最近，AI芯片市场明显“冷”了下来。

作为芯片市场的一哥，英伟达刚刚发布的Q1季度报告表现就十分不理想。数据显示，截至2019年4月28日，英伟达当季收入22．20亿美元，环比增长1％，同比下跌31％，毛利率58．4％，环比提高3．7个百分点，同比减少6．1个百分点；净利润3．94亿美元，环比下跌31％，同比下跌68％。数据一出，整个AI芯片市场的心态都很难不受影响。

英伟达营收下跌的因素有很多，作为高端芯片设计巨头，就像是早年苹果显著优势被不断追赶上一般，现在英伟达也处在这样的困局之中，创新无力，优势渐失。因此，它的利润下跌暗示出两个信号：1．整个市场平均水平上升了；2．高端AI芯片市场产品性能发展“停滞不前”。

可见，形势已然生变。

人人可做的AI芯片

从应用角度来看，AI芯片主要应用在云、边缘和端侧。其中云上最为常见的产品是AI加速器，其主要用于加速深度学习训练和推理；而在边缘和端侧，则根据在智能手机、安防、汽车等领域应用场景的不同出现各类AI芯片。其中云端训练需求大约占AI芯片市场的50％，云端推理需求约占AI芯片市场的25％，边缘和端侧占据25％。

数据显示，AI芯片市场规模在未来5年将会增长10倍，到2022年达到35亿美元，可以说是一个相当可观的市场。

但是入局者很多，尤其是在应用端，国内原本做安防、语音语义、人脸识别、云计算等领域解决方案的公司纷纷开始了自研芯片的道路，从百度、阿里到思必驰、云天励飞。而2018年大批AI算法公司开始转向各自所在领域的AI芯片研究，这也不再让人感到惊奇。

开先河的人是谁？似乎是特斯拉。大家应该都还记得，马斯克“嫌弃”英伟达芯片之后自己默默地就研发了用于自动驾驶的芯片，速度很快就换下了英伟达芯片，完全是一副“很容易做”的态势。

公开数据显示，截止2018年底，国内芯片设计公司规模已经发展到近1700家，虽然受经济影响，增速大不如前两年，但是仍然有不少人想要抢夺这块蛋糕。在AI的大背景下，人人可做芯片成为一个再正常不过的现象，这也让这部分尚未成型的市场争夺格外激烈。

2018年是格外热闹的一年，包括云知声、思必驰、出门问问等国内不少AI初创企业纷纷推出了自己的芯片或模组。而今年年初，云知声更是一口气发布了三款芯片：第二代物联网语音AI芯片雨燕Lite，面向智慧城市的支持图像与语音计算的多模态AI芯片海豚（Dolphin）以及面向智慧出行的车规级多模态AI芯片雪豹（Leopard）；而思必驰也携手中芯国际发布AI语音芯片TAIHANG。如此之类，比比皆是。

可以看出，尤其是在终端应用上，芯片设计巨头的优势正在逐渐消失。

为什么AI芯片人人可做？

“做神经网络芯片并不难。”在刚刚结束的CAIS大会上，赛灵思人工智能业务资深总监姚颂公开表示。

言下之意，现在应用于深度学习算法的AI芯片开发起来并不是一件困难的事情。因为应用在特定领域，对于初创公司来说，专用架构设计已经没有太高门槛，早期的初创公司如寒武纪、地平线等公司也都已经开始比拼工程能力和客户能力。

那AI芯片到底为何如此容易做？

回答这个问题还需要回到AI芯片是什么这个话题上。

说起AI芯片，它是一个比较宽泛的概念，且至今为止都没有一个明确的定义。从广义范畴上讲，面向AI计算应用的芯片都可以称为AI芯片。除了以GPU、FPGA、ASIC为代表的AI加速芯片（基于传统芯片架构，对某类特定算法或者场景进行AI计算加速），还有比较前沿性的研究，例如类脑芯片、可重构通用AI芯片等。

但后者距离大规模商用还有较长距离，暂时不会对市场造成太大影响。因此一般情况下，当我们谈论AI芯片，我们通常指的是以GPU、FPGA、ASIC为代表的AI芯片，而它们本质上就是AI加速器或计算卡，即专门用于加速AI应用中的大量计算任务的模块（其他非计算任务仍由CPU负责）。

如业内人所分析，因AI芯片就是用于计算的芯片，效率高，功能相对单一，且不涉及IP授权问题，应用起来更节约资源且门槛要比通用芯片低，故而进场者众多。

当然，除了技术本身，AI芯片市场发展的停滞不前也为入局者留有了足够的时间。有业内人调侃说，“我去年把工作重心放在了5G，今年转回来去做AI芯片，发现还是没有多大变化。”

可以看出，门槛低、专用性强、AI芯片再难创新等因素都直接促使了AI公司纷纷去做自己的AI芯片。