2018年7月18日，自適應和智能計算的全球領導企業(yè)賽靈思公司（Xilinx, Inc.）宣布完成對深鑒科技的收購。深鑒科技是一家總部位于北京的初創(chuàng)企業(yè)，擁有業(yè)界領先的機器學習能力，專注于神經網絡剪枝、深度壓縮技術及系統(tǒng)級優(yōu)化。

作為國內為數不多的幾家智能芯片初創(chuàng)企業(yè)，此次被美國FPGA廠商賽靈思收購，對于不少置身事外的人而言，唏噓不已——國產芯片公司的發(fā)展之路除了被收購和被破產，還有什么？

深鑒科技有限公司聯合創(chuàng)始人，清華大學副教授汪玉在剛剛結束的CCAI2018會上表示：公司創(chuàng)立之初，就是做基于FPGA的深度學習解決方案，本身的目的就是希望將自己所研發(fā)的技術能夠更廣泛的應用。

賽靈思是FPGA領域的領頭羊，也是公司的早期投資者，也在公司的發(fā)展過程中提供了不少的幫助。因此被賽靈思收購，公司的技術可以得到大規(guī)模的應用，也樂得其所。正所謂由FPGA而來，到FPGA中去。

汪玉，博士，清華大學電子工程系長聘副教授，從事高能效電路與系統(tǒng)研究，發(fā)表論文200余篇，IEEE/ACM雜志文章40余篇；谷歌學術引用3000余次。

擔任ACM SIGDA E-News主編，IEEE TCAD、TCSVT編委，國際會議FPT2012，ISVLSI 2018技術委員會主席，DATE、GLSVLSI等多個會議的Track Chair，ISLPED 2012-2016財務主席，DAC等領域頂級會議技術委員會委員。

ACM杰出演講者，ACM FPGA技術委員會亞太地區(qū)唯一成員。獲得FPGA17、NVMSA17、ISVLSI12最佳論文，以及9次國際會議最佳論文提名。16年獲得NSFC優(yōu)秀青年基金。

曾獲得 2017 年中國計算機學會科學技術獎技術發(fā)明獎一等獎、中關村高聚工程-創(chuàng)新領軍人才等獎項。深度學習FPGA加速器在2016年知識產權轉化入股北京深鑒科技有限公司，打造世界最先進的FPGA深度學習平臺。

國產AI芯片初創(chuàng)公司涿鹿中原

AI芯片隨著人工智能的發(fā)展，近幾年也成為了行業(yè)的熱點。國內初創(chuàng)的企業(yè)中，有寒武紀、深鑒科技、地平線、西井科技等公司。

寒武紀創(chuàng)始團隊源自中國科學院計算技術研究所，公司以處理器IP授權的形式與全世界同行快速共享最新的技術成果，并幫助全球客戶快速設計和生產具備人工智能處理能力的芯片產品。

目前，寒武紀已同時擁有終端AI處理器IP和云端高性能AI芯片兩條產品線，終端處理器IP產品已衍生出1A、1H、1M等多個型號，芯片有“MLU100”和“MLU200”，MLU100智能芯片（Cambricon-MLU100）。

深鑒科技的深度學習加速模塊，可用于智能IPC、NVR/DVR，深度學習加速卡可用于視頻結構化服務器。其面向AI異構計算平臺DPU（Deep-Learning Processor Unit，深度學習處理器）自主研發(fā)的原創(chuàng)深度學習SDK DNNDK? (Deep Neural Network Development Kit)，為DPU平臺各種深度學習應用開發(fā)和部署提供的一套高效全棧式解決方案。

地平線成立于2015年，主要是做CNN、DNN、RNN的加速器，基于創(chuàng)新的人工智能專用處理器架構BPU（Brain Processing Unit ) ，自主設計研發(fā)了中國首款全球領先的嵌入式人工智能視覺芯片——面向智能駕駛的征程(Journey)系列處理器和面向智能攝像頭的旭日(Sunrise) 系列處理器，并向行業(yè)客戶提供“芯片+算法+云”的完整解決方案。

西井科技則是一家專注研究Neuromorphic Engineering神經形態(tài)工程的類腦強人工智能公司，希望構造一種模擬人腦神經元工作原理而制造出的芯片。

其仿生類腦神經元芯片——deepsouth（深南），具有”自我學習，自我實時提高”的特點，而且集成度更高、 模板更易更換，解決實時的復雜的智能問題功耗為傳統(tǒng)芯片在同一任務下的 幾十分之一到幾百分之一。還有深度學習類腦神經元芯片——deepwell（深井），學習與識別速度遠遠高于運行在通用硬件(例如,CPU, GPU)上的傳統(tǒng)方法(例如,CNN)，且功耗更低。

初創(chuàng)公司紛紛跑步進入AI芯片市場，是看中了其中的市場機遇，但芯片市場的生存難度有多大？

從業(yè)人士表示，芯片是一個高技術含量，高投入的行業(yè)，其盈利要靠大規(guī)模鋪量才能成行。但芯片行業(yè)本身是一個經驗市場，初出茅廬的企業(yè)很難獲得行業(yè)伙伴的信任。同時，芯片的價格也進入了白熱化的競爭，國產初創(chuàng)公司很難在多重壓力下突圍。

此次深鑒科技被收購，也被視作一條國產芯片廠商的出路，但大部分芯片公司，還需要自己解決生存問題。

中科院計算所研究員陳云霽也表示了相同的疑慮：國內初創(chuàng)的芯片公司，要想獲得市場的信任是比較困難的，因此一條較為容易的路線是，可以將技術通過IP的形式打包，嵌入到行業(yè)應用的芯片中，這樣的做法相對可取。

陳云霽，中科院計算所研究員，博士生導師。陳云霽帶領團隊研制了國際上首個深度學習處理器芯片“寒武紀”，目前已經應用在千萬級智能終端上。

深度學習處理器論文多次獲得計算機體系結構頂級國際會議最佳論文獎，受到上百個國際知名機構跟蹤引用。

被Science雜志評價為深度學習處理器的先驅和領導者。曾獲全國創(chuàng)新爭先獎、中國青年科技獎、國家自然科學基金“優(yōu)秀青年基金”、國家萬人計劃“青年拔尖人才”、中科院青年科學家獎和中國計算機學會青年科學家獎，并被MIT技術評論評為全球35位杰出青年創(chuàng)新者（2015年度）。

自動駕駛AI芯片的萌芽期

國產人工智能芯片初創(chuàng)企業(yè)，創(chuàng)立時間往往比較短，因此在技術成熟性以及行業(yè)經驗上，都相對比較欠缺。芯片的研發(fā)、生產會花費巨額的費用，其成本的回收有賴于銷量。因此初創(chuàng)企業(yè)大都將產品擴張到了多個領域。汽車作為一個龐大的市場，自然也是兵家必爭之地。

2018年6月，深鑒宣布推出自主研發(fā)的ADAS系統(tǒng)DPhiAuto，而且還與日本、美國、德國車企簽下合同。深鑒科技CEO姚頌表示：最慢3年，搭載深鑒DPhiAuto系統(tǒng)的量產車就會推出。

DPhiAuto是基于FPGA的自動駕駛嵌入式AI計算平臺，可以為輔助駕駛系統(tǒng)提供車輛檢測、行人檢測、車道檢測、語義分割、交通標志識別、可行駛區(qū)域檢測等深度學習算法功能，是一套針對環(huán)境感知技術打造的軟硬件協(xié)同產品。

地平線在2017年就推了面向汽車后裝ADAS市場的征程(Journey)系列處理器，西井科技CEO譚黎敏在剛剛結束的2018高工智能汽車開發(fā)者大會（武漢站）會上就表示：deepwell的微秒級目標識別速度，實現超高速自動避障(大于200公里/小時)，同時自主識別空中/道路物體、交通標志/周邊靜、動態(tài)物體，實現無需互聯網的本地化、高速、低功耗、自我學習的自主主動智能駕駛。

自動駕駛的發(fā)展延緩性，在芯片領域同樣存在。汪玉表示，他們目前還只關注ADAS領域的芯片應用，因為ADAS功能是未來數年內最有可能大規(guī)模量產普及的，相應的處理芯片也才有大量生產、銷售的機會。

自動駕駛AI芯片屬于終端處理芯片，對功耗和算力的要去都比較高，業(yè)內通常是以Tops/w的單位來表示芯片的性能，及單位瓦數內每秒處理數據的速度。

業(yè)內以算力著稱的NVIDIA，最新一代GPU可以達到1Tops/w，目前處理的圖片都是百萬像素級的，未來隨著要求的提升，圖像清晰度也會與日俱增，對應的算力也要跟得上。

目前只有ASIC的算力，可以達到10Tops/w ，而大部分FPGA都處在10Gops/w 區(qū)間，經過加速處理的FPGA也可以達到GPU1Tops/w的水平。

想要讓算力達到更高水平，無疑還需要做更多的努力，但在技術以及實踐上，需要克服更多未知的困難。而要讓自動駕駛AI芯片處理速度、功耗滿足瞬時性、可靠性等苛刻要求，這些坎兒又是必須要邁過的。

美國杜克大學電子與計算機工程系教授，昆山杜克大學應用科學與工程研究院院長和大數據研究中心主任李昕也表示了類似的觀點，他以Uber事故為例，車規(guī)級AI芯片的軟硬件要求、規(guī)范比傳統(tǒng)AI芯片要高數個量級，在穩(wěn)定性和冗余性上都有特殊的要求。

因此，從AI芯片發(fā)展的階段上來看，目前尚處早期。

李昕，現為美國杜克大學電子與計算機工程系教授，昆山杜克大學應用科學與工程研究院院長和大數據研究中心主任，美國NSF CAREER獎獲得者，IEEE Fellow，大數據與人工智能專家，被富士康集團創(chuàng)始人、董事長郭臺銘先生譽為“世界知名的制造業(yè)大數據分析專家”。

李昕曾為美國卡內基梅隆大學電子與計算機工程系助理教授和副教授，曾創(chuàng)立美國Xigmix公司，并擔任公司的首席技術官, 后被Synopsys收購。出版著作4本，在國際頂級期刊發(fā)表論文50余篇，在國際頂級學術會議發(fā)表論文130余篇，獲得6次最佳論文獎和6次最佳論文提名。擔任國際頂級期刊IEEE Trans. on CAD常務主編，IEEE Trans. on Biomedical Engineering、ACM Trans. on DAES、IEEE D & T等副主編。