首页 > 北极光创投:AI芯片投资的中国路径

北极光创投:AI芯片投资的中国路径

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。

1、芯片是智能的基础设施

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。

2、端智能与传感器

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。

图片4.png

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。”

3、中国机会

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。

微信图片_20180508165922.png

点赞0
收藏14
小贾
小贾
用户评论
游客
发布
©2021 版权所有 ICP许可证号 京ICP备15013664号-1
登录 注册
登录
完成注册

快捷登录

请激活账号

为了能正常使用网站的评论、编辑功能及以后陆续为用户提供的其他产品,请激活账号。

您的注册邮箱: 修改

重新发送激活邮件 进入我的邮箱

如果您没有收到激活邮件,请注意检查垃圾箱。