“对资本而言，已经到了看产品核心技术及商业化落地能力的时期了。”9月19日，探境科技的语音芯片系列新品发布会在京举行，探境创始人兼CEO鲁勇如是说。

2014年AI芯片兴起，大量的创业团队或其他细分领域企业转型进入这一领域，综合天眼查、IT桔子、及互联网公开数据来看，已有100多家AI芯片企业。但自2018年起，行业整体投融资金额骤减。

面对投融资环境的骤变，AI芯片企业应当如何应对？产品商业化落地难在哪？

潮水褪去 市场进入检验期

 “这一方面是受宏观经济及整体行业运行周期影响，另一方面，AI芯片行业自身也已到了行业洗牌期。” 中芯聚源研究总监樊锋对记者表示，“对资本而言，已经到了看产品核心技术及商业化落地能力的时期了。 ”

能否量产无疑是商业化落地能力最好力证。

“芯片是一个高投入、大周期、人才密集型的行业。芯片设计笼统来说包括从架构设计、代码实现到芯片封装、测试有十余个环节，越靠前的环节越要靠脑袋来解决问题。如果研发的思路一开始就有问题，那无形中浪费了很多时间。”鲁勇对记者表示。

鲁勇在芯片行业已有近20年从业经历，创业之前曾在Marvell工作，同时管理中美两地的研发团队。Marvell一度是全球排名前五的半导体公司，和高通、AMD等巨头实力旗鼓相当。

鲁勇创办的AI芯片公司探境科技语音的一款产品“音旋风”611刚刚实现了量产，截至目前为止，智能家居的合作伙伴超过20家。对于AI芯片实现量产的意义，他认为，“这充分说明了市场对于探境语音芯片产品的认可。”

同时，量产也说明AI芯片企业对于市场的洞察能力。这需要AI芯片厂商能够加强与产业固有主体的合作，融入现有产业结构。

艾瑞咨询发布的2019年《AI芯片行业研究报告》中指出，目前AI芯片行业当前接近Gartner技术曲线泡沫顶端，只有通过市场检验和筛选的优质团队才能够继续获得产业、政策和资本的青睐和继续支持。

李鬼当道  人才紧缺是行业痛点

AI芯片需要支撑的不仅是AI计算，而是要面向场景，完成完整的功能。 

鲁勇认为，“就语音芯片市场而言，负责任地说，除了探境等极少量的公司之外，市场上90%所谓量产的芯片，都是DSP芯片。” 而DSP由于先天算力不足，只能采用相对简化的算法，效果差强人意。

从架构上看，DSP是为传统信号处理算法设计的通用型处理器，不是为神经网络相关的运算而设计，与专门的AI芯片相比，DSP芯片算力上有数量级上的差异。

另外，DSP多是采取哈佛结构存算分离，受数据带宽的限制其算力有效利用率较低。受算力所限，在DSP架构的芯片上只能使用一些相对简单的神经网络，模型描述能力有限，在支持的词条数目以及最终的准确率方面都会受到限制。 

显然“先天不足”的DSP芯片无法成为真正的AI芯片。 

鲁勇认为，市场上之所以涌现大量DSP芯片，是由于AI芯片行业市场浮躁及人才匮乏所致。“芯片行业的准入门槛非常高，硕士毕业是芯片行业培养初级人才基本要求，多年来的低薪环境又造成了芯片从业人员人才流失，许多人转行去了互联网、房地产等行业。” 

据《中国集成电路产业人才白皮书（2017-2018）》统计分析显示，到2020年前后，我国集成电路产业人才需求规模约为72万人左右，现有人才存量40万人左右，人才缺口为32万人。

鲁勇告诉记者，芯片设计的人才结构比例呈金字塔结构，头部的架构设计人才与前端设计、SOC设计、后端设计等相比，数量而更加稀少。

“没有人同样造不出来好芯片，而市场热度，资本推动，又使得一些急功近利的企业以假乱真。可见中国‘芯痛病’的病因是人才病，而缺少头部的架构设计人才，是病根”。鲁勇这样总结中国芯片行业的人才问题。

“对于AI 芯片来说门槛还是很高的，需要芯片设计、AI 算法、系统设计等综合能力。”中芯聚源研究总监樊锋说，“AI之关键还是落地和应用！”