扬言「吊打」英伟达的AI芯片公司，快被现实打趴了

与三四年前国内云AI芯片公司在发布会PPT上超越英伟达的远大志向形成鲜明对比的是，现在这些公司在现实中处处碰壁，很多甚至北都找不到。

刚过完年，我们把芯片发给客户测试的时候，发现我们的软件根本无法满足客户的应用场景需求，因为有些功能设计的时候没有考虑到，当场傻眼了。"

这还是有AI芯片的公司能感受到的痛产品还没出来的公司，正在2022年的资本寒冬中苦苦融资

我只能用血雨腥风来形容融资的恐怖目睹了AI芯片公司争夺融资的从业者露西表示，为了获得融资，一些初创公司会全力撰写抹黑竞争对手的报告，然后单独发给投资者，以阻碍竞争对手的融资

当然，为了拿到融资，也有AI芯片公司讲一个GPU的新故事。

不懂的人不会投票真正懂的人只会投真正能落地的AI芯片公司这几乎是业界的共识

但当云端AI芯片公司落地后，才真正意识到设计出来的芯片只是拿到了入场券，才真正意识到软件做起来有多难。

真正的云AI芯片的创业者更清楚的是，卖出一张AI加速卡才是最现实的目标，更何况超越英伟达。

这就留下了一个值得深思的问题如果AI芯片的参与者和投资者只是想赚快钱，那么狂欢的结局会给国内半导体行业留下什么

在资本寒冬，不惜一切抢融资。

对于单个芯片开发成本高达数亿元，员工年薪支出高达数亿元的大型芯片创业公司来说，大量的融资成为了生存的关键如果你有更多的融资，你就有更大的机会杀死你的竞争对手，最终你会活下来数字投资行业和芯片行业的人都对雷锋网说

融资已经成为一个大的芯片创业公司掌舵人的重要能力2022年的资本寒冬，将更考验大芯片公司的创始人

市场上的资金是有限的为了拿到融资，除了拼实力，一些公司也玩出了手段露西有点愤怒某芯片公司为了阻碍竞争对手融资，让竞争对手离职员工挖黑料，请第三方机构一对一给投资人出具全调报告在收到全面调整报告后，投资者质疑其可信度，并要求撰写报告的机构予以证实代理处支支吾吾，回复说是实习生写的这种方法有些笨拙

其实这很好理解，这个GPGPU初创公司为了抢融资不择手段毕竟作为为数不多的没有正式发布产品的公司，它的处境很尴尬为了拿到入场门票，它只能先获得融资，尤其是在投资人越来越谨慎理性的2022年

幸好当时创始人‘骗’了我们如果创始人当时特别理性的去分析投资一个大芯片的风险，我们是不敢投资一个大芯片的既然我们在船上，就一起去划船吧一位回过味来的AI芯片投资人，在2022年变得更加谨慎

与几年前的情况大相径庭。

2016年左右，AI最火的时候，AI芯片公司的创始人甚至在没有完整商业计划书的情况下，就能拿到上亿的融资后来AI芯片公司创始人可以通过在PPT上超越英威达获得融资但如今，投资者不仅要看产品，还要看芯片的MLPerf基准更实际的投资者直接看筹码落地的订单发票AI芯片从业者张伟看得很清楚

真的用AI芯片初创企业跑出来太难了即使我们的天使轮投资了一家非常有潜力的AI芯片公司，他们的产品正在落地中，但是高估值并没有足够的支撑对我来说压力很大，我们正在考虑辞职投资过几个早期项目的投资人王军说出了自己的真实想法

关于AI芯片公司的估值，放弃投资AI芯片创业公司的投资人布莱克表示，没有一个好的锚来给AI芯片公司估值可以增减50%，对投资者来说不是好机会

为什么资本还在涌入AI云芯片领域一个是跟踪逻辑看到英伟达业务好，市值高，就会投资另一类是一级市场的投资者群体还有很多投资者并不专业，尤其是跨领域的投资者和机构布莱克认为

事实上，不仅是没有产品的公司在抢融资，有产品但资金紧张的AI芯片公司也在参与抢融资。

早起赶一集《早起的鸟儿》

说起来很有意思，A公司，有产品但还需要抢融资，之前也面临过融资危机，公司的两次剧变给前景蒙上了阴影另一家AI芯片创业公司B，起得早，早早准备好产品，却受困于软件，先发优势耗尽

两个早起晚赶的AI芯片公司，一个从公司运营的维度，一个从产品的维度，展现了大芯片创业的巨大挑战。

两次动荡，前途未卜。

该公司一位前员工透露，在那次大变动中，公司只保留了芯片团队，公司管理层和业务进行了洗牌但融资只是公司动荡的因素之一，实际上是多种因素的综合

业内称，这家公司的CEO和联合创始人在技术路线上想法不同，联合创始人和投资人一起让CEO出局。

创始人被踢出局的戏码并不新鲜，但不幸的是公司关键人物的变动似乎成了这家公司的劫。

A公司在第一次动荡后重整旗鼓，发布新产品，迎来新的掌舵人就在一切重回正轨的时候，又遭遇了一次动荡

A公司的新CEO有点狂妄，声称A公司的项目是必然的，2022年可以落地2亿项目很多AI芯片行业的人都向雷锋网提过

但这位经验丰富的CEO在实际产生2亿营收之前就被调查了。

有一段时间，香橼CEO似乎是个烫手山芋，更别说2亿了不知道A公司今年能不能做到几千万的营收这成为了同行们都会关注的话题

每一代产品都不一样，没有优质的落地项目。

当A公司因为人为因素导致牵头失败时，B公司局限于创始团队的认知。

软件真的很差，客户用不了，自然很难落地B公司的几位前员工和业内同行都对此发表了评论

软件不行，因为硬件设计也有问题。

B公司的芯片已经迭代到第三代了，但是每一代的芯片架构思路都在变，就连首席架构师都不一样，设计出来的硬件微架构也大相径庭硬件架构没有连续性，即使软件工程师再努力，软件也很难复用每一代产品软件都像是从零开始很了解B公司的马超说，另一方面，B公司没有一个真正能掌控整个软件栈的技术大牛

B公司一位前员工透露，公司没有业内顶尖的牛虽然软件团队背景不错，但背景几乎让他们看不起对方他们如何做出好的产品当然，公司聘请了业内某个技术领域的高手，但是面对AI芯片这么大的软件量，估计很难驾驭过了一个多月两个月才离开

对于这种情况，几位业内人士都有一些共识这家公司的创始人确实是有深厚积累的芯片专家，但毕竟不是芯片架构的专家，有局限性很正常但这家公司的创始团队没有软件大牛，即使外部招聘的人能力再强，也很难被接受没有核心管理团队的话语权，也很难发挥合力做出好的产品

没有高效易用的软件，这也是B公司的投资人虽然买了少量芯片测试，却没能通过灰度测试，进入大规模采购流程的关键原因当然，B公司也拿到了政府项目，订单量也不小，但能否真正产生真正的利润值得怀疑，这并不是一个优质的，可复制的落地项目

事实上，目前国内AI云芯片公司的创始团队大多具有深厚的芯片行业背景，对软件重要性的理解和认知存在明显的局限性。

一位国内AI芯片公司的软件负责人直言:CEO和CTO不理解我的工作国内AI公司的一些创始人和国际领先的公司相比，差距有十几年

那么，AI芯片的软件到底难在哪里。

被AI软件栈困扰的AI芯片公司负责人陈俊指出，一方面，AI芯片的软件从零开始，具有天然的复杂性与CPU不同，每个AI芯片都有不同的计算架构和指令从编译器到库再到框架适配，没有什么像CPU一样开源可复用的

另一方面，AI的软件生态其实就是Nvidia的生态，但是Nvidia的软件生态，尤其是与CUDA相关的核心部分是封闭的可想而知，要让自己的软件兼容英伟达的生态是很难的短时间内构建新的AI生态无异于痴人说梦

最后，云AI推理应用的可变性目前AI的算法和模型还在快速发展和迭代最后，实现了图像分类ResNet 50模型的优化新的语言模型BERT模型又开始流行，自然语言处理模型也越做越大BERT的各种变形蓬勃发展，也增加了AI芯片软件的开发难度

尤其是编译器开发的难度，以及不依赖手动优化的针对不同模型的自动性能优化的泛化能力这种能力的缺失，几乎成了大部分AI芯片卡在测试中拿不到订单的核心原因

这些是所有英伟达挑战者面临的技术难题，也是人才的挑战。

马超与大部分AI芯片的从业者持相同观点要构建一个完整易用的AI软件栈，你必须有一个不仅熟悉驱动，固件等基础软件，而且能自上而下看，对整个AI软件生态圈有全面了解，有足够经验和能力的软件大牛

在AI芯片火起来之前，在国内做编译器是一个很冷门的职业陈俊说，编译器是AI芯片软件栈的重要组成部分，国内芯片相关软件人才非常匮乏

拿着准考证，我败在了客户变态的模式里

AI芯片创业公司软件栈问题无解落地百度的昆仑芯和落地字节跳动的Sim Computing，是国内为数不多的经过商业市场检验的AI芯片公司，找到了一条可复制的商业之路

熟悉Sim计算的王磊说，软件与场景相关想做好软件，只能走近客户，深入业务不仅要和客户负责系统的人谈，还要和运维，业务场景，算法方面的人深入交流，否则很难把软件做好

如果你想做好软件，有一条捷径国内AI芯片公司都在一个起跑线上，有互联网大公司的投资人Sim的计算可以跑得快一点，或者市场落地的负责人天天在客户的办公室和工厂里磨，但即便如此，也不能保证未来的成功王磊认为

但AI芯片公司并不能轻易获得与客户深入交流的机会一般来说，有需求的公司会公开招标，AI芯片公司会寻求合作经过初步筛选，符合需求的AI芯片公司可以发送测试产品，现场运行客户给出的AI模型

很多公司连编制都过不去王磊说，就算能编，很多公司号称计算能力是英伟达同级别产品的两倍，实际上不到其性能的四分之一

这是AI芯片编译器的另一个难点由于客户的AI模型与其业务密切相关，涉及商业机密，不会直接将模型交给芯片公司，AI芯片公司也很难提前进行针对性的优化

但即使进度再快，昆仑芯也需要更多的时间来完善软件栈张伟知道的是，昆仑芯的AI芯片在搜索场景下比英伟达的产品有一倍以上的性能优势，而在其他场景下优势很小或者没有优势

使用芯片仍然很困难，因为听到昆仑芯客户反馈并离开昆仑芯的人帮助调试陈俊说，软件还是不好用，所有AI芯片公司还需要时间打磨，这需要一个过程

这是所有云AI芯片公司都需要花费大量时间和精力的工作在落地的过程中，可能需要为客户开发上百个功能这是一个在硬件设计和软件栈开发之初无法完全定义的需求，甚至用户都不知道自己会有什么应用场景和需求

今年交，2024年淘汰。

AI芯片公司的落地竞赛已经开始马超认为，今年下半年是AI芯片公司给投资者和市场答案的时候如果今年不能交付，一些公司可能会在今年年底或明年年初开始收缩

陈俊认为，明年云推理人工智能芯片的格局会更加清晰。

王磊认为，即使是募资数十亿的AI芯片公司，按照一千人的规模，人均一百万的薪酬，最多也能募到2024年，到时候才能看到真正裸泳的人。

想要在AI市场的竞争中不被淘汰，产品和选择一样重要AI云芯片公司优先考虑头部互联网公司和政府项目，采购规模数十亿美元

张伟说:政府的项目看似需求量很大，但实际需求量比预想的小很多。

政府的项目看起来是很大一笔钱，芯片公司自己也要承担很高的成本其实利润并不高更重要的是，政府的AI项目不具有连续性和可复制性Juck Zhang表示，这几年寒武纪每年都有政府项目签约，现在市值不到300亿，足以说明资本的态度

那些项目没落地，估值都快赶上寒武纪的公司，以后怎么继续发展AI芯片圈很多人都质疑过

所以目前测试一家云AI芯片公司，无论是采用DSA还是GPGPU架构，能在互联网公司落地都是硬实力的体现。

互联网公司对AI芯片有着严格的性能和稳定性要求，能在互联网公司的场景中落地，既证明了产品的可用性，也说明了其AI芯片落地的可复制性。

但也要看到BAT的增长在放缓，AI算法的迭代速度也在放缓虽然AI芯片前途光明，但道路依然曲折，尤其是NVIDIA这种难以逾越的领头羊

英伟达花了十几年的时间，建立了一个基于CUDA的AI生态系统大量的合作伙伴共同优化软件，适应最新的算法业界顶尖的硬件团队不断迭代产品，客户早已习惯了英伟达的软件平台怎样才能在几年内赶上别人十几年的成功做梦都不敢这么做这是一家AI芯片创业公司CEO的心声

差距和难度确实存在，但很多人就是想赚快钱他们先把公司做大，不把产品打磨好，急着商业化，然后尽快上市变现他们最后能为中国半导体产业留下什么这是从业者留下的一个没有答案的问题

声明：本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。