AI芯片市场空间巨大，未必能容纳得下大量玩家

根据Gartner的预测数据，全球人工智能芯片市场规模将在未来五年内呈现飙升， 从2018年的42.7亿美元成长至343亿美元，增长超过7倍，可以说，未来AI芯片市场将有一个很大的增长空间。

不过，对于很多初创企业而言，研发芯片将要面临时间和资金上的巨大挑战。在时间上，芯片研发从立项到上市通常需要两年左右的时间。相较之下，更重要的一点是芯片成本很高。

在人工智能应用领域，依据芯片的部署位置和任务需求，会采用不同的制程。在一般情况下，终端设备的芯片经常会采用65nm和28nm制程；边缘端和部分移动端设备的芯片，制程基本为16nm或10nm；而云端芯片通常是7nm。

芯片制程决定开发成本。根据IBS的估算数据，按照不同制程，65nm芯片开发费用为2850万美元，5nm芯片开发费用则达到了54220万美元。因此，在芯片的研发上，对错误的容忍度几乎是零。目前，较为成熟的是40nm和55nm工艺，而对于当下先进的7nm工艺，很多企业的技术还不够成熟。

高昂的开发费用，加上以年计算的开发周期，AI芯片企业在融资的早期阶段就需要大量资金浥注，这样才能撑过没有产品销售的阶段。而政府的补助和投资者的资金，往往会倾向于那些销售业绩好的公司。且资本市场希望能有一个较短的投资周期。因此，融资也成为一道门槛。

此外，由于芯片开发周期通常需要1-3年的时间，在正常的时间里软件会有一个非常快速的发展，但算法在这个期间内也将会快速更新，芯片如何支持这些更新也是难点。

而从长远来看，AI芯片本身的技术发展还要面临如下的困境。

目前主流的AI芯片采用的是冯诺依曼架构。在冯·诺伊曼体系结构中，芯片在计算上是采取1进1出的方式，数据从处理单元外的存储器提取，处理完之后再写回存储器，如此依序读取完成任务。由于运算部件和存储部件存在速度差异，当运算能力达到一定程度，访问存储器的速度无法跟上运算部件消耗数据的速度，再增加运算部件也无法得到充分利用，这不仅是AI芯片在实现中的瓶颈，也是长期困扰计算机体系结构的难题。

另外，要满足人工智能发展所需的运算能力，就需要在CMOS工艺上缩小集成尺寸，不断提高芯片的系统性能。如今，7nm已经开始量产，5 nm节点的技术定义已经完成。但由此也产生了CMOS 工艺和器件方面的瓶颈。首先，由于纳米级晶体管所消耗的能量非常高，这使得芯片密集封装的实现难度很大。其次，一个几纳米的CMOS器件，其层厚度只有几个原子层，这样的厚度极易导致电流泄漏，而工艺尺寸缩小所带来的效果也会因此受到影响。

尽管AI芯片市场的增长空间很大，但未必能够容得下足够多的企业。行业本身的特性以及当下AI所处的发展阶段，都决定了AI芯片企业会有一个相对较长的挫折期，而在此过程中，被资本炒出的泡沫也会随之压缩。