互联网巨头“造芯”实际水平如何？新思科技中国谢仲辉：软硬件结合打造差异化优势

（图片来源：File Photo）

互联网巨头们正开启“造芯”时代。

近日，据路透社报道，字节跳动正自研云端人工智能（AI）芯片和Arm服务器芯片，该公司已在内部成立了一个AI芯片研发团队；而百度近日也宣布旗下AI芯片部门“昆仑”完成独立融资，投后估值达130亿元人民币；腾讯则被曝有一个大概50人规模的团队正研发设计芯片产品，其自研的AI芯片也已流片。

据钛媒体App的统计，在市值排名前二十的中国互联网巨头中，除了拼多多、贝壳、好未来、新东方等零星几家企业没有在芯片产业入局之外，超过75%的中国互联网企业均在芯片上有跨界动作。

这样的现象并非中国所独有。全球互联网巨头如苹果、谷歌、亚马逊、微软，也已经纷纷加入“造芯”行列。那么，互联网巨头们为何要扎堆“造芯”？

事实上，作为实现AI技术创新的核心载体，芯片的重要性自然是不言而喻的。海量的数据提升，丰富的应用场景，AI以及云基础技术能力大增，这些都是互联网企业深入芯片行业的重要驱动力。

随着中国积极推进新基建战略工程，其有望为AI芯片带来更为广阔的市场空间，巨大利润面前，互联网企业搭上新风口。根据公开数据统计，预计到2025年，人工智能核心产业规模将超过4000亿元，这将使AI芯片市场规模超过300亿元人民币，年均增速高达20%。

不过，半导体产业链过于复杂，技术难度远高于互联网模式。当前阿里巴巴、百度等企业都布局产业链上游中的芯片设计环节，先进工艺则交给台积电、三星等下游企业代工封测。在华为“麒麟芯”被美制约这一前车之鉴下，互联网巨头们依旧要面临芯片被“卡脖子”等风险因素。

“芯片与互联网在产业模式和业务路径方面不太一样，技术难度也不尽相同。”新思科技中国副总经理谢仲辉对钛媒体App表示，这些互联网企业深深知自身的芯片技术起步比较晚，研制出的芯片本身性能弱于成熟芯片公司。然而他们则更多依靠对系统理解的优势，通过软件算法与芯片硬件的协调优化实现差异化。所以，这些企业依靠更加紧密的软硬件结合方式，从而让芯片实力达到更高水平，最后匹配到产品对应的场景应用和用户体验当中。

谢仲辉从2002年起在中国芯片产业耕耘，拥有超过26年的半导体产业经验，目前担任新思科技（Synopsys）中国副总经理、芯片设计自动化事业部总经理。新思科技成立于1986年，是全球芯片电子设计自动化（以下简称EDA）软件工具行业的龙头企业。EDA是芯片产业最上游的核心技术，也是芯片设计中不可缺少的软件工具，被誉为芯片设计之母。

随着数字经济的不断深化，芯片产业将迎来新的发展窗口，新思科技作为全球排名第一的EDA领导者，将在其中扮演“关键角色”，旨在打造未来芯片产业的“美图秀秀”。据公开资料显示，新思科技客户涉及半导体行业的不同环节，其中不乏台积电、三星、联发科、紫光展锐、百度、阿里巴巴、燧原、地平线、寒武纪等国内外知名企业。

（详见钛媒体前文：《国产EDA，到底能不能打破海外三巨头垄断？| 钛媒体深度》）

谢仲辉表示，与传统CPU企业相比，互联网公司在AI算法软件上具有领先优势。芯片研发更多是为了给客户带来更好的使用体验，从而将应用场景贯穿到芯片设计流程里面。

在半导体行业，英特尔（Intel）创始人戈登·摩尔曾提出大名鼎鼎的“摩尔定律”：当价格不变时，集成电路上可容纳的晶体管数目，约每隔18个月便会增加一倍，性能也将提升一倍。

但随着时代的进步，算力需求不断增加，以及技术的不断提升，让摩尔定律正逐渐失效。为了满足深度学习算法的需求，AI芯片应运而生。

相比传统CPU处理器，AI芯片具有更多的ALU（逻辑运算单元），能够通过不断的数据训练，以执行简单指令，从而应用于需更多算力的实际交互场景。

从技术路线上来说，不管是GPU、NPU、IPU，还是FPGA、ASIC、NLP芯片，都具有提升算力的目的，属于AI芯片的范畴。从机器学习技术的工作负载来说，主要分为训练型AI芯片和推理型AI芯片两类。

其中，训练型芯片需要大量内存能力，通过在芯片中喂庞大的基础数据，利用算法来获得接近准确的数据，这类芯片大都用于数据中心等场景中；而推理型芯片更多是采用小芯片或IoT模式芯片，以“云中批量推理”方式，在预训练模型中获得数据响应，从而实现面部识别等功能，这是一种轻量级的工作负载。如今，物联网和智能手机中都存在着着重于发展推理硬件。

具体来说，互联网巨头自研芯片的去处主要有两个：云服务器和智能硬件（智能音箱等）产品。

在云服务器上，AI芯片将内置在其中，从而进行运算、推理，提高其计算能力，例如2019年云栖大会上，阿里巴巴平头哥就用4颗含光800芯片，代替了40颗GPU才能完成的视频处理任务，成本则相差近十倍；而在智能硬件方面，AI芯片主要作用于自然语言处理（NLP）技术当中，利用芯片的高算力优势，提升语音识别、人脸识别能力，让硬件更加智能。例如随着时间的推移，百度、阿里和小米等智能音箱的语音助手能力不断提升，智能音箱逐渐在听懂“人话”，助手也开始有了情感功能。

当然，未来AI芯片也可以应用于电动汽车领域。在近日的上海车展上，百度和吉利的合资企业——集度汽车CEO夏一平表示，该公司正考虑将百度设计的“昆仑”芯片搭载至汽车当中，提升自动驾驶能力；另外，小鹏汽车也宣布正在研发AI芯片，提升自动驾驶相关的算法能力。

谢仲辉对钛媒体App表示，不管是哪种AI芯片，互联网企业“造芯”的最终目的，是提升用户体验。

“其实有时候，互联网企业制造的芯片性能不一定比通用芯片强，但搭载这些专用芯片的产品拥有更具差异化的优势。这主要由于互联网巨头们在算法能力方面实力比较强，最终到产品场景、用户体验中更胜一筹。其实说穿了，AI技术是基于算法，算力和数据，以达到最好的用户体验。”谢仲辉表示。

新思科技中国副总经理谢仲辉（图片来源：受访者提供）

在钛媒体App专访中，谢仲辉指出，互联网企业的优势是算法和数据。而作为第一个充分利用并处理数据的产业，互联网在数字化的路上一骑绝尘。通过收集终端用户的体验，配合数据和算法的优化，并反馈到芯片设计流程当中，从而打造出具有差异化的芯片，服务于其差异化应用中，最终提升用户体验，而EDA软件工具则能够为互联网公司提供这样的平台。

谢仲辉表示，在后摩尔定律的时代，互联网巨头们在芯片设计中依然面临若干挑战，其一随着AI芯片性能需求加重，需要不断投入至先进工艺中，带来的技术好处不像之前那样直接与线性；此外，在流片费用、芯片设计复杂度以及开发周期等挑战也大幅提高。

那么，如何解决赋能后摩尔时代集成电路设计的需要呢？谢仲辉提出两大关键引擎，一是系统应用，算法到设计，需要从软件、算法、架构、软硬件系统协同等方面进行设计优化；二是在芯片数字设计到芯片物理实现，需要从设计、实现、工艺和封装重新思考，需要新的设计方法学和技术驱动来满足项目的技术与市场预期。

“传统硬件设计和软件设计相对独立的设计与验证方法学给项目成功带来了比较多的不确定性和风险”。为此，谢仲辉表示，新思科技提出了Triple Shift Left理念，来降低项目的风险，减少IC设计流程中软硬件设计及验证耗费巨大的时间和成本。

在EDA软件部分，谢仲辉指出，AI芯片需要更接近场景化的EDA工具，在数字EDA部分需求更为强烈。

在谢仲辉看来，由于AI芯片, 尤其是专注在边缘计算的终端类的AI芯片更为注重场景和应用的优化，需要一定的定制化、个性化芯片解决方案来满足和优化用户体验。

“AI应用会根据特定的场景数据进行训练，比如交通场景中的图片，识别方案也要与之匹配，不匹配就是bug了。”谢仲辉指出，如果芯片和应用场景有一些脱节没有进行优化，芯片算力也无法充分发挥作用，最终体验上也会打折扣。

尽管过去两三年，AI技术型企业从神坛跌落，出现了行业乱象，被外界所诟病。但自这2020年起，产业趋于冷静，市场更加关注落地能力、盈利能力。

4月27日，“AI芯片第一股”寒武纪发布2020年财报。该公司全年实现营收4.59亿元，同比增长3.38%，归母净亏损进一步收窄至4.35亿元，而上年同期为亏损11.79亿元。这些数字可以看到，AI芯片行业正呈现良性发展趋势。

在“缺芯潮”愈演愈烈之际，以及国家鼓励企业投入集成电路产业，让互联网巨头看到了芯片行业新风口，大力投入芯片研发，不断为企业发展注入新的增长曲线。

当然，也有不少人对互联网巨头跨界造芯持乐观谨慎态度。一位行业分析师告诉钛媒体App，无论是百度昆仑，还是阿里含光，互联网造芯依然处于量变积累的过程，还无法达到质变。

“这个行业不可能一蹴而就，必须要踏踏实实一步一步的积累和追赶。”上述分析师指出，互联网企业的自研芯片现阶段依然属于自给自足的局面，很难短期内获得销售客户，部分场景仍需要大量的对外采购。

整体而言，芯片行业是一个投入大、周期长、见效慢的行业，技术完全国产化需要长期持续的资金和技术积累，很难用“砸金钱见回报”这种互联网思维来处理。因此，实现快速追赶并不容易。

谢仲辉对钛媒体App表示，互联网企业或许可以用补贴等方式培养用户习惯，快速获取用户，但芯片行业并非如此。“造芯”依然需要很长的技术积累和创新，以及较大的资金投入，实现了芯片与应用体验的差异化，才能在未来看到回报。

谢仲辉指出，作为芯片产业链的关键角色，新思科技正在帮助更多中国芯片企业做设计方案，并将持续为这些互联网企业保驾护航。

他强调，无论是人才培养、技术支持还是资本合作，新思科技将一直与中国芯片产业共同成长，和整个产业链相互促进、协同发展，形成完整的生态系统，推动整个芯片产业的可持续发展。

（本文首发钛媒体App，作者｜林志佳）