AMD 并未向其中国合资公司进一步授权芯片设计又一次证明，中国的芯片发展跟随别人的步伐将无法取得领先。
文：包永刚
Computex 2019 期间，AMD 首席执行官 Lisa Su（苏姿丰）接受媒体采访时证实，AMD 并未向其中国合资公司进一步授权芯片设计。这意味着 AMD 在中国的合资企业的处理器将仅限于在第一代 Zen 架构，不会推进到 AMD 新推出的 Zen 2 架构。
这又一次证明，中国的芯片发展跟随别人的步伐将无法取得领先。
AMD 最初于 2016 年与天津海光先进技术投资有限公司（THATIC）共同成立了合资公司海光集成电路设计有限公司，后者以价值 2.93 亿美元（加上特许权使用费）的价格获得 x86 和 SoC IP 芯片开发的授权。由于近年来中国加大了半导体行业的支持，这种合作关系为 AMD 提供了进入蓬勃发展的中国市场的跳板。此次交易还被认为可以让中国获得关键的 x86 技术。
雷锋网在此前的文章中提到，有业内人士透露，海光与 AMD 合资是一些人抱着重复高铁技术引进、消化吸收、再创新的想法而开展的项目。
根据 Tomshardware 的说法，双方的该协议允许中国服务器供应商 Hygon（中科海光）根据 AMD 的 Zen 微体系结构设计专用处理器，这也是 AMD Ryzen 和 EPYC 处理器的基础设计。其中，许多架构的定制包括满足政府要求的专用加密元件，Hygon 的第一批产品 Dhyana 处理器与 AMD EPYC 数据中心处理器非常相似。Tomshardware 表示他们被告知还有其他针对中国市场专门设计的架构优化，但还没有得到更多细节。
与中国公司成立合资公司并不新鲜，但由于 x86 架构授权可能会引发各种麻烦，AMD 与海光的合作实际上有着复杂的设计。首先海光母公司天津海光先进技术投资有限公司与 AMD 成立了成都海光微电子技术有限公司（HMC）和成都海光集成电路设计有限公司（Hygon）两家公司，AMD 的股份分别是 51%、30%，也就是一家相对控股，另一家则是中方绝对控股。
AMD 控股 51% 的 HMC 才拥有 Zen 架构授权，为了保持在法律允许的范围内，HMC 将 IP 授权给 Hygon，后者设计 x86 芯片，然后 Hygon 再将设计出售给 HMC。不过令人困惑的是，HMC 将代工厂生产的处理器又卖给了 Hygon，由 Hygon 出售 Dhyana 处理器。
需要强调的是，这些芯片必须满足 AMD 和 Intel x86 交叉许可协议，避免 x86 授权外泄和引起 Intel 或美国的反对。另外，根据协议，最终产品只能在中国境内销售。
近两年海光的国产 x86 处理器已有进展，其 x86 处理器不仅有 AM4 插槽的4-8 核版，还有类似 EPYC 的服务器版，推特上的爆料显示基础频率 2.0GHz，加速频率可达 3.0GHz，而且涵盖了从 4 核到 32 核在内的多个产品线。
图片来源：快科技
AMD CEO 苏姿丰在台北电脑展上也表态说与中国公司的合作仅限于第一代 Zen，这也意味着国产海光 x86 的后续改进、升级只能靠自己。
当被问及是否会在美中贸易战期间继续与 THATIC 合资企业合作，苏姿丰说，该公司依旧是合资企业，“我们不讨论任何额外的技术转让”，并表示大多数工作都在合资企业，而“AMD 方面的工作并不多”。
“THATIC 是单代技术许可证，没有额外的技术许可证，” 苏姿丰解释说，尽管她没有澄清不延长技术转让的决定是否是贸易战的直接结果。针对涉及贸易战对 AMD 与华为的业务往来影响的问题，苏姿丰表示，作为一家美国公司，AMD 被迫遵守美国法规。
除了 AMD，Intel 与中国在芯片技术上的合作同样比较局限。2016 年清华大学、英特尔和澜起科技（上海）有限公司在北京正式签署协议，宣布联手研发融合可重构计算和英特尔 x86 架构技术的新型通用 CPU，英特尔将提供资金及其它重要资源支持项目研发。
据了解，澜起可以开发连接英特尔至强核心的协处理器，以提供中国批准加密/解密技术。这两种解决方案组合在一个叫做“Jintide”软件包中，但英特尔没有授权这他们访问其核心 IP。
清华大学、英特尔公司与澜起科技签署合作协议
这再一次警醒，中国芯发展有两条路是走不通的。此前 RISC-V 基金会中国顾问委员会主席方之熙博士接受雷锋网专访时表示：“有两条路被证明是走不通的，一条就是关起门来自己做一套东西，比较典型的就是龙芯。因为芯片还是一个商品，性能再高，没人用就无法体现出价值，所以必须有相应的生态系统发挥价值。第二条路就是跟在别人后面，国内有许多公司做 x86、Arm、IBM Power 的芯片，在某些特殊领域，用这些指令集架构确实可以做一些事情，但是因为受到 ISA 所属公司知识产权（IP）的控制，很难取得成功。”
AI 芯片是中国芯的机会吗？
2012 年，被称为深度学习鼻祖的杰夫·辛顿（Geoffrey Everest Hinton）在 NIPS 上发布文章介绍了通过训练大型深度卷积神经网络把 ILSVRC 训练集中的图像进行分类实现了误差率的大幅降低，这也被认为是这一轮 AI 热潮的开始。随后，深度神经网络日益流行，许多优秀的变体相继出现，如 AlexNet、GoogLeNet、VGG Net、ResNet。
当然，深度神经网络的流行离不开算力的支持。由于深度神经网络中的绝大多数运算都是矩阵运算，擅长并行运算的 GPU 非常适合深度学习。英伟达迅速抓住机会，2016 年推出了第一款专为深度学习优化的 Pascal GPU，这也让英伟达成为了获益最多的 AI 芯片公司。
其实，在英伟达推出专为深度学习优化的 GPU 前，2015 年开始 AI 芯片相关的研究就逐渐成为了学术界和工业界的热点，地平线、耐能、深鉴科技、探境科技、北京清微电子等 AI 芯片初创公司相继成立。云天励飞、比特大陆、杭州国芯、瑞芯微等则是 2015 年之前成立的 AI 芯片公司。
不过，2015 年只是 AI 芯片热潮的开始。
AI 芯片热潮遇上资本寒冬与行业衰退
在 AI 的热潮里，英伟达、英特尔收获更多 AI 芯片订单的同时也加大了对于 AI 的投入。同样值得关注的是，以软件见长的互联网巨头们也纷纷进军 AI 芯片领域，包括谷歌、Facebook、亚马逊、阿里、百度。
除了巨头，资本也在推动 AI 芯片的热潮。2018 年 5 月开始，探境科技、云知声、耐能、思必驰、寒武纪相继宣布新一轮融资的消息。2019 年春节期间，报道称 Adobe 集团正在考虑是否打造自有的芯片。2 月底，地平线公告完成近 6 亿美金的B轮融资，投后估值达 30 亿美金。
资本的助推以及头部企业的入局引发了一些人对 AI 芯片市场过热的担忧，不过业内人士看法不一。今年 1 月地平线联合创始人、算法副总裁黄畅接受雷锋网采访时表示，AI 芯片在 2018 年的火热程度确实没有预料到。
华登国际副总裁苏东年初接受采访时表示 AI 芯片还不算过热，未来会不会过热或者说产生泡沫最关键的是 AI 芯片的应用能否落地，能够落地就不会过热。在资本寒冬，投资机构为了安全考虑，还是投资头部企业。对于非头部企业，由于投资者对投资标的的要求会更高，更加聚焦产品落地能较快实现正向现金流才更容易进行下一轮融资。
不过，从 2018 年下半年开始的资本寒冬给 AI 芯片初创公司的芯片落地增加了不少压力。国际半导体产业协会（SEMI）此前下调了 2019 年全球半导体设备展望，预计全年产值将比去年衰退9%，终止 2016 年以来连续三年的增长走势。
多家分析机构的最新的数据也表明了今年半导体市场面临的挑战。5 月 7 日，IHS Markit 指出，全球半导体市况在今年初呈现迅速恶化，预估全球半导体市场销售额将年减 7.4% 至 4462 亿美元，可能会创下将创下 2009 年（注：当年下跌将近 11%）以来最大衰退幅度。5 月 15 日，IDC 最新报告指出，半导体行业正努力应对智能手机销售放缓以及中国需求疲软的局面，全球半导体收入在连续三年增长后，预计在 2019 年将减少 7.2%。
AI 芯片的落地战已经打响
在严峻的市场背景之下，特别是新一轮 AI 热潮已经持续了四年的情况下，AI 芯片的落地显得尤为重要。苏东看好 AI 芯片在无人驾驶和安防的落地，他表示：“2019 年安防领域会有更多的应用，无论是使用海思的芯片还是做相关算法公司的芯片，可以预见会有更多的落地应用。无人驾驶也是 AI 芯片一个比较好的落地场景，但无人驾驶属于汽车的前装市场，周期会相对长一些。”
黄畅认为，新的杀手级应用可能来自智能驾驶以及智能 IoT 场景。据悉，地平线早在 3 年多前便开始投入 AI 芯片研发，目前第一代 AI 芯片已经开始大规模商业化。在智能驾驶领域，地平线已经和全球四大汽车市场 Tier1s 和 OEMs 建立了合作关系；在 AIoT 领域，目前地平线已经与现代购物中心、家居生活广场、知名品牌店等达成合作。
拥有算法和行业应用优势的触景无限将掌握核心芯片技术作为下一步战略，在推进安防行业前端智能感知产品盾悟智能盒/分析主机及打造落地解决方案的同时，逐步加大对芯片的投资。2018 年 6 月，触景无限注资物联网芯片设计公司 Inspirit IoT，组建感知芯片战略联盟，开展战略性合作。Inspirit IoT 提出一种高于目前业界十倍压缩比的优化方法，将极大地提高 FPGA 使用效率，这套方法也将在触景无限芯片计划中对 FPGA 的应用起到重要作用。另外，触景无限也即将携手国内知名芯片企业，共同打造新一代人工智能感知芯片（SOC），为下一代人工智能感知领域提供端到端的全方位解决方案。
已经有现象级产品云天“深目”动态人像识别系统的云天励飞也在去年 10 月流片了具有自主知识产权的 DeepEye1000 嵌入式视觉 AI 芯片，能够提供处理器级别的指令集灵活性，软件可编程，能广泛用于摄像头、机器人、无人机，以及智慧城市、智慧社区、智能制造、新零售等 AI 边缘计算场景。据云天励飞副总裁李爱军介绍，这款 AI 芯片将在 2019 年正式商用。
探境科技创始人兼 CEO 鲁勇此前接受采访时表示，之前技术没有达到一个相对理想的状态，成本也没有下降到适合普及的程度，而 2019 年技术和成本都会迎来拐点。基于用户对智能家居越来越高的接受度，2019 年智能家居也会快速普及，也将带动 AI 芯片的落地。
近日，耐能创始人兼 CEO 刘俊诚接受采访时也表示：“AI 芯片的竞争已经到了应用落地的竞争。”
芯片是一个长周期的产品，四年之后，我们看到初创公司们的芯片已经陆续流片，这也表明 AI 芯片的落地战已经打响。
AI 芯片成功落地的关键
对于 AI 芯片初创公司而言，投入巨资以及花费几年时间研发的 AI 芯片能否获得客户的青睐，能够持续迭代产生营收是公司生存的关键。
对于巨头而言，AI 芯片的实力将决定他们能否继续引领 AI 革命。英特尔作为芯片霸主，虽然其 CPU 在 AI 时代的优势不如 GPU 明显，但他们正在通过创新以及研发独立 GPU 增强 AI 的实力。
在上月的 2019 英特尔中国媒体纷享会上，英特尔中国研究院院长宋继强指出，任何单一的因素，都不足以满足多元化的计算需求。面向未来，英特尔全方位推动计算创新，引领“超异构计算”时代。
他透露，英特尔将架构创新作为未来十年创新的主要驱动力，继续带来指数级的扩展效应。这里所说的架构，不单单是指 CPU 内核的设计，也涵盖了整个计算产品从硬件到软件的所有构成。这是因为，软新的硬件通过软件的优化，通常能够实现一百倍以上的加速，更好的满足 AI 的计算需求。比如，Skylake 通过软硬件集合优化以后，AI 推理性能可以提高 275 倍。
架构创新的其中一个关键就是突破冯诺依曼架构的限制。在 AI 芯片实现中，基于冯·诺伊曼体系结构，提供运算能力相对简单易行，但由于运算部件和存储部件存在速度差异，当运算能力达到一定程度，由于访问存储器的速度无法跟上运算部件消耗数据的速度，再增加运算部件也无法得到充分利用，即形成所谓的“内存墙”问题。
目前，也有不少初创公司和团队在进行架构上进行创新，使用的方法包括可重构、可重组、存算一体、存储优先等。
当然，技术领先性只是 AI 芯片落地的关键之一，一款 AI 芯片性能再好，技术再领先，不能得到用户的青睐也无法成功，而这其中又涉及到切入的领域、商业模式、市场环境等因素的影响。
2019 年 7 月 13 日，由中国计算机学会主办，雷锋网、香港中文大学（深圳）联合承办的 CCF-GAIR 全球人工智能与机器人峰会，将开设“AI 芯片”专场，以“资本寒冬下突破 AI 芯片落地的难题”为主题，邀请业内知名学者、AI 芯片代表企业分享他们对于 AI 芯片架构未来的演进方向的看法，以及具备技术优势的 AI 芯片如何选择合适的应用领域更好地落地的独到见解。
目前，英特尔的芯片专家、地平线联合创始人、算法副总裁黄畅、云天励飞副总裁李爱军、触景无限联合创始人兼 CEO 肖洪波已经确认出席 AI 芯片论坛并发表演讲。上一届 AI 芯片专场的学术大咖中国半导体行业协会 IC 设计分会理事长、清华大学微电子所所长魏少军教授也即将确认出席。
RISC-V 作为目前备受关注的新的指令集架构，在 IoT 和 AI 领域也非常有潜力，此次的 AI 芯片专场上，中科院计算所研究员、先进计算机系统研究中心主任、中国开放指令生态（RISC-V）联盟秘书长包云岗博士也会分享 RISC-V 指令集架构的优势以及在 AI 和 IoT 时代的机会。
雷锋网参考 tomshardware、快科技