导语：作为中国少数的关注技术的风投机构，北极光创投在成立的前11年里（截止2016年），投资了10家半导体企业，其中，3家IPO，2家并购退出，全部公司都至少获得了新一轮融资。 最近两年，北极光创投又陆续投资了一系列的AI芯片，5月3日，在北极光创投举办的AI芯...
作为中国少数的关注技术的风投机构，北极光创投在成立的前11年里（截止2016年），投资了10家半导体企业，其中，3家IPO，2家并购退出，全部公司都至少获得了新一轮融资。
最近两年，北极光创投又陆续投资了一系列的AI芯片，5月3日，在北极光创投举办的AI芯片方向媒体沟通会上，北极光创投董事总经理杨磊及先进技术投资团队，为包括创头条（Ctoutiao.com）在内的创投媒体详解了其AI芯片的投资逻辑。
人工智能的智能并不是机器真的具有了自主意识，只不过是数据处理能力更强大、相对于过去的指定输出结果，现在的AI可以根据不同的场景输出不同的结果。
AI的智能主要来自“算法、数据和算力”，这一点北极光的看法和赵博思有相似之处。赵博思此前说过，智能需要依靠数据、逻辑和语义理解（人机交互）。
什么是算法？就像阿尔法狗能在围棋上打败人类，就依靠其开发的一套机器学习的计算方法。最近，腾讯AI Lab打造的“绝艺”，执黑中盘战胜了日本新锐棋手一力辽七段，获得冠军。这些程序背后就是算法的支撑。
仅有算法还不够，机器的深度学习还需要足够的数据来完成训练。这些数据或是来自公开数据，或是来自系统的收集，或者通过增强学习的方式自主迭代训练数据。
目前算法红利基本消失了；数据作为场景资源，很难短时间改变；所以算力就成为当下智能时代的突破口。
而算力的核心体现就是芯片技术。但是！杨磊强调，芯片是最难做的。难点在于：芯片的产业链很长、流程也非常复杂。其中最主要的成本包括流片成本和工程师成本。
流片，就是指像流水线一样通过一系列工艺步骤制造芯片。在集成电路设计领域，“流片”指的是“试生产”，就是说设计完电路以后，先生产几片几十片，供测试用。如果测试通过，就照着这个样子开始大规模生产了。“一次流片的成本就要几百万美金。”杨磊说，测试通过最重要的指标就是良率。
从学术研究的角度，从1000片芯片中找到一片可以使用的芯片，就可以完成学术成果；但是从市场角度来看，良率至少要达到95%才有价值。而从能生产到良率达标，中间还有很多很多的难点需要跨越。——这也是为什么北极光创投在投资芯片产业时，更喜欢产业派，而非学院派的原因。
流片成本动辄千万乃至上亿，这阻挡了大多数想进入芯片领域的创业者。而排在成本第二的，就是芯片设计工程师。
AI芯片最要紧的就是人才，一个工程师至少要经过5年的培养才堪大用，而一个成熟的芯片团队需要有几十名各个环节的工程师，才有可能掌控芯片设计，才能完成产品定义、设计到实现的整个流程。目前，北极光创投投资的项目，全都是建制全、有经验的成熟团队。
芯片是智能的基础设施。
最近中兴事件给国人敲响了警钟，人们纷纷自问：为何我们不能掌握芯片工业？但答案比较残酷。
“中国准备拿出1500亿美元来发展芯片产业。”这看起来很多，但北极光创投创始人邓锋透露，在芯片行业“最先进的厂子投资就是200亿美金”。
而且，由于整个产业的全球分工等问题，中国在芯片方面的差距不仅没缩小，而且有所扩大。“设计的差距在缩小，但制程和工艺越来越大，几年前差18个月，现在差2代。”
此外，包括质量体系、人才（含工人的training）体系、质量管理等等都是需要很多年持续推进才能培育出来的——“10年内肯定超越不了”，邓锋认为，这是一项艰苦卓绝的攻坚战，需要几代人持续的努力才能做到。
不能强攻，就必须智取。“是不是未来只有云和端？不是的，我们认为，还有边缘计算。”杨磊预言，未来任何一家医院就是一个数据中心，任何一辆车也是一个数据中心，甚至任何一个家庭都是一个数据中心。
北极光创投的芯片投资逻辑由此锁定在：绕开美日巨头垄断的核心芯片和云智能，主攻“端”智能和传感器。
如图所示，北极光的布局包括了最上层（左上）的传感器和连接，BlueX可以把无线连接芯片的射频部分做到相当于市面主流产品1/3-1/4的Die Size，同时具备一流的低功耗水平； Cista专注于图像传感器；镭神智能具备丰富的降低Lidar成本的技术和生产制造经验。左中的处理器里，北极光投资了华人在硅谷创立的Ours，其将基于RISC-V开源处理器架构开发一系列垂直领域的IoT处理器，还有左下的四个DSA（Domain-Specific Architecture），针对应用建立构架的SoC（系统级芯片）。其中登临颠覆性的计算存储融合的芯片架构设计，把边缘和云端的AI推理计算密度提升至少一个数量级；黑芝麻利用深厚的ISP经验、AI算法能力、芯片架构能力开发最好的ADAS芯片与全栈解决方案；亿智通过场景极致优化的视频ai技术和全栈解决方案让未来的衣食住行的场景更加智能便利；右侧的GMEMS则在声音AI芯片有巨大的突破，GMEMS不仅有芯片、芯片架构和算法，还有和传感器的深度融合。而Crossbar解决了CPU与GPU之间通信的速度问题；
在北极光投资的芯片企业里，有把功耗压缩到5%的，有解决芯片带宽问题的，有把性能提高10倍的……在微软英特尔联盟时代，没有办法搞定的系统层芯片，在智能+物联时代，从应用层面给了中国弯道超车的机会。
“今天底层的基础已经变了，从CPU变成了GPU，未来可能会变成TPU或者其他的。基础变了以后，一连串的东西都会发生变化，就像多米诺骨牌一样。”杨磊说，“这就是中国的机会。”
芯片的制程和工艺到底有多难？杨磊做了一个比方：当前，Intel最新的芯片至少有300亿个晶体管。今天先进制程的芯片一般都是40层以上光罩（制作芯片的时后每铺一层材料就需要至少一层光罩），一颗芯片一般都会是几十层材料（金属，半导体，无机材料）的叠加。如果以公路来做类比，这大概相当于全世界的公路加在一起之后再叠加N层的复杂度。一颗芯片的好坏的关键在于对这样一个复杂系统的管理能力。芯片的性能是动态的，如果出现了“拥堵”，那芯片的功耗一下子就上去了，性能就迅速下降。
如果做得不好的话，芯片就会拥堵，运转速度就会下降功耗就会提高。如前所述，其中的专业积累、技术积累、制程积累以及人才储备、管理经验等等都至关重要。但更关键的是，要持续推进。
“英伟达做得很好，直接和英伟达对抗是下下策。在垂直的系统工程的优化，在端的方向竞争，在云端也有机会。”
北极光创投希望能抓住这些中国的机会。邓锋介绍，面对强悍的竞争对手，中国的选择是：不要想短期内取代它们，也不要想浅尝辄止。要在一个垂直领域做到非常深，专心做好一个领域，而且要做Full Stack的内容，“不做深没有竞争力”。
不过目前的情形也在逐渐改观。邓锋对未来还是表示谨慎的乐观：
首先，对企业家精神明显更重视了。去年9月国务院发文强调企业家精神，这是一个很好的开端。
其次，国家投资引导更加有序。美元基金退出周期长，人民币基金周期很短（一般为5+2年），所以目前美元基金投资芯片行业更普遍，人民币基金则很难坚持长期投资。但最近北京市准备进一步促进早期投资改革，将资金引导更需要的地方，这是一种很好的尝试。
最后，要完善长期投资研究的企业环境。吸引更多硅谷的专业人才回到国内，创造适合企业长期投入发展的市场化的良好环境，包括对人才的培养。“中国教育培养的是专才，但芯片架构是一个N维问题。”
在谈到接下来对芯片的投资方向时，杨磊透露，今年北极光创投主要看三个大的方向：
①计算架构变革。
②人工智能和IoT的落地。除了医疗、车领域之外，还包括智能楼宇和新零售业务。
③工业4.0，主要从机器人的角度来看，怎么发展。目前，中国机器人已经解决了核心零组件问题，接下来机器人会有比较大的发展。
