AI芯片的火爆，与其说是AI技术发展的果实，不如说是资本的产物。
资本如酒，能壮创业胆。
忽如一夜春风来，千树万树梨花开。随着AI产业的迅速发展，越来越多的企业都投身到了AI淘金这股浪潮中，而其中最为耀眼的便是AI芯片。
为什么好像一夜之间大家都在造AI芯片？
虽然从AI芯片相对偏长的投资回报周期来看，芯片与资本的逐利本性来看是相冲突的，但是它可以包装成为一个好故事。
早前就有业内人士提出质疑：人工智能芯片概念比较怪，定义也非常宽泛。AI市场的第一颗芯片是包括现成的CPU，GPU，FPGA和DSP的各种组合。在国外巨头眼中的AI芯片更多是基于传统的通用芯片架构中去升级或者拼装组合。
OneSpinSolutions总裁兼首席执行官RaikBrinkmann也在质疑并提出了以下问题：在AI芯片中，你有三个问题需要解决：
首先，需要处理大量的数据
其次，构建用于并行处理的互连
第三，功率，这是移动数据量的直接结果
所以亟须从冯诺依曼架构转变到数据流架构。然而，AI芯片究竟是什么样子，以及该如何定义还没有统一的标准。在国内市场来看，更多是一个缺乏严格定义的伪概念。
这种令外界心跳业内窃喜的概念，更多是为了商机而制造出来的“新技术”。
而正是因为缺乏定义与标准，所以它有了将概念包装讲故事的空间。
当然对于很多人来说，有一个好的故事来圈钱已经足够。
随着各行各业的企业都开始进入IC行业，人才需求量猛增。但是人才培养的速度完全跟不上需求的增长。因此，新进入的企业高薪挖人，高薪抢人已经成为常态，应届生的薪资水涨船高。能够拿出高薪的企业有两种：
其一，拿到大笔融资的初创企业
其二，入局IC的互联网巨头
对于初创公司来说，要对得起投资人的大笔投资，技术团队必须建立起来。往往投资人的压力也比较大，一般需要在一定时间之内，建立多少人的队伍。时间一到，是需要向投资人汇报的。因此，技术团队建设，往往比较急。而恰恰这类企业，由于知名度不够，招人还不太容易招到。正所谓，重赏之下必有勇夫，那就用更高的薪水来吸引人才。如果0%不够，那就双倍。反正投资人的钱是必须要花的。
其实，也不是所有的初创企业都有实力不计代价的砸钱。如果没钱怎么办？可以许诺股份。由于没有上市，估值就有很大的随意性。因此，招人的时候，可以许诺价值数百万的股份，一样可以吸引很多人加入。当然，到变现的时候，就要看造化了。
另外一种企业，就是大名鼎鼎的互联网巨头。财富，声望都完全吊打创业公司。无论是老BAT（百度，阿里，腾讯）还是新三巨头（字节，阿里，腾讯），都已经入局。这类企业，资金雄厚，认准一个行业，重金投入，然后将整个行业洗牌。
共享单车、滴滴快滴大战、外卖，这些企业以及代理，凭借雄厚实力，砸入重金，疯狂补贴。一般企业哪里见过这样的世面？要么被收购，要么就得倒闭。
如今，这些企业进入到芯片行业。传统芯片行业，凭借搞芯片赚取的微薄利润，如何和这些互联网企业竞争？这些企业的海量资金，不是来自于芯片，而是流量。他们可以拿出传统芯片企业难以拿出的薪水，再加上初创公司难以企及的名气，成为了吸引人才无往不利的大招。
芯片行业并不是暴利行业。要不是中美科技战，芯片行业可能根本不会吸引众多人才的注意。
传统芯片公司，像海思这样背后有着实力雄厚靠山的企业少之又少。长期以来，更多的企业一直在欧美等芯片巨头的阴影之下发展。芯片火热的大背景下，这些企业，原本以为自己有了机会，有了出头之日。但可悲的是他们还没来得及高兴，互联网公司来了。
这就出现了非常吊诡的现象：芯片行业受到了前所未有的重视，很多芯片公司也打开了市场，结果赫然发现，自己的团队，或被挖空，或集体出走。以往，芯片公司往往会死于没有市场，如今，他们的死亡的可能又多了两样：
死于没有产能
死于没有员工
互联网企业，赚的是快钱，芯片，却是需要长期的投入，却往往看不到什么利润。互联网企业现在可以重金砸向芯片，如果不见什么利润的话，会不会始乱终弃，最后搞得一地鸡毛？那就真的是历史的罪人了。
被低估的软件复杂度AI芯片的快速发展，其中一个回避不了的问题就是软件复杂度的指数级提升。很多公司花了两年甚至更短的时间做出一款芯片，却发现需要更长的时间支持繁多的框架、紧跟算法的进步，适配从终端到数据中心的各类平台。当错过了部署和量产的窗口期，即便做出了芯片也会很快落伍。
与设计通用架构不同，设计AI芯片这样的专用架构需要同时考虑到软件设计和优化。芯片公司往往乐观估计了软件适配和优化的成本，指望通过中间件和编译器来解决所有问题。事实上，从Intel到Google再到Nvidia，大量的软件工程师正被投入到适配各种平台，手动优化网络性能当中。而对于初创公司，芯片早已tapeout却一再延期交付的问题比比皆是。
从本质来看，当我们开始不断挖掘芯片架构的潜力时，软件层的抽象也会变的越来越困难，因为其不得不在上层抽象中引入底层的架构的模型或参数。现在的通常做法是做底层芯片架构与上层软件之间的中间件，然而开发这些中间件的代价也往往被低估。
AI是一个全新领域，AI芯片需要支撑的不仅是AI计算，更要面向场景，实现完整的功能。芯片公司多年的积累不是主要矛盾，其主要矛盾是如何将软硬件结合起来，开发出一个高效能、低功耗、低成本，同时能够又快又准的完成自主机器人的任务。
AI芯片的成功不止于将ISP调的好，能够看清楚；也不是将传统的语音算法做的更精进，更不是说一个传统的车规芯片公司把CPU和DSP升级成一个NPU，AI芯片没有那么简单。
碎片化严重只需要编写一套代码即可运行在不同平台，是软件工程师们的长久诉求。不同架构的AI芯片带来的碎片化会极大的打击他们在实际软件产品中应用AI的积极性。
与以往的经验不同，深度学习糟糕的解释性会带来许多意想不到的缺陷。
比如这样一个常见的困扰：一个私有的模型可以在本地CPU上得到满意的结果，然而却在部署到某款设备后性能大幅下降。如何调试这些问题，谁来负责调试，通过怎样的工具来调试，甚至调试的工程师能否拿到私有的模型？这些问题都难以回答。
碎片化还表现在，专有架构为了挖掘绝对性能往往会放弃向前兼容性。如上文提到的中间件，它的一端是碎片化的AI软件框架，另一端则是一代又一代的芯片架构。如何同时维护多个部分不兼容的指令集架构，并保证每一次软件更新都能完整的覆盖所有的设备？
除了投入更多的人力，别无他法。一个常见的论调是像当下的消费级芯片一样只保持一个短期的（2-3年的）软件支持，然而当下AI芯片的常见应用领域，如智能摄像头、工业智能、以及自动驾驶，一款芯片的生命周期可能长达十年。
很难想象一家公司需要多大的量级才能提供持久的技术支持，如果预估一家初创公司活不过两三年，如何才能放心的部署其产品到一款面向消费者的量产车上？
同质化严重，深陷价格战在年ICCAD上，清华大学教授，博士生导师魏少军教授指出，在家芯片设计企业中，仅有32家企业的人数超过人，1家企业人员规模为00-人，人员规模-00人的有家。此外，更是有家企业是人数少于人的小微企业，占比高达83.7%。可见，国内芯片设计企业体量规模差异较大，大部分初创企业规模较小。受限于规模体量，中小芯片公司专业管理能力不足，自建的技术和运营团队也难以长久维持，几款产品的销售额和利润很难摊薄芯片成本，同时还要持续的投入研发，两者难以兼顾。因此，不少公司为了摊薄投入，盲目拓展产品线，希望通过低价快速去其他芯片细分领域探寻市场机会，但这种策略容易使其他企业也来自己的主战场杀低价，导致国内芯片行业的同质化竞争严重，造成内卷化的惨烈竞争。以MCU芯片为例，涉及MCU业务的企业占比较多，竞争非常激烈。虽然市场上已有瑞萨电子、恩智浦、英飞凌、意法半导体、微芯科技、德州仪器等国际大牌厂商，以及士兰微、兆易创新、中颖电子、国民技术、芯海科技等一众本土企业，但国内MCU初创企业仍在不断增加。据不完全统计，当前国内MCU厂商已有上百家，本土MCU品牌的产品序列、采用工艺、性能参数也几乎是完全对标进口品牌，产品同质化情况严重，且价格战越来越激烈，尤其是在通用MCU市场。这也进一步导致本土厂商对产品的创新能力低下，只能模仿市场上的热门产品，自身产品易于替换，代理商和客户对品牌的忠诚度也必然会变低。此外，自动驾驶芯片、AI芯片等在内的诸多赛道都存在类似的情况，新晋企业盲目造芯可能导致国内芯片企业同质化、低端化项目频出，采用低价竞争的方法争取市场份额，最后难免留下“一地鸡毛”，不仅造成资源浪费，还会拖累产业发展。供应链困难雪上加霜对于初创AI芯片公司来说，一颗芯片在产品化过程中，产业链的管控和自身需求之间存在巨大障碍。由于缺乏规模效应和相关经验，初创公司一般很难得到足够的供应链支持（流片/晶圆代工/封装测试等）、合理的价格、及时的技术支持和公平竞争的机会，在近两年产能紧张的局势下这种情况更为严峻。很多创业团队难以发挥出自己的技术优势，反而被供应链和运营的短板拖累，把太多精力浪费在试错和踩坑，最终影响芯片的研发进展。从流片环节来看，流片是芯片设计企业至关重要的一环，上乘芯片设计，下启封装测试，是芯片从无形的数据转换给物理实体的重要步骤，也是芯片企业研发成果的重要体现。与具有雄厚研发实力、资深技术人员和供应商强力支持的头部企业相比，处于腰部甚至腿部的中小芯片设计企业往往缺乏相关经验，在专业度以及所获得资源方面远不如头部企业。尤其是在当前芯片产能紧缺的状态下，一个公司的综合能力全部体现到能否抢到产能这个单一指标。大客户在产能争夺中的表现会相对好很多，因为他们的出货量和资金是支持他们与晶圆厂一直保持合作的底气。但对于初创企业来说，在这方面的不足就被暴露出来。中小芯片企业在流片环节与晶圆代工厂之间的错位与矛盾：对Foundry体系不了解：缺乏工艺选型的经验，对流程不熟悉、交期变化、产能波动等都将大大增加初创公司与晶圆代工厂的沟通成本，降低效率
缺乏系统的供应链管理能力：尤其在rampup阶段，对产能、交期、质量过于乐观，影响TTM
缺乏备货机制：恐慌性下单或有了订单再下单导致产能跟不上市场需求
纵观国内的芯片设计企业，除了具备较强供应链实力的部分头部厂商，大多数中小公司或多或少都存在或将面临上述困扰。除了面对市场的挑战，还要面对供应链的激烈竞争。量产真相：落地艰难随着AI芯片进入深水区，人们更