大厂也有烦“芯”事：巨头下场造芯，押注下一个“黄金十年”？
众所周知，芯片是一个投资周期长、单笔投入多、不确定性高的产业。小米集团中国区总裁卢伟冰曾言：芯片产业投资周期长，一般约2-3年；投资金额大，投资一条线需要二、三百亿美元；产能调配慢，后端产能调配大约需要6个月周期。
2015年前后，在国产替代的大趋势下，投资人燃起对芯片的热情，而轰轰烈烈的互联网“造芯”运动，在一定程度上为芯片国产化注入了资金与活力。不过，考虑到互联网与半导体截然不同的发展逻辑，不少人依旧对跨界“造芯”存疑，巨头们造芯真的不是赔本赚吆喝？
我们先来谈谈为什么要“造芯”。
如果套用汽车电子的概念，互联网巨头相当于一家家“整车厂”，要完成车辆的组装激活，实现芯片的自主可控是首要原因。
腾讯公司副总裁、云与智慧产业事业群COO兼腾讯云总裁邱跃鹏曾在活动上表示：随着云计算行业的发展，软硬一体化的趋势越来越明显，软件定义硬件势不可挡。而芯片正是硬件中最核心的部分。对互联网科技公司来说，软件只是发展引擎，要筑起真正的技术护城河，必须弥补芯片设计和研发的关键短板。
（腾讯公司副总裁、云与智慧产业事业群COO兼腾讯云总裁 邱跃鹏 图源：天眼新闻）
现阶段，持续的全球芯片供应短缺迫使互联网巨头们思考“从哪里获得芯片”的问题。在疫情对芯片供应链的巨大冲击下，许多公司的创新步伐受到限制，不得不被芯片制造商的时间表所牵制。而进入2022年，部分芯片价格暴跌，意法半导体的一款核心芯片价格从3500元/个下跌至600元/个，冰火两重天下，企业拥有属于自己的芯片非常必要。
其次，成本问题，这也是最根本的原因。芯片采购成本是考量的一方面，国内大厂虽然未直接披露过自身的芯片采购成本，但我们可以借鉴苹果 M1 芯片的例子，有统计数据指出，M1芯片成本在40-50美元，较之前采购Intel芯片成本下降非常明显。
另一方面，芯片的性价比是更为核心的考核项。巨头们青睐的定制型AI芯片的计算能力和计算效率都直接根据特定算法的需要进行定制，与CPU、GPU等通用型芯片相比功耗低、体积小、保密性强、可靠性高、计算性能高。在其所针对的特定的应用领域，AI芯片的能效表现显著优于CPU、GPU等通用型芯片及半定制的FPGA，同等量级下性价比更高。百度AI芯片“昆仑”就号称在同等性能下成本降低10倍。
此外，巨头造芯并非单点突破，基于其自有的庞大生态优势，芯片对整个企业的赋能效果将得到指数级放大。还是以百度为例，中国工程院院士倪光南表示：“芯片的成功，需要有生态的支持，这方面百度有较好的条件”。在他看来，百度一贯重视AI，做AI芯片可以发挥百度在AI领域积累的技术优势，且做出的芯片可以首先在百度自己的AI平台及其应用上得到使用，进一步推动芯片的发展，形成一个良性循环。
昆仑芯片确实做到了，梳理百度当前的业务架构可以发现，昆仑芯片不但为开源深度学习框架飞桨、百度机器学习平台提供算力支持，还进一步赋能百度自然语言处理，大规模语音识别，自动驾驶，大规模推荐等具体终端场景的计算需求。而昆仑芯片的外部开源能力也已得到印证。不但能够支持主流CPU、操作系统，Pytorch和Tensor Flow等深度学习框架，也与飞腾等国产通用半导体、麒麟等国产操作系统适配良好。
沙利文及头豹研究院总监李庆在接受采访时表示，软硬一体是AI的趋势，算法的支撑必须靠底层芯片的能力依托，而现有的都不足以完美匹配AI的算法模型应用。不仅是腾讯，华为、阿里在做AI芯片，这是在做AI平台的企业必然要走的方向。
”造芯“确实必要，但”烧钱“也是真的。
小米曾高调研发SoC芯片“澎湃S2”，但在多次流片试产后终告失败，有业内人士保守估计，小米烧掉的研发费用超三亿人民币。
手机厂商尚且如此，对于初来乍到的新手来说，投入1个亿都不见得砸出大水花。毕竟在这个圈子里，不考虑购买IP、人工成本等前期投入，5nm芯片的流片成本可达到5000万美元。而自研芯片毫无疑问一场持久战，后续投入跟不上的话，马上就会被对手甩出八条街。
