发布独立AI芯片，高通再对云端市场发起冲击

上周，高通在Qualcomm AI Day活动上，公布了其专用AI芯片Cloud AI 100的开发日程，目前预定于2020年正式投入商用。高通作为移动时代的芯片业领军人物，在人工智能时代的动作确实慢了一拍，本文将分析Cloud AI 100芯片对于高通的机会和挑战，以及在系统厂商造芯越来越多的今天传统通用型芯片公司遇到的困境。

系统厂商开始造芯的时候，传统通用芯片公司遇到了挑战

高通在云市场遇到云服务商自研芯片的挑战并非孤例。事实上，随着芯片技术进入异构计算时代，平台型通用芯片在性能上往往已经无法满足系统的需求，因此越来越多的系统公司开始自研芯片，这对于传统的通用型平台芯片的商业模型将是一个很大的挑战。

随着摩尔定律发展走到了瓶颈，靠工艺取胜的思路已经不再奏效，芯片的性能提升要依靠结合特定应用的专用优化，即异构计算。这就意味着，首先对于通用芯片厂商，其针对一大类应用推出的芯片的性能已经难以满足系统厂商的需求，同时对于系统厂商而言，如果在产品中只是使用通用芯片，则产品难以和其他使用相同芯片的公司差异化竞争。

芯片在系统中的性能可以拆解成两个要素，即芯片本身的性能以及芯片对于应用的适配度。在过去，由于摩尔定律发展很快，因此芯片本身性能前进很快，系统厂商难以设计出性能超过传统半导体公司通用芯片的芯片产品；而如今，随着摩尔定律发展减缓，芯片对于应用的适配度成为更主要的因素，系统厂商有机会能组织起一支团队并基于自己对于应用理解上的优势，设计出一款性能在自己的系统中超过通用芯片的芯片产品。

在这样时代范式发生变化的情况下，上一代通用芯片平台公司的业务模式必须作出相应改变，否则就难以跟上潮流。然而，不少芯片公司由于在通用平台芯片大行其道的时候过于成功，反而由于惯性太大难以在短时间内作出相应改变。以高通为例，在移动计算时代，高通靠着在移动通信标准领域的话语权，其通用芯片平台能取得非常大的成功；而随着进入人工智能和大数据时代，高通即不掌握人工智能技术标准制定的话语权，也没有系统厂商这样能精准把握终端用户需求的能力，因此如果还是想要走通用芯片平台的路子会导致在规划芯片时候战略过于保守，从而失去市场份额。

举例来说，在移动端，大家都知道手机SoC配上AI专用加速器模组已经成为大势所趋。事实上，手机SoC配上AI加速器正是由华为、苹果、三星等手机系统厂商根据自己对于用户需求的理解，在自研芯片上率先实现，从而引领了风潮。反观高通，由于对于移动端AI这件事一直犹豫不决，不敢确定手机搭载AI功能到底是伪需求还是真需求，因此一直不敢在SoC中加入真正的AI加速模组，而只是采取保守策略，拿原来的Hexagon DSP模组修修改改，这样就实际上在移动端AI的竞赛中落后了（AI加速器模组的设计牵涉到运算通路、内存访问和软件算法的协同优化，因此光基于DSP的修改往往是不够的）。

为了能搭上人工智能时代的班车，上一代通用芯片平台公司必须作出相应布局或改变。如果通用芯片公司对下一代技术布局够早，能占据下一代技术和生态的制高点，那么可以把生态作为竞争壁垒并继续推出通用平台芯片。Nvidia可以说是这样的一个典型例子，依靠在人工智能和CUDA生态上的早期布局，因此可以在人工智能时代继续靠通用GPU芯片把握大量的市场份额。我们看到高通进入小型服务器和边缘计算正是对于下一代技术进行布局的尝试。如果无法把握住下一代技术，那么传统通用芯片公司也可以帮助系统公司做芯片，将一部分业务转型为设计服务，例如联发科就是这样做的典型。当然，如果要转型做设计服务，那么就意味着放弃了高利润，如何完成平稳转型将是另一个挑战。

联发科于去年宣布将在设计服务业务上加大投入，可以看作是通用芯片厂商转型的例子。