AI芯片市場空間巨大，未必能容納得下大量玩家

根據(jù)Gartner的預測數(shù)據(jù)，全球人工智能芯片市場規(guī)模將在未來五年內(nèi)呈現(xiàn)飆升， 從2018年的42．7億美元成長至343億美元，增長超過7倍，可以說，未來AI芯片市場將有一個很大的增長空間。

不過，對于很多初創(chuàng)企業(yè)而言，研發(fā)芯片將要面臨時間和資金上的巨大挑戰(zhàn)。在時間上，芯片研發(fā)從立項到上市通常需要兩年左右的時間。相較之下，更重要的一點是芯片成本很高。

在人工智能應用領(lǐng)域，依據(jù)芯片的部署位置和任務需求，會采用不同的制程。在一般情況下，終端設備的芯片經(jīng)常會采用65nm和28nm制程；邊緣端和部分移動端設備的芯片，制程基本為16nm或10nm；而云端芯片通常是7nm。

芯片制程決定開發(fā)成本。根據(jù)IBS的估算數(shù)據(jù)，按照不同制程，65nm芯片開發(fā)費用為2850萬美元，5nm芯片開發(fā)費用則達到了54220萬美元。因此，在芯片的研發(fā)上，對錯誤的容忍度幾乎是零。目前，較為成熟的是40nm和55nm工藝，而對于當下先進的7nm工藝，很多企業(yè)的技術(shù)還不夠成熟。

高昂的開發(fā)費用，加上以年計算的開發(fā)周期，AI芯片企業(yè)在融資的早期階段就需要大量資金浥注，這樣才能撐過沒有產(chǎn)品銷售的階段。而政府的補助和投資者的資金，往往會傾向于那些銷售業(yè)績好的公司。且資本市場希望能有一個較短的投資周期。因此，融資也成為一道門檻。

此外，由于芯片開發(fā)周期通常需要1－3年的時間，在正常的時間里軟件會有一個非�？焖俚陌l(fā)展，但算法在這個期間內(nèi)也將會快速更新，芯片如何支持這些更新也是難點。

而從長遠來看，AI芯片本身的技術(shù)發(fā)展還要面臨如下的困境。

目前主流的AI芯片采用的是馮諾依曼架構(gòu)。在馮·諾伊曼體系結(jié)構(gòu)中，芯片在計算上是采取1進1出的方式，數(shù)據(jù)從處理單元外的存儲器提取，處理完之后再寫回存儲器，如此依序讀取完成任務。由于運算部件和存儲部件存在速度差異，當運算能力達到一定程度，訪問存儲器的速度無法跟上運算部件消耗數(shù)據(jù)的速度，再增加運算部件也無法得到充分利用，這不僅是AI芯片在實現(xiàn)中的瓶頸，也是長期困擾計算機體系結(jié)構(gòu)的難題。

另外，要滿足人工智能發(fā)展所需的運算能力，就需要在CMOS工藝上縮小集成尺寸，不斷提高芯片的系統(tǒng)性能。如今，7nm已經(jīng)開始量產(chǎn)，5 nm節(jié)點的技術(shù)定義已經(jīng)完成。但由此也產(chǎn)生了CMOS 工藝和器件方面的瓶頸。首先，由于納米級晶體管所消耗的能量非常高，這使得芯片密集封裝的實現(xiàn)難度很大。其次，一個幾納米的CMOS器件，其層厚度只有幾個原子層，這樣的厚度極易導致電流泄漏，而工藝尺寸縮小所帶來的效果也會因此受到影響。

盡管AI芯片市場的增長空間很大，但未必能夠容得下足夠多的企業(yè)。行業(yè)本身的特性以及當下AI所處的發(fā)展階段，都決定了AI芯片企業(yè)會有一個相對較長的挫折期，而在此過程中，被資本炒出的泡沫也會隨之壓縮。