寒武纪“失速”，是AI芯片行业的阵痛？

2020年5月7日，上海证券交易所公布了寒武纪在科创板IPO的问询回复，涉及三个文件，《发行人及保荐机构回复意见》、《会计师回复意见》、《补充法律意见书》。其中，《发行人及保荐机构回复意见》中，寒武纪方面详细回复了证监会提出的二十个问题。

而此时，距离寒武纪递交招股书刚刚过去一个多月。

一方面，上海证券交易所问题之犀利、直接、专业，直击痛点，一如既往;另一方面，寒武纪作为国内最早挺进AI芯片领域的“明星”公司，未来何去何从，引发了很多业界人士的关注与思考。

寒武纪业务究竟出了什么问题，或许能从寒武纪的发展历程看出些许端倪。

01、从加速到失速

2018年，寒武纪突然之间声名鹊起。

伴随华为在2018IFA消费电子展览，成功发布全球首款7nm制程芯片麒麟980。除了领先于业界，竞争对手高通，采用TSMC台积电7nm制程工艺，其最大的看点在于，AI人工智能算力大幅增长，支持丰富的AI场景，在性能、能效上领先于骁龙845。

而华为终端AI芯片中的双核NPU，背后的技术提供方就是寒武纪。麒麟980凭借其优异的AI性能，获得第二年举办的上海世界人工智能大会WAIC的最高荣誉SAIL奖(Super AI Leader)。

其实，早在2017年，华为在IFA消费电子展上发布的10nm制程AI芯片麒麟970，搭载的NPU就来自于寒武纪1A。尽管处于AI元年，但是，囿于制程的发展进程，在当时没有引起外界太多轰动。

2018年初，7nm制程芯片工艺一度成为业界焦点，围绕高通、华为何时推出7nm制程工艺的芯片，行业进行了很多猜测。同2017年步调一致，华为再次提前于高通发布最新制程的AI芯片。外界对华为AI新品技术的深度挖掘，使得华为AI芯片背后的功臣也逐渐浮出水面。

彼时华为正处于终端业务高歌猛进，在全球攻城略地，抢占苹果、三星份额的高光阶段。寒武纪就这样借助华为的顶级IP流量，成为AI明星独角兽企业，被外界所熟知。

寒武纪公司成立的历史不长。2016年3月，北京中科寒武纪科技有限公司在北京中关村正式注册。创始人陈云霁、陈天石不仅是兄弟，还都来自于中科院计算所。

1997年，年仅14岁的陈云霁考入中科大少年班，五年后，陈云霁顺利毕业。考入中科院计算机所进行硕博连读，师从于胡伟武。胡伟武在当时主导龙芯课题组，研发CPU。陈云霁于2007年博士毕业，留在中科院计算所龙芯团队，继续研发工作。

小陈云霁两岁的弟弟陈天石，和陈云霁经历相似。同样以中科大少年班为起点，进入中科大计算机系攻读硕士、博士。获得胡伟武赏识，进入龙芯研发团队。只不过，陈天石在中科大计算机系主攻方向为AI人工智能。

在当时，AI还未掀起第三次浪潮，是一个相对冷门的研究方向。但也正是AI与通用芯片的研究经历，使得陈天石产生将AI与芯片结合在一起的前沿想法。

这个想法得到哥哥陈云霁的支持，两人的想法也得到中科院计算机所领导的支持。2012年，名为DianNao(电脑)的神经网络处理器项目正式启动。

2014年，两人关于深度学习处理器架构的论文，先后获得顶级国际学术会议ASPLOS和MICRO的2014最佳论文奖。2015年，兄弟两人的团队获得中科院资助，同年，寒武纪原型芯片成功流片。

(图片来自网络)

此时，华为正为下一代终端芯片麒麟970、麒麟980做准备，注意到寒武纪在AI芯片领域取得的成果，主动找到寒武纪，就终端AI芯片展开IP合作。总体来看，2017年、2018年双方的合作是一个双赢的结果，华为借助寒武纪的AI芯片技术在芯片性能上超越高通、苹果。而寒武纪戴着华为的光环，知名度显著提高，接连发布新品，且获得资本市场的青睐，迎来A轮、B轮融资。

但，2018年10月，华为全联接大会上，公布了AI战略以及全栈式解决方案，涉及云管端各个层面。此外，先后发布了两款自研云端AI芯片，基于达芬奇架构的华为昇腾310、华为昇腾910。

这对于，营收主要来自于与华为IP授权的寒武纪而言，是一个利空消息，这意味曾经的大客户、合作伙伴成为了竞争对手。

02、深击灵魂的拷问

此次，上海证券交易所的问询也主要集中在，失去客户A(华为)后，对寒武纪的业务究竟产生了怎样的影响。从总体营收上来看，2017年至2019年，寒武纪营收784.33万元(人民币，下同)、1.17亿、4.44亿。

归属净利润依次约为-3.81亿元、-4105万元、-11.79亿元，三年累计亏损近16亿。换言之，寒武纪一直未实现盈利，三年间亏损不断加大。

亏损的主要原因，是研发投入过大。三年之间，寒武纪研发投入分别为2986.19万元、2.4亿元、5.43亿元，累计累8.13亿元。占营收比例为380.73%、205.18%、122.32%。

寒武纪智能终端处理器IP产品包括1A、1H、1M，主要是1A和1H两款产品。三年间，寒武纪IP授权业务占总营收比例分别为98.95%、99.69%、15.49%。从2018年到2019年，出现断崖式下滑。

其中，公司A(华为)，对其营收贡献784.33 万元、11,702.52 万元，6365.8万元，占比98.34%、97.63%、14.34%。

所以，2018年到2019年，IP授权业务从营收主力迅速边缘化的主要原因是，寒武纪未与华为就后续芯片IP授权协议达成新的合作。

在问询函回复中，开篇主要就陈云霁、梁军两位关键人员进行介绍。大意是陈云霁在2016年3月至11月有限的兼职时间内，对寒武纪核心技术、主要产品没有起到关键性作用。梁军是寒武纪首席技术，于2017年9月从华为海思离职，鉴于寒武纪不属于《竞业限制协议》范围之内，梁军不存在违规、纠纷等情况。

并与华为海思撇清关系：

"梁军在华为海思任职期间承担的工作与其在寒武纪任职期间承担的工作，分属于芯片设计中不同的细分领域。梁军在寒武纪任职期间，不存在利用华为海思的技术进行研发的情形。"

但是，梁军在加入寒武纪的第一年，寒武纪就与华为终端芯片展开IP授权。有理由相信，寒武纪与华为的合作中，梁军起到某些关键作用。

2019年，华为加速摆脱寒武纪的一年。这一年，寒武纪的总营收不降反升，达到4.44亿。有两点原因，其一，寒武纪业务加速转型，推动云边端一体化布局。2018年开始，寒武纪先后推出思元100(MLU100)、思元270(MLU270)、思元290(MLU290)芯片及云端智能加速卡，以及思元220(MLU220)芯片及边缘智能加速卡，Cambrico Neuware软件开发平台。

其二，寒武纪凭借智能计算集群业务，云端智能芯片及加速卡业务，扩展到其他大客户。2019年，通过智能计算集群业务，寒武纪拿到珠海+公司B(中科曙光)、西安的大单，其中，珠海项目，中科曙光负责总集成，占比61.03%，成为寒武纪最大客户。

总之，IP授权业务遇到困境之后，寒武纪很快找到业务的新增长点。但是，依然没有摆脱客户集中度高的问题。客户集中度越高，营收依赖性越强，企业风险就越大。

此外，与IP授权业务不同，智能计算集群业务处于行业发展初期阶段，与通用计算集群不同：

“通用计算集群一般以X86 CPU为核心，并非为人工智能应用所专门设计。寒武纪以智能芯片为核心，仅解决人工智能 领域的计算需求，但在人工智能之外的领域不能代替X86 CPU为核心的通用计算集群。”

寒武纪提到拓展智能计算群系统业务的主要目的：

“通过该类业务带动公司云端智能芯片及加速卡产品的推广和销售，扩大公司核心产品的用户群体， 不会仅为了赚取系统集成相关的利润而选择集成其他厂商的智能芯片产品。”

换言之，智能计算集群业务与云端智能芯片及加速卡产品相辅相成，关联紧密。尽管，寒武纪方面对智能计算集群业务的可持续性非常乐观。因其产品上与浪潮、联想等服务器厂商存在模式差异，不构成直接竞争关系。联想、浪潮不单独研发智能芯片，更多集中于通用计算群。

此外，云端智能芯片及加速卡产品通用性较强，通过了公司B(中科曙光)在内，以及浪潮、联想、 新华三等多家主流服务器厂商的适配认证，可以直接搭载在该等厂商的各类型服务器产品中。除公司B(中科曙光)之外，还向浪潮、联想、百度、金山云等客户实现了销售。

值得注意的是，相较于终端智能处理器IP产品，智能计算集群业务、云端智能芯片及加速卡产品的资金投入更重。这也是2018年到2019年，寒武纪研发投入增加126%，亏损加深的主要原因。

03、亏损是行业共性?

今年4月底，据外媒披露，AI芯片新星公司Wave Computing几近倒闭，MIPS计划终止，中国区关闭，已申请破产保护，进行资产重组。

同样是，推动深度学习从边缘到数据中心计算加速的AI芯片公司，因Wave Computing基于软件可动态重构处理器CGRA架构、以及数据流Data Flow得芯片DPU较传统GPU在能效、扩展性等更有优势，适合于边缘计算。Wave Computing一度被外界认为其有能力与英特尔、英伟达、ARM一争高下。

除疫情加速Wave Computing资金链的断裂，成为压死骆驼的最后一根稻草外。Wave Computing的“陨落”，与其自身产品性能、战略路线、市场定位、以及内部领导层意见不一致亦有很大关系。

即便疫情加速了云端AI的需求，但边缘侧的需求、发展尚在初始阶段，Wave Computing过于注重边缘层，实为战略性失误。同时，Wave Computing的产品并没有达到宣传上的那么好，2018年，收购MIPS与自身业务不符，都进一步加速了Wave Computing走向终点。

Wave Computing只是AI芯片行业的一个缩影。实际上，近两年，AI芯片行业缺资金、缺人才、缺技术、难落地，已经成为行业内的痛点。

从整个AI投融资大环境上来看，近两年，AI行业投融资变缓。过去，不断有AI公司刷新融资纪录的好日子，已一去不复返。据IT桔子数据披露，2020年第一季度，国内风险投资额较去年同期下降三分之一，总投资从去年1736亿元下降至1191亿元。加上疫情影响，可以预见，未来中小型AI企业的融资将更加困难。

(图片来自网络)

尽管，一部分AI企业依然在寒冬下获得融资，如思必驰、燧原科技、云从科技等。但仔细观察发现，融资主要原因是自我造血能力不足。

以人脸识别起家的旷视科技，是国内AI四小龙之一。2011年成立至今，共计融资100亿人民币。据2019年，旷视科技在港交所递交的招股书显示，2016年至2019年上半年亏损幅度翻倍增长，累计亏损96.53亿。2019年上半年亏损达52亿，超过2018年全年的33.52亿。

AI人工智能概念宽泛，涉及的领域众多，但以CV、NLP、语音识别等领域的企业占比最大，落地相对容易。越往基础层，如芯片、云计算、大数据层面，难度越大，企业越少。

旷视科技所在的计算机视觉领域，属于AI技术中较为好落地的领域。灼识咨询报告显示，旷视科技在手机软件人脸识别算法服务市场占率超60%，但收入只有1.73亿元。AI变现能力不足，研发投入较大，让旷视科技营收不足以支撑支出。

计算机视觉领域尚且如此，再看AI芯片行业。

5月7日，云端AI芯片公司燧原科技获得B轮融资。燧原科技表示，资金将用于产品量产，业务规模扩大，扩充技术支持团队，高端专家引进，以及继续投入第二代云端训练和推断产品的开发。资金用途透露出一个关键信号，即产品量产、产品研发、人才引进需要资金支持。

燧原科技在此时获得融资是一个幸运儿，据媒体报道，AI芯片行业升温、降温的速度同等迅速。曾经被投资人吹捧的赛道，如今避之唯恐不及。据全天候科技报道，AI芯片的风口已经过去。AI芯片创业公司不再是好的投资标的，不少投资人开始绕着AI芯片走，不再看好AI芯片概念。

侧面印证了，AI芯片研发投入大、周期长、落地慢、落地难。

但这并不意味着，AI芯片不能盈利。以英伟达为例，AI芯片一直是英伟达着重布局的业务。早在2015年，黄仁勋就称英伟达是一家人工智能公司。2016年，英伟达先后推出面向深度学习的芯片Tesla P40、Tesla P4、Tesla P100，2017年推出面向高性能计算的Tesla V100，2018年推出AI训练、推理的Tensor Core......

据其公布的截至1月26日的2020财年第四财季财报显示，其营收31.05亿美元，较同期增长41%，净利润9.5亿美元，同比增长68%。“皮衣教主”黄仁勋称，财报数据主要得益于英伟达加速计算业务，以及数据中心收入创下纪录。

英伟达的吸金能力惊人，亏损并不是AI芯片行业的“常态”。

04、寒武纪何处去?

回到寒武纪的困境上。2018年，寒武纪开始云边端一体化布局。AI芯片分为云端、边缘端、终端三类。网络公开数据显示，云端AI训练芯片占比最大，达49.5%，其次是终端AI推理芯片，占比29.8%，第三是云端AI推理芯片，占比20.7%。

据IDC数据显示，云端推理和训练所产生的云端智能芯片市场需求，预计将从2017年的26亿美元增长到2022年的136亿美元，年均复合增长率达39.22%。 云端AI芯片市场前景广阔。

因而，市场上既有英伟达、英特尔这样的传统芯片厂商，又有谷歌、阿里巴巴、微软、IBM、深鉴科技在内的互联网、IT厂商、初创企业。但它们分别属于GPU、CPU、ASIC、FPGA、DSP等不同类型的AI芯片。

寒武纪思元与华为海思昇腾310/910、阿里巴巴含光800、谷歌TPU、TPU EDGE属于同一类型，即ASIC类AI芯片。GPU、ASIC又都属于通用型AI芯片。

寒武纪的AI芯片类型以及一体化战略，必将与英伟达、华为海思，甚至阿里巴巴、谷歌产生正面交锋。面对巨头，寒武纪有自己的优劣势。

与英伟达相比，寒武纪优势在于，可以针对国内客户的生态和需求进行优化，并且为客户提供快速响应、灵活的技术支 持服务，充分发挥芯片产品的性能。

较华为海思的优势在于，进入该领域的时间更早，具备先发优势。定位于独立、中立的芯片公司，采用的是类似安卓理念的中立生态策略。

而与两者相比，劣势在于，资金实力及研发投入方面，英伟达2020年财年研发投入28.29亿美元;华为海思2019年约为24.39亿美元。软件生态方面，英伟达的CUDA软件平台及相关生态完善。销售网络方面，英伟达、华为海思销售网络成熟，认知度、知名度高。

可以看出，寒武纪的优势主要集中在中立、服务等“软件”优势上。一旦硬碰硬，劣势将会显露无疑。以营收和研发为例，2020年财年英伟达营收达109.18亿美元，华为海思2018年营收75.73亿美元，是寒武纪的几百倍。

营收高，自然能够支撑较高的研发投入。2019年，英伟达研发投入28.29亿美元，研发费用率24.15%;英特尔133.62亿美元 ，18.57% ;华为海思24.39亿美元，21.12%。寒武纪的0.76亿美元，不但远远超出自身营收收入，还不足巨头的一个零头。

总而言之，巨头高研发，是在自我造血功能良好的情况下，良性支撑未来战略、产品规划布局。而寒武纪等创业型公司，没有资金、营收优势，只能依靠外部输血，支撑业务向前。

2018年，成立刚刚两年的国内AI芯片初创企业深鉴科技，被全球最大的FPGA企业赛灵思收购，成为国内众多AI芯片明星创业公司第一个被巨头收编的企业。

如今，优秀的创业公司被巨头收购，或成为巨头嫡系，找巨头作靠山已经成为一种宿命。但也有一些像寒武纪等的企业，试图挑战、动摇巨头的市场份额。

无论结局如何，寒武纪未来不可避免将受到两方面的重压，一个自然是前述提到的资金链与研发可持续的问题;另一个就是AI芯片的发展规律。

AI芯片不仅涉及工艺、制程，还与软件、算法休戚相关。黄仁勋曾谈及芯片软件栈的难度，深度学习的挑战之一在于软件的丰富度，数据、模型、超参数需要慢慢学习。训练方面，让人们信任看不见的复杂系统障碍很大。推理方面，模型种类太多，下一步发展到多模型、多领域将会更难。

软硬结合才是真正的AI芯片。AI芯片发展到后期，算法、软件都将成为芯片性能提高的掣肘。两年前，清华大学微电子研究所所长魏少军教授曾表示，AI芯片很可能在未来两到三年遇到挫折期，随着AI芯片在资本市场的热度下降，落地难度加大，大部创业者将成为先烈。

寒武纪如何“解题”，只能留给时间来解答。