市值突破 1000 亿美元大关后，百度最新进展也随之曝光——
成立一家专门的AI 芯片公司，独立发展的那种，像智能汽车模式的那种。
而百度自研芯片昆仑 2，也将于今年实现量产。
消息一出，百度盘前大涨 5%。
不得不说，头部科技公司，近年来行动还真是出奇地一致：
无论国内外，似乎都将目光放在了 "AI 芯片 " 这一领域。
先是手机厂商如苹果、华为、OPPO，纷纷下海自研 AI 芯片。
2017 年，苹果 A11 Bonic 问世，首次采用自研 GPU，首次搭载神经网络引擎，开启智能手机 AI 时代；
华为 " 昇腾 " 系列芯片出炉，标志着华为正式进军 AI 处理器行业；
OPPO 也明确进军半导体，打造自研芯片。
同时互联网公司如谷歌、亚马逊、BAT，也开始有所行动。
国外如谷歌，2014 年就开始为数据中心设计服务器芯片，2019 年更是在印度组建芯片团队。
而亚马逊最大盈利来源之一、云计算公司 AWS，也在 2018 年底披露了首款自研云服务器 CPUGraviton。
国内如阿里，2018 年成立 " 平头哥半导体有限公司 "，正式入局 AI 芯片；
至于腾讯，也已押注燧原科技，专注于 AI 芯片的商用落地。
此番，百度又宣布 AI 芯片独立分拆，甚至直接砸出自研芯片今年量产落地的重磅消息。
BAT 在造芯方面的布局，如今已然明朗。
为何巨头纷纷入局造芯？
互联网巨头入局造芯的原因有两大方面。
一方面，就国际形势而言，国内科技公司在芯片上，遭遇国外技术 " 卡脖子 " 已久。
2018 年，美国商务部突然宣布，7 年内禁止美国企业向中兴通讯销售零件。
2019 年 3 月，中兴通讯公布 2018 年度亏损 69.83 亿元人民币，与 2017 年度盈利 45.68 亿元比较，相差超过 100 亿元。
此前，中兴大量芯片供应依赖于美国芯片企业，这次事件，相当于给国内企业当头一击。
在这前后，还有大疆、华为、小米……等等国内企业，均遭遇了美国不同程度的 " 封杀 "。
要想在行业中不受局势变化的影响，中国企业必须做出对应的抉择。
可以说，自研芯片是国内企业必须走出的一条路。
另一方面，人工智能带来的需求和机会。
此前，个人电脑和手机等芯片，虽然基本已经被英特尔、AMD 等公司垄断，但人工智能技术的兴起，无异于给行业带来了一个难得的窗口期。
随着人工智能算法的飞速发展，金融、医疗、能源、制造、政务、交通、家居等行业，正在实现进一步的 "AI+ 产业化 "。
各行各业飞速智能化的同时，疫情的到来，又进一步加速了人工智能算法的需求。
无论是 " 无人化 " 等智能服务需求、还是 " 无接触 " 等智能语音需求，一波波产业浪潮，正在不断倒逼 AI 技术的落地应用。
软件的飞速发展，势必带动硬件行业的革新。
面对 AI 算法对算力、任务处理性能的特殊需求，包括 GPU 在内的上一代处理器，已经呈现出乏力之势，实际任务运行效率非常低下。
并且软件重新定义硬件，AI 算法重新定义芯片，来到了破局点。
芯片行业，在 AI 的冲击之下，打开了一个缺口，硬件需求源源不断地涌现。
这无疑是一个入局芯片的最好时机——
如果国内科技公司能抓住这一机遇，在发展 AI 技术的同时自研 AI 芯片，软硬件一体的布局，势必也能对国外技术产业造成冲击。
而曾经因重仓马斯克和比特币封神的 " 牛市女皇 "Catherine Wood，则更是在 2021 年 ARK 报告中大胆预测，AI 芯片未来的支出将增长 4 倍以上：
从当前的 50 亿美元，增长到 2025 年的 220 亿美元。
有实力的玩家，此时不做，更待何时？
自己不做，更待何人？
百度造芯，其实「十年磨一剑」
但此番百度 AI 芯片业务独立分拆，只是在追逐风口吗？
背后的底气何在？
从国内科技巨头押注芯片的节奏上来看，百度似乎落子最迟。
然而，如果寻根溯源，或是对百度技术押注熟悉，就会发现，原来百度在芯片方面的布局，早在十几年前就已展开。
作为国内最早重注 AI 的科技公司，2010 年，为了服务于自身业务，百度就已经开始使用 FPGA 进行 AI 架构的研发，并于次年就开展了小规模部署上线。
到了 2017 年，百度已经完成超过 1 万片 FPGA 的部署。
在这样的基础之上，2018 年，百度正式发布自主研发的 AI 芯片——百度昆仑。
昆仑 1 代处理器基于 FPGA 架构打造，采用 14nm 工艺，16GB HBM 内存和 2.5D 封装解决方案，能够提供 512GB/s 的内存带宽。
并且，在低于 150W 的功率下，昆仑 1 代能实现 256 TOPS 的 INT8 处理能力。
也就是说，在满足 AI 推理和常规训练、支持通用人工智能算法的基础之上，昆仑芯片还能进一步降低使用成本。
简单总结起来，昆仑具有以下几点特征：
通用性，支持全部 AI 应用和场景；
易编程，可以构建强大的软件生态护城河；
高性能，可以支持更深入的 AI 应用探索；
自主可控，在降低使用成本的同时，缓解被 " 卡脖子 " 的问题。
截至目前，昆仑 1 已经量产超过 2 万片。
所以，这样的芯片都用在了哪里？是否空有花架子？
事实上，无论是在大众所熟悉的百度搜索引擎，还是在 To B 的百度智能云中，昆仑 1 都已经被广泛部署。
国内生态最领先的开源深度学习框架飞桨（PaddlePaddle），也同昆仑芯片深度融合，形成了 " 自研芯片 + 自主 AI 框架 " 的软硬一体组合。
而这样软硬件结合的模式，也就使得百度的芯片在面对智慧金融、智慧医疗、智慧能源、智能制造、智慧政务、智能交通等等数字化、智能化场景时，能做到更加有的放矢、降本增效。
另外，除了原生支持百度自家的飞桨、百度机器学习平台（BML）以及各垂类的 AI 能力引擎，昆仑也支持全球主流 CPU、操作系统、PyTorch 和 TensorFlow 等深度学习框架。并与国内厂商展开合作，实现了对飞腾、申威和海光等国产 CPU，麒麟、深度和通信等国产操作系统的支持。
百度方面还透露，昆仑 2 将于 2021 年上半年实现量产，这款芯片采用 7nm 工艺，相比于第一代性能会提高 3 倍。
而除了更侧重于行业端的昆仑，百度面向消费者，同样已有成品，就是百度鸿鹄语音芯片。
鸿鹄语音芯片于 2019 年 7 月正式推出，相比于昆仑，它面向的场景更加垂直：
专门为智能家居语音交互、智能车载语音交互，以及智能物联等场景设计，是一款主打超低功耗的语音交互芯片。
在芯片架构上，鸿鹄内嵌端到端一体化建模算法，能完成远场拾音、唤醒、定位等一系列语音交互功能，并将提取的特征直接传递到云端，在云端进行高精准识别。
这也就使厂商能够在不损失语音体验的前提下，进一步压缩智能硬件成本。
另外，鸿鹄芯片还采用了双核 HiFi4 架构自定义指令集，以提升算力。
2020 年推出的小度智能音箱 2 红外版上，就已经搭载了这款芯片，并因此实现了三大性能提升：
语音识别错误率平均降低 30%；
高噪声下首次唤醒率提升 10% 以上，达到家居场合使用的超低误报要求；
平均工作功耗仅在 100mw 左右，待机功率下降 90%。
百度造芯，关键在生态
总结这样的路径，其实百度造芯的差异化竞争力，也进一步水落石出。
关键还是场景和生态。
自主研发 AI 芯片，需要的不仅是硬件技术，还需要对 AI 算法有深入的理解，要有软硬结合的能力。
而作为国内最早开始布局 AI 的科技企业，如今，百度拥有从硬件到软件，从技术底层到应用场景全覆盖的 AI 基础设施 " 百度大脑 "。无论是地图、搜索，还是无人车、智能音箱，百度技术多年积累和业务实践都集成其中。
2020 年发布的百度大脑 6.0，已经开放 270 多项领先 AI 能力，汇聚 230 万开发者，企业发布的模型数量超过 31 万，是业内最全面、服务规模最大的 AI 开放平台。
背靠这样的生态，百度造芯也就有了更多落地实践的机会。
就以鸿鹄芯片举例，可以想见，小度音箱仅仅只是第一站，在未来，这样的语音芯片还可能在 Apollo 无人车，乃至家庭、工业场景中进一步得到验证。
而站在当前这样的时间节点，把握 AI 时代芯片行业的新机遇，进一步从软件的自主可控向硬件的自主可控探索，不仅对于百度自身，对于整个中国的科技行业，都意义深远。
所以，在小度估值 200 亿，Apollo 也被调研机构与估值 300 亿美元的 Cruise 对标之后……
百度最新孵化的 AI 芯片公司，又需要怎样被评价？
从百度最近股价的一路上扬之中，或许可以嗅到一丝风向。
且拭目以待。
— 完 —
窥视卡
雷达卡
发表于 2021-2-12 05:57:28
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
