“日前，國內AI芯片獨角獸——深鑑科技宣佈被FPGA開山鼻祖、美國賽靈思（Xilinx）公司收購，此事在業界引起巨大反響。如今國內AI芯片三大代表性玩家之一深鑑科技的收購案，或許預示著AI芯片市場馬上要進入被整合的新浪潮。”
AI芯片圈內，深鑑科技是一個響亮的名字。在今天AI芯片狂飆突進的幾年時間裡，深鑑科技以明星創業團隊背景，以及在FPGA服務技術和壓縮技術，深受投資人青睞。
2017年10月24日，深鑑科技完成了4000萬美元的A+輪融資，也有螞蟻金服、三星風投等明星資方。2017年初之際，在全球頂級學術大會FPGA2017會議上，深鑑科技又成為該屆最佳論文獎的唯一獲得者。
此次深鑑科技被美國芯片巨頭賽靈思收購的消息，引發了AI 芯片行業的大討論。據媒體報道，深鑑科技的估值一度超過10億美金，而業內人士消息稱，預計本次收購價為3億美金，難道深鑑科技被賤賣了嗎？
首起中國AI芯片公司被收購的案例，背後折射出更廣義的問題是AI 芯片創業公司的生存環境與出路選擇。
終端AI芯片成創業處女地
AI芯片是AI技術發展過程中不可逾越的關鍵階段，這也造成了目前芯片行業格外躁動和火熱，不管是巨頭公司還是創業公司，不管是傳統制造公司還是互聯網公司，都在佈局AI芯片行業。
市場研究顧問公司Compass Intelligence日前發佈了其關於AI芯片最新調研報告，結果顯示，過去三年，各大公司藉由收購AI及AI新創企業，已經總共在研發、投資AI領域超過600億美元。目前，AI新創公司就有約1700家，業界對於AI芯片組需求正逐漸擴大。
業內的一份統計顯示，目前國內從事AI芯片研發生產的公司已超過40家。這其中，既有寒武紀、深鑑科技、地平線這類初創公司，也有華為、比特大陸、海康威視等從其他行業半途切入AI芯片領域的公司。
那麼，目前對AI芯片的需求主要集中在哪些方面呢？
從應用場景角度看，AI芯片主要有兩個方向，一個是在數據中心部署的雲端，一個是在消費者終端部署的終端。從功能角度看，AI芯片主要做兩個事情，一是Training（訓練），二是Inference（推理）。
目前AI芯片的大規模應用主要還是在雲端。雲端的AI芯片同時做兩個事情：Training和Inference。Training即用大量標記過的數據來“訓練”相應的系統，使之可以適應特定的功能；Inference即用訓練好的系統來完成任務，推斷出結論。
Training和Inference在目前大多數的AI系統中，是相對獨立的過程，其對計算能力的要求也不盡相同。
Training需要極高的計算性能，較高的精度，需要有一定的通用性，以便完成各種各樣的學習任務。Inference相對來說對性能的要求並不高，對精度要求也要更低，在特定的場景下，能完成特定任務即可，但因為Inference的結果直接提供給終端用戶，所以更關注用戶體驗的方面的優化。
因此，Training將在很長一段時間裡集中在雲端，Inference的完成目前也主要集中在雲端，但隨著越來越多廠商的努力，很多的應用將逐漸轉移到終端。
目前市場情況，雲端AI芯片無論是從硬件還是軟件，已經被傳統巨頭控制，給新公司預留的空間極小。其中，芯片巨頭英偉達已經牢牢佔據AI芯片榜首，英偉達GPU是目前應用最廣的通用AI硬件計算平臺；而英特爾則通過收購Altera獲得FPGA業務。
在雲端，互聯網巨頭已經成為了事實上的生態主導者，因為雲計算本來就是巨頭的戰場，現在所有開源AI框架也都是這些巨頭髮布的。在這樣一個生態已經固化的環境中，留給創業公司的空間實際已經消失。
但是在終端上，目前還沒有一統天下的事實標準。未來更多的應用場景在本地完成，因此終端AI技術成了很多芯片廠商關注的領域。
AI芯片創業困境重重
雖然行業熱度空前，但對於創業公司而言，AI芯片始終面臨著流片落地困難、應用場景難找、變現途徑繁瑣等問題。
首先，AI芯片的研發、商業化落地需要很長的週期。芯片產業是一個資金密集型的產業，無論是研發，還是後期的生產，都要求極高的資金投入。如果產品沒有辦法規模化，將無法消化前期的高額開銷。
有業內人士稱，如今設計製造一顆10nm芯片的成本要幾千萬美元，就算目前寒武紀、深鑑科技等專門做AI芯片的企業，即使採用28nm的芯片工藝，前期從投入到流片的成本都要超過400萬美元。也就是說，單一品類的芯片出貨量沒有百萬級很難收回成本。
深鑑科技CEO姚頌之前在接受媒體採訪時坦言，公司早期的研發投入非常高，預計大概還需要兩、三年左右才能實現營收平衡。
其次，目前AI成熟的應用場景太少。安防領域芯片的市場空間有限，備受矚目的無人駕駛汽車距離真正落地還有很長時間，給手機處理器開發AI協處理器，以及為智能音箱開發的語音AI芯片，是目前看來比較靠譜的方式。
例如：深鑑科技此前獲得了三星的投資，其AI芯片IP已經集成到三星最新的處理器Exynos9810中。另外一家創業公司寒武紀的芯片Cambricon－1A集成進入華為麒麟970，都是很好的例子。由於華為手機的巨大銷量，寒武紀迅速成為AI芯片獨角獸。
一些AI服務廠商也將自己的服務進行垂直拓展，比如的自然語音處理廠商雲知聲從自己的傳統語音業務出發，開發了自己的芯片UniOne語音AI芯片，用於物聯網IOT設備。出門問問發佈的AI語音芯片模組“問芯”已經量產。
能獲得手機大廠青睞的AI芯片廠商，以及自研AI芯片的畢竟是少數，更多的AI芯片廠商還需要找到更多的應用場景來使自己的芯片發光發熱。
最後，在AI芯片行業，創業公司還要面對英偉達、英特爾等超級巨頭的壓制。可以說，AI芯片創業生存環境惡劣，能活下來的企業將是鳳毛麟角。
被收購不失為一條好路徑
回過頭看，對於深鑑科技這樣一個成立兩年多的初創公司，被收購也許不失為好的結果。
在AI芯片行業，戰略投資是非常稀缺的資源，比如在FPGA領域，全球只有賽靈思、Altera等幾家頭部公司。行業巨頭對芯片初創公司除了財務上的幫助，還可以在產品、技術、戰略方面進行合作，可以迅速推動初創企業的研發進程，幫助產品落地。
深鑑科技投入賽靈思的懷抱，不僅獲得了可貴的戰略資源，還可以幫助公司跨過成長道路上的障礙。
事實上，雙方的合作是水到渠成。自 2016 年成立以來，深鑑科技就一直基於賽靈思的技術平臺開發機器學習解決方案。經深鑑科技優化的神經網絡剪枝技術運行在賽靈思 FPGA 器件上，可以實現突破性的性能和行業最佳的能效。
2016年，在OpenPOWER那場峰會上，賽靈思就介紹了有關深度學習處理器的新方法，而其中有關技術的部分大多來自中國的這家初創公司——深鑑科技。
在2017 賽靈思開發者大會(XILINX Develpoer Forum)上，塞靈思推出 reVision 嵌入式開發堆棧時就以與深鑑科技合作的ZU9 MPSoC 運行的 、可用於智能城市監控的多目標識別方案作為基於的嵌入式應用視覺案例。
從2017年開始，賽靈思就已經與全球其它知名投資機構一起成為了深鑑科技的主要投資者。
對很多初創公司來說，併購不失為一條好的路徑。從全球範圍來看，AI領域大魚吃小魚的故事一直在上演，行業內的併購案逐年增多。
研究公司CB Insights的數據顯示，2010年至今，Alphabet（谷歌母公司）在AI領域進行了多達14筆收購，蘋果進行了13筆收購，Facebook完成了6筆收購，英特爾、亞馬遜、英特爾、微軟各完成了5筆收購。
對於國內AI芯片的初創公司而言，2018年可能是生死大考之年。如果說前兩年這些公司的主要工作是集中在建團隊、融資、研發等“調兵譴將”的部署階段，如今，則是到了“上刺刀出擊”，看產品商業化、量產的時候。
如今深鑑科技的完美轉身，也許預示著AI行業即將迎來“併購潮”。但是由於深鑑科技收購價格並不是特別高，對於目前一些AI芯片獨角獸公司而言，某程度上會構成一定的壓力，未來買方會以什麼價格進行收購確實是一個未知數。
AI芯片戰局將進入一個新的分水嶺，今後的AI芯片賽道比拼將來得更加真刀實槍，真正在技術積累、商業化應用方面做得好的公司，相信未來估值依然會提升。
閱讀更多 科技雲報道 的文章
