1
產業
過去，我們一直以為製造晶片是硬體公司的事，但從美國的 Google（GOOGL-US）、微軟（Microsoft, MSFT-US）到 Facebook（FB-US），再到中國的 BAT（百度（Baidu, BIDU-US）、阿里巴巴（Alibaba, BABA-US）和騰訊），可以看到互聯網巨頭已經開啓了新一輪的製造晶片潮。
AI 晶片領域： BAT 或投資或自研，動作頻頻
就在中興被美國商務部制裁、輿論發酵的同時，阿里對外宣佈了新成立的研發機構—探索冒險動能和展望學院—將致力於研發名為 Ali-NPU 的人工智慧晶片，該晶片可透過公共雲服務使用，並可以運用於圖像影片分析、機器學習等 AI 推理計算。
阿里在晶片領域的投資秉持著廣泛撒網的原則，包括投資了中天微、寒武紀、耐能，發展方向都是國外廠商未能壟斷的 ASIC 或 NPU。中天微是中國中國唯一的自主嵌入式 CPU 智慧產權核（IP Core）公司。數據顯示，阿里在 2016 年投資的中天微在過去 2 年已出產超過 5 億片的 SoC 晶片；寒武紀則因為幫華為開發了人工智慧晶片麒麟 970 而在業內名聲日隆。
百度在圖像、語音、無人駕駛等應用層面的 AI 研發布局較早。去年 2 月，百度又全資收購渡鴉科技。去年加州 Hot Chips 大會上，百度發佈了 XPU：一款 256 核、基於 FPGA 的雲端運算加速晶片，合作夥伴是賽思靈（Xilinx, XLNX-US）。今年 2 月，百度收購光學 AI 晶片新創公司 Lightelligence，百度的 AI 戰略即在於針對自動駕駛和智慧語音領域注入更多的技術動力。
一向在硬體領域動靜不大的騰訊（00700-HK）日前在晶片領域也有了動作，早前騰訊投資了比特大陸，這家公司基於挖礦設備需要極強的計算能力，因而已研發出基於 ASIC 的 TPU。另外，騰訊和阿里一起投資了開創新型可寫程式 PISA 架構的 Barefootnetworks，其晶片主要用於通訊設備。
據資料顯示，其實騰訊早在幾年前便已經投資了 Diffbot、iCarbonX、CloudMedx、Skymind、ScaledInference 等與機器學習和人工智慧技術相關的公司，範圍遍及文化娛樂、醫療健康、遊戲、汽車交通等領域，其做法其實是基於騰訊的核心產品和社交鏈，希望能夠形成不同的業務體系並結合人工智慧完成業務的創新與突破。
或許是美國商務部對中興的出口禁令徹底打醒了中國人，引發諸多關於中國晶片產業核心競爭力的集體焦慮，連帶使得晶片投資主題也開始熱了起來，並開始受到資本市場的重大關注。
其實，在中興的出口禁令後，更該有危機意識的應該是硬體公司才對，因為，雖然有許多零配件進口會受到禁令影響，但是晶片始終是最核心的一環。然而，為何互聯網公司也開始要趕著搭上晶片熱潮？
提升運算效率，降低成本
首先，可能要歸因於晶片產業本身的變革：AI 晶片正在取代傳統晶片。互聯網巨頭正在深度布局 AI 領域，而所謂的深度布局顯然需要掌控軟硬體兩端的核心組件，軟體在於平台的搭建，而硬體的核心則在於晶片。補齊了晶片這一環，才有機會掌控到未來 AI 戰場的主導權。
提升運算效率、降低成本都可能是 BAT 布局晶片的現實考量，因為 AI 晶片雖然可以讓人工應用程式運作得更好，但是要把這些服務投放在數據中心千百台電腦上的費用並不便宜，而現今的通用晶片已難滿足未來 AI 發展對於計算能力的需求。
早在 2011 年，Google 便發現每位用戶每天有 3 分鐘時間在其平台上使用基於語音識別模型所提供的語音搜尋服務，因此必須把現有的數據中心擴大兩倍。這意味著現有的 CPU 和 GPU 已不能滿足其需求，而這也驅動了Google自行研發更高效的晶片。
2016 年 5 月的 Google I/O 大會，Google首次公佈了自主設計的 TPU，其資深硬體工程師 NormanJouppi 刊文指出，Google TPU 處理速度要比 GPU 和 CPU 快 15～30 倍（與其對比的是英特爾（Intel, INTC-US） Haswell CPU 以及 Nvidia（Nvidia, NVDA-US） TeslaK80GPU），能效方面更是提升了 30 到 80 倍，在業內相對領先。
對於阿里來說，在晶片業的布局與其雲端運算業務息息相關。根據調查公司 Synergy Research Group 的數據，去年第四季度，阿里巴巴約佔雲端基礎設施服務市場 4%，與亞馬遜（Amazon, AMZN-US）、微軟、IBM（IBM-US） 和Google的差距頗大。因此，阿里想通過 AI 晶片的布局為其雲端運算帶來新的驅動力。
目前阿里自主研發的 AI 晶片，主要是為了解決圖像、影片識別、雲端運算等商業場景的 AI 推理運算問題，其官方說法則認為它是一顆「專用架構晶片」，專用程度更高、最佳化更徹底，並且具備更好的性能、能效比表現，目的就是要實現 AI 智慧在商業場景中的運用，同時在本質上提升運算效率、降低成本，為數據中心提供動力。
如果說要在 AI 賽道上打場硬仗，那麼晶片則會是最關鍵的一環；然而，AI 的發展依賴演算法、數據和計算能力，而晶片所承載的是基礎的計算能力、相當於基礎設施，晶片的優劣與運算效率關係到終端的功耗、性能、穩定性，因此誰也不想在此一環節被卡關。
與人工智慧結合，基於演算法和硬體設計的雙向融合最佳化獲得自主掌控力
就全球而言，最值得關注的是微軟與亞馬遜。去年 7 月，微軟在夏威夷舉辦的CVPR 大會上公布他們正在為 HoloLens 開發新的 AI 晶片。AI 晶片的加入將提升其 3D 手勢交互能力與對環境的深度理解能力，並且為 HoloLens 提供額外的語音和圖像識別等複雜處理功能、支持更多手勢交互無法實現的任務。
亞馬遜更不用說了。早在 2015 年亞馬遜就以 3.5 億美元的價格收購了一家名為 Annapurna Labs 的以色列晶片公司。Annapurna Labs 開發一系列名為 Alpine 的晶片，應用於 WIFI 路由器、智慧家居、串流媒體等設備類型。
據說，目前正在為 echo 開發 AI 晶片的就是 Annapurna Labs，這款晶片將使得基於 Alexa 的設備更快得獲得回覆，並允許在設備中儲存更多資訊，而不必通過雲端。
另外，蘋果（Apple, AAPL-US）在 iPhone X 系列手機中為晶片構建了「神經引擎」元素。日前有消息稱，Facebook 也在組建 AI 晶片團隊。
再看中國，2017 年 3 月，百度發佈 DuerOS 智慧晶片，並與紫光展銳、ARM（ARMH-US）、上海漢楓電子科技達成戰略合作。這款晶片搭載了 DuerOS 對話式人工智慧操作系統，可賦予設備對話的能力，並能廣泛用於智慧玩具、藍牙音箱、智慧家居等多種設備。而目前百度亦推出了 DuerOS 和 Apollo 兩大人工智慧平台，加碼晶片則成了軟硬體結合戰略下的必然選擇。
騰訊所投資的比特大陸發佈了智慧影音分析伺服器算豐 SS1，是基於算豐SC1／SC1+ 深度學習加速卡和對於圖像識別算法的深度理解而打造的深度學習伺服器，專門為影像監控、互聯網圖像處理等多種應用場景提供深度學習加速能力。
事實上，中美的科技巨頭都在試圖解決深度學習、理解的難題，擁有更快的回應速度可以讓人工智慧撕掉人工智障的標籤，變得名副其實。
對於 BAT 來說，無論是百度的搜尋、街景、照片、語音翻譯、無人駕駛，還是騰訊的社交、遊戲、新零售（3085-TW）、智慧硬體等佈局，抑或是阿里的新零售、雲端運算，物聯網等領域，都會有越來越多與演算法和人工智慧技術結合，並且需要用到深度學習框架。
由此可見，AI 晶片是由場景、數據和演算法所驅動，未來在應用層面的資訊處理量會越來越大，都需要基於演算法和硬體設計的雙向融合最佳化，以加快眾多人工智慧演算法的速度，而切入 AI 晶片環節即為了獲取更多的自主掌控權。
中美貿易戰下的焦慮：降低對於同業的依賴
然而，現狀看來並不樂觀，全球 AI 領域賽道的主要玩家都集中在中美，如前所述，在高通（Qualcomm, QCOM-US）、英特爾⋯⋯等傳統晶片巨頭之外，美國互聯網五巨頭（Google+微軟+亞馬遜+蘋果+Facebook）也都在大幅投入於晶片領域；整體而言，美國在演算法、晶片和資訊等各層級的企業數量與質量都處於上游。
當前 AI 晶片仍不免需要 CPU、GPU⋯⋯等基礎 IC 及現有操作系統才能運作，而美國廠商在人工智慧晶片 CPU、GPU、FPGA、ASIC 等領域的產業結構非常完整均衡，在 GPU 和 FPGA 領域則幾乎可謂是壟斷。
這或許正是 BAT 的焦慮所在。
在中美貿易戰的大格局下，美國顯然會鼓勵本土企業全面遏制中國科技企業，而對於美國本土科技企業而言，這也正是其利益所在。因此，在晶片層面的投入能讓旗下的硬體設備更加自主，擺脫或降低對矽谷巨頭等晶片公司的依賴，在產品上也能跟競品產生更多區隔，但這並不是短期能做到的。
當前 BAT 的戰略都偏向於廣泛撒網投資，其目的或許就在於未來一旦某些重點產品中的關鍵晶片過度依賴進口時，那麼就可以在中國找尋替代品，只要手裡握有其他供應商，就可以避免重蹈覆轍中興的事件。
畢竟，在未來互聯網的全球競爭中，亞馬遜對上的是阿里，Facebook 的競爭對手是騰訊，而百度則要面對Google。
雖然硬體供應鏈與軟體公司可以達成互補的業務關係鏈，而且不會對彼此的核心業務構成主要威脅，但是如果國外的互聯網巨頭正大幅投入晶片業務，BAT 肯定不希望受制於業務高度相關的互聯網同業。
畢竟，在 AI 賽道上，誰也不願意成為下一個中興。那麼在核心的晶片業務上，即便可能做不到對手那麼強，但至少手裡要有備選方案可以頂上，這一點尤為關鍵。
非手機類智慧設備有機會打造新的軟硬體平台
從另一方面來看，儘管軟體業務一旦成型便往往可以坐地生金、比硬體更賺錢，但是它們都有自身的瓶頸，受制於手機、PC 硬體業務本身的飽和與人口紅利的消失。因此，這些公司都需要尋找新的成長契機，而此一機會可能就在於智慧手機之外的硬體領域與物聯網領域。
出門問問創辦人李志曾經給出一組數據：目前 95%的智慧設備都是智慧手機，因此語音交互未成主流；但是非手機類智慧設備的成長卻遠遠超過智慧手機，並將在未來 3-5 年佔據 30%以上的智慧設備份額。
然而，非手機類智慧設備的潛在成長領域在哪呢？其中一個可見的品類是智慧音箱。目前美國已有將近 4,000 萬人是智慧音箱用戶，相當於 20%的美國總人口，而與 2017 年 1 月相比，與上期相比成長則達到了 128%。在智慧音箱的用戶群體中，亞馬遜的 echo 即佔了將近 70%。
根據孫正義的時間機器理論，先進國家的科技潮流與趨勢會晚幾年普及到次先進國家。因此，我們可以看到目前 BAT 都在做智慧音箱。今年 3 月初，BAT 不約而同拿出了自身的智慧音箱並正式開賣，騰訊的 Qrobot 在京東（JD-US）售價 2,799 元人民幣；百度的渡鴉 Raven H 音箱也已經可以現貨銷售，售價 1,699 元人民幣；而天貓精靈的迷你版 M1 也已開始發售。
AI 晶片與智慧音箱有什麼關係？
我們知道，AI 晶片可以應用到物聯網或智慧家居的語音交互領域，智慧音箱則是 AI 語音交互技術實際應用上的重要產品，目前包括三星、GE（General Electric, GE-US）、惠而浦（Whirlpool, WHR-US）、聯想（00992-HK）在內的家電巨頭都推出了跟亞馬遜 Alexa 相關的產品，類別包括有電視機、掃地機器人、智慧音響⋯⋯等家用電器。
全球電子消費展（CES）展會主辦方消費技術協會（CTA）首席經濟學家 Shawn DuBravac 曾表示：「配備了亞馬遜的 Alexa 語音助手的產品…….現在大約有 1,500 種。」在相關開發者越來越多的情況下，預期 Alexa 未來將會慢慢形成一個如同蘋果 App Store 的第三方開放服務平台。
因此，這解釋了 BAT 為何要在 AI 晶片之外同時製造相對應的硬體；因為晶片可以替硬體提供運算，而硬體則為其 AI 能力提供了可應用與掌控的場景，並透過不斷的試誤來驗證其數據與算法的缺陷，以提升其 AI 智慧化的能力。
單純的數據與算法如果不能結合硬體應用而帶動市場熱潮，其 AI 能力很難構成絕對的壁壘與生態、也很難獲得市場認可。反之則可拉動龐大的第三方廠商進入其 AI 生態平台。
透過 AI 晶片與物聯網設備的融合，脫離 Android、iOS 的生態體系進而構建出新的軟硬體生態平台，或許是諸多軟體巨頭所潛藏的野心所在，畢竟，亞馬遜 echo 的案例就在眼前：作為一款 AI 語音交互能力的應用硬體，echo 不僅帶動了大規模的硬體銷量，同時也引進眾多第三方廠商進入，共同建構起一個以 Alexa 為基礎的龐大生態平台。
總體而言，AI 和 IoT 開始發生碰撞和融合。IOT 是未來趨勢，物聯網時代會有新的流量入口甚至新的平台級入口，那麼 AI 晶片的重要性就不言而喻了。
不過對於 BAT 而言，如果僅僅將 AI 晶片業務作為一種試誤型的投資項目，而沒有提到戰略產品的高度來給予足夠的重視，這樣平台投資+硬體廠商生產的模式所催生的產品很難爆紅。
畢竟，晶片從設計、研發到生產、測試驗證到規模應用是一個相當複雜的系統工程，尤其是完全自主的 AI 晶片高度依賴尖端人才、投入資源龐大、技術研發週期長，而且很多製造晶片的技術都在美國，並非砸錢就能做得出來。雖然，晶片的自主可控是確定的中長期趨勢，但是若從高端晶片自主可控的層面來看，目前中國實在難找到能夠擔當如此重責大任的上市公司及高品量的產業鏈群。
相對硬體廠商製造晶片，BAT 或許在人才的爭奪上更有機會，AI 晶片的創新涉及到人工智慧算法、程式語言、電腦體系結構、集成電路技術、半導體工藝等方面；製造晶片的關鍵在於人才，而互聯網巨頭的穩定利潤與良好的現金流以及日益凸顯的品牌影響力在晶片人才的爭奪上則具有極大的優勢。
結語
電腦科學家蘭德艾倫 K 曾說：「真正認真對軟體的人應該做自己的硬體」，這句話很少有人在意，但卻在蘋果公司與亞馬遜身上得到了驗證。
對於互聯網巨頭而言，真正將軟硬體完整結合所打造出來的平台往往具有更強的黏性、而且業務的發揮空間更廣闊，也更能避免受制於人。
當然，軟體巨頭紛紛製造晶片對傳統晶片大廠可能會帶來直接的衝擊。CNBC指出，你有晶片，我有晶片，每個人都有晶片，這種趨勢最終可能威脅到大買家和大供應商之間的傳統關係，尤其對高通與英特爾造成巨大衝擊。但這並不影響到互聯網巨頭對晶片的熱情與執著，當然我們也樂見其成。
儘管在經濟全球化的大背景下，沒有任何一個企業可以完全依賴自身上下游通吃，但至少應該需要保證在最壞的情況下，能有自己的底線與替換方案。這或許是 BAT 要做 AI 晶片的關鍵原因所在。
《雪球》授權轉載
【延伸閱讀】
71049
