东车日报｜凯迪拉克首款电动车可预订-Rivian市值超越大众成全球第三-特斯拉加州致命车祸调查取消
06-21
作者 |范文靖编辑 |继明年的中兴事件和2016年的华为事件之后，“芯片”成为国民的热词，一大批芯片初创公司成立。
中国的芯片热潮主要有两个。
首先是“AI芯片”——包括图形处理单元（GPU）、现场可编程门阵列（FPGA）和专用于人工智能的专用集成电路（ASIC）。
2017年，成立仅17个月的寒武纪获得1亿美元A轮融资，成为AI芯片领域首家独角兽； Horizo??n还宣布完成超过1亿美元融资。
与此同时，神剑科技和比特大陆也分别获得了数千万美元的投资。
除了初创公司之外，以云知声、依图为代表的AI企业正在尝试跨界造芯，而以BAT为首的互联网巨头也加入了造芯潮流。
如今，这些初创公司有的已经成为行业独角兽，有的被成功收购，有的成功上市。
投资者中，除了红杉、金沙江创投、创新工场等专注科技领域的顶级VC外，也不乏芯片行业的龙头企业，如投资地平线科技的英特尔、投资赛灵思、投资三星的三星等。
在神剑科技等待。
一些入市较晚的投资者甚至感叹，“还没等我弄清楚GPU、CPU、ASIC、FPGA之间的区别，别人就已经投资完了”。
2017年，芯片行业掀起了第二波创业热潮，这一次主要集中在GPU领域。
2016年，商汤科技前总裁张文创立必人科技，随后18个月累计融资超过47亿元人民币，并先后邀请华为海思GPU负责人周鸿祎、AMD全球副总裁李荣信等加入; 2017年，前NVIDIA全球副总裁张建中创立Moore Thread，一天融资数十亿美元；木希集成电路几乎同时成立。
创始人陈伟良曾任AMD董事，一年内获得四轮融资。
融资金额巨大，创始人拥有Nvidia、AMD等国际巨头的工作经历，这是这家GPU初创公司的共同标签。
GPU曾经主要用于图形计算，但随着人工智能的发展，GPU已经被证明在大规模并行运算中具有良好的处理能力，成为当今最流行的AI芯片之一。
定义GPU的英伟达今年11月市值一度突破1亿美元，成为全球市值最高的芯片公司。
芯片创业是一个长期的过程。
国产GPU企业不仅要面对行业周期，还要从英伟达“山”的裂缝中寻求突破。
这一次，我们该如何讲述国产替代GPU的故事？ 1.时代呼唤GPU。
2018年第一波AI芯片浪潮中，主要产品是ASIC芯片——针对人工智能特定应用定制的芯片。
ASIC芯片承载了当时人工智能发展带来的数据计算能力需求的指数级增长。
据IDC测算，2020年至2020年，中国拥有的数据量将从7.5ZB增加到48.6ZB（10^21B）。
必人科技创始人、董事长兼首席执行官张文提到，“人工智能训练任务每三到四个月就会翻一番。
这个速度大大超过了芯片性能在18个月内翻倍的摩尔定律。
增长规律”。
由于是定制芯片，ASIC是根据产品的需要专门设计和制造的，具有更高的处理速度和更低的能耗。
但ASIC的缺点也很明显，因为它是针对特定算法而设计的，它适应的算法是固定的。
算法一旦改变，可能就不再使用了。
例如，2018年，比特大陆发布了一款基于新型ASIC芯片的矿机Antminer X3，主要针对门罗币（XMR）和依赖CryptoNight算法的加密货币。
不过，门罗币随即发表反驳声明，表示将改变核心算法来对抗ASIC算力的入侵，这将大大降低比特大陆ASIC芯片的能效。
针对数据量的增加，人工智能算法也在日新月异地迭代。
天数智能芯片CTO卢建平告诉甲子光年：“在AI领域，突破是常态，新算法的出现也是常态。
如果专用算法只采用专用芯片架构，那么硬件进步永远跟不上算法的突破。
”所以，除了ASIC芯片之外，还需要能够应用多种算法的通用AI芯片。
、GPU。
虽然面前有NVIDIA这样的大山矗立，但国产GPU的第一个机会是，这并不是一个“包袱”感很重的行业。
天树智信和必人科技的产品均以最先进的国际标准为基准。
逼人科技张文曾在活动中提到，逼人科技“应该对标国际大厂的下一代产品，而不是上一代产品”。
天枢智信陆建平告诉《甲子光年》：“以图形为例，图形的发展、标准、应用接口都在不断演变。
在这个过程中，新的架构会慢慢覆盖、取代旧的架构，旧的架构太旧了。
”因此，我们最好的方法是直接针对最新的图形标准进行设计，并扔掉所有旧的包袱，“例如，将来我们将制作适应6G网络的产品。
，产品不需要适配2G网络，因为届时2G网络的需求将不复存在。
这也意味着，我们现在设计属于中国的GPU芯片时，只需要针对当前和未来的AI计算需求进行设计，而不需要遵循过去AI和GPU芯片的发展。
其次，GPU的“可编程”特性降低了定制成本。
“可编程”的另一个含义是基于GPU使用合适的算法，更好地利用其计算能力。
简单来说，“硬件离不开软件系统的支持”。
这就不得不提到CUDA。
CUDA（Compute Unified Device Architecture）是借助NVIDIA GPU推动的计算平台和算法模型。
目的是帮助用户更好地利用GPU的计算能力。
过去，如果客户需要用 ASIC 芯片替换 Nvidia GPU，他们必须根据 ASIC 制造商提供的一套新算法重新部署。
人工成本和试错成本非常高，让客户望而却步。
因此，新起步的GPGPU公司都把“兼容”CUDA作为必选项，并尽力确保“能在NVIDIA上运行的东西都能在国产GPGPU上运行”，让客户更愿意尝试。
最后，在国产替代的背景下，GPU的发展也离不开政策的支持。
2019年8月颁布的《新时期促进集成电路产业和软件产业高质量发展的若干政策》规定，“集成电路设计、设备、材料、封装、测试企业和软件企业，自获利年度起第一年至第二年免征企业所得税，自获利年度起免征企业所得税。
第三年到第三年。
企业所得税将按法定税率25%减半征收，为期五年。
”科创板和北交所的开业，将不再以“盈利”作为衡量上市的硬性指标。
“符合科创板定位、尚未盈利或累计未弥补亏损的企业，允许在科创板上市。
”芯片设计公司能够更好地度过利润周期。
2019年1月19日，上海市下发的《新时期促进上海市集成电路产业和软件产业高质量发展若干政策的通知》提到“对符合条件的设计公司开展有利于推动本市集成电路线宽小于28纳米（含）工艺生产应用的流片服务”线，相关流片费计入项目新增投资，并支持流片费的30%，支持金额原则上不超过1亿元。
”在这样的综合影响下，可以说GPU迎来了最好的时代。
IDC数据显示，2020年全球AI芯片市场规模将达到1亿美元，其中GPU占比最大，高盛预测今年GPU占比将达到57%。
资本在这股GPU浪潮中发挥了重要作用。
2.资本涌入GPU。
事实上，中国的GPU公司已经存在，但这些公司的GPU主要还停留在“第一层”——图形计算。
景嘉微成立于2007年，是中国第一家GPU上市公司。
公司于2008年开发出第一款完全具有自主知识产权的GPU芯片JM，打破了国外长期垄断。
随后，公司推出了JM7、JM9系列芯片，主要应用于军工、政府的图形显示领域。
还有航金科技旗下的长沙韶光，专注于办公、娱乐领域。
从CPU转向GPU的龙芯、兆芯，从IP核转向GPU的芯原、芯动，致力于打造国产芯片生态系统，目前都在图形领域发力。
然而，这些2008年左右成立的初创公司希望开发出既能满足图形处理又能满足AI计算的GPU，现在国内称为GPGPU（通用GPU）。
据甲子光年统计，仅2018年GPGPU领域就发生了近20起融资事件。
天数智芯、登林科技、必仁科技、摩尔线程、木希集成电路是国产通用GPU的代表公司。
他们备受资本市场关注，甚至将在一年内密集宣布三轮融资。
融资极快的原因是GPU是一个极其昂贵的行业，初始投资大，回报周期长。
投资必人科技的启明创投合伙人周志峰曾问其创始人张文：“你知道这要花多少钱吗？”张文回答：“八亿到十亿美元。
”这不仅仅是制造一辆汽车。
这是要花钱的。
价格昂贵也是这些GPU公司的一大特点。
例如，必人科技A轮融资金额为11亿元人民币，估值为2亿美元。
这些公司的投资名单几乎囊括了市场上最知名的所有VC/PE和产业基金。
各投资方均有国有资本参与投资。
与2017年资本行业对速度和财力的争夺不同，在GPGPU投资赛场上，似乎有一种“没有点实力就无法投资”的感觉。
一方面，这可能是由于优惠政策让国有资本更愿意承担风险。
另一方面，也是因为在国有资本的支持下，更方便进一步推动本土化产品的实施。
此外，产业资本较早进入投资市场。
过去，企业家对产业资本往往持保守态度，因为选择行业龙头企业的支持，往往意味着选边站队，无法再与众多企业合作。
相应地，产业资本更倾向于在企业有了产品之后进行合作和投资。
但今天的情况却大不相同了。
登林科技与安全公司、必人科技与平安都在B轮中为未来的合作做好了铺垫。
随着每年投资重点从大消费转向科技，科技领域关注重点从模式创新转向技术创新，芯片赛道作为“硬科技”的代表，成为资本关注的焦点。
云秀资本统计显示，半导体行业年度股权投资超亿元，较上年增长近四倍。
这也是中国一级芯片市场历史上投资金额最大的一年。
在“甲子引力”发布会上，硬科技投资者也感到“这个赛道存在泡沫”、“有点浮躁”。
这是产业、资本、环境造成的。
行业方面，需要更频繁地更新研发进展；资本端，各机构都在争夺好项目；而国产替代背景下“时间”的紧迫感和使命感则将两者交织、放大。
。
人才也是GPU初创公司持续面临的问题。
目前所有创业团队都至少有1人有NVIDIA或AMD工作经历，但几乎所有团队都告诉“甲子光年”，招人难。
除了重点关注有GPU设计经验的人才外，他们在AI泡沫消退后也非常关注这群技术人员，希望将他们提供给AI芯片。
从目前来看，每家公司都有明确的定位，想要做出能够替代Nvidia的GPU芯片；面向未来，每个企业都有自己的计划，要在自己的市场走深走远。
2017年，GPU创业公司逐渐告别“PPT”造芯阶段——产品实际流片（试产），万里长征才刚刚迈出第一步。
3、从PPT到产品具体产品，也采用了不同的技术路线。
第一类GPU公司选择了7nm先进工艺，如天数智芯、必仁科技，两家公司均已成功流片。
今年3月，天数智芯发布首款7nm云训练芯片BI并成功流片； 10月，必人科技首款云端训练芯片BR成功流片。
两家公司的芯片都将交给台积电。
贴牌生产。
在产品端，必人科技也在关注“异构计算”的超前布局，与IDG资本、字节跳动等共同投资国内DPU初创公司云脉芯联，本轮天使轮融资达数亿元。
随后，有消息称其与高瓴共同投资了国内CPU企业鸿钧微电子。
在必人科技看来，GPU+CPU+DPU的架构能够更好地让GPU发挥其作用。
具体来说，“DPU可以卸载传统上由CPU承担的网络、存储和安全任务，使其性能更好地渗透到应用层；它还可以加速与GPU的数据连接，增强GPU计算性能和集群能力。
“两家公司的核心团队也是“星光熠熠”。
今年5月，曾任紫光集团联席总裁的刁世晶出任天数智芯CEO；9月，陆建平博士出任天数智芯CEO。
曾通过天数智芯投资人大正资本担任技术顾问，正式加入天数智芯担任CTO。
创始人、三星创始人张文曾有过NVIDIA、联发科、三星的GPU研发经验。
彼人科技CEO曾任商汤科技总裁周鸿祎，曾任海思自研GPU负责人兼首席架构师，陈文忠曾任AMD高级副总裁，公司曾领导核心产品开发团队，担任联席CEO，曾担任AMD全球副总裁兼中国研发中心总经理焦方国，担任图形GPU产品总经理。
线，曾担任高通GPU团队的负责人……先进技术的使用往往意味着为了实现较慢的商业化，第二类公司选择了7nm以上的成熟工艺，以登林科技为代表。
登林科技成立于年底，并于2016年发布了第一代三款Goldwasser芯片，分别针对边缘计算和数据中心。
与天数智芯、必仁科技已经流片的云端“训练芯片”不同，登临科技的芯片选择了更为成熟的12nm工艺，主打“推理”，兼顾训练。
登林科技创始人李建文告诉甲子光年，这些都是源于“商业化”的考虑。
“NVIDIA T4是目前最主流的数据中心推理芯片，所以市场上的主要产品都是基于这种设计的。
市场足够大。
”在技??术方面，他表示，“我们更关心如何通过架构进行创新，帮助客户降低总拥有成本（TCO）。
”与此同时，客户其实不太关注芯片的“流程”，“他们关心的是用我们的加速卡来运行他们的业务，是否容易导入，性价比是否高。
”这或许也体现在巨头的产品设计上。
AMD的消费级GPU从2017年开始就开始使用性能更高的显存模组HBM，并在2017年开始使用7nm；而Nvidia在2016年才开始使用7nm，并继续使用GDDR显存李建文补充道，“虽然工艺和存储技术对每个人来说都是公平的，但在当前供应链紧张的情况下，这并没有影响Nvidia在GPU领域的表现。
内存模组短缺，需要排队芯片制造，对大公司更有利。
”2020年9月，曾在华为、苹果、思科等供应链关键岗位工作过的杨健加入登林科技担任副总裁全球运营部。
由此，登林科技率先进入了芯片的大规模量产和商业落地，并希望能够按照稳定的周期不断发布新的芯片，进入良性循环。
据悉，登林科技第二系列芯片将于2019年流片，新一代芯片在训练性能上将有显着提升。
除了已经流片的公司外，尚未流片的摩尔线程、慕希集成电路也受到关注。
Moore Thread创始人张建中曾任NVIDIA全球副总裁兼中国区总经理。
慕希集成电路创始人陈伟良曾任AMD高级研发总监。
CTO兼总架构师彭力和总架构师杨建都都是AMD的科学家。
Moore Thread在成立之日就成功开发出了第一款芯片。
它兼具图形处理和AI计算能力。
在制造工艺方面，其仅表示将采用“先进生产技术”，尚未公布细节。
有消息称，慕希集成电路计划采用更先进的5纳米工艺来打造其首款芯片，但彭力在采访中也表示，如果先进工艺的产能受到限制，将会“在更多方面做更多的事情”。
芯片。
”系统级架构创新”。
据悉，沐希预计2020年开拍，2019年量产。
正是由于该芯片需要在特定场景下进行验证，以证明其可靠性并完善其软件系统，所以较早进入且已有产品的公司已经开始合作与客户合作，后来成立的公司在研发过程中也在积极寻找潜在的合作伙伴。
。
可以说，在GPGPU芯片创业浪潮下，创业者和投资人更加关注芯片的“落地”。
4. 更换NVIDIA需要多长时间？该芯片项目的“落地”，意味着与英伟达的直接对比正式开始。
目前看来，GPGPU的主要实现场景包括安全与智慧城市、互联网数据中心、边缘计算，以及生物医药、能源等新兴领域。
虽然GPGPU的开发是为了打破Nvidia在数据中心的垄断，但安全和智慧城市领域是目前各公司优先考虑的场景。
国产化需求下，终端安全设备不断更新换代，海思等企业成为终端摄像头的主要供应商。
但从边缘到云端，仍以NVIDIA芯片为主，急需国产替代。
鑫创市场有强烈的紧迫感。
这从过去ASIC芯片的应用就可以看出。
南京超算中心项目为寒武纪带来了80%以上的收入。
同时，芯创市场对国产芯片的支持度更高，对国产替代的容忍度更高。
卢建平说，“他们希望我们能够替代部分现有的市场需求，逐步扩大份额。
”可以想象，不久的将来，智慧城市领域的主力芯片将是这批GPGPU芯片。
数据中心是对算力需求最大、也是最难替代的地方。
客户对算力要求高，对价格敏感，有长期使用NVIDIA的习惯。
在这个领域，虽然客户很欢迎有可以替代Nvidia的产品，但他们不会因为是国内公司而忽视成本。
能效比是成本的重要参考因素之一。
李建文表示，由于服务器设计限制，单卡峰值功耗一般为75瓦。
“我们正在思考的问题是，在75瓦的合理值内，通过架构创新，我们可以实现比NVIDIA产品高出数倍的性能，从而提高产品的整体能效比。
”双碳政策下，每个人工智能公司都会面临能效比问题。
针对数据中心特定、复杂的场景，企业已经开始提供更完善的解决方案。
已投资DPU和CPU的必仁科技，希望以国产芯片组合服务客户。
无独有偶，1月13日，在国内CPU企业龙芯中科举办的生态创新发布会上，副总裁张戈提到，已与GPU企业天数智芯、登临完成适配。
与国内芯片厂商的合作，不仅为客户提供完全自主可控的解决方案，免去了多次逐步更换的麻烦，而且提前解决了软件和兼容性问题，让客户减少了人力成本和替代品。
焦虑。
边缘计算可能是目前GPGPU最适合国产替代的领域。
李建文表示，“智慧商圈、智慧园区、智慧社区、智慧工厂、机器人等都是边缘计算的应用场景。
”边缘计算对计算能力有一定要求，但尚未达到数据中心的水平。
同时，边缘计算要求计算能力具有解决不同问题的灵活性，因此要求芯片兼顾可编程性、通用性和能效。
2020年将是国产GPGPU开始量产、项目启动的一年。
尽管很多人调侃GPU赛道的“生死速度”，预测“赢者通吃”，但“最终只会出现一两家公司”。
但作为一个足够大的赛道，每个选手不仅可以直接竞争，还可以做出差异。
与AI和第一波AI芯片几乎所有公司同时成立不同，GPGPU公司的发展速度各不相同。
天枢、登林、必仁的第二款芯片已经正式研发或即将发布，而摩尔和慕曦还在等待第一款芯片的诞生。
后来者应该更多地关注先行者所在的领域，以在本土化的广阔领域“取代英伟达”为目标，而不是把其他新创创业者当作对手。
此外，在芯创市场之外，芯片作为投资大、盈利周期长的公司，也需要创业者更早地从商业角度思考公司的长远发展。
用纯粹的“高算力”展现实力固然有价值，但企业真正的价值在于为国内替代品提供选择，成为一家“自给自足”的企业。
GPGPU创业者似乎从不羞于想要成为一家“伟大的公司”，但通往伟大的道路也就在他们的脚下。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-17
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态