【导读】中国AI芯片这个市场正在涌入越来越多的人，除了初创公司，也包括饱含热情和资金的巨头，而且，新的技术瓶颈也出现了。

AI芯片市场将进入一个洗牌的时刻，那么，AI芯片在中国的这场狂欢还会持续多久？

热钱热土也就看个热闹

近三年里，AI芯片领域的融资出现了两笔超级融资：

• 初创公司壁仞科技在成立18个月，融资超47亿元，创下了国内芯片创业公司的最大融资纪录

• 摩尔线程成立不到一年，融资数十亿元，估值超百亿

真金白银不断涌入。根据第三方分析机构统计，仅2021年前四个月，中国AI芯片行业的投融资规模达到89.65亿元，涉及投融资事件20多起。

随着各行各业的企业都开始进入IC行业，人才需求量猛增。但是人才培养的速度完全跟不上需求的增长。因此，新进入的企业高薪挖人，高薪抢人已经成为常态。应届生的薪资水涨船高。趋势上看，年薪百万也不是不可能的。

能够拿出高薪的企业有两种：

• 其一，拿到大笔融资的初创企业

• 其二，入局IC的互联网巨头

对于初创公司来说，要对得起投资人的大笔投资，技术团队必须建立起来。往往投资人的压力也比较大，一般需要在一定时间之内，建立多少人的队伍。时间一到，是需要向投资人汇报的。因此，技术团队建设，往往比较急。而恰恰这类企业，由于知名度不够，招人还不太容易招到。正所谓，重赏之下必有勇夫，那就用更高的薪水来吸引人才。如果50%不够，那就双倍。反正投资人的钱是必须要花的。

其实，也不是所有的初创企业都有实力不计代价的砸钱。如果没钱怎么办？可以许诺股份。由于没有上市，估值就有很大的随意性。因此，招人的时候，可以许诺价值数百万的股份，一样可以吸引很多人加入。当然，到变现的时候，就要看造化了。

另外一种企业，就是大名鼎鼎的互联网巨头。财富，声望都完全吊打创业公司。无论是老BAT（百度，阿里，腾讯）还是新三巨头（字节，阿里，腾讯），都已经入局。这类企业，资金雄厚，认准一个行业，重金投入，然后将整个行业洗牌。

共享单车，滴滴快滴大战，外卖，这些企业以及代理，凭借雄厚实力，砸入重金，疯狂补贴。一般企业哪里见过这样的世面？要么被收购，要么就得倒闭。

如今，这些企业进入到芯片行业。传统芯片行业，凭借搞芯片赚取的微薄利润，如何和这些互联网企业竞争？

这些企业的海量资金，完全不是来自于芯片，而是流量。

他们可以拿出传统芯片企业难以拿出的薪水，再加上初创公司难以企及的名气，成为了吸引人才无往不利的大招。

芯片行业并不是暴利行业。要不是中美科技战，芯片行业可能根本不会吸引众多人才的注意。

传统芯片公司，像海思这样的，背后有着实力雄厚的靠山的企业少之又少。长期以来，更多的企业一直在欧美等芯片巨头的阴影之下发展。这些企业，可能原本以为自己有了机会，有了出头之日。原本只买外国芯片的设备公司，也开始买国产的芯片了。还没来得及高兴，互联网公司来了。

这就出现了非常吊诡的现象：芯片行业受到了前所未有的重视，很多芯片公司也打开了市场，结果赫然发现，自己的团队，或被挖空，或集体出走。

以往，芯片公司往往会死于没有市场，如今，他们的死亡的可能又多了两样：

• 死于没有产能

• 死于没有员工

很多芯片的工程师，离开了真正做芯片的企业，进入了没有芯片基因的互联网公司。市场角度看，似乎没有问题。但是总觉得不太对。

我们来看看美国。芯片公司和互联网公司，似乎分工更加明确。微软也走硬件，但是xbox的芯片还是找的AMD来做，而不是自己招人。facebook没有听说搞芯片。google确实有这方面的消息。但是主要还是研究性质，可以理解为众多前沿方向之一。

是不是互联网公司和传统芯片公司强强联合更好一些，而不是重复建设？比如阿里平头哥前身是阿里收购的中天微电子，经过整合发展而来。吞并是一个方式，但是个人认为更好的方式是，类似于微软和AMD的关系。让芯片公司为自己定制专用的集成电路。

互联网企业，赚的是快钱，芯片，却是需要长期的投入，却往往看不到什么利润。互联网企业现在可以重金砸向芯片，如果不见什么利润的话，会不会始乱终弃，最后搞得一地鸡毛？那就真的是历史的罪人了。

让泡沫再飞一会

正如前文所说，各种相关不相关的公司都开始涉足芯片，造成的结果就是原来真正做芯片的公司被挖的肉疼。

招聘网站有数据显示，刚毕业就可以达到50万。而这50万，据说仅仅靠刷题刷了半年就做到了。

50万，到印度，是不是可以组一个团队了？

从工程师的角度，我们当然希望薪水高一些，这无可厚非。但是从宏观的角度来看，风险正在孕育之中。

薪资暴涨，表示需求远大于供给。然而，很多需求其实只是重复建设，反而让真正的需求难以满足。

西方的芯片公司忙着合并，收购，做整合。而国内的公司趋势却相反。原有大公司团队纷纷出走，成立创业公司。原因很简单，融资太容易了。

假设，一个公司的一个soc团队出走，成立一家新的公司。这家公司做的东西必然也和之前从事的方向接近甚至相同。芯片都是低水平重复，这不就是重复建设，浪费资源吗？

这个过程中，消耗了大量的资金，却没有做出什么有效的效果。只不过，重新做了mask，foundary受益了；重新买了EDA软件，EDA公司受益了；重新买了IP授权，ARM这样的IP公司受益。

思来想去，这受益怎么还TM是国外的公司啊？

当然，这个过程中，肯定有一些国外的芯片被替代，但是大量的浪费也是必然。不只是资金，人才浪费也极其严重。

抢人风潮导致员工离职率高。可能刚刚入职一年，一个项目没做完，又被挖走。没办法，薪资跳涨啊，然后这位员工又开始到新的公司熟悉环境。

人才其实一直在空转，一个行业成这样绝对不正常！

马斯克曾在推特上谈及为什么要做AI芯片——要解决自动驾驶问题，就必须解决真实世界的 AI 问题。需要拥有很强的 AI 能力以及超强算力，一旦拥有了解决上述问题能力的AI芯片，其他的（能力）不过锦上添花。

算法早已不是制约AI发展的瓶颈。业内对此已有共识。在今年的世界人工智能大会（WAIC 2021）上，AI芯片取代算法公司成为绝对主角。

一个确定而巨大的应用场景是AI芯片的关键。

好赛道永远不缺资本，AI芯片行业确实有机会，目前也出现一些不确定性因素。这个进程比预想中来得快，相比于2018年中国在AI芯片上的狂热，如今，谁能率先落地产品、构建生态，谁就能在这场竞争中突围。

三年时间，有核心竞争力的公司已经能够跑出产品、推向市场，而没有场景和产品的AI芯片公司当下很难拿到专业投资机构的投资了。

只是现在整个圈子热钱依然多，裹挟了许多国民爱国情感在里面，泡沫可能还会再飘一阵，但是这种热情的背后透露出来的是急功近利的产业氛围，不会飘太久。

提前进入肉搏战

如果盘点当前中国活跃的AI芯片公司会发现，这些公司基本成立于2018年前后。2020年开始，主要融资都发生在相对成熟的企业，基本已经获得了1-2轮，甚至2轮以上融资的AI企业，这一趋势在之后的两年里更为明显。

这与大洋彼岸的美国不同。美国的人工智能产业已经经历了三个发展浪潮，而最近一次起始于21世纪初，时间上要比中国早，经过一段时间的高速发展后，开始进入平稳期，并着重于在实际工业（如自动驾驶、语音及图像处理、服务机器人等）中的应用。

美国AI芯片企业NeuronBasic Technology首席科学家王红卫表示：虽然AI的第三次浪潮得益于芯片技术的高速发展，但美国的创投圈对AI芯片概念的初创公司兴趣不大。这是因为他们清楚：

• 如果要将复杂的AI算法运行于芯片上，需要用到最先进和复杂的芯片工艺，从而需要巨量的投资

• 另一方面，半导体在美国已经是一个夕阳产业

这种情况下，高端AI芯片，一般会被纳入到大公司下面去做。

反观中国，AI芯片概念在开始中国火起来的时间点恰好是AI算法公司进入残酷淘汰期，由于专业的半导体产业投资人看到这个趋势更早，2017年，他们已经在开始看和投一些AI芯片公司了。2018年，一些非半导体专业投资基金开始进入AI芯片领域。

很多AI芯片公司都是先选择从较为简单的云端推理芯片入手，不论是AI推理芯片公司，还是AI训练芯片，都成为中国资本市场上的香饽饽。只是，在赢家通吃的芯片行业，一场竞争激烈的淘汰赛必将发生，谁能生存到最后？

有新型算法，为了这个算法专门做一款AI芯片，但没有场景的公司，专业的投资人现在已经不会再投。可以这么说：没有产品的AI芯片公司很难再拿到融资了。

握着“金刚钻”，还找不到“瓷器活”的企业，淘汰是必然选择。

AI芯片初创公司在彼此肉搏的过程中，还不得不面对巨头的兵临城下。当拥有数据绝对话语权以及经济实力的巨头进军AI芯片，意味着对于AI芯片初创公司，竞争压力将逐渐增大。

许多人担忧，这样的情景与2016年那场AI算法泡沫破灭有点相似。一旦数据巨头也进入AI芯片领域，对于这个领域的初创公司来说，是否也面临曾经AI算法初创公司所面临的窘境和瓶颈——要么被吞并，要么被淘汰。

结语

热火朝天的AI产业并不是一个新鲜事物。

AI发展至今，已经经历过三次浪潮：

• 第一次是50年代，AI从诞生到模拟人，最后失败了被冷落

• 第二次是60、70年代，专家系统的热潮

• 第三次是80、90年代神经网络兴起

每一次，都是在理论认知突破后尝试场景化、硬件化，又都由于理论的局限，造成产业的退潮。不过，这一次，AI产业的浪潮与以往不同。半导体产业的飞跃极大推进了AI理论的场景化、硬件化。再往后，AI产业发展的根本瓶颈已经不是芯片技术本身，而在于建立在基础理论之上的，对架构的突破。

基础理论上的瓶颈反映到当下AI面临的挑战中，在找到具体应用场景后，AI公司往往需要面临三大难题：

• 功耗问题，以自动驾驶为例，当理论上已证明算法可行，但把算法放到真实场景中，在车内测试，现实情况是，一旦开启自动驾驶模式，航程旋即大幅度缩水

• 本地化问题，如果将算法和数据都放在云端，一旦网络出现问题，车的安全就失去保障，故而在实际场景中，必须有本地化处理的能力

• 突破时间的限制，所有AI实际场景应用都有时间限制，而现在的云端算法往往还不够快

除了底层的理论突破，还有一点我们要明白：芯片的发展已经逼近物理极限。未来行业竞争所受到芯片制造工艺的制约已经不大，芯片将要往应用方向走，降低功耗将会在一段时间内成为AI芯片优化的方向。

谷歌和亚马逊，这类平台公司建了很多超算中心，已经在很早就意识到一个关键问题——如果算力翻倍，除了硬件成本要翻倍，电力供应和电费成本更是个瓶颈，解决这个问题的方法就是理论的突破，因此公司都开始在大力支持从芯片技术到算法理论的创新，以此应对升级算力中能耗的挑战。

虽然中国AI公司在应用场景上走在世界的前端，但同样需要意识到的是中国在AI前沿基础研究上明显落后于国外。创业公司在算力的比拼和角逐中，更要对现有AI理论的局限和边界有清醒的认识。

AI芯片市场将进入一个洗牌的时刻。回到笔者在开头提到的问题：AI芯片在中国的这场狂欢还会持续多久？

一个合理的商业模式很重要。一位产业投资人如此描述这种商业模式，做AI云端训练芯片，一定要跟客户紧密绑定，你想用什么我就做什么，边挣钱边迭代，我做的比你快，比你自己做更省钱，成功几率更高，这种合作模式就能够持续。

但如果一家AI芯片的初创公司的模式是，告诉客户自己的技术很厉害，你需要给我付钱，但是我们需要做一些研究，需要一段时间。这种科学家思维的做法，在讲求效率和利润回报的商业社会，很难闯出来。

虽然目前资本市场热钱还很多，泡沫还需要膨胀一阵，但笔者认为将会很快进入冷静期。如今，专业投资人对于有算法但没场景的初创公司已经不会再投了。在“老大吃肉、老二喝汤”的半导体行业，头部效应明显。AI芯片本身有多个产品线和赛道，每个产品线里最后会跑出来两三家公司，这是将来的格局。