人工智能從2014年風生水起發展起來，帶動的不只是數學家、神經學家與教授們的地位與復興，同時也推動了新的一波投資浪潮。

經過幾年的發展，隨著落地應用需求的明確，大家發現硬件是其中不可或缺的一環。

與之前的物聯網發展類似，除了比運算力的智能云服務外，硬件一方面扮演著反復獲取數據的角色 （如攝像頭，傳感器等），另一方面也是落地與展現實力的方式（像自動駕駛汽車、機器人、智能音箱等）。

所有這些硬件中的智能需求推動了芯片的演化。

人工智能芯片的破土，是剛需使然，這毫無疑問。

所有人都急著問：人工智能芯片開始賺錢了嗎？什么時候賺？誰在賺？從現在（2018年底）的情況來看，這個問題的答案可能還不夠讓人興奮。

這波芯片半導體賺得最多的其實是內存廠，三星跟海力士一舉占據年度收入的前五名，感謝各式龐大的算法與數據存儲需求，曾經賣多少賠多少的年代完全過去了, 存儲的價格現在上了天。

反而大家熟悉的NVIDIA只在第10名而已。

另一個賺錢的人是傳統的芯片廠。

除了瘋狂的挖礦應用外，企業服務器的采購量達到每年幾十萬臺，英特爾的傳統X86芯片完全靠這撐起了一片天，彌補了低迷的PC市場。

而在一般擁有大眾高期待的創新應用領域，如智能車、機器人等，其芯片需求量目前其實還撐不起一次的流片。

那么，現在就不是投資人工智能芯片的時機了？當然是，現在反而是最佳的投資時機！5年內，這將是擁有近500億美元價值的市場！作為勇敢又有智慧的風投，當然要在一切混沌不明時就搶進，從中摸索出架構，做完整的布局。

晚了就只能是錦上添個花而已了。

聯想之星Comet Labs綜合匯聚了人工智能與芯片海外投資的經驗，跟大家聊聊芯片投資有多少困難和機會：芯片投資的五大困難難點一：芯片投資沒有標準可以追隨過去芯片的投資很大部分啟始于標準的制定，如3G/4G、H.264、IEEE 802系列等。

一旦上層應用的標準制定完成后，除了IP的爭奪之外，就在芯片的大小、散熱、功效等方面下功夫，期待以pin2pin來取代昂貴的原廠芯片。

 過去的投資者就是在標準制定完成后、比誰動作快來投資。

而對于AI芯片，問題在于，Tensorflow、Caffe2等上層人工智能演算平臺每個月都在演進，雖然基本的架構如CNN已相當成熟，但在應用層面，不同的數據會影響底層芯片的效能，如影像處理、高頻數據、語音等，都有所差異。

如何下手、如何評估？是否等到標準制定再出手？過去的投資邏輯在這里就會遇到問題。

我們看到的是，找尋一個了解人工智能軟件發展或演算的芯片團隊才是重點。

難點二：如何構建有彈性的芯片承接第一點，如何讓號稱如神經大腦般的彈性演算跑在硬邦邦的硅片上呢？大量的libraries、compliers扮演著轉換的角色，協助簡單的指令集來進行硅芯片的運算。

Google的TPU就在這做了個取舍，將指令集降低到4條，并讓其TPU專注在訓練上。

講簡單些，就像把一篇白話文轉成四行詩，再把詩刻在竹簡上，排列出不同的詩集，代表不同的白話文。

AI芯片廠商中，誰的Libraries、compliers或編譯軟件做得好，誰就能跟隨神經運算一同演化。

開發芯片對軟件人才的需求之龐大，應該接近CPU等級了。

在智能手機上也是如此，為什么Google的原生機跑起來效能總是最好，而不是只在拼驍龍的等級或內存大小。

如何擁有有彈性的芯片？在這個問題中，如何建構一個有彈性的開發生態是評估要點。

難點三：如何評估綜合人才、團隊在評估人工智能芯片團隊時，不能只看設計前端與生產后端人力，軟件與架構團隊的完整反而是決定產品的價值之處。

不論如何，缺一不可。

傳統互聯網中個人英雄式的領導、商業模式的競爭等，在芯片可能就不是首要評估要素。

一個學校出來的教授是沒有辦法完成AI芯片量產的創業故事的。

當然，現在流行的開源也進入了芯片領域，RISC-V是一個重要的關鍵詞，有興趣的話可以多往這挖。

難點四：如何把握邊緣架構的興起不管是邊緣計算Edge computing，或是邊緣伺服Edge server，邊緣計算得擁有AI的能力已經是現在談論AI架構時不須爭論之處。

芯片的開發也會走向兩端。

NVIDIA的芯片是不能在傳感器端使用的。

即使是土豪式的解決方案，成本上也會吃不消，更別說百瓦的耗電等級。

難點五：芯片生態系統的構建人工智能芯片的投資至少要摸清楚上述幾點的問題，同時再往下繼續深究流片成本、下游模塊/系統廠商的開發配合 (一般說的Design win/in)等問題。

相當復雜是嗎? 但這些都是建構在邏輯、數字、架構、技術等評估上的，與單純的人的評估與商業模式的摸索相比也不算太難。

畢竟這是科學。

芯片投資的機會作者不是芯片工程師出身，所以技術點到為止。

下面回歸投資面來看AI芯片的機會。

行業機會：資金供給兩年內偏緊，抄底機會出現從資金供給面來看，這五六年其實是相當貧乏的。

除了在2014年NVIDIA股票大漲的激勵下沖出24億美元的投資以外，2016、2017、2018都穩定在10億多些美元。

依照這些芯片新創企業拼命流片與提升制程的燒錢狀況（一次7nm的流片會耗掉1,000萬美元），加上沒幾家真正在大量出貨（只要比特幣等別再漲回萬點），2019或2020初會出現資金緊張的狀況，撿便宜挑好貨就在那時！從退出選擇來說，并購遠大于上市，各種并購的世紀大案還挺多的，如ARM、Broadcom、Altera。

對于既有芯片廠商所面臨的問題——開發新客戶與新產品的困難程度之高，直接并購還是比較快。

同時，目前很多手上有賺錢產品卻沒有明星方案的大型芯片廠商，每個都是現金滿滿的，在等著并購與投資的機會。

VC機會：打破傳統芯片估值方法，尋找強IP、強團隊、強彈性的AI芯片投資機會AI芯片會不會出現獨角獸已經不用懷疑，但這獨角獸的價值評估可能無法用傳統的方式來看待。

一般芯片機構融資的過程開始于簡單的shuttle，做了些樣品來跟潛在的顧客討論最終產品的規格與價格，募集A輪資金。

等到客戶design win，產品確定進入最終產品，如手機、Wifi路由、伺服等，開始可以估算銷售量、小算盤打打，收入或利潤乘上一個市場的PS/PE，馬上得到公司的估值。

接下來就是看銷售的功力。

但現在的AI芯片投資全亂了套，一個概念或簡單的模擬（還不一定是在FPGA上），加上個明星創業者，就馬上可以得到A輪融資。

產品都還沒驗證完或沒有樣品前，B輪估值可能已經幾個億美金。

不用等到Design win或出貨到市場上，資金會不斷的涌入，獨角獸拭目以待。

我們認為優秀的AI芯片項目符合以下幾點特征：1）強IP：AI芯片的估值最終可能走向以IP為基礎2）強團隊：團隊有較強的軟硬整合的功力3）強彈性：特別在之前所說明的混沌狀況下，整合并保有彈性的設計是相當困難且關鍵的從投資角度，一些產品方向值得期待：1）Edge端的垂直應用是可以期待的方向。

雖然這很有可能是一代拳王的曇花一現，但如影像、語音、ADAS、機器視覺等需要大量采集數據的垂直應用都有很大機會出現大量出貨進而上市的機會，不過也許不會是獨角獸等級。

2）在頭端應用方面，CPU/GPU等級的競賽應該很快便可定江山。

領先者是否能量產進入客戶的伺服器，抑或是光榮燒完千萬美金后出售，在2019年年底前就可見分曉。

3）相關的應用在記憶體（如In-memory計算）、3D結構設計、開源的RISC-V生態，一些產品如光學應用、電源管理及RF端，也可能因為大量數據傳輸產生不小的機會。

4）5G市場可能不是一個適合一般創新的戰場，畢竟專利與產業鏈實在太難撼動，其中需要投入的成本與開發周期不是一般VC愿意承受的。