行業普遍認為，安防芯片已經是一個紅海市場。

隨著AI在安防行業的落地，AI獨角獸們也紛紛進入這一市場。如何實現差異化競爭，其中一個關鍵因素就是IP的選擇。

提供安防芯片的IP授權，全球范圍內ARM、Cadence、CEVA等廠商已占據了大量的份額。

通常，IP研發的資金投入大、技術難度高。而國內廠商，入局這一市場，又是否還有生存的機會？

芯片3.0時代：定制芯片的興起

作為異構處理器IP 平臺和芯片解決方案提供商，華夏芯擁有自主知識產權的 CPU、DSP、GPU 和 AI 處理器 IP，也是國產IP授權供應商中的一員。

將IP授權模式作為芯片的一種商業模式，還要從ARM等公司說起。

上世紀90年代前后，以臺積電為代表的Foundry（芯片代工廠）模式和以MIPS、ARM為代表的IP（知識產權）授權模式的誕生，永久地改變了世界半導體產業的版圖——大大降低了半導體產業的準入門檻。

此前，全球只有幾十家芯片公司，都采用自己的指令集來設計芯片，這是芯片設計的1.0時代。

IP授權模式的興起則催生了全世界范圍內大量的芯片公司。迄今為止，全球有大大小小幾千家基于第三方IP設計芯片的半導體公司。這也就開啟了芯片設計的2.0時代。

今天，芯片成為了從谷歌、阿里這樣的互聯網企業到特斯拉、格力這樣的終端產品公司的“護城河”和核心競爭力。與此同時，新的芯片設計模式也在孕育中。

在人工智能時代，伴隨著摩爾定律的減緩甚至失效，在新工藝下設計、生產高端復雜芯片的投入巨大。市場上現有的通用芯片無法滿足人工智能高速計算以及不同場景下的差異化需求，而專用芯片又無法滿足算法每3到6個月就迭代升級一次的可編程需求。

因而，市場針對高端芯片的定制化需求就呼之而出。

華夏芯CEO李科奕認為，目前的芯片市場，正是一個新技術、新模式分流的時代。

年銷售額在2000億元以上的公司，包括谷歌、華為等已開始自研芯片；銷售額在10億元以下的公司，可能會繼續使用市場上現有的通用芯片；而銷售額在10億到2000億元之間的公司，很可能會選擇第三種路徑，即委托第三方來設計、定制所需要的芯片。芯片設計的3.0時代，就是自研芯片、通用芯片以及定制芯片三種模式并行的時代。

“對于高端復雜芯片而言，自研芯片需要跨界建立龐大的設計團隊，不一定符合經濟規律。而市面上的通用芯片由于需求不明確，容易面臨設計不足或過度設計的問題。在一定規模的基礎上，定制則能夠實現客戶針對性能、功耗、可編程性、內存、接口、成本、算法、生命周期等不同的要求。”李科奕說道。

IP是一門難做的生意，華夏芯要做“異構計算IP平臺”的“開創者”

要做定制芯片的生意，就又回到了IP授權的問題上。

國內IP產業還處于初級階段，IP公司整體規模都比較小，大部分都在價值鏈較低端的領域，且國內IC設計廠商也大多購買國外IP核授權。

即使在國內興起的“造芯”熱潮中，從事自主設計CPU、GPU或DSP的單位仍如“鳳毛麟角”，而異構計算IP平臺需要同時具備CPU、GPU、DSP、AI等不同計算單元的設計能力，就更是難上加難。

李科奕直言，如果初創公司用傳統方法設計自主的異構處理器IP平臺，幾乎是“不可能完成的任務”。因為每個相關領域，都有芯片研發隊伍在千人以上和龐大資金實力的傳統處理器巨頭。

可能成功的辦法只有一個：規避PC、服務器、手機這些已經形成了生態壟斷的市場，并且采用全新的設計理念和技術基因。

“除英特爾等極個別公司外，全球99.99%的傳統芯片廠商都是采用來自不同供應商的IP設計自己的芯片。比如CPU一般是ARM授權的，DSP可能是CEVA授權的，神經網絡可能甚至是采用初創公司的授權。這樣就必然導致設計芯片隊伍很龐大，因為需要不同的開發團隊分別學習不同的指令集，熟悉不同的IP，對各種IP進行適配，再在仿真環境中，看IP的運行是否有沖突、會不會‘打架’。”

“而且產品開發團隊十分龐大，產品開發周期也很漫長。應用開發者需要學習ARM的CPU、CEVA的DSP以及第三方的神經網絡是如何編程的。越是復雜的AI應用，越是需要不同計算單元之間高效的管理與調度。所以，如果沒有一套融合不同計算IP的系統開發調試的工具，實現產品開發的周期會很漫長。”李科奕說道。

明白了設計異構芯片時的IP痛點在哪里，華夏芯采取的是與傳統路徑完全不同的理念來切入市場。

與其說華夏芯是在已經形成生態的IP陣營里搶下“一塊蛋糕”，還不如說華夏芯是另辟蹊徑，在增量IP市場上開辟一條全新的道路，成為“異構計算”領域的“一站式供應商”。

異構計算，打破傳統芯片的IP藩籬

什么是”異構計算”？

在IT界，異構計算并不是一個新興的詞。

在80年代末，異構計算這一概念就已經誕生了。所謂異構，就是將CPU、DSP、GPU、加速器、FPGA等不同架構、不同指令集、不同功能的計算單元，組合起來形成一個融合的計算系統。

由于摩爾定律接近失效，芯片算力的增長已接近瓶頸，而AI的發展對計算力的超高要求，異構計算近幾年來在產業中開始顯露鋒芒，并被普遍認可。

一般來說，通用計算單元難以滿足算力的高要求，AI專用計算單元則在編程靈活性、算法升級上有所欠缺。因而目前業內普遍看好的一種方式，就是將通用和專用計算架構結合在一起，取長補短。但是，將不同類型指令集和體系架構的計算單元集成到一顆SoC芯片上，設計難度和復雜程度是非常大的。而且不同計算架構有不同的開發環境和編程語言，導致系統性的開發調試也非常復雜。

這就是目前“異構計算”所需要解決的兩大難題：一個是降低芯片設計的復雜度；第二個是降低編程開發的復雜度。這也是現在安防芯片廠商們，尤其是在安防前端開發廠商面臨的挑戰。

李科奕解釋道，新一代的“異構計算”可以定義為“單芯片上高效協同的統一編程模式”。

華夏芯所采用的技術手段就是新一代的“異構計算”，用一套指令集設計不同計算單元的IP，IP之間形成高度的統一性，只需要一個團隊就可完成IP的學習、設計及使用。而且不會存在CPU和DSP、GPU之間“打架”的問題。

“華夏芯基于統一指令集的異構設計模式，將不同的計算單元整合在一起。比如說，我們正在設計的一款低功耗的SoC芯片，CPU與 DSP融合在一個計算單元里面，與傳統的CPU核加DSP核相比，功耗更低，而且只需一套編程模型。”

李科奕說道，“定制一個芯片，我們希望它生命周期有三到四年，為了實現比較好的適應性和靈活性，就需要在芯片的通用性和專用性上達成一個折衷。其中，既有專用計算單元，又有通用計算單元。這樣既能高效的處理數據，又能支持算法的更新和迭代。”

這是做IP創新的最好時代，安防等市場還沒有主流的異構生態

如果將視角集中到目前市場看好的AI加速器上，華夏芯的異構計算架構優勢在哪里？

李科奕指出，現有市場上集成了AI加速器的芯片在應用上還存在問題。

第一是芯片價格太高。第二個芯片的可編程性不足。“來自安防領域的廠商普遍反映的不僅是芯片的性能不夠，而且芯片中的AI加速器使用起來都很復雜，如果要實現CPU、DSP和AI協同計算則更加困難。”

在以安防、自動駕駛為代表的邊緣計算市場，對芯片的綜合性能要求非常高。芯片需要處理的數據量很大，同時對于性能、性價比、性能功耗比要求都很高。而作為新興市場，邊緣計算的需求量很大，目前布局的廠商并不多，還未形成巨頭壟斷。

對于云端語音和圖像識別芯片的需求是只要性能足夠好，芯片的價格可以做到較高，但需求量并不會很大。云端芯片要求處理速度極快，一秒鐘需要做到處理幾千張畫面。但對功耗要求相對較低。

而在物聯網市場，對AIoT芯片的需求量也很大。AI性能要求相對較低，如智能門禁、門鎖等場景，可能只需要一秒鐘分析幾張畫面。但要求功耗低、成本低。

以上新興市場還未有巨頭形成壟斷的生態，而且對性能、功耗、可編程性、成本等存在多元化、差異化的需求。通過芯片定制發揮異構計算相對于傳統的通用芯片或專用芯片的優勢就有了“用武之地”。

“定制芯片還是個新生事物，很多廠家想要嘗試，目前還需要一個逐步推廣的過程。”

“現在很多新興的人工智能場景，從安防監控、輔助駕駛、服務機器人、物聯網、到5G應用等，這些領域的芯片都還沒有形成壟斷的生態。尤其在安防領域，前端有很多新的技術出現，如三維立體識別、步態檢測，以及通過5G實現變焦攝像頭的聯動等。因而，我們認為現在恰恰是做指令集的一個最好的時代。”李科奕說道。

而如何平衡定制需求和芯片成本的問題呢？眾所周知，目前很多AI安防芯片廠商做芯片時面臨的一個很大問題就是，如果芯片產量不夠大，便很難以收回成本實現盈利。而定制芯片的需求量相對更難把握，如果不能實現規模化采購，成本問題就更加突出。

李科奕介紹道，這確實需要做一個平衡。“既然接受定制，一定要先把賬算好了，再進行定制。華夏芯是提供一整套IP，設計投入相對較少，這意味著只要銷量達到幾十萬到上百萬顆就能實現盈虧平衡。”

按照聯發科的測算，中國有400億美金的定制市場，這部分市場的客戶都希望通過芯片定制支持產品創新，提升競爭實力。

換道超車？做“集成創新”不如做“原始創新”

值得注意的是，異構計算目前生態上還不夠成熟。目前，AMD、高通、ARM、華夏芯等成立了異構系統架構（HSA）聯盟，而Intel在推動“超異構”。

國內目前也有一些企業開始涉足這一領域，如華為等企業都在研發異構計算的產品，而初創企業，如前百度科學家吳韌創立的異構智能，也在專攻異構計算。

不過，異構計算所需要的一些基礎技術，諸如Cache的一致化、統一Memory及新的工具鏈等，對于國內的芯片企業來說仍然感到門檻很高。

在李科奕看來，以云端市場為例，CPU仍然占據云端芯片71%的市場，隨著人工智能浪潮而受益非凡的GPU僅占17%，AI專用加速芯片的市場占有率僅為7%。

雖然傳統架構的芯片在市場上還占有大部分份額，但是異構計算的架構已經成為趨勢，比方說，新一代的GPU和FPGA都引入了異構架構。

另一方面，對中國企業而言，異構計算是挑戰也是機遇。

正因為異構計算從技術層面上，目前還處于百花齊放的階段，從生態上來看，還沒有出現壟斷巨頭。無論是中國的IP供應商還是芯片設計公司，一個深層次的價值貢獻在于，即使單一的計算單元的水平還不是全球頂尖，但通過異構計算所形成的系統能力和生態建設方面就有機會達到世界先進水平。

在這方面，李科奕也有著更高的愿景。

早期以華為為代表的企業，是在做芯片上的“集成創新”，而隨著國產芯片實力的增強，以及目前在AI加速、異構計算，以及類腦計算等芯片新范式上的嘗試，我國更有機會去實現芯片設計的“原始創新”。

“指望中國芯片企業超越20年的差距，在PC領域趕超Intel是不太現實的。這并非只是技術原因，還包括x86強大的生態優勢。但現在異構計算還沒有形成一個主流的生態，所以中國就還有換道超車的機會。”李科奕說道。