网络创业与传统创业的相同点包括 AI创业的“生死劫”
专业出黑
在过去，科技领域投资的资本家对电脑芯片初创公司几乎没有兴趣——很难想象会有初创企业来跟英特尔这样的巨头竞争。毕竟，英特尔的芯片占据了全球80%以上的市场份额。
但现在不一样了，科技行业的最新风潮——人工智能到来了。用来运行人工智能的新型计算机芯片带来了全新的机会，因此，全球涌现了一批又一批AI初创公司。数据显示，仅去年下半年，在芯片制造巨头台积电的生产线上，就有超过30家AI芯片排队等待流片。
过去一年里，AI芯片领域尤为热闹。目前，中国已经涌现地平线、寒武纪、深鉴科技、云天厉飞、Rokid、中天微等一批明星初创企业。
AI领域有哪些主流芯片？
人工智能芯片始于2006年，广义上来说，能运行人工智能算法的芯片都叫人工智能芯片。狭义上讲，指专门针对AI算法做了特殊加速设计的芯片。
自主研发芯片并不是提高整体的计算力，而是对部分功能进行优化。这与过去强调复杂运算的CPU不同，许多人工智能的应用，尤其是“学习”需要简单而大量地重复输入。这也是为什么“十项全能”的CPU之类的通用芯片在人工智能领域难以施展拳脚的原因。
目前来看，通用AI芯片无法一蹴而就地用某一种芯片来解决问题，因为理论模型和算法都不完善。 AI芯片的发展趋势是从通用向专用发展，即从通用芯片向半定制化和全定制化方向发展。
那么，作为AI算法的“摆渡人”，到底有哪些智能芯片被热捧？人工智能芯片分为通用性芯片（GPU）、半定制化芯片（FPGA）、全定制化芯片（ASIC）、类脑芯片四大类。除此之外，国内外企业也开发出各种不同类型的人工智能芯片，主要有以下7种：
造“芯”不易
清华大学微电子学研究所所长魏少军教授认为，从产业发展规律来看，在今明两年之内AI芯片将持续火热，大家扎堆进入；但是到了2020年前后，则将会出现一批出局者，行业洗牌开始。关于AI芯片行业即将面临的挑战主要有以下几点：
▌1、行业落地困难、未成规模。
几乎所有AI芯片创业公司都将自己的主要目标定在了安防与自动驾驶这两类市场上。
对于安防而言，AI这一市场需求虽然已经存在多年，但是大规模远距离场景下的AI应用还有很多工程化问题需要解决；而对于自动驾驶而言，一则这一技术离大规模落地商用还有一段时间，二则各大车厂把安全属性奉为至高，对人工智能目前的“黑箱”状况较难接受。
企业如果没有好的应用场景，前期靠资本注资还能支撑，但到后期资本逐渐退场以后企业将难以存活。
▌2、现阶段很多芯片研发，某种程度上靠国家补贴。
但补贴不是永远的，后期商业化时，一旦离开补贴，如果不能拿出性价比高、可规模化的产品，最终都会被市场淘汰。
▌3、人工智能算法还在快速发展过程中，每半年到一年间计算模型都在发生变化。
而芯片的设计研发周期普遍较长，只有非常成熟的算法才适合固化到芯片上，现在的人工智能算法还不够成熟。
▌4、芯片领域，时间的积累尤为重要。
芯片公司的成长历程远大于现在互联网公司的成长周期，芯片产业链长，流程复杂且变现难。
▌5、只有极少数头部玩家能走到最后，其他大多数陪跑的玩家将消亡。
芯片的优势在于规模，一块普通芯片的销量需要达到百万颗级别才能达到盈亏平衡。一旦市场开始成熟，巨头们能够通过十倍、百倍的产量进行市场收割，这些大量涌现的AI芯片创业公司可能最终只能跑出来一两家。
国内AI芯片初创公司的四面大旗
芯片行业投入大、技术门槛高、周期长、收益慢，新创企业为什么要来做难度和风险这么大的行业？
下面，我们以地平线机器人、深鉴科技、寒武纪和Rokid这四家最为人所津津乐道的公司作为代表来分析。
▌地平线：传统芯片满足不了当下需求，面向行业提供服务。
敲响了中国芯缺失的警钟，地平线想做中国人自己的AI芯片，地平线智能解决方案与芯片事业部总经理张永谦表示，他们很清楚这大有可为。
当然，地平线并非只是因为AI概念火爆才来加入造芯大队。据张永谦介绍，地平线的核心团队大多数是做深度学习的软件和算法出身，他们发现传统芯片解决不了当下复杂场景的多样需求，这对他们来说是个机会，自己做芯片。
地平线从B端市场切入，面向行业提供服务。对地平线来说，一个伟大的AI公司不一定要是一个伟大的AI产品公司。地平线希望把AI的芯片、算法、云端和AI靠得很近的一些基础服务全部做好，打包提供给行业客户，让客户用更快的时间，更高的效益，更低的成本让AI在各个行业落地。
芯片结构的不停迭代告诉我们，CPU属于标量处理器，GPU是向量处理器，从谷歌的TPU和地平线的BPU开始，已经演变成张量的处理器，因此所有的模块都属于张量处理的模块。要求在存储和数据处理的过程中，注意尺度的问题。对于张量处理器来说，无论是二维还是三维，都需要确定主攻的方向。
地平线对于人工智能的看法分为三个步骤，第一，是做能够感知的AI，也就是能够感知周围的世界。第二步建模，以实现对周围环境进行3D建模或者是结构建模。最后实现决策和规划，再基于感知和建模的结果，反馈到现实之中。
从本质上来说，地平线既不单纯是一家算法公司或者是一家芯片公司，而是一家嵌入式人工智能解决方案公司。
▌Rokid：“产品为王”理念倒逼着造芯，自给自足。
和地平线从B端市场切入不一样，Rokid的理念是“产品为王”。成立接近四年的Rokid早期专注于打磨人工智能产品智能音箱，产品采用的是通用芯片。
根据Rokid平台研发负责人朱斌的介绍，Rokid的核心团队更擅长算法，所以该公司更多的是提供云端的服务。虽然通用芯片性能很强大，但是本身功耗高成本也高，而市场也没有更好的方案来满足Rokid的需求。
随后Rokid选择从自身的产品和算法要求出发，自己设计架构，把以前能够在通用架构上跑的算法用分布式计算和异构计算的方式整合到自己的芯片里。
▌寒武纪：学术派出身，挑战人工智能芯片的多样化。
与其他晚入局的初创公司不同，寒武纪可以说算是国内最早一批的人工智能公司之一。
资料记载，寒武纪的起源可以追溯至2008年，其前身为中科院计算所成立的一只10人学术团队。估计当时的这10个人都没有想到会成立一家公司，更能够推出芯片，搅动中国人工智能市场。
从现有情况来看，一方面神经网络确实是智能处理的好方法，但另一方面通用处理器在这方面效率很低，为什么不能用人工智能的办法来设计一款专门的芯片呢？所以，“寒武纪”芯片就是要解决这个专门的问题。
在寒武纪看来，人工智能芯片面临的就是多样化问题，这个多样化，包括两个方面：需求多样化和形态多样化。
需求多样化是指，应用在不用领域的神经网络，基于不同的功能，不同的需求，要求也不尽相同。大规模的神经网络需要高性能，高效化的芯片。小规模的神经网络需要低能耗的芯片。
而形态多样化，则是指对于同一款神经网络芯片，想要能够支持多种形态的神经网络，不仅要在结构上，也要在算法等诸多方面做出全面的考虑，才能够满足多个神经网络的需求。
“寒武纪”AI芯片可以在计算机中模拟神经元和突触的计算，对信息进行智能处理。通过设计专门存储结构和指令集，每秒可以处理160亿个神经元和超过2万亿个突触，功耗却只有原来的1/10。
▌深鉴科技：深度学习崛起，云集一众技术大拿瞄准FPGA发力。
随着深度学习的发展，国内外的各大企业也在逐渐拥抱FPGA，在这样的浪潮下，深鉴科技专注于深度学习应用落地，瞄准FPGA的开发难这一痛点，前景值得期待。
深鉴科技的四位创始人中，CEO 姚颂是清华大学的学生，另外一位联合创始人汪玉则是姚颂的老师，CTO 单羿为清华大学博士，而另外一位韩松则是本科毕业于清华大学后在斯坦福完成了博士学位。在如此深厚的学术背景下，深鉴科技的技术能力也非常强悍，在成立的这短短一年多里推出产品、与厂商达成合作、并且顺利拿到融资并获得高估值，成绩单还是十分亮眼的。
资料显示，深鉴科技最为核心的即Deep Unit(DPU)及神经网络压缩编译技术，甚至被世界最大的FPGA芯片厂商认为是世界深度学习硬件加速的典范。
所谓DPU既深度学习处理器，其精髓就在于使用了深度压缩技术。这项技术不仅可以将神经网络压缩数十倍而不影响精度，还可以使用芯片存储深度学习算法模型，减少内存读取次数，大大降低运行功耗。
与此同时，基于优化协同性，深度压缩技术对于硬件本身也提出了新的要求。为此，深鉴科技推出了两种用于深度学习处理器的底层架构——亚里士多德架构和笛卡尔架构，以及面向DPU的深度神经网络开发工具包DNNDK。
技术不再是优势，核心壁垒靠什么？
需要强调的是 ，技术层是基础，但不能成为公司的核心商业模式。做图像识别、语音识别、语义理解等单点通用技术，只能提供技术服务、卖模型、卖算法等，难以持续且商业化程度不足，无法做成很大的公司。
有些早期的技术服务商在技术红利期获得融资后，快速扎根行业，形成算法——硬件——芯片三点一线的整体解决方案。但这个红利期很短，目前，单纯靠技术和算法的红利期已经过去。
在AI的应用层，存在着一个矛盾：应用、商业化程度越高，对技术的要求越容易，而技术越难的，应用、商业化程度越低。
那么，新成立的AI公司如何如何筑造自己的核心壁垒呢？在中国创客导师汪潮涌看来，有以下几点：
第一，AI创业最大的护城河是行业壁垒。
要抓住行业里最大的客户，通过强大的行业壁垒，不断磨合、提升自己的产品。例如人脸识别在安防领域应用最大的获益者是海康威视，只因其强大的行业壁垒。
第二，要打全栈策略，而不应只是做技术服务商。
随着技术门槛降低，离用户需求最近的产品经理和行业专家将成为团队的主导，两者的结合可以形成产品经理和技术专家为主导的产品级公司。
第三，是要遵循发展规律，想清楚是To B还是To C。
B端客户对价格承受能力高，关注“人”的成本降低。因此，人工智能领域的创业，建议从To B起步，做好供应链、产品及市场推广三件事。
在大部分行业，人工智能的To C模式尚不成熟。C端客户对价格敏感、期待高，现阶段需求较难满足。目前C端出货量大的智能机器人产品仅有4类：扫地机器人、无人机、STEAM教育类、智能音箱。
AI产业一般按照“点线面体”四个阶段发展，“点”是基础技术，通过团队和人才驱动技术发展；“线”是整体解决方案，通过数据和场景驱动；“面”指AI产品化，通过产品运营和数据运营驱动；“体”是最成熟的发展阶段，即通过产业化和效率形成像亚马逊那样的协同网络生态。
技术和算法都难以成为AI产业的核心壁垒，AI创业公司成功可能性更大的道路是成为伟大的AI产品公司。AI创业，要以技术为基础，用户需求为导向，落地场景为核心。
写在最后
在云端AI芯片方面，格局难以被撼动，以英伟达GPU为代表的海外玩家起步较早，全球各大科技巨头扎根已深。而在端AI芯片方面，中国的众多初创公司正在疯狂抢跑。
由于各玩家的技术和算法已经足够顶尖，优势差距不大，难以形成核心壁垒，落地成为AI创业的关键。
2018年是芯片落地商用最密集的一年，但始终面临着落地困难、应用场景难找、变现时间线长等问题。
目前来看，最大的落地场景是安防芯片，但是只有规模化的出货量才能抵扣高昂的流片和研发费用。自动驾驶的芯片尚未量产，这类芯片要求的技术和成本很高。其他特定领域的AI芯片，总体下游需求不足，供大于求。因此，会有一大批企业在资本退场的时候出现资金断裂，面临倒闭风险。
尽管并且不是所有的公司都能生存下来，但这些公司有能力推动一段快速的时代变革。
素材来源：寻找中国创客、网易智能、半导体行业观察、创业邦
