人工智能從2014年風生水起發(fā)展起來，帶動的不只是數(shù)學家、神經(jīng)學家與教授們的地位與復興，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，除了比運算力的智能云服務外，硬件一方面扮演著反復獲取數(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)實力的方式（像自動駕駛汽車、機器人、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。這波半導體芯片賺得最多的其實是內(nèi)存廠，三星跟海力士一舉占據(jù)2018年度半導體廠商收入的前五名，數(shù)據(jù)爆炸式增長對存儲需求大增，現(xiàn)在存儲的價格持續(xù)維持高位。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。除了之前一度瘋狂的挖礦應用外，全球服務器的出貨量達到每年上千萬臺，英特爾的傳統(tǒng)X86芯片完全靠這撐起了一片天，彌補了低迷的PC市場。而在一般擁有大眾高期待的創(chuàng)新應用領域，如智能汽車、機器人等，其對應AI芯片需求量，目前其實還撐不起一次的流片。

那么，現(xiàn)在還是投資人工智能芯片的時機嗎？當然是，現(xiàn)在反而是最佳的投資時機！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投，當然要在一切混沌不明時就搶進，從中摸索出架構，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CometLabs綜合匯聚了人工智能與芯片海外投資的經(jīng)驗，為大家分析點渾沌，聊聊芯片投資有多少困難和機會：

芯片投資的五大困難

難點一：芯片投資沒有標準可以追隨

過去芯片的投資很大部分啟始于標準的制定，如3G/4G、H.264、IEEE802系列等。一旦上層應用的標準制定完成后，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準制定完成后、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，雖然基本的架構如CNN已相當成熟，但在應用層面，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？是否等到標準制定再出手？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)展或演算的芯片團隊才是重點。

難點二：如何構建有彈性的芯片

承接第一點，如何讓號稱如神經(jīng)大腦般的彈性演算跑在硬浜浜的硅片上呢？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行硅芯片的運算。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)運算一同演化。開發(fā)芯片對軟件人才的需求之龐大，應該接近CPU等級了。在智能手機上也是如此，為什么Google的原生機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，如何建構一個有彈性的開發(fā)生態(tài)是評估要點。

難點三：如何評估綜合人才、團隊

在評估人工智能芯片團隊時，不能只看設計前端與生產(chǎn)后端人力，軟件與架構團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)中個人英雄式的領導、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。當然，現(xiàn)在流行的開源也進入了芯片領域，RISC-V是一個重要的關鍵詞，有興趣的話可以多往這挖。

難點四：如何把握邊緣架構的興起

不管是邊緣計算Edgecomputing，或是邊緣伺服Edgeserver，邊緣計算得擁有AI的能力已經(jīng)是現(xiàn)在談論AI架構時不須爭論之處。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。

難點五：芯片生態(tài)系統(tǒng)的構建

人工智能芯片的投資至少要摸清楚上述幾點的問題，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Designwin/in)等問題。相當復雜是嗎?但這些都是建構在邏輯、數(shù)字、架構、技術等評估上的，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。

芯片投資的機會

作者不是芯片工程師出身，所以技術點到為止。下面回歸投資面來看AI芯片的機會。

行業(yè)機會：資金供給兩年內(nèi)偏緊，抄底機會出現(xiàn)

從資金供給面來看，這五六年其實是相當貧乏的。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），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，并購遠大于上市，各種并購的世紀大案還挺多的，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會。

VC機會：打破傳統(tǒng)芯片估值方法，尋找強IP、強團隊、強彈性的AI芯片投資機會

AI芯片會不會出現(xiàn)獨角獸已經(jīng)不用懷疑，但這獨角獸的價值評估可能無法用傳統(tǒng)的方式來看待。一般芯片機構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designwin，產(chǎn)品確定進入最終產(chǎn)品，如手機、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Designwin或出貨到市場上，資金會不斷的涌入，獨角獸拭目以待。

我們認為優(yōu)秀的AI芯片項目符合以下幾點特征：

1）強IP：AI芯片的估值最終可能走向以IP為基礎

2）強團隊：團隊有較強的軟硬整合的功力

3）強彈性：特別在之前所說明的混沌狀況下，整合并保有彈性的設計是相當困難且關鍵的

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、機器視覺等需要大量采集數(shù)據(jù)的垂直應用都有很大機會出現(xiàn)大量出貨進而上市的機會，不過也許不會是獨角獸等級。

2）在頭端應用方面，CPU/GPU等級的競賽應該很快便可定江山。領先者是否能量產(chǎn)進入客戶的伺服器，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）相關的應用在記憶體（如In-memory計算）、3D結(jié)構設計、開源的RISC-V生態(tài)，一些產(chǎn)品如光學應用、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。