人工智能专用芯片商业化，IP授权是当前的最佳出路
随着寒武纪成为AI芯片领域首个“独角兽”、华为麒麟970的推出，以及后面苹果、三星等多家重量级厂商相继宣布AI芯片的规划，“如何实现技术、产品的商业化落地”就成为了接下来需要厂商们亟待解决的问题。
目前，运用ASIC架构的人工智能专用芯片中，最典型、最具代表性的当属寒武纪旗下的产品和谷歌的TPU了，不同的是，前者服务的对象是广大客户，而后者则是服务于自己的人工智能系统Tensor－flow。
谈及商业化，虽然中星微、寒武纪的产品此前都有所流片，但是从当前的整体来看的话，相比于流片，IP授权或许更适合人工智能专用芯片，尤其是对于创企而言。至于原因，可以总结为两点：
第一，与其急着流片实现商业化，不如缓下脚步达到芯片生态圈
的确，对于企业来说，流片是一种能够快速实现商业化的方法，并且收获的利润也是可观的。但是，这样一来难免显得有些激进，一不小心或许就会造成失误。相比之下，通过IP授权来慢慢拉拢客户构建生态圈、“蚕食”人工智能芯片市场显得更为从容有序。
说到IP授权，我们第一个想到的就是ARM，作为后起之秀的它通过IP授权的策略打败了当时的业内老大Intel。ARM大中华区总裁吴雄昂曾一句话总结成功——建立了一个有强大活性和创新力的生态圈，为生态圈的合作伙伴提供了一种共赢模式，参与其中的企业有很高的成功率和利润空间。另外，ARM生态圈的成员并不受限于ARM平台，在此基础上可以有无限的创新空间。
当前，深度学习算法可能还没有那么的成熟，而人工智能的极大需求又对芯片的性能和功耗提出了新要求。与此同时，ASIC还有一个bug——架构固定不具备灵活性，这是其略逊于FPGA的一处。不过，通过IP授权，这将允许客户在指令集基础上根据需求创建出自己的内核架构，并可添加各种片内外设比如通信接口等等，从而生产出自己的“处理器芯片”，就像此次的华为麒麟970。
目前来讲，人工智能还处在一个初级阶段，相比于“思维定式”，更为灵活的架构或许将会更受欢迎。如此一来，围绕人工智能专用芯片将会逐步形成一个生态圈，这对于芯片企业以后的规划而言将是重要的一步棋。
第二，人工智能专用芯片流片具备风险
前面也提过，相比于人工智能通用芯片，人工智能专用芯片具备低成本低功耗的优势，但是有一个前提，那就是实现高出货量。
比如ASIC和FPGA，比起一次性成本，前者的成本是远远高于后者的，不过，在同样实现高量产的前提下，后者的成本将转变为前者的10倍，甚至是100倍。因此，如果不能实现量产的话，这对于人工智能专用芯片将是一件极为不利的事。
当然，在性能和功耗上，人工智能专用芯片遥遥领先，但也不能忽视其一旦流片，功能就不能更改的事实，这也是造成人工智能专用芯片上市慢的一个原因所在。
结语
在多起事件的联动下，人工智能专用芯片已经成为了一个“大蓝海”，引得国内外科技巨头、AI创企纷纷跳入其中，意图攀上中间那座小岛的制高点。
最后，攀上那座小岛的只会是人工智能专用芯片，至于最后是谁，又是怎么攀上的，我们目前只能持以观望的态度。
