新興科技行業的發展，離不開半導體公司數以十年計的投入。正確的長期戰略路線，加上持續的研發投入，才能在半導體行業造就一方霸主。

當今半導體行業的“一哥”英特爾，成立於1968年，而其在80年代之前的主要業務是SRAM（靜態隨機存取儲存器）和DRAM（動態隨機存取儲存器）。90年代的整整10年，英特爾在微處理器晶片設計上全力加註，才有了後來享譽世界的英特爾 Inside。

通訊領域的高通，將整個90年代用於CDMA研發，才揭開了 3G無線通訊的序幕。成立於1993年的英偉達，先是用了10年時間專攻遊戲市場，緊接著又用了10年做通用計算GPU（GPGPU），才為AI時代的到來提供了發動機。

半導體行業霸主的興起往往伴隨著一個領域的興起，而新興領域的市場規模決定了半導體公司能走多遠。與其說是英雄造時勢，不如說時勢造英雄。

80年代初開始的個人電腦浪潮延續了20年，這20年也是英特爾成長最快的20年。2005年後個人電腦增速減緩，英特爾的增長也趨緩，直到近幾年的雲端計算浪潮，才把英特爾的伺服器業務推向一個新的高點。可以說，在個人電腦和伺服器領域，英特爾對整個場景有全面的把控。

即使個人電腦的普及還沒有到全世界每人一臺，更新週期延長到如今的每三五年更換一次，更新後的裝置用的還是英特爾晶片。在半導體領域，英特爾晶片的製程技術與其架構能力一樣出名。相比於其他廠家的fabless（無晶圓生產線）模式，英特爾長期以來在生產製程和工廠上的大手筆投入一直令眾多競爭對手難以望其項背。直至近幾年移動和儲存晶片的崛起，臺積電和三星的製程能力才對英特爾形成威脅。

2000年後的行動通訊浪潮推動了手機晶片的發展。從3G到4G，高通公司延續了近20年的領先地位。與個人電腦不同的是，手機的普及在很多國家達到了人手一部，更換的頻率也接近了每年一換。智慧手機的興起更是將手機在日常生活中提升到中心位置。

這一切都使手機晶片成了世界上出貨量最大的晶片，也是兵家必爭之地。儘管這幾年華為、蘋果、三星、英飛凌（被英特爾收購）等公司研製的手機晶片已經用在有限（往往是自家）產品裡，高通對以行動通訊為核心場景的掌控仍然是首屈一指。

10年前英偉達推出了CUDA，一個用GPU做平行計算的框架體系。之前的英偉達 GPU產品雖然倍受遊戲玩家歡迎，但是hard-core（硬核）遊戲玩家畢竟還相對小眾。2012年之後的人工智慧浪潮，把英偉達推到了一個獨特地位。

由於英偉達的產品在很長時間裡是唯一能做神經網路訓練的裝置，學術和工業界開始爭相購買高階顯示卡。加之近兩年的加密貨幣浪潮，英偉達的產品一度到了一卡難求的地步。這第一波AI晶片應用來得猛烈，但也帶來些許過度的預期，AI晶片真正的大規模場景應用還需要假以時日才能得以驗證。

半導體行業的特點是高投入、長週期。一旦在某一個場景確定領先地位，則會帶來贏者通吃的回報。這些特點意味著半導體公司必須具備非常準確的長期戰略眼光，在趨勢到來的第一時間就能發現並投入大量研發。而即使是最大的半導體公司，也只能選擇性針對少數幾個場景發力。要想靠單一場景稱霸十年，場景的選擇至關重要，簡單地說，預期的年全球出貨量需要在百億美元以上。

縱觀全世界，能讓一個半導體公司稱霸十年的場景並不常見。 這也是為什麼面對當今AI時代的晶片機會，會有這麼多的公司All-in。儘管大眾預言AI在未來將無處不在，但是真正能形成每年百億美元級規模的場景當前看有如下幾個：

1. 自動駕駛汽車：由於未來自動駕駛汽車帶來的經濟效益會是以萬億美元計，百億美元的晶片規模自然不言而喻。但自動駕駛汽車的技術成熟和產品的規模化任重道遠。整車廠家一貫的對技術的保守選擇，和車規級晶片嚴格的認證過程，使這一領域研發到產品的週期尤其長。

2. 雲端AI計算：雲端AI計算未來在安防、金融、電商消費、服務娛樂等行業都會有大規模部署，因此晶片的市場規模的總和會達到百億美元之上。因為是針對企業的業務，不同應用領域的技術需求會有不同。而企業大客戶往往需要產品有定製化或半定製化的能力。這類產品註定是研發和服務成本高、毛利也高的品類（中國的獨特國情造成了企業服務類產品低毛利，但是晶片領域會有所不同）。

3. 終端低功耗AI計算：眾多終端產品不僅要求低功耗，而且要求低成本。這個領域的AR/VR/XR、智慧攝像頭等產品，會把市場規模帶到百億美元之上。事實上，當前智慧手機晶片的AI美圖功能就已經是終端低功耗AI晶片的最大場景。這一場景未來將是出貨量最大、單價最低的領域（甚至低至1-2美元）。前期研發的投入只有依靠規模來彌補。

實際上，廣義AI晶片的開發至今已經超過了10年。有些公司“起了大早，趕了晚集”，有些“順水推舟”被收購，能做到最後的，往往是對場景和技術都有深刻把控的企業。但是最重要的因素，卻還是家底的深度。

2005年，一個不知名的都柏林公司Movidius開始做低功耗視覺計算晶片，其後的10年公司幾經起伏，也曾走在能否延續的邊緣。直到2015年前後，晶片最終被DJI和谷歌的產品採用。這也使得Movidius在2016年的AI浪潮中被英特爾收購，算是得到完滿的結局。現在的Movidius 已經推出了第三代產品，在很多終端場景中被使用。

同是被英特爾收購的還有Nervana Systems。這是一個以高通研究院前成員為核心的團隊，在高通公司探索類腦晶片不成功後自立門戶創業，很快也得到了著名投資人Stephen Jurveston的青睞。Nervana在自研晶片還未流片的節點就被英特爾收購，也讓投資人以極快的節奏退出拿到回報。

2010年前後，昔日的IT業霸主IBM也曾做過類腦晶片True North。直到2014年樣片才出來，但是實際功能非常有限，除PR之外從未獲得過廣泛的使用。

2016年微軟 Hololens的成功推出，離不開一顆定製的低功耗視覺計算晶片。整個專案歷時多年，傳聞投入近20億美元，Hololens 的作用主要是一個樹立形象的Demo Project（示範專案），也只有微軟才能如此“有錢任性”。

以色列公司Mobileye，成立於近20年前，其EyeQ系列晶片是為數不多的把輔助駕駛智慧晶片量產化，並且進入Tier 1供應商和車廠的產品。在2014年成功上市之後市值一度達到百億美元，並於2017年被英特爾以153億美元收購。

2016年穀歌 TPU的釋出，讓世界看到了第一個大規模部署的雲端AI晶片。由於谷歌業務的龐大體量，使其自研晶片從攤薄成本到批量生產部署有了實際意義。隨後釋出的谷歌 TPU公有云計算功能，也為谷歌 TensorFlow 框架帶來了眾多使用者。TensorFlow 從眾多深度學習框架中脫穎而出成為主流，TPU的功勞不可或缺。

從產品銷售量看，華為麒麟970和980裡的AI核心，蘋果A11/A12的AI核心，是所有AI晶片領域部署數量最大的幾款產品。而且這幾個AI核心的場景非常明確，專為手機端人臉識別、手機拍照的AI後處理而生。如今，手機拍照美顏已經是跨越五大洲的全人類剛性需求。這樣的專用AI核心未來會成為所有智慧手機晶片的標配。

在自動駕駛領域，英偉達 四年2000人團隊的研發投入終於修成正果。最近釋出的Xavier 車規級SoC，集成了CPU、GPU，以及DNN和CV加速器，還有多路ISP和感測器整合功能。如此高效能的晶片同時還做到了相對的低功耗（30-60瓦）。

可以說，這款為自動駕駛定製的晶片，目的就是取代當前智慧車上所有其他晶片的算力。這種架構方式也類似於當前智慧手機一顆SoC打天下的方式。同時英偉達在自動駕駛軟體架構和演算法研發上也不惜餘力，已經把很多自動駕駛功能直接整合到晶片上並且開放給合作伙伴。

為什麼在自動駕駛領域如此發力？究其原因，還是百億美元場景太少。已經提到的三個場景裡，低功耗AI晶片技術門檻不夠高，容易變成價格戰“紅海”；伺服器領域場景需求還未明朗，所有公司都對英特爾忌憚三分。所以真正開放的、有技術門檻的戰場只有自動駕駛。英偉達全力一搏，為的是下一個十年。而業內人士也深為“核彈教主”黃仁勳的長線眼光折服。

在伺服器和資料中心AI領域，英偉達和眾多其他公司也沒有止步不前。英偉達最近釋出的T4已經把伺服器上的預測功能提升到大規模、低成本的水平。給其他廠家帶來了很大壓力。華為、英特爾甚至網際網路公司阿里巴巴也紛紛公佈了未來的雲端AI晶片規劃，其中英特爾能否在2019年推出（或整合）眾盼已久的Nervana AI核心，已經成為對當前英特爾執行能力的一個考驗。

在移動領域，儘管高通股價已從昔日高點跌落甚多，但其強大的技術能力和數百億美元的現金儲備仍不能小覷。在移動領域仍然是通訊和移動計算為核心的前提下，未來高通晶片上整合AI核心只是時間問題。

如果用一句話描述近幾年的AI晶片領域，就是萬類霜天競自由。僅在中國，創立不久的AI晶片公司就有包括因加密貨幣而起家的位元大陸（第一代伺服器端AI晶片已經產品化），以演算法見長的地平線機器人（第一代晶片已流片），以硬體加速著稱的深鑑科技（已經被賽靈思收購且專注於FPGA加速），和代表國家隊的中科寒武紀（其IP核已經在華為麒麟970/980被使用）。

大家奮力一搏的，是未來十年百億美元的場景。未來眾多產業的AI場景能否順利地商業化，很大程度上也取決於半導體企業產品能否順利推出。半導體行業與多個產業結合如此緊密，已經到了榮辱與共的地步。

從積體電路的誕生算起，半導體行業的發展已經經過了60年。儘管未來無法預期，但人類改變世界的願望從未如此強烈，能力從未如此強盛。AI時代的晶片，將會揭開半導體行業的一個新篇章。

資訊-新媒之家