AI芯片初创公司面临的危机

作为补上机器学习算力空缺的另一大主力军，这几年间涌现的AI芯片初创公司们纷纷推出新品，力求以更快的速度填补这个窟窿。这也让AI在飞速发展的5年内吸引到了不少投资，可令不少人困惑的是，除了AIoT、自动驾驶市场这些初创企业有掀起一点浪花外，其他AI市场的格局似乎并未因他们的出现产生任何变化，甚至连他们自己也都危机缠身。

产品和人才问题

AI芯片初创公司面临的最大问题之一就是产品的可用性，与那些年年都能推出新品的大厂不同，这些初创公司的发布节奏就要慢多了。由于设计流片昂贵、周期长等等原因，不少公司哪怕已经脱离了stealth阶段，也迟迟没有公开产品面世。这些公司的官网也往往十分简单，比如对其技术的一大串文字描述，在研芯片的概念渲染图等等，供外界获取的信息少之又少。

哪怕真正公布了产品，离大规模量产和开箱即用也还有很大的差距。正因如此，此前行业大佬才会放话说“虽然现在不少AI初创公司都在打造AI芯片，却迟迟没有可用的产品。”而且这个问题困扰的不仅是AI芯片初创公司，那些想要自行设计AI芯片的互联网厂商也都面临着这样的问题。

其次是AI硬件行业的“一超”局面实在压得有些AI芯片公司喘不过气，英伟达的GPU占据了绝对的优势地位，对于AI产业所需的硬件和软件，都被英伟达做到了极致。靠AI芯片初创公司的实力，要想从中撕开一个口子，可以说是难于登天。

别说商用AI了，就连AI研究方面，英伟达的GPU也是不折不扣的霸主。在Zeta Alpha的统计数据中，2022年AI论文中英伟达GPU的提及使用次数达到21452次，远超其他的ASIC、FPGA硬件，其V100也成了最受欢迎的型号，就连RTX 3090这样的消费GPU也有3663次的提及。

产品竞争力不够的另一大原因源自人才，从表面上看去，尤其是创始人团队，这些初创公司的阵容都不差。有为大厂设计了多款SoC的行业老将，机器学习算法领域的大神，但在总人数和整体实力上还是略显逊色的，这些大佬定下架构后还需要各个环节的设计工程师协作，并由软件工程师进行优化，才能打造出完美的AI芯片。很明显，从这些初创公司一直摆着的职位清单来看，人才无疑是他们的痛点。

资金和收购问题

今年针对半导体初创企业的VC融资有了一个明显的下滑，根据PitchBook统计的数据，总金额只有78亿美元，这与去年相比有了46%的下滑。但在这种种挑战面前，资本市场其实仍未丢失对AI芯片的青睐，甚至你不把AI这个词放在自己的产品描述里，成功融资的可能性都会减少。

最近AI芯片初创企业完成的融资也不少，比如刚完成3500万美元A轮融资的以色列企业NeuReality、完成2700万美元A轮融资的荷兰企业Axelera，还有完成了6700万美元B1轮融资的SiMa.ai等等。

但初期的投资只够这些初创公司维持短暂的时间，在半导体这个研发挥金如土的行业中，如果在产品正式售卖前没有稳定的资金投入，很快就会陷入绝境。比如美国模拟AI芯片厂商Mythic，就陷入了资金链断裂的危机中。

在AI芯片这个较为碎片化的市场中，被大厂商收购是再稀松平常不过的一件事，比如前些年英特尔花重金收购的Habana Labs等。话虽如此，近两年大厂收购AI初创公司的动作越来越少了，他们更愿意先投资，而不是直接下手。所以现在这个阶段，除非产品已经做得小有起色，或是技术与这些大厂特别匹配（尤其是在服务器领域），成功把自己“卖”出去也不容易。

小结

可能会更让AI芯片初创公司难过的莫过于现在的经济下行趋势了，无论是汽车还是服务器，似乎都有了一些下滑与砍单的迹象。如果不能撑过这一段时间，AI硬件市场肯定会迎来又一轮的洗牌。

芯片公司市场机器学习

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。