此次芯片之争,战火是否会波及人工智能行业,尤其是我们所关注的医疗人工智能行业。如果商贸摩擦再度升级,医疗人工智能公司会不会像中兴那样被“卡住脖子”?
来源:动脉网(ID:vcbeat)
作者:王晓行
沸沸扬扬的“中兴事件”正在持续发酵,,同时也凸显了两国在高精尖产业上的实力差距。
早在2016年4月,中资私募投资公司CanyonBridge提出收购莱迪思(Lattice)。同年11月3日,Lattice接受收购要约,宣布将被CanyonBridge以1.3亿美元收购所有流通股包括自身债务。
莱迪思是全球FPGS四强之一,其他三家分别是Silinx、Altera(被Intel收购)、Actel(被Microsemi收购)。
其总部位于美国俄勒冈州波特兰,主要生产汽车、电脑、移动设备和其他设备中使用的通信芯片,亦可用于军事通讯,是目前为数不多的几家能够制造可编程逻辑芯片的制造商之一。
这本是一桩愿买愿卖的生意,,无法通过审核。2017年9月14日,特朗普直接下达行政指令叫停了交易。中资机构试图通过收购获取FPGA技术的努力宣告失败。
另外一个重要事件是在2015年2月,国家发展和改革委员会宣布对高通处以人民币60.88亿元罚款; 2017年3月,美国对中兴罚款8.92亿美元,也是接近60亿人民币。
在中兴事件之前的2018年4月份,,也是为企业寻求更多的保护。两国的芯片之战如此剧烈,也让国人认识到的芯片之痛。
中兴被封之后,国内引发了一波大规模的探讨,而此时一桩AI芯片收购事件却引起了大规模关注,即4月20日阿里巴巴集团全资收购大陆唯一的自主嵌入式CPU IP Core公司——中天微系统有限公司。
4月19日,阿里巴巴达摩院宣布正研发一款神经网络芯片——Ali-NPU。至此,阿里通过自主研发、收购等手段,强势跨入芯片领域。
近两年,人工智能开始在全球崛起,尤其是两国发展最盛。人工智能技术的崛起得益于计算能力的提升,GPU、NPU等芯片功不可没,极大的加快了人工智能产品迭代和研发速度。
医疗AI行业的芯片依赖美国
由于医疗人工智能的研究需要对大规模的数据进行计算,对芯片的需求非常大。
在医疗人工智能领域使用芯片进行数据运算的场景主要有两种,一种是在实验室模型训练的过程中,利用芯片进行数据的计算,AI产品迭代。另一种是产品研发出来以后,将芯片嵌入影像工作站或者医疗器械设备。
目前主要的AI加速芯片有四种:CPU、GPU、FPGA、ASIC(谷歌TPU)。
其中GPU是应用最广泛的通用芯片,主要得益于英伟达的大力推广、高效率且价格合适。CPU的效率太低,而ASIC和FPGA属于定制和半定制芯片,虽然效率高,但需求少导致产能低、价格高。
在模型训练阶段,各公司用得较多的是通用芯片。在这个过程中,会通过英伟达GPU、英特尔CPU以及其他公司的FPGA进行。
到了应用阶段,医疗AI产品的落地对芯片同样有着很强的依赖度。一种是云化方案,将产品放在云端为客户提供医疗服务,可以降低成本,但是实时性略显不足。
还有一种方式是将AI算法以及软件系统集成到定制芯片中,将定制芯片装入医疗器械,以此降低功耗、保证系统性能、减小设备体积。
由此可见,无论是模型训练还是场景应用对芯片的要求都很高。在现阶段,虽说的医疗AI公司在软件和算法方面与欧美国家已经不相伯仲,但所用的芯片几乎都依赖美国进口。
国内具备AI芯片设计能力的公司并不多,寒武纪算是一家具有代表性的,但是其封装生产工艺还有所欠缺。
美国会不会禁止AI芯片出口?