發(fā)布獨(dú)立AI芯片，高通再對(duì)云端市場(chǎng)發(fā)起沖擊

上周，高通在Qualcomm AI Day活動(dòng)上，公布了其專(zhuān)用AI芯片Cloud AI 100的開(kāi)發(fā)日程，目前預(yù)定于2020年正式投入商用。高通作為移動(dòng)時(shí)代的芯片業(yè)領(lǐng)軍人物，在人工智能時(shí)代的動(dòng)作確實(shí)慢了一拍，本文將分析Cloud AI 100芯片對(duì)于高通的機(jī)會(huì)和挑戰(zhàn)，以及在系統(tǒng)廠商造芯越來(lái)越多的今天傳統(tǒng)通用型芯片公司遇到的困境。

系統(tǒng)廠商開(kāi)始造芯的時(shí)候，傳統(tǒng)通用芯片公司遇到了挑戰(zhàn)

高通在云市場(chǎng)遇到云服務(wù)商自研芯片的挑戰(zhàn)并非孤例。事實(shí)上，隨著芯片技術(shù)進(jìn)入異構(gòu)計(jì)算時(shí)代，平臺(tái)型通用芯片在性能上往往已經(jīng)無(wú)法滿足系統(tǒng)的需求，因此越來(lái)越多的系統(tǒng)公司開(kāi)始自研芯片，這對(duì)于傳統(tǒng)的通用型平臺(tái)芯片的商業(yè)模型將是一個(gè)很大的挑戰(zhàn)。

隨著摩爾定律發(fā)展走到了瓶頸，靠工藝取勝的思路已經(jīng)不再奏效，芯片的性能提升要依靠結(jié)合特定應(yīng)用的專(zhuān)用優(yōu)化，即異構(gòu)計(jì)算。這就意味著，首先對(duì)于通用芯片廠商，其針對(duì)一大類(lèi)應(yīng)用推出的芯片的性能已經(jīng)難以滿足系統(tǒng)廠商的需求，同時(shí)對(duì)于系統(tǒng)廠商而言，如果在產(chǎn)品中只是使用通用芯片，則產(chǎn)品難以和其他使用相同芯片的公司差異化競(jìng)爭(zhēng)。

芯片在系統(tǒng)中的性能可以拆解成兩個(gè)要素，即芯片本身的性能以及芯片對(duì)于應(yīng)用的適配度。在過(guò)去，由于摩爾定律發(fā)展很快，因此芯片本身性能前進(jìn)很快，系統(tǒng)廠商難以設(shè)計(jì)出性能超過(guò)傳統(tǒng)半導(dǎo)體公司通用芯片的芯片產(chǎn)品；而如今，隨著摩爾定律發(fā)展減緩，芯片對(duì)于應(yīng)用的適配度成為更主要的因素，系統(tǒng)廠商有機(jī)會(huì)能組織起一支團(tuán)隊(duì)并基于自己對(duì)于應(yīng)用理解上的優(yōu)勢(shì)，設(shè)計(jì)出一款性能在自己的系統(tǒng)中超過(guò)通用芯片的芯片產(chǎn)品。

在這樣時(shí)代范式發(fā)生變化的情況下，上一代通用芯片平臺(tái)公司的業(yè)務(wù)模式必須作出相應(yīng)改變，否則就難以跟上潮流。然而，不少芯片公司由于在通用平臺(tái)芯片大行其道的時(shí)候過(guò)于成功，反而由于慣性太大難以在短時(shí)間內(nèi)作出相應(yīng)改變。以高通為例，在移動(dòng)計(jì)算時(shí)代，高通靠著在移動(dòng)通信標(biāo)準(zhǔn)領(lǐng)域的話語(yǔ)權(quán)，其通用芯片平臺(tái)能取得非常大的成功；而隨著進(jìn)入人工智能和大數(shù)據(jù)時(shí)代，高通即不掌握人工智能技術(shù)標(biāo)準(zhǔn)制定的話語(yǔ)權(quán)，也沒(méi)有系統(tǒng)廠商這樣能精準(zhǔn)把握終端用戶需求的能力，因此如果還是想要走通用芯片平臺(tái)的路子會(huì)導(dǎo)致在規(guī)劃芯片時(shí)候戰(zhàn)略過(guò)于保守，從而失去市場(chǎng)份額。

舉例來(lái)說(shuō)，在移動(dòng)端，大家都知道手機(jī)SoC配上AI專(zhuān)用加速器模組已經(jīng)成為大勢(shì)所趨。事實(shí)上，手機(jī)SoC配上AI加速器正是由華為、蘋(píng)果、三星等手機(jī)系統(tǒng)廠商根據(jù)自己對(duì)于用戶需求的理解，在自研芯片上率先實(shí)現(xiàn)，從而引領(lǐng)了風(fēng)潮。反觀高通，由于對(duì)于移動(dòng)端AI這件事一直猶豫不決，不敢確定手機(jī)搭載AI功能到底是偽需求還是真需求，因此一直不敢在SoC中加入真正的AI加速模組，而只是采取保守策略，拿原來(lái)的Hexagon DSP模組修修改改，這樣就實(shí)際上在移動(dòng)端AI的競(jìng)賽中落后了（AI加速器模組的設(shè)計(jì)牽涉到運(yùn)算通路、內(nèi)存訪問(wèn)和軟件算法的協(xié)同優(yōu)化，因此光基于DSP的修改往往是不夠的）。

為了能搭上人工智能時(shí)代的班車(chē)，上一代通用芯片平臺(tái)公司必須作出相應(yīng)布局或改變。如果通用芯片公司對(duì)下一代技術(shù)布局夠早，能占據(jù)下一代技術(shù)和生態(tài)的制高點(diǎn)，那么可以把生態(tài)作為競(jìng)爭(zhēng)壁壘并繼續(xù)推出通用平臺(tái)芯片。Nvidia可以說(shuō)是這樣的一個(gè)典型例子，依靠在人工智能和CUDA生態(tài)上的早期布局，因此可以在人工智能時(shí)代繼續(xù)靠通用GPU芯片把握大量的市場(chǎng)份額。我們看到高通進(jìn)入小型服務(wù)器和邊緣計(jì)算正是對(duì)于下一代技術(shù)進(jìn)行布局的嘗試。如果無(wú)法把握住下一代技術(shù)，那么傳統(tǒng)通用芯片公司也可以幫助系統(tǒng)公司做芯片，將一部分業(yè)務(wù)轉(zhuǎn)型為設(shè)計(jì)服務(wù)，例如聯(lián)發(fā)科就是這樣做的典型。當(dāng)然，如果要轉(zhuǎn)型做設(shè)計(jì)服務(wù)，那么就意味著放棄了高利潤(rùn)，如何完成平穩(wěn)轉(zhuǎn)型將是另一個(gè)挑戰(zhàn)。

聯(lián)發(fā)科于去年宣布將在設(shè)計(jì)服務(wù)業(yè)務(wù)上加大投入，可以看作是通用芯片廠商轉(zhuǎn)型的例子。