編者按：本文（含圖片）為合作媒體放大燈（guokr233）授權創業邦轉載，不代表創業邦立場。
位元組不是第一個造芯的網際網路公司。
在位元組跳動之前，BAT三巨頭早已下場造芯。其中，百度的行動最早。
早在2010年，百度就開始嘗試研發AI晶片，一開始是合作，先後同ARM、紫光展銳和賽靈思等公司推出數款AI晶片，自研的崑崙晶片2代則釋出於2020年9月。今年3月15日，百度崑崙晶片業務完成獨立融資，崑崙2代也將不日量產。
阿里造芯的故事則與達摩院息息相關。2017年10月，達摩院成立時便把晶片列為研究的領域之一，後續研發出一款神經網路晶片——Ali-NPU。2018年9月的雲棲大會上，達摩院院長張建鋒宣佈成立平頭哥半導體公司。此後，平頭哥陸續推出“含光”“玄鐵”等系列晶片。其中，AI晶片含光800已經實現量產，用在了阿里巴巴的伺服器上。
騰訊的動作更加低調。2018年，騰訊領投AI晶片創企燧原科技Pre-A輪融資，並在2019、2020年繼續跟投後續輪次融資。2019年到2020年，燧原科技先後釋出了雲燧T10、T11和雲燧i10三款AI晶片。2020年3月，騰訊又成立了深圳寶安灣騰訊雲計算有限公司，其業務範圍便包括“積體電路設計、研發”。
網際網路公司造芯大事件 | 放大燈團隊製圖
至此，BAT三家網際網路巨頭全部殺進AI晶片的領域，展開競爭。
BAT的對手不光有英偉達、高通、賽靈思這樣的國外晶片巨頭，還有寒武紀、地平線這樣專注於研發AI晶片的創企，也有華為海思這樣的國產晶片頭部企業。
網際網路公司投入這麼長的時間成本造芯，究竟看中了什麼？
在半導體行業，英特爾創始人曾提出一個著名的“摩爾定律”：處理器的效能每18個月便會增加一倍。
但由於高溫和漏電等技術原因，21世紀以來，CPU處理器效能翻倍的速度變得越來越慢。如今，CPU的算力已經無法滿足人工智慧技術的需要。網際網路公司不得不拋棄CPU，另尋門路——做一種專門用於訓練人工智慧的“AI晶片”。
“AI晶片”之名源於它的用途，從技術路線上，GPU、FPGA晶片和ASIC晶片，都可以被用來做AI晶片。
AI晶片與CPU相比，具有更多ALU（邏輯運算單元）。換句話說，兩者是全才與專才的差別：CPU能夠執行復雜指令，但算力因此受到限制，AI晶片雖只能執行簡單指令，可它的算力卻比CPU高得多。
CPU與GPU結構對比圖：GPU擁有更多的ALU（邏輯運算單元）
恰巧，人工智慧的訓練和推理，就是一個簡單的重複過程，用不到那麼複雜的指令。因此，用AI晶片代替CPU往往能事半功倍。
AI晶片有沒有什麼缺點呢？也有。
因為AI晶片的指令簡單，所以不像CPU那樣“即插即用”。人工智慧團隊在應用AI晶片前，必須針對訓練場景進行最佳化。
百度創始人李彥宏在談及自研晶片的初衷時曾說：“2017年的時候，我們還是覺得這些市場上現有的解決方案和現有的技術，不能夠滿足我們對AI算力的要求。”[1]
為了開發最適合自家AI業務的晶片，網際網路公司紛紛自研晶片。
AI晶片都用在了什麼地方？在網際網路公司，它們的去向主要有兩個。
為了讓你快樂衝浪，伺服器變了“芯”
第一個去向，是網際網路公司的雲伺服器。
近幾年，中國的雲業務市場越來越大。根據中國信通院釋出的《雲計算白皮書（2020年）》，2019年我國雲計算整體市場規模為1334億元，到2023年這個數字將接近4000億元[2]。
巨大的雲市場背後，是規模龐大的伺服器。
根據Canalys的資料，截止2020年第三季度，中國頭部四家雲服務公司為阿里、華為、騰訊、百度。其中，三家網際網路公司的伺服器均超過百萬臺：
2019年5月，騰訊雲總裁邱躍鵬宣佈，騰訊全網伺服器總量超過100萬臺，是中國首家伺服器總量超過百萬的公司[3]；
2020年7月，阿里則表示總伺服器規模接近200萬，並且在南通、杭州和烏蘭察布三座超級資料中心落成後將另新增百萬[4]；
同樣是2020年7月，李彥宏在世界人工智慧大會上稱，到2020年，百度智慧雲的伺服器數量超過500萬臺[5]。
另外，位元組跳動在2020年5月，也推出了名為“火山引擎”的企業雲服務平臺[6]。“基於前沿的大資料、人工智慧以及雲基礎技術能力，助力客戶增長。”火山引擎在官網這樣描述自己的業務。
伺服器的效能，事關每一個使用者。你能在微博吃到“三千萬粉絲男星事件”的瓜、能在“3·15”的晚上看到流暢的晚會直播、能在半夜兩點收到老闆和客戶的“關心”，這一切都離不開伺服器。
怎麼才能提高伺服器的效能呢？答案之一是AI晶片。
大多數人的印象裡，伺服器就是一個個黑色的“櫃子”。實際上，這些“櫃子”的功能各有不同——有的用來儲存資料、有的用來交換資訊、有的用來運算和推理。
伺服器就是這樣的“櫃子”們 | 圖源：Pexels.com
AI晶片就用在這些運算、推理伺服器上，提高它們的算力。
2019年雲棲大會上，阿里就用4顆含光800晶片，代替了40顆傳統GPU才能完成的影片處理任務。而前者的成本，只有後者的十分之一[7]。
IDC釋出的2020年上半年《全球人工智慧市場半年度追蹤報告》，人工智慧伺服器是AI算力基礎設施的主要角色，佔全球人工智慧基礎設施市場的84.2%以上[8]。未來，中國的AI伺服器將佔全球市場的三分之一左右[9]。
讓智慧音箱不再“智障”
AI晶片的第二個去向，則是用於支援智慧硬體，尤其是智慧音箱。
根據西南證券的資料，2018~2020年，中國智慧音箱三年出貨量共計超過1.3億臺。其中絕大多數來自百度、阿里和小米三家公司[10]。
隨著智慧音箱的成功，智慧硬體業務也成了網際網路公司的重點業務。2020年1月，阿里的天貓精靈升級為獨立事業部[11]。2020年9月，小度也從百度拆分，完成獨立融資[12]。
作為公司重點業務，使用者體驗是一定要跟上的。
智慧音箱的關鍵在於語音控制，而語音控制的核心，是自然語言處理（NLP）技術。
無論你家用的是小度在家還是天貓精靈，讓智慧音箱聽懂“人話”的，都是AI晶片。
想讓數以千萬計的智慧音箱，順利進行自然語言處理，還要依靠AI晶片的算力。AI晶片公司壁仞科技聯合創始人徐凌傑曾表示，對於數量龐大的NLP推理，還是需要GPU或者其他AI晶片提供算力支援[13]。
即便拋開網際網路公司自身的需求，AI晶片本身也是一個誘人的市場。
根據賽迪顧問的資料，中國AI晶片市場規模會在2021年達到305.7億元，增長率更是高達57.8%[14]。另據前瞻產業研究院的資料，我國AI晶片市場規模將在2024年達到785億元[15]。
AI晶片是一個相對年輕的行業。與CPU行業相比，還沒有哪家公司獨佔AI晶片的鰲頭。這個市場養活了寒武紀、地平線、天數智芯等AI晶片創企，而近年來盯上AI的網際網路公司，自然不願放過這塊“肥肉”。
當下但凡開展了雲計算業務的公司，都想要自研AI晶片。BAT走在了前面，位元組跳動不過是跟上它們的腳步罷了。
當然，在科技公司的造芯路上還有更多潛在的難題：前有2018年美國製裁中興事件，後有美國國家人工智慧安全委員會（NSCAI）的“卡脖子報告”（如果你對NSCAI的“卡脖子報告”感興趣，我們建議你看看這篇文章：