來源：錦緞
國產芯片設計公司正在經歷冰火兩重天——一些公司風光上市，一些公司卻不得不走進ICU。
9月12日，國產GPU獨角獸壁仞科技進入了上市輔導程序，IPO在即。11月11日，消息稱摩爾线程已完成股份制改造，目標科創板上市。作爲對比，國產廠商象帝先卻被傳出解散的消息。
2020年9月，中科院計算機專家唐志敏牽頭創立象帝先，進入GPU創業賽道，被外界稱之爲“中國英偉達”，同年象帝先拿下天使輪融資，並於2023年完成來自14個投資方的3輪融資，隨後於2024年成爲重慶市獨角獸企業，估值150億元。
針對解散傳聞，象帝先發文回應稱未解散、清算，只是通過人員優化降低成本，並且會保留核心研發團隊，並且正在積極與投資者溝通，尋找外部融資。
象帝先對解散傳聞的回應
一時間，象帝先爲什么會突然大舉收縮，國產GPU創業賽道开始洗牌了嗎？這些也成爲了國產GPU乃至整個芯片產業需要思考的問題。
01
“中國英偉達”的战略誤判
2014年9月，國家集成電路產業投資基金（簡稱大基金）成立，一期募資超過1300億元，制造與設計都是當時重點的投資方向。在此之前的6月份，《國家集成電路產業發展推進綱要》就已經公布，其中有兩個關鍵目標：
2020年，“集成電路產業與國際先進水准的差距逐步縮小，16、14納米制造工藝實現規模量產”；2030年“集成電路產業鏈主要環節達到國際先進水准，一批企業進入國際第一梯隊。”
在這一大背景下，國內GPU創業第一波大潮拉开序幕，芯原微、景嘉微、龍芯等在這一階段都开始布局相關項目。
不同時期成立的國產GPU創業項目，數據來源：企查查
現在回頭來看，當初《綱要》對晶圓代工部分定的KPI其實完成得還不錯。
2020年，中芯國際已能夠以95%的良率實現14納米的量產，如今還突破到更先進的節點，不過我們也要正視問題：先進工藝依舊在不斷往前推進，過去的先進工藝，將來會被劃分到成熟工藝；我們的制造能力進步都建立在進口設備的基礎之上，距離全產業鏈的國際先進水平目標仍有差距。
到了2018年，中、美科技競爭加劇，斷供的風險急劇飆升——中興通訊被迫喊出“美國禁令將使公司立即進入休克狀態”，台積電被迫停止向華爲提供麒麟芯片代工服務，國產GPU創業進入第二輪投資浪潮，象帝先就是在這一輪創業大潮下誕生，同期的國產團隊還包括壁仞科技、摩爾线程、沐曦等。
象帝先董事長唐志敏是中國芯片領域罕見的战略級科學家，我在20多年前就有過了解，曾在多家國產芯片項目當中擔任負責人。
2000年，龍芯董事長胡偉武的熱文《我們的龍芯一號》中，唐志敏就以龍芯項目負責人的身份出現。在創立象帝先之前，唐志敏還領導了海光的CPU、DCU項目，不過相關項目商業化都不是很成功，關鍵問題還是因爲過度依賴AMD的Zen1授權，這裏不展开討論。
2020年9月成立初期，象帝先完成天使輪融資，2022年完成A輪融資。到2021年，兩年時間公司規模已超過200人，發展速度非常快，而不久前由哈佛3名00後輟學生組建的AI芯片項目“Etched”團隊僅僅只有35個人，所以不少觀點認爲，象帝先在前期擴張太快，但這種比較略顯絕對，後文再詳細展开。
2022年，象帝先迎來高光時刻，當年基於Imagination的IP核授權，流片並發布了“天鈞一號”GPU——12納米工藝，2048個計算核，4TFLOPS的FP32算力、16TOPS的AI算力、16GB顯存、256GB/s帶寬。
橫向對比硬件指標，象帝先的“天鈞一號”在帶寬、算力和工藝上與2022年的國產競品有一定差距，其性能勉強追上英偉達2019年的中高端產品RTX 2060（如下表），後者同樣採用12nm工藝，總計1920個計算核心，6.5TFLOPS的FP32算力，51.6TOPS的AI算力，6GB顯存，帶寬336GB/s。
相關GPU產品硬件指標對比，來源：產品官網及相關報道
2023年9月，象帝先發布“天鈞二號”，這代產品定位低端，1024個計算核心、2.6TFLOPS的FP32算力、8GB顯存、128GB/s帶寬，主打低功耗和高性價比。
兩款產品作爲敲門磚，幫助象帝先在2023年完成了至少來自14個資方的3輪融資，並於2024年成爲重慶市獨角獸企業，估值超過150億元，被諸多媒體稱之爲“中國英偉達”。
不過，“中國英偉達”的帽子，對於象帝先來說不一定匹配——它要對標的英偉達，營收構成已經風格大變，數據中心業務佔比接近90%。
英偉達營收構成，2023財年Q1，數據中心業務首次超過遊戲業務 來源：App economy insight
而象帝先直到2024年，還停留在桌面顯卡市場，唯一能和AI芯片相關聯的產品，是2024世界人工智能大會上亮相的一塊神祕的PCIE版本服務器顯卡XDX X1900。
外界傳過B輪融資滿5億元的對賭協議是壓垮象帝先的“最後一根稻草”，而對賭牽涉的資本問題，與整個大環境有關，今年7月份，澎湃新聞在報道中披露，深創投大批量發起回購訴訟，通過這種方式來退出被投項目，但象帝先的境遇不能說明國產芯片設計團隊遭遇資本寒冬，壁仞、摩爾线程畢竟還在排隊IPO。
2024年世界人工智能大會上“象帝先”公司展出的產品矩陣
從我的角度來看，問題核心還是战略誤判，對賭協議只是象帝先“解散”的導火索，即便沒有這個誘因，也可能會出現其它原因。
對於象帝先目前的資本困局，我嘗試過與其市場部前員工進行求證，但未獲得正面答復，只是表示“我們也都盼着好消息。”
02
其實，GPU廠商是“軟件公司”
國產創業項目還在追硬件指標，然而GPU競爭已經從硬件爲主、軟件爲輔的比拼，轉變爲硬件+軟件的綜合生態能力較量。
深度學習爆火之前，通用GPU需求數量最多的應用方向是PC桌面顯卡，英偉達、AMD、英特爾是主要玩家，其中英特爾主要在CPU上集成GPU，2022年又重回獨顯市場。三家提供的產品多，滿足辦公、遊戲、圖形等各類需求。
根據市場研究機構JPR的數據，PC顯卡供應商市佔率，英特爾憑借集成顯卡出貨佔據68%份額位列第一
新入局者，想要在這樣的市場上分一杯羹，不僅需要扎實的產品性能，更需要運行多年的成熟供應鏈體系支撐，難度極高。
就拿象帝先的天鈞一號來說，不僅性能無法和同期國產產品抗衡，與國際市場上的對手差距在3年左右，這意味着新晉者連打價格战的實力都不具備。
更重要的是，桌面顯卡聚焦圖形處理能力，而深度學習興起之後，基於並行計算優勢，GPU找到了新的增長空間。
兩個指標可說明GPU通用計算需求“暴增”——其一，“算力頂流們”的數據中心業務急劇膨脹；其二，“硅谷巨頭”算力儲備急劇膨脹。
一方面，截至到今年10月27日的第三財季，過去四年，英偉達的數據中心業務增長了約30倍，財季營收從11億美元（佔比25%）暴增到309億美元（佔比88%）。
另一方面，研究機構Omdia的數據顯示，截至2023年第三季度，英偉達H100出貨量達到65萬張，其中Meta和微軟分別拿下15萬張，接近全部訂單的一半。到2024年，微軟的Hopper系列GPU儲備量直接衝到了48.5萬張，其AI數據中心支出超過300億美元，位列所有硅谷巨頭之首。
研究機構Omdia披露的近兩年美國主要科技公司Hopper架構GPU的儲備量
深度學習和人工智能爲GPU帶來了潛在的機會和蛋糕，但這不代表初創公司一定就有機會拿下，像AMD這樣的GPU老玩家，一些產品算力指標都超越了英偉達，但在競爭中就是打不贏，以CUDA爲代表的軟件生態扮演了至關重要的作用。
有一個細節，今年的GTC大會上，黃仁勳說“英偉達是一家軟件公司”，指的就是其GPU產品“統治”AI的關鍵因素之一，CUDA生態。這一點我在《沒人能殺死1.5萬億的英偉達》一文中也解釋過。額外插一句，這才過去半年多時間，英偉達市值已經衝破3萬億美元市值。
生態系統的統治力如何理解？可以類比用戶對操作系統的偏好——蘋果的macOS現在足夠優秀了，過去10年其市場份額翻了一倍，但Windows仍然有先發優勢以及用戶的接受度，牢牢佔據着70%的份額，這就是生態系統的力量。
基於GPU的通用計算，生態系統的重要性可能比操作系統還要極端——开發者一旦適應了英偉達的軟件生態，就很難從其中切換出來。
舉個例子，假設某個企業要採購國產GPU，首先就要解決代碼兼容性問題，包括不兼容的庫和函數都要替換或者修改，雖然國產廠商會提供遷移工具，這仍需大量的开發工作，遷移過程還會引發應用性能損失的問題，要減少這種損失，就得根據國產GPU的架構來調整優化算法，這又進一步增加开發工作量。
設備的穩定性也是影響效率的一個關鍵因素，之前Meta在論文中曾披露過——H100的萬卡集群訓練Llama 3.1，平均3小時故障一次，盡管很多問題都可以自動化處理，但依舊會增加人力和時間成本，最終影響效率。
而這還是H100這樣市佔率超高的產品，一些問題還有可能在线上社區找到解決方案，一旦換成國產設備，如果支持生態做得不好，快速定位問題並獲取解決方案都不是一件容易得事情，用比較流行的話說，切換國產GPU的TCO（總擁有成本）太高。
從心理上說，應該有很多企業愿意支持國產芯片，採購成本不便宜也可以接受，但是從商業的角度來說，如果开發特別麻煩、使用出現問題，佔用了研發團隊過多精力，這樣的商業合作很難維持下去。
拋开市場需不需要這么多英偉達的問題來看GPU、AI芯片創業，現在很多新項目一亮相就是數十倍的“吊打”英偉達，硬件指標看上去不用擔心了，但除了紙面數據要好外，一开始就要想好如何做生態。而一旦涉及做生態，對於“400人算不算多”這類問題，就會好回答很多——我所知道的是，英偉達這樣的企業，在大客戶那裏一般都會安排數十人的駐場支持團隊。所以，GPU廠商是“軟件公司”這個觀點現在來看非常貼切。
03
只做“替代”很難上牌桌
沒有生態支持的GPU通用計算項目，开局可以說是機遇與挑战並存。
由於美國限制高性能AI芯片向大陸出口，客觀上給國產廠商打开了機會之門。當所有企業都拿不到，或者很難通過正常渠道採購海外先進產品時，能夠穩定供貨的國產GPU就會成爲爭搶對象，而且現在政策和機構也在鼓勵這件事，這也會加速國產半導體生態的成熟與進化，華爲在手機芯片上已經驗證這一點。
與手機芯片不同，GPU作爲“大芯片”，die size都在500mm²以上，比如RTX 4090是600mm²，H100是800mm²+，如果採用高帶寬內存，還要着重考慮先進封裝技術。
用於通用計算的主流GPU（右側），die size爲826mm²，Cerebras WSE-2（左側）專用芯片達到了46225mm²
所以，除了前面說的战略誤判，影響國產GPU成功的因素還包括IP、設計、制造、銷售等環節之中，並且環環相扣。
在設計環節首要面對的就是IP授權和設計工具的問題，象帝先、摩爾线程都是拿Imagination的IP授權，然後採用海外公司的設計工具，如果這兩個領域得不到持續地更新支持，就存在斷供風險。
設計的下一個環節就是制造。很多企業的產品硬件指標，無論單項還是多項都很優秀，但能否流片成功，並且以高良率量產也很關鍵。
單就流片這個環節的單次費用就高達上億元，如果流片失敗就得額外再支付費用，之前英偉達的Blackwell芯片遭遇“跳票事故”，一度帶崩其股價，英偉達可以扛得住這種風險，創業團隊未必能經受住。
好消息是，在制造端，過去幾年在美國的極限施壓之下，國產制造工藝和設備已經有了很大進步。9月份，工信微報披露了國產光刻機的進展，按官方提供的數據，純國產設備已經可以覆蓋65nm工藝的芯片，這對於中國芯片產業具有很大的意義。不過，雖然大陸自主晶圓制造技術進步迅速，但先進產能也相對有限。
所以，現階段大陸的fabless，也還離不开對台積電的依賴。而且，因爲創業團隊體量與需求量的差異，代工費用會有差別，同等工藝代工費用可能是台積電的1.5倍左右，這也會影響初創公司的毛利率。
設計、制造之後，就是如何把產品賣出去，實現正循環。一些現在還活躍的一些頭部創業團隊，很多背後都有上市公司的支持，這些上市公司在各地推動構建智算中心，對於創業團隊來說，它們既是投資人，又是客戶。這種邏輯還可以類比雲計算廠商——自研AI芯片更容易成功，自己就是自己的客戶，能形成很好的自循環。
很多人問中國芯片的出路在哪裏，從一個外部觀察者的視角，短期的確要實現自主替代，長期則需要參與到對產業的標准制定當中，這樣才能夠影響到全球產業。我想舉一個大疆的例子，它也被納入了實體清單，可結果呢？美國要制裁它，又不得不想辦法來买它的產品。
過去，行業看到“美國禁令”的大利好之後，感覺機會來了紛紛行動、融資开跑，是可以理解的衝動。但最終，創業團隊與資本在普及認知、達成共識之後，結合產業發展窗口來攢局，才能更好地准備應對挑战，在未來中國芯片生態“大成”之時，成爲勝利者中的一員。如果上述條件都不具備，更多的“中國英偉達”可能會迎來不確定性。（作者 亞洲視覺科技研發總監 陳經，編輯 鄭可君 蘇揚）
特別聲明：以上內容僅代表作者本人的觀點或立場，不代表新浪財經頭條的觀點或立場。如因作品內容、版權或其他問題需要與新浪財經頭條聯系的，請於上述內容發布後的30天內進行。
海量資訊、精准解讀，盡在新浪財經APP
標題：“中國英偉達”闖過2024
地址：https://www.utechfun.com/post/460310.html