困難重重下，明后年AI芯片投資抄底的機(jī)會來了？

人工智能從2014年風(fēng)生水起發(fā)展起來，帶動的不只是數(shù)學(xué)家、神經(jīng)學(xué)家與教授們的地位與復(fù)興，同時也推動了新的一波投資浪潮。

經(jīng)過幾年的發(fā)展，隨著落地應(yīng)用需求的明確，大家發(fā)現(xiàn)硬件是其中不可或缺的一環(huán)。

與之前的物聯(lián)網(wǎng)發(fā)展類似，除了比運(yùn)算力的智能云服務(wù)外，硬件一方面扮演著反復(fù)獲取數(shù)據(jù)的角色 （如攝像頭，傳感器等），另一方面也是落地與展現(xiàn)實(shí)力的方式（像自動駕駛汽車、機(jī)器人、智能音箱等）。

所有這些硬件中的智能需求推動了芯片的演化。

人工智能芯片的破土，是剛需使然，這毫無疑問。

所有人都急著問：人工智能芯片開始賺錢了嗎？什么時候賺？誰在賺？從現(xiàn)在（2018年底）的情況來看，這個問題的答案可能還不夠讓人興奮。

這波芯片半導(dǎo)體賺得最多的其實(shí)是內(nèi)存廠，三星跟海力士一舉占據(jù)年度收入的前五名，感謝各式龐大的算法與數(shù)據(jù)存儲需求，曾經(jīng)賣多少賠多少的年代完全過去了, 存儲的價格現(xiàn)在上了天。

反而大家熟悉的NVIDIA只在第10名而已。

另一個賺錢的人是傳統(tǒng)的芯片廠。

除了瘋狂的挖礦應(yīng)用外，企業(yè)服務(wù)器的采購量達(dá)到每年幾十萬臺，英特爾的傳統(tǒng)X86芯片完全靠這撐起了一片天，彌補(bǔ)了低迷的PC市場。

而在一般擁有大眾高期待的創(chuàng)新應(yīng)用領(lǐng)域，如智能車、機(jī)器人等，其芯片需求量目前其實(shí)還撐不起一次的流片。

那么，現(xiàn)在就不是投資人工智能芯片的時機(jī)了？當(dāng)然是，現(xiàn)在反而是最佳的投資時機(jī)！5年內(nèi)，這將是擁有近500億美元價值的市場！作為勇敢又有智慧的風(fēng)投，當(dāng)然要在一切混沌不明時就搶進(jìn)，從中摸索出架構(gòu)，做完整的布局。

晚了就只能是錦上添個花而已了。

聯(lián)想之星Comet Labs綜合匯聚了人工智能與芯片海外投資的經(jīng)驗，跟大家聊聊芯片投資有多少困難和機(jī)會：芯片投資的五大困難難點(diǎn)一：芯片投資沒有標(biāo)準(zhǔn)可以追隨過去芯片的投資很大部分啟始于標(biāo)準(zhǔn)的制定，如3G/4G、H.264、IEEE 802系列等。

一旦上層應(yīng)用的標(biāo)準(zhǔn)制定完成后，除了IP的爭奪之外，就在芯片的大小、散熱、功效等方面下功夫，期待以pin2pin來取代昂貴的原廠芯片。

 過去的投資者就是在標(biāo)準(zhǔn)制定完成后、比誰動作快來投資。

而對于AI芯片，問題在于，Tensorflow、Caffe2等上層人工智能演算平臺每個月都在演進(jìn)，雖然基本的架構(gòu)如CNN已相當(dāng)成熟，但在應(yīng)用層面，不同的數(shù)據(jù)會影響底層芯片的效能，如影像處理、高頻數(shù)據(jù)、語音等，都有所差異。

如何下手、如何評估？是否等到標(biāo)準(zhǔn)制定再出手？過去的投資邏輯在這里就會遇到問題。

我們看到的是，找尋一個了解人工智能軟件發(fā)展或演算的芯片團(tuán)隊才是重點(diǎn)。

難點(diǎn)二：如何構(gòu)建有彈性的芯片承接第一點(diǎn)，如何讓號稱如神經(jīng)大腦般的彈性演算跑在硬邦邦的硅片上呢？大量的libraries、compliers扮演著轉(zhuǎn)換的角色，協(xié)助簡單的指令集來進(jìn)行硅芯片的運(yùn)算。

Google的TPU就在這做了個取舍，將指令集降低到4條，并讓其TPU專注在訓(xùn)練上。

講簡單些，就像把一篇白話文轉(zhuǎn)成四行詩，再把詩刻在竹簡上，排列出不同的詩集，代表不同的白話文。

AI芯片廠商中，誰的Libraries、compliers或編譯軟件做得好，誰就能跟隨神經(jīng)運(yùn)算一同演化。

開發(fā)芯片對軟件人才的需求之龐大，應(yīng)該接近CPU等級了。

在智能手機(jī)上也是如此，為什么Google的原生機(jī)跑起來效能總是最好，而不是只在拼驍龍的等級或內(nèi)存大小。

如何擁有有彈性的芯片？在這個問題中，如何建構(gòu)一個有彈性的開發(fā)生態(tài)是評估要點(diǎn)。

難點(diǎn)三：如何評估綜合人才、團(tuán)隊在評估人工智能芯片團(tuán)隊時，不能只看設(shè)計前端與生產(chǎn)后端人力，軟件與架構(gòu)團(tuán)隊的完整反而是決定產(chǎn)品的價值之處。

不論如何，缺一不可。

傳統(tǒng)互聯(lián)網(wǎng)中個人英雄式的領(lǐng)導(dǎo)、商業(yè)模式的競爭等，在芯片可能就不是首要評估要素。

一個學(xué)校出來的教授是沒有辦法完成AI芯片量產(chǎn)的創(chuàng)業(yè)故事的。

當(dāng)然，現(xiàn)在流行的開源也進(jìn)入了芯片領(lǐng)域，RISC-V是一個重要的關(guān)鍵詞，有興趣的話可以多往這挖。

難點(diǎn)四：如何把握邊緣架構(gòu)的興起不管是邊緣計算Edge computing，或是邊緣伺服Edge server，邊緣計算得擁有AI的能力已經(jīng)是現(xiàn)在談?wù)揂I架構(gòu)時不須爭論之處。

芯片的開發(fā)也會走向兩端。

NVIDIA的芯片是不能在傳感器端使用的。

即使是土豪式的解決方案，成本上也會吃不消，更別說百瓦的耗電等級。

難點(diǎn)五：芯片生態(tài)系統(tǒng)的構(gòu)建人工智能芯片的投資至少要摸清楚上述幾點(diǎn)的問題，同時再往下繼續(xù)深究流片成本、下游模塊/系統(tǒng)廠商的開發(fā)配合 (一般說的Design win/in)等問題。

相當(dāng)復(fù)雜是嗎? 但這些都是建構(gòu)在邏輯、數(shù)字、架構(gòu)、技術(shù)等評估上的，與單純的人的評估與商業(yè)模式的摸索相比也不算太難。

畢竟這是科學(xué)。

芯片投資的機(jī)會作者不是芯片工程師出身，所以技術(shù)點(diǎn)到為止。

下面回歸投資面來看AI芯片的機(jī)會。

行業(yè)機(jī)會：資金供給兩年內(nèi)偏緊，抄底機(jī)會出現(xiàn)從資金供給面來看，這五六年其實(shí)是相當(dāng)貧乏的。

除了在2014年NVIDIA股票大漲的激勵下沖出24億美元的投資以外，2016、2017、2018都穩(wěn)定在10億多些美元。

依照這些芯片新創(chuàng)企業(yè)拼命流片與提升制程的燒錢狀況（一次7nm的流片會耗掉1,000萬美元），加上沒幾家真正在大量出貨（只要比特幣等別再漲回萬點(diǎn)），2019或2020初會出現(xiàn)資金緊張的狀況，撿便宜挑好貨就在那時！從退出選擇來說，并購遠(yuǎn)大于上市，各種并購的世紀(jì)大案還挺多的，如ARM、Broadcom、Altera。

對于既有芯片廠商所面臨的問題——開發(fā)新客戶與新產(chǎn)品的困難程度之高，直接并購還是比較快。

同時，目前很多手上有賺錢產(chǎn)品卻沒有明星方案的大型芯片廠商，每個都是現(xiàn)金滿滿的，在等著并購與投資的機(jī)會。

VC機(jī)會：打破傳統(tǒng)芯片估值方法，尋找強(qiáng)IP、強(qiáng)團(tuán)隊、強(qiáng)彈性的AI芯片投資機(jī)會AI芯片會不會出現(xiàn)獨(dú)角獸已經(jīng)不用懷疑，但這獨(dú)角獸的價值評估可能無法用傳統(tǒng)的方式來看待。

一般芯片機(jī)構(gòu)融資的過程開始于簡單的shuttle，做了些樣品來跟潛在的顧客討論最終產(chǎn)品的規(guī)格與價格，募集A輪資金。

等到客戶design win，產(chǎn)品確定進(jìn)入最終產(chǎn)品，如手機(jī)、Wifi路由、伺服等，開始可以估算銷售量、小算盤打打，收入或利潤乘上一個市場的PS/PE，馬上得到公司的估值。

接下來就是看銷售的功力。

但現(xiàn)在的AI芯片投資全亂了套，一個概念或簡單的模擬（還不一定是在FPGA上），加上個明星創(chuàng)業(yè)者，就馬上可以得到A輪融資。

產(chǎn)品都還沒驗證完或沒有樣品前，B輪估值可能已經(jīng)幾個億美金。

不用等到Design win或出貨到市場上，資金會不斷的涌入，獨(dú)角獸拭目以待。

我們認(rèn)為優(yōu)秀的AI芯片項目符合以下幾點(diǎn)特征：1）強(qiáng)IP：AI芯片的估值最終可能走向以IP為基礎(chǔ)2）強(qiáng)團(tuán)隊：團(tuán)隊有較強(qiáng)的軟硬整合的功力3）強(qiáng)彈性：特別在之前所說明的混沌狀況下，整合并保有彈性的設(shè)計是相當(dāng)困難且關(guān)鍵的從投資角度，一些產(chǎn)品方向值得期待：1）Edge端的垂直應(yīng)用是可以期待的方向。

雖然這很有可能是一代拳王的曇花一現(xiàn)，但如影像、語音、ADAS、機(jī)器視覺等需要大量采集數(shù)據(jù)的垂直應(yīng)用都有很大機(jī)會出現(xiàn)大量出貨進(jìn)而上市的機(jī)會，不過也許不會是獨(dú)角獸等級。

2）在頭端應(yīng)用方面，CPU/GPU等級的競賽應(yīng)該很快便可定江山。

領(lǐng)先者是否能量產(chǎn)進(jìn)入客戶的伺服器，抑或是光榮燒完千萬美金后出售，在2019年年底前就可見分曉。

3）相關(guān)的應(yīng)用在記憶體（如In-memory計算）、3D結(jié)構(gòu)設(shè)計、開源的RISC-V生態(tài)，一些產(chǎn)品如光學(xué)應(yīng)用、電源管理及RF端，也可能因為大量數(shù)據(jù)傳輸產(chǎn)生不小的機(jī)會。

4）5G市場可能不是一個適合一般創(chuàng)新的戰(zhàn)場，畢竟專利與產(chǎn)業(yè)鏈實(shí)在太難撼動，其中需要投入的成本與開發(fā)周期不是一般VC愿意承受的。