公司A自研寒武纪营收滑坡人工智能芯片的关键在于应用

不久前，寒武纪关于 IP 授权业务业绩大跌和公司 A 的相关关系引致了广泛讨论。该事件与 wave computing 申请破产保护一道成为一个风向标——人工智能芯片的决胜点在应用能否落地，而不是 PPT 上指标有多强悍。

国内人工智能芯片宣传有水分

最近几年，国内还诞生了诸多人工智能芯片：

中科院计算所推出了寒武纪芯片；

中星微开发了星光智能一号和二号；

地平线推出了自己的人工智能视觉处理器；

华夏芯发布了自己的“松江”和“北极星”；

君正推出了 T01，并正在研发下一代产品 T02；

阿里宣布正在研发 Ali-NPU；

百度发布了“昆仑”；

一直致力于矿机的比特大陆也开始搞人工智能芯片。

......

上述人工智能芯片中，有的还处于 PPT 状态，有的仅仅是推出了样品，但还没有得到规模化应用。仅有寒武纪等少数几家公司，有实际产品落地，并有千万级以上的应用量。

必须指出的是，国内企业和媒体在宣传的时候是比较浮夸的。

比如某互联网巨头的 Ali-NPU。在媒体最初大规模报道时，Ali-NPU 还在设计中。但在报道中公然宣称：“Ali-NPU 性能，将是目前市面上主流 CPU、GPU 架构 AI 芯片的 10 倍，而制造成本和功耗仅为一半，性价比超过 40 倍”。在 Ali-NPU 还在设计之中的情况下，真不知道这些 10 倍、40 倍的数据是怎么测试出来的。

另一家互联网寡头的 KL。在还未流片的情况下，就开大会宣布 KL818-300，KL818-100，将采用三星 14nm 工艺，可以在 100 瓦+功耗下提供 260TOPS 性能是迄今为止业内设计算力最高的 AI 芯片。在连样片都没有的情况下，不知道“中国首款”、“迄今为止业内设计算力最高的 AI 芯片”这类结论，该互联网寡头是怎么得出来的。

还有地平线，地平线举办的“AI 芯时代”产品发布会中，就请了上百家媒体来助威，并宣布“这次推出的芯片是中国首款全球领先的高性能、低功耗、低延时的嵌入式人工智能视觉处理器”。在媒体的报道中，还将地平线称之为“全球领先的嵌入式人工智能领导者”。

然而，在 2017 年 10 月，中科院计算所的嵌入式人工智能处理器寒武纪 1A 已经随着 A 公司 Mate10 的上市进入寻常百姓家，而直到 2 个月之后，地平线才发布所谓“中国首款全球领先的嵌入式人工智能处理器”。

华夏芯也是类似，发布了中国首款 64 位高端嵌入式“长城”系列 CPU/DSP 统一处理器 IP 和“松江”系列嵌入式人工智能专用处理器 IP，以及基于上述全自主 IP 的多核 SoC 芯片平台“北极星”。媒体的报道中还称：这是国内首次发布具有自主知识产权的人工智能平台型芯片，不仅打破了国外垄断，还初步实现了产业化，为建设和完善我国自主可控的人工智能产业链添上了重要一笔。

其实，华夏芯本质上是选择用传统 SIMD/DSP 架构来跑人工智能，这种做法和去年的星光智能一号如出一辙，这也不是啥黑点，毕竟现在这些所谓的 NPU 其实就在做过去 DSP 做的事情，华夏芯和星光智能一号无非是把 DSP 拿来改一改直接跑人工智能而已。由于国内已经有了寒武纪、星光智能一号等产品，且寒武纪有望借助华为手机的畅销实现千万级量产，华夏芯所谓的打破国外垄断也就无从谈起了。

人工智能芯片决胜点在于应用

虽然上述人工智能芯片在媒体上一度被大肆报道，但真正有千万级应用规模的只有寒武纪，然而，即便是寒武纪这种明星企业，也遭遇了业绩大幅下滑。

根据公开资料，2017 年、2018 年和 2019 年，寒武纪终端智能处理器 IP 授权业务实现销售收入分别为 771.27 万元、11,666.21 万元和 6,877.12 万元。2019 年对公司 A 的 IP 授权收入下降报告期内，寒武纪对公司 A 的销售金额为 771.27 万元、11,425.64 万元和 6,365.80 万元，占到公司终端智能处理器 IP 授权业务销售收入比例的 100.00%、97.94%和 92.56%。从中可以堪称，公司 A 在自研人工智能模块后，采购寒武纪 IP 的金额大幅下滑，对寒武纪的业绩造成了巨大影响。

从技术上说，寒武纪是非常不错的，各项数据也非常亮眼。只不过优秀的技术要有良好的商业模式和行业大环境配合，就当下来说，人工智能芯片最关键的是与应用相结合，而不是芯片性能高一点或低一点。

目前，人工智能芯片的霸主是美国英伟达公司。因而在宣传上，国内人工智能芯片大多以英伟达对标，虽然国内各路玩家在 PPT 上各种吊打英伟达，但在商业市场上，各个都被英伟达吊打。人工智能芯片的决胜点在应用能否落地，而不是 PPT 上指标能否吊打英伟达。

虽然英伟达的 GPU 在性能功耗比上并不具备优势，但目前来说，GPU 却是主流。原因就在于 GPU 在编程上更加方便，生态上也有优势，而这又会吸引更多的开发者使用 GPU。

回想 20 年前，当时 Intel 的 CPU 在性能上相对于 MIPS、Alpha、PA-risc、SPARC、Power 而言是最弱的，但 Intel 与应用结合得最紧密，特别是 Wintel 同盟使 Intel 的 CPU 拥有较好的软件生态，最终使 CPU 性能最弱的 Intel 笑到了最后。

因此，人工智能芯片最终鹿死谁手，不在于 PPT 上的纸面数据是否能够吊打友商，不在于宣传上各种“中国首款”、“全球领先”、“打破国外垄断”等标签，而是看人工智能芯片与应用结合得是否紧密。

只有将人工智能芯片用起来，搭建起开发环境和软件生态，才能实现技术和产品的可持续发展。否则，国内人工智能芯片厂商只能在资本大潮中赚一笔快钱，然后将 MIPS、Alpha、PA-risc、SPARC 被 Intel X86 处理器击败的历史重新再上演一遍。