​拯救AI芯片(3)

生态需求明显

但研发AI芯片需要的不止是一厢情愿，还需要芯片生态的配合。芯片本身除了要达到客户要求，还需要软件、工具链、方案等生态上的配合。

面向不同场景时，AI芯片的利用率、兼容性等有待提高，各类基于不同AI芯片的异构设备协同困难。但企业发展从软向硬比较难，从硬向软则相对容易。因为软件的学习周期比较快，而芯片的周期是以年为单位的，做硬件的人一旦有合适的软件团队就能较快迭代，但从软到硬则需要花费很长的学习周期。

对初创企业众多的AI芯片企业来说，有一个很大的挑战在于创企要自己摸准市场的方向，甚至产品推广的方式和客户的需求都要自己去摸索。他们需要在做芯片的同时，达到让客户能用某款产品的状态，这就需要软件、工具链、解决方案等在内的生态加持，这对于芯片公司来说是非常具有挑战性的一面。

量产困难

有两个量产的关键数据，第一是18个月，第二是百万颗。18个月是说，一款 AI 芯片的研发周期一般在 18 个月左右，一款 AI 芯片产品问世后，可能要历经 N 次迭代后才能获得较大市场份额。百万颗则是指，一款芯片设计研发成本高昂，销量需要达到百万颗级别才能达到盈亏平衡。

这两个数据都对AI芯片公司提出了极大的要求。芯片行业本身就是一个高投入的行业，研发成本非常高，光是每次流片可能就需要花费好几千万元，并且流片的失败率很高。AI专用芯片一般都是面向特定应用需求而定制，一旦流片，功能就无法更改，因此需要有量的保证，这对一些还处于发展早期的芯片企业来说有很大的挑战。

在芯片成功流片后，还需要考虑出货量的问题。百万颗的销量要求，也对某些AI芯片企业能否做到打了问号。

目前来看，大部分无人驾驶公司都更愿意购买英伟达的通用GPU芯片，虽然价格贵功耗高，但是性能更为稳定。国产AI芯片在没有经历市场验证的情况下，被认可后广泛商用还有很长一段路要走。