沸沸扬扬的“中兴事件”正在持续发酵,美国商务部向中兴发出出口权限禁止令不仅是一场由中美贸易战升级带来的连锁反应,同时也凸显了中美两国在高精尖产业上的实力差距。
在现代战争中,科技博弈将是一股重要力量,中美两国早已交战数次。
早在2016年4月,中资私募投资公司CanyonBridge提出收购莱迪思(LatTIce)。同年11月3日,LatTIce接受收购要约,宣布将被CanyonBridge以1.3亿美元收购所有流通股包括自身债务。
莱迪思是全球FPGS四强之一,其他三家分别是Silinx、Altera(被Intel收购)、Actel(被Microsemi收购)。
其总部位于美国俄勒冈州波特兰,主要生产汽车、电脑、移动设备和其他设备中使用的通信芯片,亦可用于军事通讯,是目前为数不多的几家能够制造可编程逻辑芯片的制造商之一。
这本是一桩愿买愿卖的生意,却被美国外国投资委员会认为对美国的国家安全有威胁,无法通过审核。2017年9月14日,特朗普直接下达行政指令叫停了交易。中资机构试图通过收购获取FPGA技术的努力宣告失败。
另外一个重要事件是在2015年2月,中国国家发展和改革委员会宣布对高通处以人民币60.88亿元罚款; 2017年3月,美国对中兴罚款8.92亿美元,也是接近60亿人民币。
在中兴事件之前的2018年4月份,中国商务部继续延迟了对高通收购NXP的审批,也是为中国企业寻求更多的保护。中美两国的芯片之战如此剧烈,也让国人认识到中国的芯片之痛。
中兴被封之后,国内引发了一波大规模的探讨,而此时一桩AI芯片收购事件却引起了大规模关注,即4月20日阿里巴巴集团全资收购中国大陆唯一的自主嵌入式CPU IP Core公司——中天微系统有限公司。
4月19日,阿里巴巴达摩院宣布正研发一款神经网络芯片——Ali-NPU。至此,阿里通过自主研发、收购等手段,强势跨入芯片领域。
近两年,人工智能开始在全球崛起,尤其是中美两国发展最盛。人工智能技术的崛起得益于计算能力的提升,GPU、NPU等芯片功不可没,极大的加快了人工智能产品迭代和研发速度。
此次芯片之争,战火是否会波及人工智能行业,尤其是我们所关注的医疗人工智能行业。如果中美商贸摩擦再度升级,医疗人工智能公司会不会像中兴那样被“卡住脖子”,动脉网针对这一疑问咨询了众多行业专家。
医疗AI行业的芯片依赖美国
由于医疗人工智能的研究需要对大规模的数据进行计算,对芯片的需求非常大。
在医疗人工智能领域使用芯片进行数据运算的场景主要有两种,一种是在实验室模型训练的过程中,利用芯片进行数据的计算,AI产品迭代。另一种是产品研发出来以后,将芯片嵌入影像工作站或者医疗器械设备。
目前主要的AI加速芯片有四种:CPU、GPU、FPGA、ASIC(谷歌TPU)。
其中GPU是应用最广泛的通用芯片,主要得益于英伟达的大力推广、高效率且价格合适。CPU的效率太低,而ASIC和FPGA属于定制和半定制芯片,虽然效率高,但需求少导致产能低、价格高。
在模型训练阶段,各公司用得较多的是通用芯片。在这个过程中,会通过英伟达GPU、英特尔CPU以及其他公司的FPGA进行。
到了应用阶段,医疗AI产品的落地对芯片同样有着很强的依赖度。一种是云化方案,将产品放在云端为客户提供医疗服务,可以降低成本,但是实时性略显不足。
还有一种方式是将AI算法以及软件系统集成到定制芯片中,将定制芯片装入医疗器械,以此降低功耗、保证系统性能、减小设备体积。
由此可见,无论是模型训练还是场景应用对芯片的要求都很高。在现阶段,虽说中国的医疗AI公司在软件和算法方面与欧美国家已经不相伯仲,但所用的芯片几乎都依赖美国进口。
国内具备AI芯片设计能力的公司并不多,寒武纪算是一家具有代表性的,但是其封装生产工艺还有所欠缺。
美国会不会禁止AI芯片出口中国?
目前,几乎所有用于AI产品的芯片都依赖进口,无论是英伟达GPU、英特尔CPU,还是谷歌的TPU,出口国都是美国。
在中兴事件之后,医疗AI公司会不会遭遇同样的事情呢?业内专家向动脉网记者表示,可能性非常低。原因有三:
第一、中兴违反了业务所在国的法律
中兴受到禁令的原因在于,中兴通讯在2016年和2017年向工业和安全局做出虚假陈述。
2018年4月16日,美国商务部工业与安全局以中兴通讯对涉及历史出口管制违规行为的某些员工未及时扣减奖金和发出惩戒信,并在2016年11月30日和2017年7月20日提交给美国政府的两份函件中对此做了虚假陈述为由,做出了激活对中兴通讯和中兴康讯公司拒绝令的决定。
与中兴不同的是,国内AI公司只是将芯片用于产品研发和国内的经营上,尚未涉及出口销售。尤其是医疗AI行业还处在研发阶段,并没有大规模的实现商业应用,这本身不构成威胁。
第二、中国的芯片采购量巨大,不可能全面封锁
据Gartner调查数据显示,2017年全球采购芯片最多的十个公司中有三家中国公司,分别是联想、华为、步步高,排在世界第4-6位,中兴并未入榜。
在2017年,联想采购146.71亿美元、华为采购142.59亿美元、步步高采购121.03亿美元。
相比之下,中兴公司的芯片采购额并不是最大的,尤其是在美国博通、高通这样的大公司中的采购比例并不算太高。
另据华尔街日报的报道显示,在高通2017财年产生的223亿美元收入中,有65%来自中国,而在2016年财年还只有57%。
在博通2017年的收入当中,则有54%来自中国市场。
从这些数据看出,封杀中兴并不会伤到美国大公司的筋骨,反而是中国对美国芯片的采购量巨大,一旦全面禁止芯片出口,将对美国半导体行业产生巨大影响。
第三、通信芯片和AI芯片重合度不高
本次美国禁止出售给中兴的芯片与AI使用的芯片重合度不高。
AI公司主要使用的芯片是GPU、CPU、FPGA等,这些虽然也都从美国进口,不过AI公司与中兴所用的芯片类型并不重合。
因此单就芯片禁售范围来说,对AI公司的影响几乎为零。
FPGA将是AI领域的芯片发力重点
虽然美国并不可能全面禁售芯片,但是核心技术受制于人,在这次“中兴事件”中,也让国人感到无比羞愧和无奈。在这段时间,我们也了解到,自主研发芯片已成医疗AI企业下一步发展的重要趋势。
除了芯片设计公司之外,包括推想科技、希氏异构等医疗AI公司也开始涉足芯片研究。
根据腾讯研究院2017年发布的《中美两国人工智能产业发展全面解读》报告显示,从基础层的芯片企业数量来看,美国有33 家,中国有12 家。
美国既有谷歌、英特尔、IBM等科技巨头,也有高通、英伟达、AMD、赛灵思这样的芯片大佬,还有不少发展良好的中等规模公司和活跃的初创企业。
在医疗AI公司使用的芯片中,GPU和CPU主要是用于AI的深度学习算法,无论是芯片架构、专利还是生态,这两个领域都被英伟达和英特尔牢牢把控,想涉足没有任何胜算,可以说美国是完全垄断的。
中国AI企业想有所作为,只在 FPGA、ASIC 和类脑芯片等方面发展,且目前主要以中小公司为主。
在AI领域,未来芯片的研发最有可能突破的是FPGA芯片。
FPGA的中文全称为场效可编程逻辑闸阵列,是作为专用集成电路领域中的一种半定制电路,既解决了全定制电路的不足,又克服了原有可编程逻辑器件门电路数有限的缺点。具备性能高、能耗低、高灵活性以及可硬件编程的特点。
如果说CPU和GPU是在架构级别做到 “通用”的话,那么FPGA 就是在更低一级的电路级做到了“通用”。
通过硬件描述语言对 FPGA 编程后,它可以模拟任何一种芯片的架构,包括CPU和GPU的架构。
百度的机器学习硬件系统就是用FPGA打造了AI专有芯片,制成了AI专有芯片版百度大脑——FPGA版百度大脑,而后逐步应用在百度产品的大规模部署中,包括语音识别、广告点击率预估模型等。
雅森科技CEO陈晖向动脉网介绍,FPGA取消了存储器的概念,大量信息传递的效率非常高,它可以直接从一个单元传递到另一个单元,不用在主存储器中缓存,特别适合实时性要求比较高的算法。
因此,未来FPGA和AI算法的集成将成为主要的研发方向,目前国内有深鉴科技、深圳紫光、上海安路和地平线机器人等多家公司在从事FPGA的相关研究。
值得注意的是,FPGA领域的行业壁垒很高,近9000项专利构筑了长长的知识产权壁垒。强如Intel也望而兴叹,不得以耗资167亿美元收购Altera获得FPGA的门票。
据推想科技CEO陈宽介绍,如果中国举全国之力进行芯片研究,是可以做出高质量的芯片的,但是芯片的工业壁垒非常高,即使掌握了基础理论,在芯片设计和工业封装方面需要长时间研究。
英特尔从1968年成立以来,也是经过了多年的发展才有今天的成绩,而我国在芯片工业生产方面还有很多的不足。
体素科技创始人丁晓伟表示,中美芯片落差很早就有,行业也在不断讨论,中兴事件只是将此事激化。
不过,虽然中美在芯片领域存在差距,但是中国医疗AI 公司在应用和AI技术方面是有自己的核心技术的。中美也各自有各自的优势,只是双方的做事流程和方法论有各自特点,在定义医学问题以及与临床结合方面存在差异。
对于中兴事件的认识要理智,芯片的研发需要不断试错,是长时间的积累,需要我们改善研发环境并持续的投入,这样才能留住人才,而不是火热一时。
中国芯片发展需要BAT和创业公司共同发力
中国的芯片之痛,让我们都对核心技术越来越重视。芯片行业具有很高技术壁垒,研发周期长,对资金、团队的要求非常高。
前几日,阿里收购中天微的消息刷屏,不少人认为BAT和华为这样的大公司资金雄厚、又重视AI发展,所以要承担AI芯片救世主的职责。这种观点有一定的道理,但是中国的AI芯片发展不仅需要BAT和华为这样的领头企业,也需要创业公司共同发力。
一方面,BAT拥有强大的研发实力和需求,它们其实早有布局。
2017年3月,腾讯云宣布已经形成FPGA、GPU和25G网卡云服务器的全矩阵AI基础设施计算平台,同时公布一系列技术和生态部署,包括推出1机4卡的FPGA云服务器、1机8卡的GPU云服务器,以及将把25G网卡部署在FPGA和GPU的云服务器上,为后续的GPU集群和FPGA集群提供网络基础设施。
2017年8月,百度在美国Hot Chips大会上与赛灵思合作发布XPU,它是一款256核、基于FPGA的云计算加速芯片。
百度还发布DuerOS智慧芯片,不过,这款芯片由紫光展锐RDA5981集成,采用了ARM公司mbed OS内核及其安全网络协议栈。
BAT的投入会在未来解决一部分中国的AI芯片困局。
另一方面,我们不能忽视创业公司的实力,BAT很多时候是通过收购创业公司的方式进行布局。
而AI芯片领域的创业公司团队会更加专业,理解也更为深刻,例如寒武纪和紫光国芯这样的公司。
寒武纪是国内知名的AI芯片研发公司,是全球第一个成功流片并拥有成熟产品的 AI 芯片公司,拥有终端AI处理器 IP和云端高性能AI芯片两条产品线。
2016 年发布的寒武纪 1A 处理器(Cambricon-1A)是世界首款商用深度学习专用处理器。
寒武纪的团队源自中国科学院计算技术研究所,后者是中国第一个专门从事计算器科学技术综合性研究的国立学术机构。
联想、曙光等一批高技术企业就诞生自该所,它也是寒武纪科技的重要股东和产学研长期合作伙伴。
2017 年 8 月,寒武纪科技完成1亿美元A轮融资,由国投创业,阿里巴巴创投、联想创投、国科投资、中科图灵、元禾原点、涌铧投资联合投资。 本轮融资后,该公司跻身独角兽行列。
动脉网采访过多家医疗AI机构,他们在选择定制AI芯片时,首先考虑的是寒武纪的产品。
在FPGA行业,“国家队”深圳紫光同创也布局较深。该公司成立于2013年,是上市公司紫光国芯股份有限公司旗下公司。
2017年11月,紫光国芯对紫光国创进行了增资,成立成都研发中心,总投资约为5.97 亿元,推进FPGA以及相应的EDA工具开发。紫光同创在主页宣称做出了中国第一款千万门级高性能自主产权FPGA。
另一家创业公司上海安路科技,其核心团队就来自于FPGA四巨头之一的莱迪思。目前,上海安路科技已经完成C轮融资,投资方包括华大半导体、杭州士兰微以及上海市政府的集成电路基金“上海科技创业投资有限公司”。
可以说,BAT有资金、有需求,创业公司有技术、了解行业、有经验,双方合作才会加速芯片行业的发展。