▲点击上方“芯光社ChipHub”关注公众号
作者：Frank Wang
排版：Kerry
出品：SOlab
深度好文，7589字=19分钟阅读
文末有芯片交流群，欢迎扫码加入！
当潮水褪去，AI芯片的风口已然不再，笔者曾经估计AI芯片的这场创业狂欢最快在2023年就会面临淘汰，殊不知泡沫的破裂比估计来的更早。
当半导体投资大面积降温，非头部的创业项目面临融资困难，裁员甚至倒闭的一幕开始出现。所谓“无泡沫，不繁荣”，过去的热潮让中国半导体崛起了一批明星公司，但随着泡沫消散，一大批陪跑的项目开始走到了悬崖边缘。
半导体淘汰赛，来了。
图源：Google

B轮融资2个亿走到了尽头

这是一家B轮融资两个亿的芯片创业公司。根据员工的描述，曾多次拨打过该公司总部官方电话，均为“暂时无法接通”状态。
这家IC芯片公司就是——诺领科技。
图源：Google
从官网可以看到，这是一个颇为豪华的创业团队：
➢创始人之一孔晓骅拥有加拿大麦吉尔大学博士学位和清华大学学士学位，曾在思科和高通任职，拥有15余年的混模电路设计和带队经验。高通期间，所带的项目组从0做到了全球百人的规模。
➢2018年左右，国内开始掀起一波半导体创业热潮，孔晓骅选择离职创业。
➢同年9月，孔晓骅找来了朋友王承周创办了诺领科技——一家无晶圆厂IC设计公司，主打产品为物联网系统级芯片NB-IoT和Cat-M SoCs
➢王承周是联合创始人和现任CEO，他先后拿到北京大学学士学位和加州大学圣地亚哥分校博士学位，曾担任 Quantenna 初创技术骨干，同样有着不错的履历和丰富的产业经验
此外，诺领科技组建的核心团队大多是行业尖端人物，其中70%以上的团队成员有硕士以上学位，且技术团队成员是有10年以上的IC量产设计及相关经验的专业人才。在诺领科技创立初期，南京当地曾派出专门的工作人员牵头联系，帮忙跑工商注册、办证、银行开户等多个流程，还给予了诺领科技房租和研发补贴等优惠政策。
图源：Google
这支海归团队确实曾创造过不错的成绩：
➢2018年底，首个流片的 NK6010 NB-IOT 系统级芯片（SoC），并在2019年5月成功实现联网测试。一般情况，做一个通讯芯片需要24-36个月，而诺领科技却用了不到15个月便设计了世界最先进之一的 NB-loT 芯片，打破国内通信芯片的开发纪录。
➢随后几年，诺领科技获得VC/PE青睐，陆续完成了3轮融资。
➢2020年，诺领科技获得2亿元B轮投资，投资方既有国内知名VC/PE机构，也不乏当地产业资本。
➢拳头产品“NB+GNSS”芯片已经实现了通信系统功能和应用的高度集成，同时在功耗和成本上都有一定优势并已经实现量产。
➢应用上，该系列芯片重点瞄准“物流和供应链管理”细分行业，并将市占率目标定在30-40%以上
图源：Google
然而到了2021年，诺领科技的对外消息越来越少，仅在公司官网披露了公司将携带NK6010免TCXO版芯片亮相2021 MWC的消息。此外，诺领科技完成B轮融资后便没有了后续融资动作，官方微信消息也停留在今年1月29日。
直到今年7月，相关员工在社交媒体爆料了诺领科技最新动态——拖欠了五月、六月两个月的工资。每一个被离职的员工，拿着一份不知道何时兑付，没有具体金额的解除合同协议。

AI芯片泡沫背后的利益涌动

如果盘点当前中国活跃的AI芯片公司会发现，这些公司基本成立于2018年前后。2020年开始，主要融资都发生在相对成熟的企业，基本已经获得了1-2轮，甚至2轮以上融资的AI企业，这一趋势在之后的两年里更为明显。
AI芯片的火爆，与其说是AI技术发展的果实，不如说是资本的产物。资本如酒，能壮创业胆。
忽如一夜春风来，千树万树梨花开。随着AI产业的迅速发展，越来越多的企业都投身到了AI淘金这股浪潮中，而其中最为耀眼的便是AI芯片。
图源：Google
为什么好像一夜之间大家都在造AI芯片？
虽然从AI芯片相对偏长的投资回报周期来看，芯片与资本的逐利本性来看是相冲突的，但是它可以包装成为一个好故事。
随着各行各业的企业近几年都开始进入IC行业，人才需求量猛增。但是人才培养的速度完全跟不上需求的增长。因此，新进入的企业高薪挖人，高薪抢人已经成为常态。应届生的薪资水涨船高。趋势上看，年薪百万也不是不可能的。
图源：Google
能够拿出高薪的企业有两种：
其一，拿到大笔融资的初创企业
其二，入局IC的互联网巨头
➢对于初创公司来说，要对得起投资人的大笔投资，技术团队必须建立起来。往往投资人的压力也比较大，一般需要在一定时间之内，建立多少人的队伍。时间一到，是需要向投资人汇报的。因此，技术团队建设，往往比较急。而恰恰这类企业，由于知名度不够，招人还不太容易招到。正所谓，重赏之下必有勇夫，那就用更高的薪水来吸引人才。如果50%不够，那就双倍。反正投资人的钱是必须要花的。
其实，也不是所有的初创企业都有实力不计代价的砸钱。如果没钱怎么办？可以许诺股份。由于没有上市，估值就有很大的随意性。因此，招人的时候，可以许诺价值数百万的股份，一样可以吸引很多人加入。当然，到变现的时候，就要看造化了。
图源：Google
➢另外一种企业，就是大名鼎鼎的互联网巨头。财富，声望都完全吊打创业公司。这类企业，资金雄厚，认准一个行业，重金投入，然后将整个行业洗牌。
芯片行业并不是暴利行业。要不是中美科技战，芯片行业可能根本不会吸引众多人才的注意。
传统芯片公司，像海思这样背后有着实力雄厚的靠山的企业少之又少。长期以来，更多的企业一直在欧美等芯片巨头的阴影之下发展。随着国产化推进，原本只买外国芯片的设备公司，也开始买国产的芯片了。可怕的是还没来得及高兴，互联网公司来了。
图源：太平洋电脑论坛
这就出现了非常吊诡的现象：芯片行业受到了前所未有的重视，很多芯片公司也打开了市场，结果赫然发现，自己的团队，或被挖空，或集体出走。
以往，芯片公司往往会死于没有市场，如今，他们的死亡的可能又多了两样：
➢死于没有产能
➢死于没有员工
这些企业的海量资金，完全不是来自于芯片，而是流量。他们可以拿出传统芯片企业难以拿出的薪水，再加上初创公司难以企及的名气，成为了吸引人才无往不利的大招。
图源：Google
很多芯片的工程师，离开了真正做芯片的企业，进入了没有芯片基因的互联网公司。市场角度看，似乎没有问题，但是总觉得不太对。
西方的芯片公司忙着合并，收购，做整合。而国内的公司趋势却相反，原有大公司团队纷纷出走，成立创业公司。原因很简单，融资太容易了。
假设，一个公司的一个soc团队出走，成立一家新的公司。这家公司做的东西必然也和之前从事的方向接近甚至相同。芯片都是低水平重复，这不就是重复建设，浪费资源吗？
这个过程中，消耗了大量的资金，却没有做出什么有效的效果。只不过，重新做了mask，foundary受益了；重新买了EDA软件，EDA公司受益了；重新买了IP授权，ARM这样的IP公司受益。
思来想去，这受益怎么还TM是国外的公司啊？
图源：Google
当然，这个过程中，肯定有一些国外的芯片被替代，但是大量的浪费也是必然。不只是资金，人才浪费也极其严重。
抢人风潮导致员工离职率高。可能刚刚入职一年，一个项目没做完，又被挖走。没办法，薪资跳涨啊，然后这位员工又开始到新的公司熟悉环境。
人才其实一直在空转，一个行业成这样绝对不正常！
任正非曾经就一针见血的说：芯片急是急不来的，不光是工艺、装备、耗材问题。同时称还是要踏踏实实，自知在云、人工智能上落后了许多，不能泡沫式地追赶。
资本的疯狂的涌入，对AI芯片产业不是好事，过去国内在芯片领域很长一段时间缺乏相应的基础性研究的积累，缺乏行业标准与统一的产业链与应用市场环境。突然一夜之间，一拥而上大炼钢式上马AI芯片项目，这种热情的背后透露出来的是急功近利的产业氛围。
图源：Google

AI芯片落入低端陷阱

人们总是高估了未来一到两年的变化，低估了未来十年的变革。
正如 Christensen 在《创新者的窘境》所述，所有技术都是从最容易的改变开始，一层一层地改变世界。人工智能（AI）亦如是，技术在循序渐进地成长，但人的印象形成非常快，会迅速建立起一个认知，相信AI一来就能替代50%的工作，但这往往是一个N年之后才会实现的事情。
当人类出现期望值，会高估技术的应用价值，但渐渐发现技术变现的领域只有一小块时，期望值马上又会回落；但当你只聚焦在某一小块时，技术的影响力又会逐渐扩大，你又会低估它的力量。
图源：Google
AI的壁垒在什么地方？
这永远是一个螺旋上升、不断转移的过程，或许此时算法更重要，彼时算力、数据变得更重要。人常常犯的错误，是陷入到极端思维，盲目跟着热点，没有选好一个领域就一头扎进去。
这一问题同样出现在芯片领域。近年来，硬件公司、算法公司纷纷开始跨界造芯，芯片界出现虚火现象。根本原因就是低端陷阱。
所谓“低端陷阱”，指的是全世界的半导体市场像一个橄榄球，低端少、中端大、高端少。而中国的供给更像是一个金字塔，有大量的低端、一点点中端、几乎没有高端。从低端到中端和高端，有非常难逾越的屏障，这是中国3000亿的落差所在，而这巨型屏障不是缺钱造成的。
图源：Google
目前市面上AI芯片基本被分成了两类：

➢云端AI芯片：部署在大型服务器中，可支持图像、语音等不同类别的AI应用
➢终端AI芯片：部署在自动驾驶、安防、零售、智能硬件等音设备中
两者对比，云端芯片的门槛更高，无论是对半导体工艺、封装技术和配套软件都有很高要求，一旦成型，其他企业亦很难进入，可以形成竞争壁垒。同时，这个领域更为通用，前景更广，是让企业真正有希望成为“中国英伟达”的方向。
但云端芯片也需要更多的资金和生态支持，高门槛使得大多数创业公司几乎加入无望。尤其是在华为与阿里巴巴两大巨头下场，并先后推出云端芯片之后，如今，寒武纪几乎是唯一一家仍在坚持云端芯片方向的AI创业公司。（然而寒武纪当下的生存状态依然阴云笼罩，充满了太多不确定性，参见：寒冬里的寒武纪）
图源：知乎
可这个方向同样困难重重。做云端服务器的条件是拥有生态资源。比如你需要有数据库资源，要训练自己的芯片，这对于大厂是天然的，可是创业公司没有，要花巨资去购买。
大多国内的AI芯片企业则集中在进入门槛较低的终端AI芯片方面，如云天励飞、肇观电子等企业，均以研发智能视觉芯片为主，也有一些企业在集中研究智能语音芯片。
图源：云天励飞微博
芯片和互联网有一个本质区别，互联网不存在核心的产品和技术的壁垒，各家拼的就是执行，钱多能很有帮助。但在芯片领域，钱多起不了太大作用。在中国，能跨越低端陷阱的人寥寥无几，这也解释了为什么今天有些做芯片的公司融了很多钱却没有做出像样的产品。
英伟达去年全球收入近270亿美元，中国市场1/4。一些投资人认为，如果一家 GPU 公司能从中国大盘子里切5%到10%，就足以支撑起1000亿人民币的市值。
图源：英伟达官网
但能分到蛋糕的人很少。这是一个赢家通吃的市场，它由开发、生产芯片硬件的规模效应，和与硬件配套的软件带来的生态壁垒构筑。中国这批新公司中只会有1-2 个胜出者，其它人会沦为陪跑；更坏的情况则是全军覆没。
在融资热潮兴起1年多以后，这批GPU公司正加速来到产品面市的临界点。这是淘汰赛的第一关。

“自研”真相背后的逻辑

疯狂造芯，一路狂奔而来，很难照顾姿势优雅，争议和质疑由此产生。
去年10月，壁仞宣布首款用于计算中心的GPGPU BR 100已交付流片；1个月后，摩尔线程宣布其首款全功能GPU已研制成功，今年3月末，壁仞宣布BR 100成功点亮。
图源：摩尔线程官网
一些半导体从业者不屑 “交付流片”、“研制成功”、“成功点亮” 等说法。一款GPU从设计到量产，要经历设计、验证、流片（交给台积电等代工厂小规模试生产）、回片后的功能和性能测试（如数据通路没问题被称为点亮）、送往客户处测试、根据反馈进行软硬件调优、获取订单并交付工厂大规模生产的流程。
交付流片是芯片研发的必经环节，不代表成功；“成功点亮” 只代表功能没问题，客户是否用还是未知数；“研制成功” 更是意义不明。“这是他们为了融资发明的里程碑。”一位从业者说。
地平线 Matrix 2自动驾驶计算平台，图源：Google
自动驾驶芯片公司地平线创始人余凯在今年4月发布了一条言辞强烈的朋友圈，说现在国内芯片创业，流片成功此起彼伏，“投资小白” 不了解，在当前条件下，数字芯片想要流片失败都挺难，流片成功毫无意义，卖出去才是水平。“量产呢？！量产呢？！再问一句——量产呢？革命的春天不是叫出来的，是做出来的好不好。” 这条朋友圈如此结尾。
其实去年5月时，地平线的官方公众号也曾发文章称，其第三代车规级芯片征程 5“一次性流片成功且顺利点亮”。在激烈的融资、招人竞争中，芯片公司不得不更早、更高频地放出进展。
地平线征程5，图源：Google
更大的争议来自超出寻常的研发速度。主要面向军用、信创市场，由国防科大团队创立的景嘉微研发中国第一款GPU（2014 年发布）用了约5年，又过了4年，才发布第二款产品。
新一批GPU企业中，壁仞的第一款产品在2020年3月立项，19个月后交付流片，又5个月后点亮。沐曦也曾透露，会在今年发布首款芯片；据了解沐曦的产品也已交付流片。摩尔的速度最为惊人，它在今年3月末正式发布第一代产品，这距离研发启动只有14个月，是正常节奏的2倍。
加班加点和精简流程，可以部分解释创业公司超常的开发速度。但起更大作用的是一种多数公司不会提及的做法——买 IP。
图源：Google
IP是能实现一些功能的成熟设计模块，它就像搭建芯片的积木，在买来的IP上做整体架构和完整设计，可以节省工作量、缩短开发时间。
其实大多数新 GPU 公司都购买了IP，但不会主动说明。
供应商包括 Imagination 和芯原微电子，尤以 Imagination 为主。这是一家成立于1985年的英国企业，在2017年被中资凯桥资本以5.5亿英镑收购。2020年，当中方想委派四名人员进入 Imagination 董事会时，被英国政府阻止。
图源：Google
在过去全球大分工的环境中，买IP是一个正常的商业选择。但在如今GPU领域不绝于耳的 “自主创新”、“国产自主” 的宣传中，在外界对 “国产替代” 超越商业价值的期待中，到底买没买IP，买了什么IP，成了一个讳莫如深的话题。

落地艰难，呈现去AI化

AI芯片初创成立之初都以AI为核心，提供基于AI芯片的解决方案。然而，经过这几年的探索，跨过亏损和量产的两大障碍之后，AI芯片公司的AI标签不再那么突出，呈现去AI化趋势，AI芯片公司间的分水岭也出现了。
在多个从业者看来，AI芯片并非一个独立的存在，“只是场景中的一部分”，如果想让产品真正落地，创业者们需要掌握的是“场景理解能力”。
图源：Google
早年间，CV四小龙几乎都在探索AI+行业，而“行业”则包含金融、零售、安防、汽车、物流等领域，不同点在于各自的领域各有侧重。
从2019年前后，CV四小龙开始讲起了“独特”故事：
➢旷视把目标定在了AIoT上，所有业务都要带上“物联网”。基于此，还打造了“算法+软件+硬件”的一体化产品体系，推出物联网时代的AIoT操作系统。目前，在招股书中，其主要业务分为物联网解决方案、城市物联网解决方案、供应链物联网解决方案。
图源：Google
➢依图则在探索应用场景过程中发现了产业链上的“芯片”一环，于是打开了“算力提供商”的新世界，以人工智能芯片技术和算法技术为核心。
➢商汤招股书中，其主营业务分类为智慧商业、智慧城市、智慧生活和智慧汽车。将自身定位成人工智能软件平台型公司，打出了“1（基础研究）+1（产业结合）+X（行业伙伴）”战略，AI+“所有”，没有给自己限定场景，什么行业都做。
图源：Google
➢云从则是涉及智慧金融、智慧治理、智慧出行、智慧商业四个领域。
➢作为CV领域的“小弟”，格灵深瞳的业务分类为城市管理产品及解决方案、智慧金融产品及解决方案、商业零售产品及解决方案
疫情监控体温，图源：格灵深瞳
新瓶装旧酒，AI企业家们现在讲出的故事，早已不再能如同此前般打动人心。二级市场的表现倒挂一级市场，这让投资者们对“估值高、回报周期久”的AI公司已经失去了信心和耐心。资本冷却的重担最先就砸在了“CV四小龙”所在领域。
这堪称“三十年河东三十年河西”，此前，由于早期需求明确、数据好获取，CV是中国市场AI行业中技术和落地均发展最快的市场。按照2021年2月的报道数据，我国各种类型的机器视觉企业已经超过4000家。现在，它却成为“卷”得最厉害的窄巷。
市场对AI企业们正在提出新的要求。与过去以技术单点为发力方向、抓住某一场景持续烧钱获取、处理、训练数据的方式不一样，如今业界更多地开始强调AI技术在向工业场景迁移过程中的落地能力。
图源：Google
这个难题就足以困住大量的AI芯片公司，因为懂应用的人不懂 AI，懂芯片的人不懂应用，芯片提供者和应用者之间有巨大的认知差。
过去几年间成功找到落地场景或者验证商业模式可行的AI芯片公司，AI的标签越来越弱。无论从技术门槛、落地场景和市场竞争来看，如今AI创业的窗口期已过，理解一个场景，深挖和精准研发，甚至整合这个场景的解决方案，企业还是有机会活下去。不过，如若能做到，这些企业也许已转型为某个场景方案解决商，也不再是“AI芯片企业”了。
图源：Google

写在最后

面对汹涌的市场“泡沫”，AI赛道的投资人们趋于理性，投资热潮已经明显降温。在“老大吃肉、老二喝汤”的半导体行业，头部效应明显。AI芯片本身有多个产品线和赛道，每个产品线里最后跑出来两三家公司，这是将来的格局。
但正如比尔·盖茨的那句名言，人们总是高估技术短期的影响，而忽略技术长期的影响，AI芯片迎来洗牌期是必然，这个赛道真正具有造血能力的公司会脱颖而出，反之对那些无法自足造血的创业公司则是致命打击，在决赛圈破产淘汰是注定的事。
-----END-----
（技术大院：传播知识开阔视野、有种有趣有料）
芯光社ChipHub
专注于芯片｜ 材料科学｜云技术与应用｜人工智能 等领域的科普和资讯平台 
专栏精选：讲述前沿光刻技术、芯片百科知识、分享行业报告。
芯人芯事：独特视角剖析时事新闻，讲述芯片人的职场故事。
此外，我们还提供资源对接、FA和企业品牌服务。
点击菜单栏“联系我们”，链接新的行业机会👍🏻

想与我们合作或提供爆料，均可联系
[email protected]

想与更多行业大咖互动交流 ？快扫码来加入
芯光社交流群~  
👇👇👇
< 微信添加请注明 “姓名-公司-职务” >
你一定还想看这些~
点击【关注】芯光社ChipHub
👇用心说，芯人芯事👇
别走！给小编点个【在看】 👇
继续阅读
阅读原文