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
火夫斯基
2022-03-18 14:40
【本文由“小飞侠杜兰特”推荐，来自《核心技术人员因分歧离职、股东清仓减持，“AI芯片第一股”寒武纪怎么了？》评论区，标题为小编添加】
作为在这个行业曾经的人员，寒武纪上市套现骗钱是我们圈子公开的秘密，而且无数后来者想复制同样的路子去上市骗钱，包括我工作过的那个公司。
这个AI芯片最大的问题是，作为ASIC架构，他是牺牲了芯片的通用性来提升算力。这个在算法还不成熟，还要一直不断持续迭代更新的现在来说，就是噩梦。因为算法升级的成本极高，即使他们宣称可以提供配套的工具链来实现。同时，NV显卡在算力与通用性上面的巨大优势，使得目前实际上的AI计算（以云计算为主）都是选择nv的卡。
所以，AI芯片公司就遇到非常严重的商业化困境，你要么就自己做端到端的解决方案，把自己的芯片服务封装进整个技术与服务的解决方案里面。这不仅带来成本的飙升，实际上，这个过程中，他们自己也要面对算法升级难题（做芯片的和算法也不是一个团队）。虽然能卖出去一部分，但是重的商业模式，几乎完全是需要政府使用部门来支持，而且也不好用;要么就是，专注于某些专用场景比如自动驾驶（比如地平线），但这个赛道也有更多问题，就不多赘述。
这些问题，我在18年的内部技术交流，就非常清楚了，到了现在，离开这个行业很久了，这个问题依然没有解决。AI芯片的国内公司，绝大部分都得完蛋。
不过，值得期待的是，现在有好几个做通用芯片的团队回来了，都是原nv和amd的背景，我希望他们能够成功，虽然路子很艰难，但是他们上来拿到的融资是非常巨大的，只能说我们国家在芯片领域的钱真的好忽悠，只要你头上戴了光环，经费都是按亿为单位给，也没办法，流片一次，几个亿就是一声响。希望他们成功。
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。