小米看好的芯片公司：复旦学霸回国创业，有望弯道超车美国企业

芯片，无疑是当下最热门的 科技 话题之一。不只是普通人关心，与之息息相关的手机巨头也在积极布局。例如小米，在经历澎湃S1失败之后，2021年3月底推出了首款自研专业影像芯片澎湃C1。从集成芯片到小芯片，雷军表示：“这是小米芯片之路上的一小步。”

除了自主研发，小米在芯片投资上动作不断。近半个月更是接连落子，先是投资了安全控制类芯片企业爱信诺航芯，紧接着入股OLED显示驱动芯片研发商欧铼德、高 科技 芯片公司瞻芯电子。

公开资料显示：瞻芯电子成立于2017年，总部位于上海自贸区临港新片区，聚焦于碳化硅（SiC）半导体领域，是国内首家自主研发并掌握6英寸SiC MOSFET和SBD工艺，以及SiC MOSFET驱动芯片的公司。

先简单介绍一下，以碳化硅、氮化镓（GaN）为代表的宽禁带半导体材料，被称为第三代半导体产品，已被纳入国家产业 科技 创新相关发展规划，以全面突破关键核心技术，攻克“卡脖子”品种。

相较于第一代（硅、锗）、第二代（砷化镓、磷化铟），第三代半导体产品具有高温稳定性、高功率、抗高压、高频等优势，能够满足5G通信、快充、电动 汽车 、光伏等新兴领域的需求。

碳化硅作为典型代表，具有高禁带宽度、高击穿场强和高热导率等优良特性，是制作高温、高频和大功率电力电子器件的理想半导体材料，适用于新能源 汽车 、光伏发电等领域。由于技术壁垒较高，目前呈现出美国、日本两家独大的产业格局。但全球市场仍处于起步阶段，只要加大投入，差距并非不可追赶。

瞻芯电子创始人兼总经理 张永熙 ，硕士毕业于复旦大学材料科学系，后在新泽西州立大学攻读博士，期间研发了世界上第一款碳化硅功率集成电路。四年前，他回到上海创办瞻芯电子，对标国际先进的技术，前瞻性地开发以6英寸为主的碳化硅晶圆。仅仅用了九个月，就全部打通SiC MOSFET（金属氧化物场效应晶体管）的关键工艺，并制造出第一片国产6英寸SiC MOSFET晶圆。

去年9月，瞻芯电子SiC MOSFET实现量产。一个月后，正式发布了工规级基于6英寸晶圆的SiC MOSFET产品，填补了中国在此领域的空白，产品性能达到国际先进水平。截至今年10月，累计量产出货逾10万颗。

前不久，瞻芯电子宣布量产1200V 25mΩ Full-SiC（IV1B）半桥功率模块，在现有SiC MOSFET和SiC SBD基础上，进一步完善产品线。其产品已应用在充电桩、电能质量管理单元、光伏逆变器、电动 汽车 车载充电器以及电动 汽车 的电驱单元等场景之中。

目前，特斯拉、比亚迪等车企，阳光电源、华为等逆变器生产商已经开始将SiC应用于产品中。值得一提的是，在“碳中和”背景下，碳化硅器件应用空间预计将从2020年的6亿美元快速增长到2030年的100亿美元，以瞻芯电子为代表的中国企业能否抓住机遇实现弯道超车，我们且拭目以待。

文/观察者网 谷智轩

全球估值最高的人工智能（AI）芯片独角兽诞生，摘取这一头衔的仍是一家中国公司。

2月27日，AI芯片初创企业地平线（Horizon Robotics）对观察者网透露，其获得6亿美元（约合40亿人民币）左右的B轮融资，估值达30亿美元（约合200亿人民币）。

去年6月，另一家中企寒武纪（Cambricon Technologies）完成数亿美元B轮融资，投后整体估值为25亿美元（约合167亿人民币），彼时成为全球AI芯片创业公司的“领头羊”。

如此看来，地平线已超越寒武纪，成为AI芯片领域“最值钱”的独角兽企业。

需要提及的是，本轮融资的领投方中，世界第三大半导体供应商韩国SK海力士（SK Hynix）赫然在列，而该领域的“老大”英特尔（Intel）早在2017年就领投地平线的A+轮融资。这意味着，全球前三的半导体巨头中，有两家已成为地平线的重要股东。

地平线的“征程10处理器” 图自地平线网站

成立已三年

地平线方面对观察者网表示，B轮融资由SK中国、SK海力士以及数家中国一线 汽车 集团（与旗下基金）联合领投。

参与的其他机构与战略合作伙伴包括：中国泛海控股集团旗下泛海投资、民银资本、中信里昂旗下CSOBOR基金和海松资本等。同时，本轮融资还获得了包括晨兴资本、高瓴资本、云晖资本和线性资本等现有股东加持。

这也是继2017年下半年获得由英特尔领投的超过1亿美元的A+轮融资之后，成立仅三年多的地平线再次获得重量级投资。

该公司还称，本次国内数家一线 汽车 集团给予地平线的上亿美元投资，也成为中国车企目前在AI领域最大规模的投资。

地平线创始人、CEO余凯对观察者网表示，“本次融资引入的重要战略伙伴和资源将进一步加速地平线的研发和商业化步伐。”

另外，SK中国总裁吴作义指出，“地平线在AI处理器以及自动驾驶领域的产品与方案令人印象深刻。”

此前供职于百度的余凯在2013年发起了百度自动驾驶项目。不过，2015年5月，他从百度离职，并于同年7月创立地平线。

余凯资料图 图自视觉中国

在获得最新一轮融资前，地平线也晒出了一份“成绩单”。

2017年，地平线大规模流片（试生产）并发布了中国首款边缘AI处理器——用于智能驾驶的地平线“征程”系列处理器与用于AIoT（人工智能物联网）边缘计算的地平线“旭日”系列处理器。

2018年，该公司依托其软硬结合AI处理器技术，相继发布了Matrix自动驾驶计算平台与和地平线XForce边缘AI计算平台。

目前，Matrix自动驾驶计算平台已向世界顶级L4自动驾驶厂商大规模供货。2018年底，该公司推出依托Matrix计算平台的Navnet众包高精地图采集与定位方案等软硬一体解决方案，并已开始逐步落地。

在智能驾驶领域，地平线的合作伙伴包括奥迪、博世、长安、比亚迪、上汽、广汽等。

另据路透社报道，地平线和奥迪合作开发的软硬件，帮助后者获得了在中国无锡公路上测试自动驾驶的执照。

地平线智能驾驶演示视频截图

中企尚待追赶行业巨头

观察者网同时注意到，尽管地平线已经获得众多资本的青睐，但在AI芯片领域，中企尚待追赶行业巨头。

市场研究机构Compass Intelligence对全球100多家芯片公司进行了评估，最终的AI芯片公司排名有24家企业入围，前3强为英伟达（Nvidia）、英特尔和IBM。华为是排名最高的中国公司，位列第12名。

地平线也跻身这份榜单，排名第24名，上文提到的寒武纪则领先其1位。

其他入围的中国企业还包括联发科（MediaTek）、Imagination、瑞芯微（Rockchip）、芯原（Verisilcon），分列第14、15、20、21名。

图自Compass Intelligence

本文系观察者网独家稿件，未经授权，不得转载。

若您指的是上海天数智芯半导体有限公司。天数智芯是一家由来自美国硅谷的技术专家和国内行业人才联合创立的高科技企业。公司专注于智能计算领域，聚焦打造高端/云端计算芯片和计算基础软件，致力于成为高性能数据处理以及深度学习、人工智能应用领域的技术先锋。

天数智芯于2015年12月29日成立。法定代表人刁石京，公司经营范围包括：计算机软硬件技术开发、销售、技术服务；网络技术服务；数据处理及存储服务；通信工程、网络工程施工；电子产品销售、技术咨询；信息系统集成服务；信息技术咨询服务等。

关于股权疑问，建议通过上海天数智芯官方渠道了解。

温馨提示：以上信息仅供参考。

应答时间：2021-10-18，最新业务变化请以平安银行官网公布为准。

[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~

https://bpingancomcn/paim/iknow/indexhtml

「初创公司要贸然打入云端市场，简直就是自寻死路」。

长久以来，云端的数据中心市场被视为创业公司的禁地，因为英特尔、英伟达、AMD 等巨头林立，竞争太过凶残。

但近年来，云计算势不可挡，云端芯片市场呈现爆发式增长，不乏勇者前来破局。

作为一家发源于中科院计算所、背靠多家「国字辈」资本、估值已经来到 30 亿美金的硬核创业公司，寒武纪挑战云端市场的底气十足。

2018 年 5 月，寒武纪发布首颗云端 AI 芯片，并对外透露获得中国前三大服务器浪潮、联想、曙光的订单。据机器之心了解，滴滴、海康威视也已经成为寒武纪的客户。

与此同时，寒武纪成数亿美元 B 轮融资。据机器之心了解，目前寒武纪的估值约为 30 亿美元，与今年 2 月完成 6 亿美元融资后成为「全球最具价值的 AI 芯片公司」的地平线不相上下。

一年后，寒武纪二代芯片已经箭在弦上，这颗积蓄了中科院计算所研发实力四年之久的二代或将为行业带来不小震荡。

机器之心独家获悉，寒武纪二代云端芯片或将于本月公布，同时我们采访到寒武纪技术研发相关知情人士、寒武纪云端芯片客户等多方信源，提前揭秘关于该颗芯片的细节亮点和核心技术。

这回有了中文名

据机器之心了解，寒武纪二代云端 AI 芯片代号为「MLU270」，延续上一代芯片「MLU170」的 MLU（Machine Learning Unit）系列。今年初，寒武纪已经为旗下芯片注册两大中文商标名，分别是「思元」、「玄思」。综上，寒武纪二代云端 AI 芯片中文名为「思元 270」。

在今年的新品议程表上，虽然还名列有其他芯片，但「思元 270」及其板卡将会是重头戏。这也表明寒武纪将从终端向华为等品牌商授权 IP 的模式，转向主打云端市场的芯片方案提供商。

在芯片架构方面，寒武纪二代芯片将从上一代的「MLUv01」升级为「MLUv02」。考虑到视频数据正呈现爆炸性增长，成为数据中心的任务主流，寒武纪在「思元 270」里内建视频解码单元，瞄准海量的视频处理市场专门配置。

据机器之心了解，寒武纪「思元 270」在今年年初研制成功，制程工艺方面明显抛弃了此前终端市场的激进打法，选择仍然沿用台积电 16nm 工艺，定位于「专注云端训练计算」。

对比两大巨头的主流云端产品线，英伟达去年 9 月发布并已发货的 Tesla T4 采用 14nm 工艺，AMD 去年 11 月发布的 Radeon Instinct MI60 和 MI50 采用 7nm 工艺，寒武纪这次似乎希望单纯依靠技术路线取胜，不再如去年对于 7nm 工艺寄予厚望。

「让英伟达难受」

在芯片性能方面，「思元 270」的性能参数有意向业界标杆英伟达 Tesla T4 看齐。

据机器之心目前了解到的情况来看，「思元 270」可支持 INT16/INT8/INT4 等多种定点精度计算，INT16 的峰值性能为 64Tops（64 万亿次运算），INT8 为 128Tops，INT4 为 256Tops。

对比 Tesla T4，FP16 的峰值性能为 65 Tops，INT8 为 130 Tops，INT4 为 260 Tops。

功耗方面，「思元 270」功耗为 75w，与 Tesla T4 持平。

但值得注意的是，这些「理论峰值」不过是纸面规格，真正实测水平相比理论峰值通常有一定缩水。据某大体量计算数据中心负责人，同时也是阿里云早期核心技术研发人员李立表示，「T4 在实测过程中，75w 功耗维持不了多久就降一半频率。」

据该负责人介绍，他在几个月前已经拿到「思元 270」的具体规格和特性，「对比而言，第一代 MLU100 是试水，第二代 270 就聚焦多了，威力非常大，NV 后面会很难受。」

与此同时，该负责人还指出，「寒武纪的方案在某些领域可能不会特别好使，尚待观察。」

核心技术解密

这里需要引入一对运算表示法的概念，整数运算（定点运算）与浮点运算。

它们是计算机计算中最为常用的两种运算表示法，顾名思义，其差异就体现在整数和浮点上，加减乘除运算都是一样的。

整数表示法，即所有位都表示各位数字，小数点固定；浮点表示法，则分成两部分，阶码和尾数，尾数就是数字部分，阶码表示乘幂的大小，也就是小数点位置。所以浮点数在做运算的时候，除了对尾数做加减乘除，还要处理小数点位置。

基于两种不同的运算表示法规则，导致面对同样长度的整数和浮点运算，后者计算模式更为复杂，需要消耗更多的资源去处理，并且二者功耗差距通常是数量级的。 简单来说，就是浮点运算占用的芯片面积和功耗相比于整数运算器都要大很多倍。

但浮点运算又有其不可取代性。首先，定点表示法运算虽然直观，但是固定的小数点位置决定了固定位数的整数部分和小数部分，不利于同时表达特别大的数或者特别小的数，可能「溢出」。

而浮点的精度虽然没有定点大，但是浮点运算的小数点位置可以移动，运算时不用考虑溢出，所以科学计算法一般都使用浮点。所谓「溢出」，指超出某种数据格式的表示范围。

此外，具体到使用 GPU 做训练，业界通常更倾向于浮点运算单元，主要是因为在有监督学习的 BP 算法中，只有浮点运算才能记录和捕捉到训练时很小的增量。 由于训练的部分模块对精度要求比较高，所以通常必须是高精度的浮点运算，比如 FP32 才能搞定，FP16 都难。

综上，虽然浮点运算相比定点运算在功耗、计算速度、性价比等方面都不占优势，但截止目前，浮点计算在云端的训练场景中仍具有不可替代的特性，并且以高精度运算为主。

那么，如何在不增加芯片面积和功耗的前提下，如何大幅提升芯片做训练的运算能力就成为云端训练芯片的主要研课题之一。

参考计算过程相对简单的推断计算思路，目前该领域的 AI 芯片多采用集成大量整数运算器或低精度浮点运算器。

面对计算过程更为复杂的训练计算，业界一直在尝试是否可能用性价比更高的定点运算器实现。「但这个问题在学术界也还没有普适的解决方案。」王一说道。

李立表达了类似的观点， 目前大家的研究热点之一，就在于如何全部的定点单元（比如 INT8）代替浮点单元，或者以主要的定点单元配合少量的高精度浮点计算单元（比如 FP32）做更多的训练任务，目的是达到定点计算的快速度，同时实现接近高精度浮点计算的精度。

谈到目前该方向的研究成果和代表论文，李立表示，行业相关的研究文章已经有一些，不过都不具有普适性。

王一进一步向机器之心透露了关于实现低精度运算的「关键心法」，要做好低精度训练，就要找到一个好的数据表示方法，既能表达最后大的数，又能让 0 附近的小量能够更好地表达，因此这个数据表示可能需要有自适应性，能随着训练的过程调整。

他还补充， 「低精度训练确实未必要是浮点数，只要能把数域表达好，0 附近的小量表达好，什么样的数据表示都可以。」

综上，寒武纪在大幅度提升训练阶段的计算功耗比方面，很有可能采用的是以整数为主的低精度运算，这在目前已公布的 AI 芯片项目中属于首创。

实际上，寒武纪在计算机计算领域的开创精神和技术积淀由来已久。早在 2014 年—2016 年期间，寒武纪创始人兼 CEO 陈天石、陈云霁两兄弟的研究就基本奠定了神经网络芯片的经典设计思路，也就是现在常谈到的 AI 芯片架构。

当时他俩的「DianNao 系列」论文横扫体系结构学术圈： Diannao（电脑）是 ASPLOS'14 最佳论文（亚洲第一次），DaDiannao（大电脑）是 MICRO'14 最佳论文（美国以外国家的第一次）……

而在大洋彼岸，美国两家风头正劲的 AI 芯片公司 Graphcore、GTI（Gyrfalcon Technology, Inc）正是沿用了 DianNao 系列论文的基本思路，采用大量堆叠的简单计算单元以实现复杂的云端计算。（机器之心曾进行过相关报道，《一款芯片训练推理全搞，Hinton 为其背书，Graphcore 完成 2 亿美元融资》、《30 年前的「CNN 梦」在这颗芯片落地，能效比高出 Tesla10 倍 | CES 直击》）

此外，要切数据中心市场的蛋糕，一套完备成熟的软件生态也是其核心竞争力的重要体现。英伟达之所以能够在云端训练领域成为绝对主流，其 CUDA 软件生态的基础功不可没。

据机器之心了解，寒武纪从 2016 年起逐步推出了寒武纪 NeuWare 软件工具链，该平台终端和云端产品均支持，可以实现对 TensorFlow、Caffe 和 MXnet 的 API 兼容，同时提供寒武纪专门的高性库，可以方便地进行智能应用的开发，迁移和调优。

「云芯」之争一触即发

尽管前述了寒武纪的种种硬核技术护体、大资本和客户加持，但想要真正在数据中心市场扎下根，以实现陈天石去年在发布会上谈到的目标：到 2020 年底，力争占据中国高性能智能芯片市场的 30% 份额，仍然面临着异常残酷的市场竞争。

整体上，英特尔在数据中心服务器芯片市场仍然牢牢占据着的 95% 以上份额。

而随着深度学习计算和人工智能技术逐步兴起的云端训练市场，同样被巨头绝对垄断。目前 90% 以上的云端加速采用英伟达 GPU，AMD、FPGA 占据非常小的份额，剩余市场还在被国内外芯片创业公司不断瓜分。

据机器之心了解，近期还有一家国内知名 AI 算法公司将要入局云端推理芯片市场。据德勤最新出炉的报道显示，到 2022 年，全球人工智能训练市场的规模将达到约 170 亿美元，云端推理芯片市场的规模将达到 70 亿美元。

可以预见，2019 年，AI 芯片之争将从端燃及云上，云端的大体量、高增速市场势必迎来更多强劲玩家。

（应采访者需求，文中李立、王一均为化名。）