中投研究：AI芯片拥抱高速增长期(11)
建议重点关注边缘计算和物联网对AI芯片的需求。PC时代服务器的处理芯片由英特尔垄断，云计算时代密集计算需求让英伟达GPU几乎成为数据中心除了英特尔CPU之外的标配，随着智能手机的进化和智能音箱、自动驾驶、无人机、安防监控等应用的丰富，云端的部分推理乃至训练算力将迁移至边缘层。边缘层对AI芯片的需求与云端需求大相径庭，一是需求更为多样，二是更强调低功耗、低成本，三是很多情况下技术要求相对较低。
不同处理芯片的AI化和异构趋势渐成。从嵌入式终端设备SoC到数据中心加速板卡，CPU、GPU、FPGA、ASIC、DSP以及各种xPU将针对AI任务需要优化指令和电路设计，并越来越多地分工协作完成各种AI任务，处理单元、计算单元和存储单元的晶体管分配将从单个处理芯片上升到多处理芯片的层面进行，追求在各种典型场景下实现能效最大化，尽可能避免利用晶体管不充分的情况。
低端芯片是后来者进入AI芯片行业较好的切入点，但利润微薄，不宜久留。AI芯片市场料将保持高速增长，以抢占市场份额优先的做法短期可行，但可持续性有限，特别对于以烧钱著称的芯片行业，必须提高利润率才能保证研发支出，进而占有一席之地。低端芯片相对较低的技术门槛固然便于后来者切入，同时也意味着不利于建立技术优势和护城河，向更高端的芯片发展或者深耕细分领域是可能的解决方案。
AI芯片初创公司出售给芯片巨头是一种双赢的退出渠道。一方面，AI芯片初创公司擅长IP和（或）设计能力，但缺乏制造能力；另一方面，现金充裕的芯片巨头在积极扩张，或者至少通过并购构筑防线。这一点在英特尔收购Movidius、赛灵思收购深鉴科技等多笔交易中已有体现。对于一些初创企业而言，这或多或少是一种妥协，毕竟在竞争日趋白热化的情况下，仅靠一己之力调和快速扩张和可持续性之间的矛盾并非易事。
避免跟风追热点，确保商业计划可行。芯片行业前期投入大、技术门槛高、回报周期长，而且往往头部赢家通吃。近年来AI芯片无疑在风口浪尖，但没有相应的技术和人才团队，光靠烧钱是不切实际的，无论是地方政府还是机构投资者都应当保持清醒头脑。
适当关注基础理论和前沿技术进展。兼具灵活性、高能效和性价比的通用AI芯片是AI芯片发展的长期目标，一种可能方向是根据软件定义硬件的理念实现可重构计算架构。同时，超导计算、量子计算、内存内计算尽管处于探索期，不具备规模化商业应用条件，但中长期看存在颠覆行业格局的可能。
AI技术的应用瓶颈可能造成AI芯片产业发展不及预期。发轫于二十世纪五十年代中期和七十年代中期的前两次AI浪潮都因为缺乏真实应用前景终结，为投资者带来的是失望和泡沫。当前这一次AI浪潮得益于大数据支持，以深度学习能力推动了商业应用，但正如“深度学习就是深度调参”这种说法所揭示的，作为AI芯片技术基础的深度学习还能走多远，是必须警惕的问题。