AI芯片是人工智能領域的熱門賽道，自2017年開始一直受資本青睐。有信息顯示，寒武紀已以20億美元估值完成新一輪融資；去年10月，地平線完成近億美元A輪融資，深鑒科技獲得4000萬美元融資。36氪從業内獲得的信息顯示，目前還有不少投資機構正在或者意向投資這一賽道。

AI芯片賽道的投資邏輯，我們也很好奇。北極光舉辦的“AI芯片媒體溝通會”上，董事總經理楊磊、投資副總裁張黎、投資經理趙顧也談了他們在這一賽道的投資邏輯——強調半導體行業的經驗，強調基于芯片的全棧解決方案，重度孵化項目，聚焦不廣撒網。我們認為這些觀點可能對行業也有參考價值，于是也做了梳理。

AI芯片并不是新鮮事，近幾年不少企業在做。這些公司多是學院派創業，強調AI算法，團隊發展至今多是100多人左右，但還少有企業做出實際在大規模出售成熟的芯片。

北極光董事總經理楊磊回憶，其實北極光此前也吃過虧這方面的虧，交過學費；當時也見過這些企業，很猶豫，但是基本沒有投，後面反而布局了一些其他AI芯片企業。這些公司與市面上常見的AI芯片公司有明顯不同：創始人多少半導體行業出身，有半導體行業的創業經驗，經過了多個半導體行業的周期，創業時團隊多是成建制，一般都是70-80人出來一起做。

這些企業自然也很貴，北極光投資天使輪，也基本是達到了市面上A輪以後的價格。比如登臨，最開始是希望投資350萬美元天使輪，最後2100萬美元同時交割天使輪加A輪。

這也與當前市面上常見的AI芯片投資邏輯有明顯不同，36氪簡單概括為：

① 投資有産業經驗的創始人和團隊；

② 團隊需要有核心競争力和技術創新；

③ 項目未來需要有想象力；

④ 北極光會對項目深度孵化，持續加碼，而不廣撒網。

這種不同的投資策略，與北極光對行業的判斷有關。

1、AI對計算計算架構的影響可能遠大于雲計算

在北極光看來，AI對計算架構的影響遠大于AI對于計算架構的影響，針對AI的計算架構應用而生。中國在這次變革中，需要建立自己的生态系統，從而降低對國外産品的依賴。

AI時代，計算架構的變化首先是體現在底層基礎變化，由CPU變成了GPU、TPU。在此之上，中間件、PaaS、系統級軟件都會發生變化。比如，數據庫的架構就會變化，未來任何一家醫院可能都會有自己的數據庫。未來，在某些應用場景的邊緣計算有可能會因此崛起。

未來AI芯片很可能既不是TPU也不是GPU，Google的TPU非常僵硬不靈活，但是功耗低，GPU功耗太高，但靈活性特别好，這其實是兩個極端。創業公司真正的機會在兩個極端中間，但是需要找到中間态的平衡點。

2、端的數量以幾何級增長，但兩極分化會加劇

北極光認為，AI時代，端的數量會以幾何級增長。矽麥為代表的聲音相關傳感器，CMOS、LiDAR、毫米波雷達、X-ray、紅外、紫外為代表的圖像相關傳感器會是最重要的傳感器。

而這些端的兩極分化會進一步加劇，要麼更簡單化，要麼更智能化。所謂的簡單化體現在更低成本，更低功耗。更智能化，主要是嵌入式的AI芯片，以聲音和圖像為主，可能會涉及到AI的推斷功能。

未來，智能從雲向端遷移在很多場景下不可避免。但是未來很可能并不隻是芯片，現在的一種新趨勢是“芯片即模組”，在一個芯片上實現多個功能。一般來說，SOC才是穩定的産品形态。

3、看好幾類AI相關芯片公司

到2016年時，北極光11年投了10家半導體公司，平均每年不到1個項目，是偏謹慎的投資風格。截至2016年時，共有3家公司上市（展訊、炬力、兆易創新），2家公司被并購，幾乎全部公司基本都至少獲得了新一輪融資。

在AI相關芯片方向，北極光投資的核心IP目前包括了傳感器方面的BlueX、CISTA、雷神智能，處理器方面的Spreadtrum、OURS，DSA（Domain-Specific Architecture）方面的登臨、黑芝麻科技、億智科技等，存儲方面的Crossbar, 音頻領域的GMEMS。

這裡可以概括幾個特點：一是計算之外強調了存儲；二是強調終端算力；三是強調解決方案。

存儲方面，北極光投資了Crossbar。上圖中涉及的公司基本都是華人在中國創辦的公司，Crossbar則是其中唯一一個例外，是一家純矽谷的公司。楊磊解釋，這是産業鍊裡必須要有的一個布局。解決AI的瓶頸需要有新的存儲器件，今天AI的問題在于I/O問題，既CPU與GPU交互之間交互的問題，形象來說就是解決CPU與GPU之間通信的速度問題。

據媒體2017年初介紹，其芯片比NAND芯片性能更強，密度比DRAM内存高40倍，讀取速度快100倍，寫入速度快1000倍，耐久度高1000倍，單芯片（200mm2左右）即可實現TB級存儲，還具備結構簡單、易于制造等優點。

終端算力方面，北極光創投投資副總裁張黎分析，一個大的産業如果成熟，很多節點都會是标準化的，後面會是一批非标方向的機會；在AI産業鍊很可能亦是如此，雲端有一部分算法可以标準化，适合巨頭；一部分的算法會到邊緣計算；最後是有一部分非标的産品和應用機會，會在端側。

對初創公司來說，有三類端的機會：①極緻低成本低功耗的芯片；②AI運算部分移植到端的芯片 ；③結合領先傳感技術的智能傳感芯片。其中，第一個方向需要低成本低功耗的相關技術 ，第二個需要算法和架構能力 ，第三個需要結合傳感技術。但做端的垂直市場，需要有自己的獨門絕技 ，才有希望持續發展成系列 ，否則隻是離某個市場近， 做一兩款産品，持續的競争力也會有問題。

張黎告訴36氪，北極光投資的Bluex的射頻 、GMEMS的MEMS芯片及算法 、光鑒的世界級的光電子技術、 黑芝麻科技的ISP、OURS基于RSIC-V ISA的芯片架構能力，其技術、AI算法、芯片架構能力複合形成了産品的差異化和公司的核心競争力。

與單純投資芯片不同，北極光更喜歡“交鑰匙的解決方案”。如GMEMS、億智科技雖然都有芯片技術，但最後都會結合場景，提供全棧交付場景AI方案。

4、芯片産業鍊長，流程複雜，變現難

這種AI投資的邏輯，很可能與芯片行業的特性有關。芯片産業鍊長，流程複雜，變現難，芯片設計、生産、制造都有不小的複雜度。

半導體行業的發展是18個月提升一倍。因此，創業公司做芯片，必須要在找準市場方向和平衡點的基礎上，比競品做到好10倍，否則兩年之後很可能就沒有吸引力了。半導體行業一般性能差5%未來可能就很難有用戶。

做芯片的複雜度，可能超過很多人的想象。今天的芯片一般都是40層，大概是40層金屬連接。如果以北京的四環路作為一層，大概相當于垂直疊加40層路。好的芯片是說這40層都可以道路通暢，“堵車”反應在芯片上就是功耗高。當前，Intel最新的芯片至少有節點300億個節點，這很可能相當于全球的公路節點。芯片好壞的一個差别就在于秩序，AI芯片做到高性能并不容易。

做出芯片還遠不夠，還需要保證良品率。北極光創投投資經理趙顧告訴36氪，一般來說，産業要求95%以上的良率，否則一款芯片可能很難商用、賺錢。

芯片生産、制造不得不考慮時間成本和金錢成本。趙顧分析，一般來說，設計一款新品至少需要18個月的時間。到中芯國際這樣的芯片廠商生産一般至少需要3個月時間。以當前的16nm為例，在台積電流片一次的成本在750萬美元左右。如果需要考慮庫存，還往往需要支付幾百萬美元的費用。

這期間還需要支付團隊人力成本。一般來說，要做出一款芯片，團隊可能需要有100多個人。芯片行業依靠經驗，工程師至少需要5年，這些工程師過去可能都交過幾百萬元人民币的“學費”。因此，北極光認為，從這個角度來說，學院派做成AI芯片的難度很高，往往學院派隻能招到二流的産業派工程師，投資全建制的團隊可能更“經濟”。

5、賺過大錢的創始人可能不會輕易賣公司

符合北極光投資策略的公司，具備技術創新和領先性、有創業成功的經驗和半導體行業的經驗，“價格”自不會太便宜。

楊磊告訴36氪，北極光投資時雖然是天使輪，但很多時候給到了接近A輪的估值和資金規模，比如登臨，最開始是希望投資350萬美元天使輪，最後2100萬美元同時交割天使輪加A輪；對創業者來說，可以一次性拿到更多的錢和更高的估值，很多團隊都很樂意。

這往往意味着團隊在早期就引入了一個占股比例高的外部投資人。不少創業者為了保證未來獨立發展的可能性往往都會避免出現外部大股東。在楊磊看來，北極光提供的深度孵化使得公司獲得了更高的成功率，幾乎所有北極光投資的芯片項目，都在北極光的輔導下改變了最初的創業的方向，而一般芯片行業一個市場定位錯誤往往要付出18個月時間和相應的金錢成本。

這種策略對于投資人來說，也基本意味着隻能通過團隊被并購或者獨立上市才能完成退出。而在半導體行業，公司被并購十分常見。楊磊分析，很多時候公司如果再堅持一年，可能會獲得更高的收購價格，一般賺過大錢的創始人可能不會輕易賣公司，會更傾向于把公司做大。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!