对话北极光杨磊：AI芯片赛道现在进场已经晚了

2019-08-31 23:05发布

站内文章 / 后端开发

58 0

放荡不羁爱自由

女 | 书童

私信

“北极光在半导体领域投资从无败绩？”

“从来没有”。杨磊回答地斩钉截铁。

“北极光在半导体领域十四年投资了15家公司，其中有八家是孵化的，剩余的7家很多在我们投资的时候还没有产品，但这些公司没有一家没有把产品做出来，没有一家公司死掉，我们在2016年投了10家公司的时候，做过一个复盘分析，这10家公司50%已经退出，其中，展讯、炬力、兆易创新三家公司已经成功上市，有两家公司并购退出，其余五家全部融到了B轮或者C轮阶段，处于发展上升期。”

上个月，「AI投研邦」为撰写《2019AI芯片行业创投白皮书》专程拜访了北极光创投董事总经理杨磊，在半导体投资圈，北极光是无法绕过的名字，从2005年成立之日起就关注半导体领域投资，被北极光投资的半导体初创公司都经过了「千挑万选」，虽然最新出现的创业项目都会考察，但北极光出手却极为谨慎，十四年只投资了15家公司，几乎保持着每年只投一家公司的节奏。

图：北极光创投董事总经理杨磊

自2015年开始，AI芯片的相关研发逐渐成为学术界和工业界研发的热点，寒武纪、地平线等一批AI芯片创新公司也相继成立，根据 Synopsys AI Lab AI 芯片专家唐杉博士整理的数据显示，截至目前，全世界范围内的已经公开的AI芯片公司超过104家，其中，中国已经存在超过20家以上的AI芯片初创公司。

北极光投资的三家AI芯片公司，登临科技（2017）、亿智科技（2016）、黑芝麻智能（2016）目前都发展迅速，而且各有特点，登临科技专攻云端 AI 芯片，并且灵活性很高，可以和英伟达的 CUDA（Compute Unified Device Architecture，统一计算设备架构）兼容；亿智科技则是以AI机器视觉算法和 SoC 芯片设计为核心的系统方案供应商，其产品已经完全量产并已商业化落地；黑芝麻智能科技则把神经网络的计算做成专用芯片，用作自动驾驶，把前端的ISP能力和后端AI芯片的能力结合在一起，对神经网络利用效率非常高，其刚刚发布了”华山一号“车规级自动驾驶芯片A500，据称在关键性指标上已经超越了 Mobileye 的 EyeQ4。

以下为雷锋网和杨磊的对话实录（节选）：

雷锋网：AI芯片赛道还有没有机会？

杨磊：从北极光角度，我们觉得AI芯片投资基本上到了收官的阶段了，换句话说，如果是去年或者今年才成立去做AI芯片公司，基本上已经太晚了。

雷锋网：为什么太晚了？

杨磊：在AI芯片这块，我们布局了三家公司。一个是2015年成立的做从端到云的SoC芯片的亿智科技，一个是做车载感知芯片的黑芝麻智能科技（2016年成立），还有做云端芯片的登临科技（2017年成立）。

因为这些芯片基本上都需要很长的时间去开发，这三家做的芯片没有一块芯片是在二年之内可以做好，基本上时间都是在三年左右才能够第一次流片。所以如果有新的公司今年或去年再做的话，感觉就已经有点晚了。

这个行业还有一些特点，不管是云端的芯片还是端的芯片，其实卖给客户的时候还有大量的跟客户握手服务的过程，所以如果比这批公司晚一年到两年再做的话，基本上也没什么人愿意买，因为替换成本非常高。

从计算构架来说，我们认为云端芯片构架需要非常灵活，适配性要做得好，到端的时候其实构架会更加固定一些，这个时候其实算法的适配都是很累的，比如一家做人机系统的公司已经做了一些人脸识别的算法，换一个芯片就需要再重新做一遍，时间和资金成本都很高。

所以我觉得后来再做的芯片公司可能都会有一些挑战，所以我们的布局相对来说比较早一些。

雷锋网：目前AI芯片创投市场存在哪些盲点？

杨磊：我觉得盲点有很多。

第一，认为做算法的人也可以做芯片。做芯片其实是一个非常专业的事情，做算法的人不能够做芯片。

第二，认为只要是原来芯片大公司（比如英伟达、AMD）出来的人就可以做AI芯片了，这也是一个巨大的错误。

不是说从英伟达、AMD 或者从英特尔出来的人，就一定能够驾驭云端AI芯片或是SoC。首先要认识这个产品的复杂性，知道里面有哪些核心的点，然后要看这群人是不是在这些领域具有经验。需要知道这些机构的组织机构、管理方法、什么人做什么事情，历史是什么样的，如果不知道的话，其实很容易被误导。一个以前在 AMD 担任管理岗位的人不一定就能够做芯片。每一个芯片都有自己独特的一些难点，这个团队是不是有合适的人有经验去解决这些问题才是最关键的。其实市场上做AI芯片的公司非常非常多，但是做出来的几乎没有。

包括现在市场上有一些自称是AI芯片的公司，但是其实打开看的话，其实是把 AI 算法再移植到DSP上这种方法去做的，这个其实不是我们说的端或云的AI芯片。

第三点，盲目追风，觉得大厂能做的，自己也能做。

举个例子，很多人觉得谷歌做 TPU ，我也做 TPU 吧，其实好多公司刚开始做的构架很像 TPU，但是最后做出来就死了。

谷歌的TPU其实动用了大量的软件工程和算法的人把算法移植到谷歌 TPU 上面，由于谷歌体量太大了，只要某些任务在上面跑，这个 TPU 就有价值。但是如果是一个第三方，做了一个TPU，会遇到两个问题：第一，自己没体量，假设自己算法这些东西都做，那么只能在非常小的一个范围内用自己的TPU芯片，一遇到其它的任务就用不了了。第二，随着时间的推移，算法改变了，效率就非常低，这也是为什么有些公司出了芯片了，用他们当时的某些神经网络跑起来还好，但是一到实际场景去一跑就傻了，效率极低。

我觉得在做复杂芯片的时候，一定要有前瞻性，一定要看到未来再去做。

我们投的登临科技其实在云端芯片这块，他最主要考虑的是要有灵活性，在灵活性的前提下，再把效率给提上去，如果没有灵活性，没人会接受的。但是今天做的这些云端的AI芯片里头，很少有公司是把灵活性作为最重要的一点去做。据我所知，在云端的AI芯片能够和英伟达的CUDA兼容的，只有登临一家。

跟 CUDA 兼容其实非常重要，因为立即就可以把 CUDA 的生态利用起来，很多AI算法工程师都是用 CUDA 在写程序，他们写的程序不需要改，直接就可以在登临的芯片上跑。我觉得这是第三个盲点，简单的觉得做AI芯片就是一个方向，然后就往前跑，跑一大半才发现做出来可能会有很大问题。

云端芯片的性能和灵活性非常重要，比如车的芯片，一定要有做车规的软件和硬件经验，车的ISP其实是非常硬的坎儿，如果以前没有做过车的ISP的话，大概率会失败，我们也知道有某一家大的互联网公司在做车的芯片，做出来的话ISP不行，没法用。

在端侧，整体的集成性、功耗是非常重要的，整个的设计一定是IP应该是自有的，而且能够把功耗控制得非常好，功耗跟带宽有关系，设计的时候要把带宽和功耗能够融合在一起考虑。

整体来说，这是一个很难的事情，机会也非常大，一定出非常大的公司，但是这不是随便一个团队就可以干的，即使是最优秀的芯片公司出来的人，绝大多数是做不成的，如果没有最主要的那几个最核心的人，其实也没有用。

在AI芯片投资领域，其实很多投资人专业度都不够，轻信学术权威，轻信有名的公司里面出来的高管，没有对技术的复杂度有敬畏。

雷锋网：您怎么看光子芯片和类脑芯片？

杨磊：我觉得太早了，而且真正在做的时候会遇到一大堆的挑战。

雷锋网：哪些挑战？

杨磊：适用范围很低，本身工艺不成熟，最后跑出来的时候良率非常低，非常有局限性，模型特别小，稳定性比较差。我觉得这块做做研发还可以，真正要商业化还是有非常大的挑战。

雷锋网：这两类芯片什么时候可以商业化落地？

杨磊：很难说。

雷锋网：您好像对学院派不太看好，而是更倾向于具有产业经验的创业者。

杨磊：首先我们在看一个创业公司需要什么的时候，会发觉其实产业经验太重要了。写一篇论文，做学术研究，只是研究最中间的一点点东西，说实话你看得懂论文你也知道这个事儿该怎么做，但是写出论文和真正能把产品做出来，这中间差得非常远。

如果科学家都能够创业且成功的话，今天中国可能也不会遇到这个挑战，我们有大把的科学家、有大把的研究成果，但是我们在这些关键领域都没做好。

举个例子，比如说蓝牙芯片，蓝牙芯片低端的产品也能执行蓝牙协议，但是功耗非常高，稳定性很差，这些芯片可能很多中国公司可以做，但是一旦这个蓝牙芯片要用在比较工业的场景，需要稳定性非常好，功耗非常低，我们就做不了了。

在很多领域，我们只有低端，在中端和高端是没有产品的。举个例子，比如说射频前端，目前中国的公司只能做4G低端，而且只能卖到亚非拉。而做高端射频前端芯片的，只有美国的两家公司Skyworks 和 Qorvo。目前4G手机开放市场射频PA市场中，Skyworks 占了55%，Qorvo 的市场份额是25%，而中国公司市场份额只有20%，集中在中低端手机，旗舰手机依然被 Skyworks 和 Qorvo 所垄断。

所以我建议关注半导体的投资人，不要投低端了，低端是一个陷阱，投也是红海，要投中端和高端。

中国经济发展到这个阶段，容易摘的果子，早就被人摘光了。

只要是大家都能做的就挣不了钱，一定要躲避低端陷阱，去投资中端和高端那些真正空白的领域，这也是为什么说需要产业军团，只是一个教授不太可能一出来就做一个高端产品。

创业者需要经过几个完整的产品周期，从最开始设计到推到市场，到检验，到迭代升级。硬件基本上是五年一个周期，所以经历两个产品周期就是十年，再加上前期认知积累阶段，要没有15年到20年的行业经验，是做不好的。

「AI投研邦」采访调研了业内20余家AI芯片创业公司，并深度面对面访谈了包括北极光在内的12家在硬科技领域进行重点投资布局的VC机构，更多关于投资人对AI芯片行业的观点和分析请关注「AI投研邦」即将推出的《2019 AI芯片行业创投白皮书》。