融資估值約130億元，百度崑崙究竟幾何？_風聞

3月15日，據路透社報道，百度崑崙芯片業務完成獨立融資，投後估值約130億元人民幣，領投方為CPE，跟投方IDG、君聯資本、元禾璞華。據瞭解，百度正在考慮將其人工智能芯片設計能力進行商業化，目的是將崑崙部門打造成一家獨立的公司。

如今互聯網科技企業造芯已不是什麼新鮮事，尤其是AI領域已經成為世界科技巨頭爭奪的制高點， IBM，微軟，谷歌和亞馬遜正在微調其AI平台，以使客户更輕鬆，更快捷地整合各種AI技術。

可以説，造芯熱幾乎與人工智能的爆發處於同一個階段，人工智能的這一輪爆發是深度學習算法的興起，而深度學習的基礎就是需要更多的數據訓練、更高的算力支撐。當傳統芯片逐漸無法滿足互聯網爆發的算力需求時，擁有先進算法和強大計算能力的互聯網公司成為了芯片自研的推動者，國內外企業幾乎步調一致地各自開啓了這一篇章。

中國在進入其市場方面的行動將在該行業的創新中發揮關鍵作用。根據一項研究，中國現在佔全球半導體消費的60%。根據《國際商業戰略》，2019年，中國半導體行業銷售額為2122億美元，北美為595億美元，世界其他地區為488億美元，歐洲為418億美元，日本為387億美元。

圖:2019年按地區劃分的全球半導體消費（十億）目前，國產AI芯片處於一個窗口，這個窗口有如下特徵：1、市場廣闊，容納下許多巨頭玩家；2、處於爆發期初期，大規模應用尚未到來；3、應用場景分散、複雜度高，需要定製化；4、單獨芯片不夠，需要配套的解決方案支撐。

在這樣的大背景下，對“AI第一股”百度而言，造芯能抓住其中的哪些機會，競爭力又有多少？

問世2年多，崑崙幾何？

衡量一款芯片好不好，成不成功，最直觀的就是看出貨量。百度崑崙於2018年宣佈，2019年12月，百度和三星宣佈，百度首款基於雲的產品崑崙第一代用於計算和邊緣計算的AI芯片已經完成。

截至目前，實現量產的百度崑崙1已在百度搜索引擎及雲計算用户部署2萬片。與國內其他互聯網造芯玩家的產品相比，百度崑崙1的出貨量可以説是不錯的。

從技術結合場景的經驗來看，新一批崛起的AI 芯片要針對不同的人工智能應用類型和場景，對於芯片的要求就不單單是要適合深度學習，需要兼顧計算能力、能耗和靈活性。

雲計算巨頭紛紛佈局雲計算+FPGA芯片，首先因為FPGA作為一種可編程芯片，非常適合部署於提供虛擬化服務的雲計算平台之中。FPGA的靈活性，可賦予雲服務商根據市場需求調整FPGA加速服務供給的能力。

運算速度、功耗等性能是衡量一款芯片的核心指標。崑崙芯片定位為通用AI芯片，目標是提供高性能，低成本，高度靈活的AI芯片。特別要指出的是，崑崙芯片既能做訓練也能做推理，它可以滿足AI的高處理需求，用於雲實例和邊緣實例，包括數據中心，公共雲和自動駕駛汽車。據瞭解，崑崙2將採用7nm工藝打造，將於2021年實現量產，其性能對1代，將再提升3倍。

一份經紀報告顯示：“這種大型的，基於雲的，具有高計算能力的AI芯片具有很高的技術門檻。只有百度，華為和寒武紀才能生產這些產品。”

在崑崙芯片誕生前，2017年百度內部數據中心、自動駕駛系統等就已大規模使用部署了超過10000片FPGA加速器，這對跨行業跨場景測試崑崙芯片打下了初步基礎。隨後，在部署上線的微億智造工業智能質檢設備上，百度智能雲以整機一體化方式，向微億智造交付搭載百度崑崙芯片的百度雲質檢一體機。

僅僅硬件遠遠不夠，一個整體的解決方案對商業化落地也至關重要。百度提出了AI-Native的雲計算架構，從基礎設施的AI計算集羣、AI芯片，到工程平台的飛槳、雲原生，以及應用開發平台的視頻雲、區塊鏈等，通過雲智一體、端到端的方式，支持產業的智能應用。

當然，無形財產的積累對以科技為導向的企業來説也是至關重要的一環，手機芯片玩家高通光靠專利費就吃透了全世界。在AI專利申請和許可方面，百度已連續三年位居中國第一，百度AI開放平台也已經彙集了265萬開發者。

百度在其他地區的市場份額不大，與成熟的競爭對手競爭也將非常艱難。但儘管如此，在當前大環境下，崑崙芯片如今的量產和交付進展卻凸顯了AI在中國的整體發展勢頭，也代表了中國企業在這一新興領域確立全球領導者的決心。

其實在AI領域，中國一直沒有落後。據斯坦福大學發佈的一份222頁的《2021年度AI指數報告》指出，2020年，中國在世界人工智能期刊上的引用頻次首次超過美國。在刊登數量上，早在2004年，中國在人工智能期刊的總髮表數量上短暫超過美國，然後在2017年重新佔據領先地位。

中國在世界人工智能期刊上的引用頻次首次超過美國定製、魔改、二次開發

早在2011年百度啓動了FPGA AI加速器項目，2015年的FPGA部署已經超過5000片，2017年成為業界部署最多的，超過了12000片；2018年百度發佈自主研發的AI芯片——百度崑崙；2019年流片成功，2020年崑崙一代開始量產並且大規模部署。

關於崑崙芯片的細節我們不做過多的贅述，但是值得一提的是，往往GPU是打造AI芯片的重要手段之一，但是我們也可以看出，百度從一開始卻是基於FPGA打造的，FPGA的特點就是可編程，這樣使用崑崙芯片的用户，就完全可以根據自己的應用場景來進行定製、魔改、二次開發。

由於AI應用場景的分散和複雜度高，定製化就顯得格外重要。FPGA作為一種可編程芯片，非常適合部署於提供虛擬化服務的雲計算平台之中。崑崙芯片配以FPGA的靈活性，可讓用户可以按照自己的需求和應用場景進行專項定製，魔改，二次開發，實現更快速的市場普及，並能完成自身產品的後續迭代。

在性能方面，百度崑崙性能最高比英偉達T4強三倍。放大到全球的AI芯片，據麻省理工學院林肯實驗室超級計算中心的一項統計研究《機器學習加速器的調查和基準測試》，在全球公開宣佈的人工智能加速器和處理器的性能與功率分散圖中，我們也可以看出，崑崙芯片性能也處於高位（如下圖）。下圖顯示了最近公開發布的一些AI處理器能力(截至2019年5月)，列出了芯片的峯值性能與功耗。

公開宣佈的人工智能加速器和處理器的性能與功率分散圖（圖源：MIT《機器學習加速器的調查和基準測試》研究）注：其中x軸表示峯值功率，y軸表示每秒千兆次操作的峯值。處理能力的計算精度由所採用的幾何形狀來描述；計算精度範圍從單個位int1到單個字節int8，從4字節float 32到8字節float 64。形狀因子由顏色來描述，這對於顯示消耗了多少能量很重要，而且對於顯示在單個芯片、單個PCI卡和整個系統中可以裝載多少計算量也很重要。藍色僅是單個芯片的性能和功耗。橙色表示芯片的性能和功率(注意，它們都在200-300W區域)。綠色表示整個系統的性能和能力——在這裏是單節點桌面和服務器系統。

眾所周知，“AI應用場景碎片化、落地難”已成行業共識，在AI芯片前仆後繼的大軍中，泡沫過後，許多企業已銷聲匿跡，僅留下了為數不多的十幾家。百度又能靠什麼？

造芯者不但需要懂硬件，還需要懂AI算法軟件。據瞭解，百度崑崙作為百度人工智能平台的核心組件，可以原生支持開源深度學習框架飛槳（PaddlePaddle），百度機器學習平台（BML）及各垂類的AI 能力引擎。另外，崑崙不僅支持全球主流CPU、操作系統，Pytorch和 TensorFlow 等深度學習框架，也和國產化廠商密切合作支持飛騰、申威和海光等國產CPU，麒麟、深度和統信等國產操作系統。

此外，生態能力在芯片行業中尤為關鍵，而且放在自家產品上可盡顯其性價比優勢。

其實這點我們可以從華為麒麟芯片得到啓發，因為有手機終端的不斷試錯和支持，麒麟芯片才能在迭代中不斷創新，二者相輔相成，最終成就一段手機史上的佳話。百度亦是如此，相比其他單打獨鬥的AI芯片企業，它有大公司的生態優勢。百度完全不用有一般AI芯片廠商的擔憂：“我該做什麼樣的芯片？芯片做出來能否迎合市場的需求？又將用在什麼場景？”因為百度有太多的應用場景了，智能音箱、智能駕駛Apollo、智能雲等等，這些對百度整體業務都形成一個大循環。

特斯拉也是一樣。在特斯拉自研FSD芯片前，需要採用英偉達的芯片，不僅在性能上滿足不了特斯拉的需求，而且成本還高昂，完全不具有話語權。此後，特斯拉自己研發芯片竟達到了與英偉達相同乃至更好的效果，成本也把控在自己手裏。

在造芯策略上，百度與當下國際互聯網巨頭如亞馬遜、谷歌、微軟等如出一轍，自產自用為主，但同時也注意為芯片建生態，芯片又反哺生態。未來隨着智能汽車逐漸爆發，雲計算、物聯網市場的大幅度需求，百度或將被推上歷史的潮頭。