我是曾经在这个行业工作的人员，寒武纪上市套现骗钱是我们圈子公开的秘密

AI落地困难，不是AI芯片公司活不下去的根本原因。AI的落地，通常跟芯片的关系不大。
说起AI落地，目前主要的几个场景，比如图像领域应用算很广泛了，都有很多细分场景了。语音识别包括nlp的场景，目前做的也很不错，声纹识别也有一些场景。但我们都说落地难，难的是哪里？这主要还是实际的用户场景。比如我半落地（各种原因，一直没有达到工业生产的要求，比如要么速度上不去;速度上去了效果就差，各种问题等等）过一个质检项目，做了一整套智能分拣设备。落地的时候发现，不同的材料、不同的形状甚至异构件、不同的颜色以及缺陷的类型等极其难处理，几十种算法还要设计复杂的分类逻辑。但是这个过程中，算力和芯片从来不是问题，我们一台小型的服务器+1080ti就能满足需求。
本质上就是AI芯片难落地。云上场景，比如我做用户推荐、图像识别、人脸识别，我算法的迭代是很快的，AI芯片能像通用芯片那样快速实现吗？所以作为用户，我不可能冒这么大风险还有时间成本来来使用。所以，即使算力成本高，也是主流的方案。
如果说一些小场景比如边缘场景，但是AI芯片也很难落地，不仅仅有自身原因，还有原先客户成为竞争对手后被降维打击的因素。
比如摄像头的场景，海思一颗3516就能解决，而单独的ai芯片还得配合一个主控才能解决，我见过某公司用他的ai芯片配合安霸的主控来做方案的，成本更高了算力也低，只能自己用，想办法包装进自己的行业解决场景里面才能卖出去。还有的想跟瑞星微合作，面向用户做成一个硬sdk方案，最后都没落地成功。这个过程中不仅成本很难降下去，沟通对接的复杂度也很高，很少有愿意选择这种方案的。如果去学海思，自己做soc，那就门槛更高了，你还得解决其他的需求。而且，你就算有技术也没这个钱。
所以，我才说，国内的几个AI芯片公司很难活下去，商业模式很难成立。