市场混战，谁能胜出？

不同于传统芯片市场，AI芯片专用性强，进入门槛也相对较低，且基础架构设计没有特定限制，因此整个硬件市场颇为“混乱”，资源也比较分散。

发展两年下来，“鱼龙混杂”成为AI芯片市场的发展现状，不再抱着参数和性能说话，走竞价路线成为芯片厂商不得不做的转变。

在谈到这一问题时，姚颂也明确表示认可。

他认为公司在做AI芯片时其实就是在做产品，“能不能用、好不好用和用户能不能离得开”成为衡量AI芯片的三大标准。

“底层技术过关是基础，赢得市场还是要看软件服务乃至生态。而一款芯片到底好不好，性能参数并没有那么重要，重要的是其在具体应用中的表现。”

在举例时，姚颂提到，即便是在赛灵思做的最不为人知的汽车领域，其芯片在实测场景中也已经能够达到每一百万芯片中低于2颗芯片的缺陷数和每10＾9小时内发生错误数大概在12次的优秀表现。没有参数，没有性能，只有客户与应用数据，而这就是最大的“话语权”。

确实，对于早期进场且有了众多芯片产品的AI芯片公司们，如寒武纪、地平线、百度，甚至包括英伟达，都开始沉下心来做市场，同时在下一代芯片的定义和设计上，他们也都谨慎和冷静了许多。

用一句话描述2019年的市场，AI芯片产业相对平静，“热度”都传导到了应用市场。

AI芯片困局：竞争力与差异化

目前，无论是初创公司还是芯片设计巨头，压力都是与日俱增。一般而言，只要有应用场景的支持、足够的资金和工程能力，AI芯片做出来不会成为大的问题。但对于AI芯片这一新兴市场而言，谈市场布局实在有些为时过早，大家心中都明白这将是一场持久战，而产业真正的未来和发展方向还是取决于创新。

从现有的市场情况来看，2019年整个产业趋于平静也反应出了大家已经逐渐从保证功能的粗放设计转变为提高竞争力和差异性的精耕细作了，但要做出竞争力和差异化却不容易。

如何提高竞争力？

上文提到，想要赢得客户，做服务、建生态是当下打开市场的出路，但是“硬件好做，软件难”却是大家普遍反映的问题。

有业内人指出，无止境的软件工具优化让大家备受困扰，从单核、多核到多芯片、多板卡，再到神经网络算法与非NN算法、异构系统、软硬件联合优化，软件工程师会遇到各种问题，这都将为大家不断深耕上层的带来阻力。

最近，台湾成立的“台湾AI芯片联盟”（AI on Chip Taiwan Alliance，简称AITA）就是为了合力为AI芯片的开发构建相对完善的软件开发环境和生态，以推动芯片的商业化。

而做出差异性就更是一件难上加难的事情，尽管这很可能是AI芯片公司发展的最终出路。

对于差异化这件事，尤其是在现有的商用AI芯片基础上，业内普遍认可的是AI芯片架构创新。但有前车之鉴，对于现在AI芯片架构热潮会不会重蹈三十年前的体系架构热潮的失败，谁也不敢保证。

不过从业内各人士发出的声音来看，向通用方向发展成为最易落地的方案。百度昆仑芯片的架构师欧阳剑就结合他们的研发经验指出通用性会越来越重要，同时曾经力挽展讯于狂澜之中的芯片设计工程师李力游就称未来云—端通用的芯片将不会是梦，而这必将打破现有的市场格局。

最后

从全球市场覆盖率来看，虽然如今英伟达的优势逐渐被赶超，但云端的训练和推理市场几乎被英伟达包下，边缘和端侧的应用则主要被三星、高通、英特尔、英伟达等厂商占据，除了华为，鲜有国内厂商出现在市场占有率前沿的名单上，这是不争的事实。

此外，国内第一梯队的AI芯片设计公司在高性能芯片上尚未形成强竞争力也是需要关注的地方。可见，卖片只是第一步，路漫漫其修远兮。