寒武纪是如何与英伟达和华为海思较劲的？

　　2015 左右，全球开启了 AI 芯片的创业热潮。AI 的这一次浪潮不仅吸引了众多顶级芯片人才选择创业，也让多家科技巨头进入了芯片行业。不过，AI 技术仍在快速发展，AI 芯片的评价体系也还在完善，AI 芯片领域也还没有公认的领导者。

　　此时一个很关键的问题是，如何衡量一款 AI 芯片的好坏？借着寒武纪科技回复上海证券交易所的问询函（以下简称问询函）报告，去找到如何从多个角度多层次全面衡量一款 AI 芯片竞争力的答案。当然，这个答案当中也包含着寒武纪科技的许多关键信息以及它是如何与英伟达和华为海思较劲。

　　先发优势

　　在问询函回复报告中，寒武纪表示与华为海思相比，公司的竞争优势体现在：

公司专注于人工智能芯片进入该领域的时间更早，具备先发优势。芯片架构针对人工智能应用及各类算法进行了优化，积累了一批核心技术与关键专利，技术创新能力得到业界广泛认可。

　　在新技术的研究中，先发的优势在于，当业界对新技术的关注度还不是很高的时候就开始研究，虽然面临的挑战更大，但可以更早把“坑”踩了，更早积累更多的经验，当产业对新技术的关注度大增的时候，可以将新技术更快地产业化。

　　但技术的实现有很多种方式，先发优势并不一定就是最终的技术优势，技术的选择也非常关键。

　　架构选择

　　在与英伟达等老牌芯片巨头的竞争中，寒武纪在问询函回复函中表示其优势在于：

在研发人工智能芯片时，英伟达更多基于公司原有的技术储备和设计理念去适配人工智能的应用和算法，但 GPU、CPU 本身并非专门为人工智能相关运算进行开发的芯片产品。而公司的芯片架构针对人工智能应用及各类算法进行了优化，有效提升了产品的性能功耗比和性能价格比。

　　目前，AI 芯片的定义还没有一个严格和公认的标准。比较宽泛的看法是，面向人工智能应用的芯片都可以称为 AI 芯片。因此，CPU、GPU、DSP、FPGA、ASIC 都属于 AI 芯片的范畴。

　　这里需要单独介绍的是专为 AI 而设计的芯片。这类芯片经常会统称为 AI 专用芯片，要进一步细分的话还可以分为通用型和专用型。两者的差别在于，通用型是通过对各类智能应用和算法的计算和访存特点进行抽取和抽象，定义出一套适用于智能算法且相对灵活的指令级和处理器架构，广泛支持多样化 AI 算法和应用。当然，通用型 AI 芯片是专为 AI 算法设计，其通用性也不能与 CPU 和 GPU 进行比较。

　　专用型 AI 芯片（ASIC）则是针对特定的、具体地、相对单一的 AI 应用专门设计的芯片。

　　关于 CPU、GPU、FPGA、DSP、ASIC 的特点以及进行 AI 计算时的优劣势，可以参考问询函中的表格。

　　市场定位

　　AI 芯片的架构各有特色，不同架构的芯片既可以应用于对性能要求很高的云端训练和推理市场，也可以应用于对功耗和成本更敏感的边缘和终端市场，因此在对比 AI 芯片的时候，首先要明确是否是同级别竞品以及市场定位是否相似。

　　寒武纪在选取同类竞争对手时候的标准有两个：

1、面向终端、云端、边缘端等智能计算市场有一种或多种芯片产品发布上市的芯片公司；

2、相关芯片产品有显著销售规模且公开披露该类产品的业务、财务资料相对较多。

　　基于上述原则，在智能计算市场中，行业内主要企业的具体情况如下所示：

　　寒武纪科技得出的结论是，综合来看，公司在业务与技术部分介绍时综合考虑了主要产品或主营业务相似度、行业知名度及行业地位、产品销售情况、信息披露透明度等因素，选取英伟达、英特尔、AMD、Arm、华为海思等五家企业作为同行业可比公司。

　　不过雷锋网认为，AMD 虽然同时拥有高性能 CPU 和 GPU 产品，但并未针对 AI 算法做特别优化，AMD 也未在对外的宣传中提及其 AI 性能，所以在做 AI 芯片产品的对比时，AMD 经常不会放在对比列表中。

　　选定具备可比性的同类竞品之后，接下来需要对比的就是产品的技术，包括直接影响芯片最终性能的硬件技术和软件技术。

　　芯片关键技术指标

　　在问询函回复中，寒武纪用英伟达和华为海思的产品进行了详细的比较，在芯片的物理技术层面从底层的处理器微架构、指令集、SoC 芯片设计、芯片功能验证到先进工艺物理设计、芯片封装设计与量产测试、硬件系统设计选取衡量标准，进行了详细对比。

　　软件层面从编程框架适配与优化、编程语言、编译器、高性能数学库、虚拟化软件、核心驱动、云边端一体化开发环境 7 个方面选取衡量标准进行一一对比。

　　7 个硬件关键技术对比：

　　7 个基础系统软件技术对比：

　　软硬件的关键技术的特性以及软硬件融合的程度直接决定了 AI 芯片的单核、多核性能以及对不同数据精度和算法支持的表现。也是影响业界评判一款芯片 PPA（Power、Performance、Area）的关键。根据 AI 芯片发展的应用范畴，在性能功耗比、制造工艺、软件成熟度以及未来发展趋势上，AI 芯片也分主流技术水平以及未来技术发展趋势。

　　注1：性能功耗比按理论峰值性能和芯片整体功耗进行估计。

　　注2： INT2/4/8/16 分别代表进行 2 位、 4 位、 8 位、 16 位定点运算， FP16/32 分别代表进行 16 位、 32 位浮点运算， BF 16 代表进行 16 位脑浮点运算。

　　注3：表中所述终端芯片都指具备专门化、本地化人工智能处理能力的 SoC 芯片。

　　注4：上表中没有针对专用型智能芯片（ASIC）进行比较，因该类芯片功能相对单一，通常无须使用 Fin Fet 等先进制造工艺，与通用型智能芯片的行业特点显著不同，且不是公司主营业务所关注的重点。

　　注5：训练和推理的性能功耗比均以理论峰值性能计算。

　　资金实力与人才实力

　　无论是传统芯片还是 AI 芯片，能够持续投入研发进行产品迭代才是保持芯片竞争力的关键。特别是，芯片行业是一个长周期，高投入的行业。因此，资金实力与人才也是影响 AI 芯片竞争力的关键。

　　相比英伟达和华为海思，寒武纪有着显著的资金实力差距，这也是寒武纪要在科创板上市的重要原因。根据英伟达 2020 财年财务报告，截至 2020 财年末，英伟达的现金及现金等价物为 108.96 亿美元，2020 财年英伟达的研发费用为 28.29 亿美元。华为海思未上市，据公开报道 2019 年研发投入约为 24.39 亿美元。

　　除了资金实力与巨头相差悬殊，人才方面也是寒武纪努力在加强的，所以寒武纪的人员支出在持续增加。寒武纪员工人数从 2017 年末的 80 人增长到 2019 年末的 868 人。2017 年 2019 年，公司支付给职工以及为职工支付的现金分别为1,512.7 万元、9,300.64 万元和 29,818.82 万元，增长速度较快。

　　截至 2019 年末，寒武纪研发人员人数达到 680 人，硕士及以上学历人员 546 人。

　　单位：人，万元

　　市场地位与销售网络

　　产品、技术、人才之后，AI 芯片的市场前景，AI 芯片公司的市场地位与销售网络，很大程度影响着其芯片产品能否落地以及获得市场的认可。市场方面，根据 IDC 报告显示，云端推理和训练所产生的云端智能芯片市场需求，预计将从 2017 年的 26 亿美元增长到 2022 年的 136 亿美元，年均复合增长率 39.22% 。