某種意義上說，過去 50 年半導(dǎo)體行業(yè)的發(fā)展成為人類計(jì)算革命的燃料來(lái)源。
從概念上看，半導(dǎo)體又被理解為芯片，是一種高度小型化的電子產(chǎn)品，它可以非常快速地完成大量數(shù)學(xué)運(yùn)算，利用這種計(jì)算可以在現(xiàn)實(shí)物理世界里完成目標(biāo)。
簡(jiǎn)而言之，芯片是為我們的電子設(shè)備的大腦。它們幫助計(jì)算機(jī)和其他機(jī)器評(píng)估替代品，為電話、計(jì)算機(jī)、汽車、飛機(jī)、互聯(lián)網(wǎng)提供計(jì)算能力。
半導(dǎo)體是在硅晶片上制造的非常復(fù)雜的物體。 這些晶圓的制造非常昂貴，前期投資需要數(shù)十億美元。人類社會(huì)過去 60 多年的偉大技術(shù)奇跡之一，就是不斷縮小芯片尺寸并不斷提升計(jì)算性能，也就是我們常說的「摩爾定律」。
在這個(gè)行業(yè)，能夠生產(chǎn)制造半導(dǎo)體的公司屈指可數(shù)，而且由于技術(shù)復(fù)雜，導(dǎo)致建造半導(dǎo)體工廠的成本直線上升，這也讓半導(dǎo)體行業(yè)形成獨(dú)特的商業(yè)模型，在整個(gè)鏈條上只有兩類公司：一類是芯片設(shè)計(jì)公司，如英特爾，另一類則是芯片設(shè)計(jì)公司和芯片代工公司，或者晶圓代工公司，下圖是 2018 年上半年全球十大代工廠。
不管摩爾定律是否失效，半導(dǎo)體行業(yè)依然在發(fā)展中，在通往 7 納米制程的道路上，目前只有臺(tái)積電、英特爾和三星，當(dāng)然，英特爾目前也遭遇相當(dāng)多的困難，這也意味著，從 PC 到互聯(lián)網(wǎng)，再到智能手機(jī)，隨著對(duì)計(jì)算性能要求的不斷提升，整個(gè)半導(dǎo)體行業(yè)的集中化趨勢(shì)，已經(jīng)基本成定局。
從產(chǎn)業(yè)的角度去看，如今的半導(dǎo)體行業(yè)越來(lái)越像汽車行業(yè)，并購(gòu)整合正在加速，盡管 2018 年博通收購(gòu)高通、高通收購(gòu)恩智浦都宣告失敗，但產(chǎn)業(yè)發(fā)展的趨勢(shì)不可避免，只有足夠的壟斷才能形成更大的議價(jià)權(quán)，未來(lái)三到五年，新的并購(gòu)整合還將繼續(xù)。
一這兩年來(lái)，一股半導(dǎo)體行業(yè)的「反潮流」開始出現(xiàn)：自研芯片。
智能手機(jī)領(lǐng)域，蘋果在 2008 年悄然收購(gòu)了芯片制造商 P.A. Semi 公司，并在兩年后推出自研的第一代芯片 A4 處理器，這款處理器很快成為 iPhone、iPad 的標(biāo)配產(chǎn)品，隨后，蘋果又在 Apple Watch、Apple TV 等產(chǎn)品里加入自主研發(fā)的處理器。另外，根據(jù)著名蘋果分析師郭明錤透露的消息，2020 年之后，蘋果將在 Mac 系列電腦里集成自己的芯片。
而 Google，則一直在推進(jìn)數(shù)據(jù)中心的芯片研發(fā)。截止到 2018 年 11 月，Google 已經(jīng)推出了三代 Tensor Process Unit（以下簡(jiǎn)稱為 TPU），這些產(chǎn)品瞄準(zhǔn)的是日益強(qiáng)烈的機(jī)器學(xué)習(xí)需求，從而也增加了 Google 在云端服務(wù)上的特定能力。
上述現(xiàn)象與半導(dǎo)體行業(yè)剛起步時(shí)非常相似，當(dāng)時(shí)，所有的公司都在內(nèi)部研發(fā)、制造芯片，隨著企業(yè)研發(fā)成本的上升，有的企業(yè)開始將芯片設(shè)計(jì)、生產(chǎn)分開，或者直接外包給第三方公司，這樣的分工協(xié)作也大大降低了成本。
但現(xiàn)在，越來(lái)越多的公司成為加入到「反潮流」的大軍里，蘋果、Google 除外，亞馬遜、微軟以及華為、阿里巴巴，都在暗自進(jìn)行芯片的研發(fā)。
二而人工智能，也正在給半導(dǎo)體行業(yè)帶來(lái)新的變革機(jī)遇。
從最基本的角度去理解人工智能，或者準(zhǔn)確說機(jī)器學(xué)習(xí)，它更像是一種高級(jí)的軟件形態(tài)，這個(gè)軟件上可以進(jìn)行大量專業(yè)數(shù)學(xué)計(jì)算。以深度神經(jīng)網(wǎng)絡(luò)來(lái)說，它是一種非常復(fù)雜的「投票」算法，通過對(duì)各個(gè)變量的權(quán)重進(jìn)行復(fù)雜的計(jì)算，來(lái)實(shí)現(xiàn)決策。
機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的過程，就是一次次的計(jì)算過程，如何才能提升計(jì)算速度呢？當(dāng)然是讓計(jì)算并行化，這種需求也和圖像計(jì)算非常相似，盡管原理不一定相同，但事實(shí)也的確證明了，將圖像計(jì)算的處理器 GPU 放在機(jī)器學(xué)習(xí)之中，效果非常好，由此也造就了過去四年英偉達(dá)的「奇跡」。
但行業(yè)內(nèi)除了英偉達(dá)之外，沒有人愿意看到只有 GPU 適合機(jī)器學(xué)習(xí)，從傳統(tǒng)芯片企業(yè)英特爾到互聯(lián)網(wǎng)巨頭 Google、Facebook、亞馬遜，都有著自己的考量。
而如果從 AI 芯片的功能層面來(lái)看，人工智能芯片主要有兩個(gè)方面的需求：訓(xùn)練和推理。這兩個(gè)需求相互聯(lián)系，構(gòu)成了人工智能芯片的完整流程。
先說訓(xùn)練，當(dāng)海量被標(biāo)注的數(shù)據(jù)被收集到數(shù)據(jù)中心，工程師們就要開始「訓(xùn)練」數(shù)據(jù)，簡(jiǎn)而言之，就是在海量的數(shù)據(jù)中尋找可用的模型。
而推理，則是將模型反應(yīng)出結(jié)果呈現(xiàn)出來(lái)，我們常常說所謂「機(jī)器決策」，也就是說，當(dāng)用戶輸入一個(gè)不太明確的指令后，機(jī)器能夠給出一個(gè)看似合理的答案。
上面的兩段話有點(diǎn)復(fù)雜，不妨來(lái)看兩個(gè)案例，如果你在手機(jī)上用過 Google Photo，你會(huì)發(fā)現(xiàn)這個(gè)產(chǎn)品不僅會(huì)讓你照片備份起來(lái)，還會(huì)提供一系列有趣的功能，如下圖所示，你可以看到「往年今日」的推薦、以及可以直接用自然語(yǔ)言搜索圖片。
要實(shí)現(xiàn) Google Photo 的上述功能，你需要將數(shù)據(jù)，也就是照片先上傳到 Google 服務(wù)器，經(jīng)過一段時(shí)間之后才能看到上圖的推薦，這是因?yàn)椋珿oogle 的數(shù)據(jù)訓(xùn)練都是在云端，而推理的結(jié)果則需要網(wǎng)絡(luò)的支持才能呈現(xiàn)出來(lái)，換句話說，你需要聯(lián)網(wǎng)才能使用。
蘋果的做法則完全不同�；谔O果自主研發(fā)的芯片以及神經(jīng)網(wǎng)絡(luò)處理引擎，目前 iPhone、iPad 都可以實(shí)現(xiàn)本地的 AI 計(jì)算，同樣是照片數(shù)據(jù)的訓(xùn)練和推理，蘋果將所有的過程都放在本地設(shè)備，如下圖所示，你會(huì)看到也是類似的照片推薦、自然語(yǔ)言搜索等功能。
事實(shí)上，我們很難直接判斷哪種方式跟好，只能說，每一種方式都有著一定的使用范圍，比如在自動(dòng)駕駛汽車上，人工智能芯片的處理過程必須放在本地，只有這樣，才能避免與云端交換數(shù)據(jù)的延時(shí)，也能避免車禍的發(fā)生。
從上述角度出發(fā)，AI 芯片領(lǐng)域有三類大市場(chǎng)：數(shù)據(jù)中心訓(xùn)練、數(shù)據(jù)中心推理、設(shè)備/邊緣推理。
如果說過去的芯片行業(yè)像極了汽車行業(yè)，導(dǎo)致沒有后來(lái)者、創(chuàng)業(yè)者的機(jī)會(huì)，那么在 AI 芯片開創(chuàng)的三個(gè)領(lǐng)域里，卻提供了足夠多的想象空間，也讓資本市場(chǎng)看到了可能性，下圖還僅僅是截止到 2017 年的數(shù)據(jù)。
三
如果從 AI 芯片的三個(gè)大市場(chǎng)的角度去看未來(lái)的機(jī)會(huì)。
首先，數(shù)據(jù)中心 AI 芯片市場(chǎng)的競(jìng)爭(zhēng)會(huì)非常激烈，一方面，CPU 不會(huì)輕易退出市場(chǎng)，另一方面，數(shù)據(jù)中心所有者都是全球云計(jì)算巨頭，包括亞馬遜、Google、微軟、阿里巴巴，他們對(duì)于 AI 芯片的需求當(dāng)然非常強(qiáng)烈，但正如上文所言，他們正在自主研發(fā)自己的芯片，雖然這不代表這些公司不會(huì)采購(gòu)第三方芯片，卻也展現(xiàn)出這個(gè)市場(chǎng)的特殊性。
其次，設(shè)備推理市場(chǎng)雖然規(guī)模巨大，但卻有著非常細(xì)分的領(lǐng)域，比如設(shè)備形態(tài)不同，導(dǎo)致應(yīng)用場(chǎng)景、能耗的區(qū)別非常大，手機(jī)的推理能力與汽車顯然是不同的，這也導(dǎo)致這個(gè)市場(chǎng)最終會(huì)非常龐雜，當(dāng)然，巨頭、創(chuàng)業(yè)公司都有機(jī)會(huì)在這個(gè)領(lǐng)域獲得一席之地。
當(dāng)然，與傳統(tǒng)半導(dǎo)體行業(yè)類似，AI 芯片最終的走向依然會(huì)是寡頭化。
