原因主要有三个。一是赛道逻辑，看到英伟达生意好、市值高就投资；二是一级市场投资人抱团；三是很多投资人并不专业，特别是跨领域的投资人和机构。
然而，在投资人愈加谨慎和理性的2022年，AI芯片公司融资情况与AI大热的2016年前后已大不同。如今投资人不仅要看产品，还要看芯片的MLPerf Benchmark（一套用于测量和提高机器学习软硬件性能的通用基准），更实际的投资人直接看芯片落地订单的发票。
面临资本寒冬中的融资困境，有的AI芯片初创公司为抢融资甚至不择手段。例如，一家芯片公司写抹黑竞争对手的尽调报告，再单独发给投资人阻碍竞争对手融资。可见融资之难。
2.公司经营很关键
对于AI芯片公司来说，即使在行业内具备先发优势，在不合理的公司经营之下也可能落败。某AI芯片公司每一代芯片的首席架构师都不同，架构思路不断改变，硬件架构没有延续性导致每一代产品软件都从零开始，即使请来业内高手，也很难把控AI芯片这么大一摊子软件，并且外部招来的人由于在核心管理团队中没有话语权，也很难发挥合力做出好产品。
3.国内芯片相关软件有待打磨
AI芯片相关软件的困境源于以下几点：
一是AI芯片的软件需要从零开发。与CPU不同，各家的AI芯片计算架构和指令都不同，从编译器到库再到框架的适配，都不像CPU一样有开源可以复用的东西。
二是自家的软件与英伟达的生态兼容的难度很大。AI软件生态实际上就是英伟达生态，但CUDA相关的核心部分都是闭源、封闭的，因此想要与英伟达生态兼容的难度很大，而想要短期内自己建立一个新的AI生态则更难以实现。
三是云端AI推理应用的多变性。目前AI的算法和模型仍然在快速发展和迭代，图像分类ResNet 50模型的优化好不容易得以实现，新的语言模型BERT模型又开始流行，自然语言处理模型又开始越变越大，BERT的各种变形枝繁叶茂，这也增加了AI芯片软件的开发难度。
四是编译器还做不到具备泛化能力。很多公司声称算力是英伟达同级别产品的2倍，实际还不到其性能的1/4。编译器通常都是依据芯片存算特征针对特定的模型手动做优化，不具备泛化能力。而客户的AI模型与其业务密切相关，涉及商业机密，因此并不会直接把模型给芯片公司，AI芯片公司很难提前做有针对性的优化。
4.落地竞赛已经开启，选择非常重要
AI芯片公司今年下半年是给投资人和市场交答卷的时候了，今年如果还不能上量落地，可能今年底明年初就会有公司开始收缩。即便是融资几十亿的AI芯片公司，按照千人规模，人均百万的薪资计算，融资最多能撑到2024年，那时候就能看到真正裸泳的人。
在落地过程中，选择非常重要。AI云端芯片公司们优先把目光投向了采购规模在亿美元级别头部互联网公司以及政府的项目。其中，政府的项目看起来金额很大，芯片公司自己要承担的成本也很高，实际上利润不高，并且更重要的是，政府的AI项目不具备延续性和可复制性。因此，当下检验一家云端AI芯片公司，无论是采用DSA（领域专用架构）还是GPGPU架构，能在互联网公司落地才是有硬实力的体现。能够在互联网公司的场景中落地，不仅证明了产品的可用性，也说明了其AI芯片落地的可复制性。
1.AI芯片公司逐渐降温
2017年左右，不少传统做芯片的人看到了AI的机会，开始了AI芯片的创业；2018年之后，做AI算法的公司也开始了自研芯片，AI创业达到顶峰；2019年之后，新创立的AI芯片公司越来越少，行业的关注度也逐渐下降。
AI芯片公司降温的原因有以下几点。一是AI需要配套的技术和开发资源支持，对于AI在业务场景的应用和效果评估缺乏合理指标。二是大量的资本进入之后，不免有一些项目仓促上马，最后的结果就是在落地层面上出问题。三是英伟达的GPU除了能处理AI负载，还能进行图形计算等，因此英伟达的GPU在AI应用中很难被替换。四是构建软件生态的时间比芯片研发的时间要长，增加了在云端AI芯片领域创业的公司的难度。
2.终端AI芯片两大落地障碍
相比云端AI芯片，终端的应用场景更加聚焦，解决的问题也更加固定，落地的门槛更低一些，且终端市场体量巨大。但终端AI芯片落地的速度也普遍比AI芯片公司预期的慢。一般而言，一款芯片从立项到量产，顺利的情况大概需要2-3年，然后再基于芯片开发出开发平台以及比较完善的方案至少又需要半年，到客户端，客户从新产品开发到量产又需要大概1-1.5年，因此，一款全新的AI芯片大约要4年左右的时间才能大规模落地。
落地过程中的第一大障碍是打磨出真正符合客户需求的产品。AI芯片公司只有在满足了客户的非AI功能基本需求之后，才能发挥自身AI的优势。例如，在安防行业，即便能够提供优秀的AI能力，但客户更在意的是ISP（图像信号处理器）性能，这会使得客户考虑选择ISP性能更好的产品。因此，过去几年间成功找到落地场景或者验证商业模式可行的AI芯片公司，AI的标签越来越弱，产品往往以AI为出发点，不断集成客户所需的各种非AI功能（如控制、通信等）。
落地过程中的第二大障碍是公司的二次开发能力，即需要做好后续的技术支持和服务。很多传统厂商客户不具备成熟的算法团队和落地能力，甚至不知道拿到AI芯片之后如何进行开发，因此需要AI公司提供直接开箱即用的AI解决方案。只有明确给客户带来产品附加值的提升，以及营收的提升，才能解决很多公司不知道如何开发和发挥AI芯片价值的问题。
3.AI芯片公司两极分化加剧
AI初创公司面临的竞争压力将更大，不仅要在产品指标和使用效果上满足客户的需求，还要做到成本更低或效率更高才可能被市场接纳。2022年，AI芯片公司选择的差异化路线将会更加明显，到了明后年，将会出现AI芯片公司的分水岭。
业界人士普遍认为，AI芯片公司接下来将会出现冰火两重天的情况。已经找到应用场景，并且芯片即将快速上量的公司将迎来快速发展，而大量的AI芯片公司还在寻找应用的阶段，商业模式还没被验证可行，一旦第一梯队的AI芯片公司快速上量，留给其他AI芯片公司的时间就不多了。
1.科创板叠加缺芯潮吸引资本投入
2018年由于资本新规，一级市场的募资额和投资额都大幅下降，导致了国内芯片投资的总额出现下降。2019科创板的成立以及2021年的缺芯潮重新吸引资本投入芯片产业。
2019年7月22日，科创板开板，首批挂牌上市的25家公司中，就有5家芯片公司。到2021年7月22日科创板开板两周年之际，科创板受理了91家半导体产业链公司的上市申请，其中有32家公司挂牌交易，已经上市的32家公司总市值约1.25万亿元，其中约19家企业市值超百亿，中芯国际、华润微、中微公司三家企业市值超千亿。科创板市值十强中，半导体公司占据了半壁江山。Wind数据显示，科创板十强公司市值占科创板总市值的比例达到20.41%，科创板半导体公司市值占科创板总市值比例达到26.35%。
2021年上半年，科创板上市的芯片公司整体市值变化不大，甚至略有下降。而下半年在席卷全球的缺芯潮下，这些公司的市值飞速上涨，有的芯片设备公司市值甚至涨了1倍，芯片设计公司市值也大涨。
2.资本聚焦头部芯片公司，马太效应明显
大芯片和高端EDA公司实现盈利的周期很长，一般需要五年以上，不一定是要自己能够盈利，只需要证明其商业化的成功，以及能够给顶级客户大量出货或是有大规模的营收就足以吸引大量资本。
业内人士认为，接下来资金会持续投入，但会越来越向做得好的公司集中。云岫资本合伙人兼首席技术官赵占祥表示，未来中国半导体产业将呈现金字塔格局，将会有不到100家龙头企业和上千家专精特新企业，聚焦于数据中心、智能汽车以及半导体制造三大领域。
3.中国芯片产业可能引来并购潮
全球半导体产业的发展史，其实也是一部并购史，并购一直伴随着半导体产业的发展。最近几年，英特尔、英伟达、AMD等全球芯片巨头们也在大手笔并购。有业内人士认为，国内也可能朝着这一方向发展，国内大部分的芯片公司，都将在未来5-10年间消失。驱动我国芯片产业并购潮的因素有以下几点：
一是已经上市的芯片设计公司的规模越来越大，他们有足够的股份和资金进行并购。
二是目前中国芯片产业竞争激烈，同一种芯片有七八家甚至十多家公司竞争，因此到最后肯定会有公司落伍，落伍的公司就会被头部的公司收购。
三是从科创板审核的标准来看，第五套标准仅对市值有要求。但科创板的流动性没那么好，大部分公司市值在100亿以下，通过并购可以获得比较高市值，这会促进科创板上市的公司对其它小公司的并购。
四是半导体的周期。如果国内经历了很惨痛半导体下行周期，会把很多公司“洗”出去，在这过程中有一些产品和IP可以用。
也有人持有不同观点。小米集团产业投资部董事总经理王楠认为，中国人性格和美国人不同，并购在中国的难度很大。因为大家都不服输，只要帐面上有钱，或者还能融到钱，即使别人做得比我好，收购价格不错，创始人可能也不会选择被并购，寻找海外更合适的标的是个不错的选择。
1.AI产品要注重消费者体验，并通过发展技术而非缩减材料降低价格
2017年，AlphaGo战胜人类顶级棋手柯洁这一关键性事件，使得AI的热潮从学界蔓延至产业界，并引发全民关注。很快地，AI音箱、AI机器人、AI家电、AI故事机等众多AI产品迅速推向市场，其中出货量最大的AI音箱迅速普及，但很快被消费者抛弃。
原因在于AI公司通过缩减材料降低成本，AI产品的实际体验与消费者期待的产品之间产生鸿沟。体验不好的产品对市场伤害非常大，进一步导致整个市场的规模很难变大。因此，AI创新要真正的规模化发展起来，一定要很认真严肃地做垂直整合，形成可以面向消费者的完成产品，而非AI系统原型。
同时，对于智能硬件和白色家电，消费者的要求是性能是世界级，但价格预期是“地狱级”，因此需要通过技术的发展实现成本的降低。边缘推理是AI应用大规模落地的关键，云边协同已经成为主流的计算范式。在云边协同的架构中，边缘AI在数据脱敏、数据感知和实时决策上有效弥补了时延和数据隐私上的短板，也能降低高昂的IT基础设施成本。
2.后发也有优势，AI性能提升是关键
虽然产品更早推出可以获得先发优势，但不意味着后发没有优势。嘉楠科技创始人张楠赓表示，在其推出第一款AI芯片的时候，绝大部分中小客户只能用原厂的芯片做一些嵌入式的开发；如今有能力开发AI芯片的客户多了很多，许多客户还有自己的AI算法。因此，随着市场逐渐成熟，应用场景不断增加，这对后发者是好事。
此外，与传统的功能芯片不同，AI芯片的开发者并不知道自己明确的需求，这对要预测未来三到五年市场需求的AI芯片公司来说，定义产品难度更大。但比较明确的是，随着AI应用复杂程度的增加，对AI的算力需求也随之增加，提升AI性能成为关键。
3.CPU竞争加剧，性能和易用性成为竞争的关键
5年前，业界很多人认为SoC中的CPU的作用会被弱化，大部分的任务都会用硬件加速器处理。但近年来，无论是手机还是PC，CPU的竞争越来越激烈，绝大部分的任务还是在CPU上完成。因此，对CPU的性能需求也大幅度增加，CPU的性能和易用性成为竞争的关键。
