这家AI芯片公司凭什么吸引了李嘉诚和阿里的大年夜手笔投资？_芯片_范畴

有人选择被收购，有人面对危急便是转机，也有新人加入战局，包括华为及阿里巴巴，后续 AI 芯片初创领域又会怎么发展？“大厂已经投入资源切入，便是行业洗牌的时候！
”，耐能创始人刘峻诚在接管 DT 君采访时说。
对付同属 AI 芯片创业一员的耐能，其开拓的神经网路处理器（NPU，Neural Processing Unit）芯片，估量明年第二季出货，并通过与 3D 传感供应商互助，全力抢攻 3D 传感商机。

不同于几家媒体上常曝光的 AI 芯片初创公司多是从学术圈走向创业，耐能的创始团队则是来自半导体业内人士，刘峻诚曾任职于高通、三星，耐能首席科学家李湘村落则是前高通多媒体研发部门总监，也曾在展讯、朗讯（Lucent Technologies）担当高管。

云真个 AI 做事可以通过 GPU、做事器、高性能打算机群（HPC）供应强大的算力，但越是终真个产品随着系统打算能力的减弱，可以运行的深度学习网络就越小，因此如何让终端设备也能实行一定程度的 AI 功能，便是耐能锁定的市场。

2016 年推出自家第一款终端装置专用的 NPU 以及软体开拓套件“重组式人工智能神经网路（Reconfigurable Artificial Neural Network）”，芯片体积小、功耗低，更做到可以在终端上跑 ResNet、SSD（Single Shot MultiBox Detector）等深度学习网络框架。

在深度学习领域有几个被广泛利用的模型架构，像是 AlexNet 有 5 或 8 个网络层，ResNet 有 18 层、50 层、101 层、152 层等，而 SSD VGG-300、VGG-512 则是弘大的模型，目前紧张运用在安防领域，让机器可以在空间中止定出各个物体的位置、间隔等。
耐能的 NPU 利用 ARM Cortex-A7、A9 处理器，却能跑得动 ResNet 和 SSD，这便是其技能独到之处。

正因如此，吸引了不少重量级投资者，去年底耐能宣告完成超过千万美元的 A 轮融资，便是由阿里创业者基金（Alibaba Entrepreneurs Fund）领投，其他投资者还包括高通、中科创达、红杉成本等。
今年 5 月耐能完成由喷鼻香港富商李嘉诚旗下维港投资（Horizons Ventures）领投的 1800 万美元 A1 轮融资，累计融资金额超过 3300 万美元。

只管大股东自己当起了平头哥，要做 NPU 以及嵌入式芯片，但并不影响耐能的买卖，刘峻诚透露，近期将宣告完成新一笔融资，此轮金额将超过先前累计的 3300 万美元。
其余，耐能最初的商业模式是采纳先卖软体、NPU IP 授权的商业模式，互助客户包括 ARM、家电巨子格力等，随着营收来源稳固，明年将开始发卖自有 NPU IC。

图｜耐能创始人刘峻诚（图片来源：DT 君）

苹果 Face ID 刷脸解锁技能的问世，定义了全体科技行业的新方向，不仅 Android 阵营的手机品牌全部跟进 3D 传感，也延伸到了新零售，像是刷脸支付，或是通过扫描面部或身体的 3D 建模，可为消费者定制化产品，还有门禁解锁，就有汽车公司思考通过 3D 传感技能来取代车钥匙。

除了取代人们口袋中的东西，像是钱包、钥匙之外，还有 AR 运用，业界就盛传苹果故意在 iPad 平板电脑采取 ToF 技能，估量在 2019 或 2020 年问世。
在苹果的力拱下，3D 传感技能无疑依旧是 2019 年家当的热点。

不过，目前 3D 传感技能的问题在于方案本钱仍昂贵，举例来说，苹果 Face ID 的构造光模组打出 3 万多个光点到用户的脸，然后把这些讯息丢到 iPhone 的主芯片 A12 Bionic，这块主芯片里有一个神经网络引擎（Neural Engine），由这个人工智能专用加速处理器实行运算，而构造光模组成今年夜概是 20 多美元，主芯片大概是 70～80 美元，两者加起来就逼近 100 美元的本钱，并不是所有终端产品都适宜，例如物联网产品、智能家居产品等。

大略来说，3D 传感方案包括 3D 传感器以及后段的运算处理，目前较盛行的做法是利用 NPU 芯片或神经网络引擎来进行后段的运算，3D 传感器取得光的信息和深度信息后，由 NPU 来运算这些数据。
因此，耐能的计策是开拓一个专门处理 3D 传感的 NPU 芯片，实时进行三维建模，像是人脸识别、物体或行为识别，同时办理耗能高及本钱的问题，他进一步指出，一些大略的功能靠这一颗芯片就可独立运作，“该芯片价格大概在 10 美元旁边”，并可搭配不同的传感器如构造光、双目或 ToF。
目前已与奇景光电及台湾半导体公司钰创分别互助构造光、双目方案，进攻 3D 传感市场。

除了新零售运用，刘峻诚指出，3D 传感运用在安防领域是一大商机，将 2D 平面信息转为 3D 模型，立体化之后的好处是提高准确度，除了多加了“深度”信息之外，还能用光来感测体温，拿了照片、乃至是蜡像、雕像也无法矇混过关，除了强化系统安全性，另一个优点在于“授予行为识别能力”，过去安防领域是通过 2D 视频来判断，可能由于角度错位导致系统随意马虎涌现误报，通过 3D 传感让机器具有行为识别能力，匆匆使安防产品进入下一个时期。

另一个便是产线的非常检测，目前在工厂生产线上采取自动化光学检测（AOI）技能已行之熟年，也便是利用高精度跟高速率的光学镜头来帮忙检讨产品是否有缺陷，不过，比来 AOI 也兴起一股很明显往机器学习靠拢的趋势。
刘峻诚认为，传统 AOI 紧张是运用在“平面的”印刷电路板（PCB）、面板等行业，其他行业的曲面、立体的产品不见得适用，其余 AOI 准确度仍有很大的改进空间，更多时候是须要靠人力来检讨，通过 3D AI 技能即时 3D 建模，可以更精确检讨产品的焊锡是否准确等，同时本钱得以低落。

从初期卖 NPU IP 到准备开始卖自有 IC，特殊是耐能的投资方还有一个芯片巨子高通，难道不怕得罪投资方？“在手机跟安防领域，我们是不可能自己做芯片去跟巨子竞争，”刘峻诚说得很坦白。

他进一步剖析，目前手机市场就只有前五大业者才有出货量，但手机芯片行业已被高通及联发科拿下，而在安防领域，行业巨子海康威视、大华也自己跳下来做晶片，“本日做个晶片跟巨子 PK，那我便是找去世！
而且 NPU 实在只是一个协处理器，耐能做的是帮助客人强化他们的产品线，”因此耐能在手机及安防领域的策略便是发卖 NPU IP，一是让客户的芯片在 3D AI 功能更强大，二是让新切入芯片领域的巨子能够加速 IP 整合、开拓芯片。

在手机跟安防领域不直接与巨子竞争，耐能瞄准的是物联网以及新兴运用，“有些领域并没有这种独占性，物联网至今就没有所谓的赢家，但是有很多生态链，像腾讯、阿里巴巴、小米等，”刘峻诚指出，这些便是耐能将直接发卖 NPU 芯片的领域。

对付今年 AI 芯片初创公司陆续有一些变革，未来全体市场发展又会如何？他认为，“大厂已经投入资源进来，华为便是一个代表”，华为的两款升腾芯片 910 和 310，各自对准云跟端，“昔时夜厂切进来打的时候，这个行业洗牌的时候就到了”，“半导体芯片门槛还是高的，是老师傅当道”，例如，高通是不会让一个 7 年以下事情履历的人到第一线做产品，“直接做大型晶片，跟大厂竞争是傻的”。

实在可以检视一下 AI 芯片独角兽们的产品策略，有两家企图攻进云端市场，像是数据中央，但云端市场早已是巨子把持的天下，谷歌自研的 TPU 已经开始对外供应做事，除了半导体巨子 NVIDIA 之外，更不用说还有一个在数据中央具有极高市占率的英特尔，不但芯片，内存以及传输介面（Interface）都是它的强项，因此英特尔的上风在于“整体系统”的性能强大。

其余，汽车领域也吸引了不少芯片初创企业投入，海内就有一家有名的独角兽推出了自动驾驶芯片，“但车的全体开拓周期是三年到五年，韶光很长，小公司没有营收，发展会比较辛劳”，更主要的是，在这个领域会碰着 NVIDIA。
众所皆知，NVIDIA 跟国际车厂包括奔驰、奥迪等，已经建立深厚的关系，而且汽车并不在意功耗问题，只重视系统的稳定度及可靠度，因此想要跟 NVIDIA 抢食自动驾驶芯片的蛋糕，难度实在很高。

因此，耐能的策略很清楚，“我们不碰“云”跟“汽车”行业，专攻“端”，”刘峻诚强调，把过去依赖大量云端算力进行的 AI 打算，搬到终端上来实现，也便是边缘运算，但只管是锁定“端”的 AI 市场，在安防跟手机领域因此卖 IP 为主，不会去跟大厂竞争，而是帮助他们技能提升，捉住自己的独占性。

面对这场 AI 芯片大混战，刘峻诚倒是看得很镇静，“估值喊得再高，实质还是要创造代价”，便是“比谁的气比较长”，“能做的便是赶紧找一些细分领域做打破、做前沿技能开拓”，他进一步剖析两大趋势，AI 发展后，未来一定是多个 NPU 多核堆叠起来，因此内存跟中间的 I／O 传输会是下一个非常主要的领域，像是内存内打算（In Memory Computing）以及高速传输介面 SerDes。

由于 AI 或认知运算都须要处理非常大量的资料，如何有效率处理这些数据就成了关键，现今的电脑架构都是利用冯诺伊曼架构（von Neumann architecture）来运行，但基于冯诺伊曼架构，在实行 AI 运用时，处理器和影象体之间须要大量传输资料，耗费资源且效能不佳。

许多重量级研究机构都已经投入干系研究，除了美国美国国防高等研究操持局（DARPA）帮助开拓一种全新的非冯诺伊曼（non-von-Neumann）架构处理器之外，今年 4 月 IBM 研究团队揭橥了一个全新的稠浊式精确内存内运算架构（Mixed-precision in-memory computing），将打算型内存单元（Computational memory unit）加入冯纽曼架构（von Neumann architecture），来提高 AI 演习的效能。

随着 AI 芯片的行业正走向洗牌，初创公司必须开始做出差异化，因此耐能已经投入上述两大领域的开拓，希望在未来的前沿领域仍可跟巨子竞争。