算力在人工智能的发展过程中始终扮演着重要作用,关键因素之一就是云计算能力的提升,由云端AI芯片的迭代在推动。随着数据的海量爆发,算力缺口在不断放大,云端AI芯片竞争日趋白热化。
ABI Research的报告“云端AI芯片:市场前景和供应商定位”显示:云端AI推理和训练所产生的AI芯片市场,预计将从2019年的42亿美元增长到2024年的100亿美元。边缘端AI芯片市场也将达到近80亿美元。
图:2017 年至 2024 年 AI 芯片销售年度总收入对比及预测
(来源:ABI Research)
五股力量决战云端
进入2020年,中央将“新基建”提到了前所未有的战略高度,疫情刺激下各种在线应用大爆发,都直接带动了云端市场的火爆。根据新基建投资测算,预计2025年,AI基础设施建设新增投资约为2200亿元,人工智能核心产业规模超过4000亿元,这将使AI芯片市场规模超过300亿元,年均增速达到20%。行业巨大利好之下,云端市场竞争更为激烈,对行业、企业都是巨大考验。
老牌的云端服务商,如AWS、Microsoft Azure、Google、阿里云、百度云和腾讯云,以及在
企业数据中心深耕多年的厂商,如:VMware、Rackspace、NetApp、HPE、Dell等公司,这两股传统力量,凭借深厚的技术积累和行业资源积累,
将继续在云端市场延续强大优势。
值得一提的是,就在昨天,金山云作为国内最大的独立云服务提供商、第三大互联网云服务提供商,在美国纳斯达克成功上市,董事长雷军表示,在AIoT、万物智联的大趋势下,云的重要性更加凸显。
未来金山将“All in”云服务。本次上市募集的资金将主要投向基础架构的扩展和升级;技术和产品研发,尤其是在人工智能、大数据、云技术和物联网领域,以及生态系统的扩展和国际影响力建设等方面。
第三股力量以英伟达和英特尔两大业界巨擎为代表。英伟达的GPU先期已经获得了大范围应用,牢牢占据了云端特别是云端训练市场。近年来,除了在芯片架构上不断迭代,英伟达也越来越重视配套软件资源和相关服务。据其2020财年第四季度及全年的财务报告中显示,数据中心收入达到创纪录的29.8亿美元,比上年增长2%。对于未来,英伟达方面表示,需要加速的计算平台,并且软件丰富性至关重要,数据中心可以由软件定义。根据IDC的调研数据,8卡GPU服务器和英伟达的V100加速卡成为去年上半年的采购热点,均占据30%以上的份额。
英特尔2020年第一季度财报显示,其数据中心业务同比增长43%。英特尔这些年在不断强化其数据中心的异构计算能力,并在跨多架构的开发过程中进行统一和简化。去年底斥资约20亿美元收购的以色列人工智能公司Habana Labs,有助于提振英特尔面向数据中心的AI服务。Habana Labs的AI训练处理器Gaudi,与使用同等数量GPU构建的系统相比,基于Gaudi的大节点训练系统的吞吐量预计将增加4倍。
第四股力量就是国内外的新入局者,通过架构创新,推出了一批新的专用人工智能芯片。在云端训练或推理芯片方面,以
百度、阿里、华为、寒武纪、依图、比特大陆、燧原等为代表的国内企业,已陆续发布多款代表性芯片,并实现产品应用。在面向前沿的类脑计算领域,也涌现出了
西井科技、灵汐科技等开发AI神经网络平台芯片的代表性企业。
第五股力量就是FPGA。
以Xilinx为显著代表,去年发布的7nm芯片平台Versal Premium,最大卖点就是自适应大带宽,专为解决核心网所承载的巨大压力。其预构建连接能力能够更快投入市场并提供ASIC级功耗和性能,同时满足较高的安全需求。这个里程碑级别的产品,更加昭示了FPGA在数据中心的野心和能力。其他创业公司,如
雪湖科技,放眼于推断运算加速场景,通过深度学习神经网络+FPGA芯片/加速卡等,已成功为公有云、私有云、自动驾驶等提供神经网络加速IP。还有
鲲云科技,该公司基于数据流架构的通用AI底层CAISA芯片架构,目前已推出FPGA加速卡,在安防、航空、航天、电力、工业等领域落地,据透露今年也将推出新一代的芯片产品。
值得关注的新秀还有成立于2018年、注册地在美国硅谷的
Moffett AI公司,该公司今年3月获得了近千万美元天使轮融资,由凯旋创投领投、创享基金和云天使基金跟投。该公司致力于研发下一代高算力的AI芯片,宣称目前已实现FPGA芯片小批量量产,目标是通过优化计算模式,支持全面稀疏化神经网络开发,提供超高算力、超低功耗的通用AI计算平台。
尽管多方力量决战云端,但目前为止,云端AI市场仍由NVIDIA的GPU和Intel的CPU主导,计算架构方面以CPU+GPU、CPU+FPGA等异构计算为主流。在巨大的利好面前,AI云端芯片逆势突围的势头将更为明显。
变局之下,“落地”还是“坠崖”?
大约从2018年开始,AI芯片的“落地”被反复强调,今年的看点仍然在于新产品的迭代和落地。
加速人工智能应用落地,只有以市场需求为驱动的芯片才能持续创造价值,这对每一家AI芯片企业的核心技术以及对市场需求的洞察能力都是巨大考验。如果今年不能实现快速落地,一些厂商可能会坠入绝望的深渊,被市场远远抛下。
鲜花着锦、烈火烹油,就在云端市场激战正酣之时,最近在创业公司身上发生的几件事既是个例,却也是行业竞争加剧之下的一个缩影。
日前,
Wave Computing被曝出申请破产保护,正在进行资产重组。该公司曾是AI芯片领域被看好的新兴公司之一,愿景是“数据追踪”,即从数据中心到边缘云,对客户的数据进行深度学习训练。曾经繁盛一时的明星企业落得这般景况的确让人唏嘘,推测可能的原因,一方面是核心产品在大规模部署时遇到阻力,冲击英伟达即有市场份额失败;另一方面,去年半年内,两度换任CEO;加之MIPS开源计划搁浅等等,多重原因导致无力正常运转。
寒武纪近来也受到了很高的关注,起因是其IPO材料,业界对其商业化能力产生了巨大质疑。在终端处理器IP业务失去华为后,寒武纪将重心放在云端市场的开拓上。在公开回应中,寒武纪也剖析了自己与竞争对手的优劣势。目前行业内能够实现从终端、边缘端到云端完整智能芯片产品线的企业包括英伟达和华为海思。寒武纪认为,这两者得益于长期的技术积累、资金优势和人力优势,在芯片整体研发经验和综合设计能力方面领先于自己。2020财年英伟达的研发费用达到28.29亿美元,而华为海思在2019年的研发投入也达到24.39亿美元。更为关键的是,英伟达已经构建了完善的生态CUDA,且英伟达和海思两家公司都有成熟和完善的销售网络、更大的市场知名度。这些都是寒武纪不能及的优势。
寒武纪本次IPO拟募资28.01亿元,初步估计未来3年内除募集资金外,仍需30-36亿元资金投入项目研发,5-6款芯片产品需继续进行研发投入。与终端AI芯片相比,云端AI芯片通常具有更高的计算能力,更高的功耗,更大的物理占用面积,因此也相对更加昂贵。
寒武纪未来的业务造血能力、商业化能力进入关键考验期。
比特大陆这位昔日的矿机霸主一度希望将AI芯片作为新的增长点,并先后在2017、2018年推出两代AI云端芯片,2018年推出第一代AI终端芯片。该公司去年公开宣称AI芯片已经赚到钱,但具体数字没有透露。不过近来,让比特大陆成为焦点的,既不是新品发布,也不是方案落地,而是高层绵延已久的人事纠葛。
行业正在窗口期,比特大陆短期内最大的危机就是能否平顺度过人事危机,稳定人心,加快产品市场化步调。
燧原科技日前宣布完成B轮7亿元人民币融资,由半导体产业基金武岳峰资本领投,腾讯、上海双创、海松资本,万物资本、达泰资本、红点创投中国基金跟投。据其官方透露,该轮资金将用于产品量产和业务规模化、技术支持团队扩充、高端专家人才引进,以及继续投入第二代云端训练及推断产品的开发。燧原科技CEO赵立东表示,“从公司创立伊始,我们
坚持业务落地与产品开发同等重要,只有实现产品落地和业务规模化,才能实现盈利。”这或许也给了资方一枚定心丸。企业可持续发展,需要在市场方向、产品定位、融资、商业合作等一系列决策中做出战略性选择。燧原方面表示,针对“新基建”智能数据中心的广阔前景,正与政府和上下游商业伙伴展开合作。
GPU并非完美,创新技术空间巨大
云端AI芯片仍以NVIDIA一家独大,这个局面短期内难以被撼动。尤其是在训练端,主要原因是英伟达GPU产品线丰富,编程环境成熟,产品支持市场上主要的开发框架和语言,产品广受AI开发者好评。但同时其产品也存在着功耗、价格昂贵等问题,
市场也在期待GPU之外的产品形成竞争力。
另外,从市场空间来看,根据艾瑞咨询去年的调研及梳理,云端推断市场未来增速和空间将高于训练市场。对于致力于云端AI芯片的企业来说,
聚焦于更具成长性的推断市场也是不错的选择。
根据笔者与众多业内人士沟通交流得到的启发,做芯片并不难,最难的是定义芯片。因为芯片有其物理周期,
如何能够预知两年之后的市场需求——这是定义芯片最难的地方。大公司养得起优秀的人才,有足够的试错能力,甚至可以用赚钱的业务来养芯片开发,总有做成的时候。另外大公司有成熟的生态体系,甚至可以去主导需求、定义标准,这些都是创业公司望尘莫及的优势。同时,大公司的组织架构体系更为成熟完善,核心领导团队较为稳定,这对于一家公司的稳定运转都是非常关键的因素。
AI在不断回归理性,这是任何新兴技术在经历过高峰期之后都会呈现出来的一个最正常且健康不过的过程。在这个过程中,接地气的公司找准方向后,落地、融资、上市都会水到渠成,否则难免陷入危机,特别是中小型的AI芯片公司,未来1~2年,只有通过市场检验和筛选的优质团队才能够继续获得产业、和资本的青睐,更为稳定地发展下去。
本文由电子发烧友网原创,未经授权禁止转载。如需转载,请添加微信号elecfans999.