文章图片
配图来自Canva可画
不久前腾讯被曝出开始招聘芯片研发设计相关的多类工作岗位 , 最近腾讯对此进行了回应 , 表示是基于部分业务需要 , 在特定领域进行芯片研发尝试 , 比如AI加速和视频编解码 , 而非通用芯片 。
事实上 , 腾讯这样的互联网巨头自研芯片一点不稀奇 , 在芯片产业的下游和终端 , 大量业务涉及AI硬件产品的垂直头部企业 , 都已将芯片自研纳入自身未来发展战略布局的框架之下 。
跨界研芯已成潮流
除了本身处于芯片产业链的垂直企业和平台 , 近年来自研芯片有明显的跨界趋势 。 当然这里指的自研主要还是研发设计 , 不包括制造、封测这些只有制造端才能干的事 。
从跨界自研芯片的玩家群来看 , 目前主要有三类 。
第一类是腾讯、阿里、百度这类互联网企业 。 像阿里的第一颗自研AI推理芯片“含光800”也早在2019年就公开发布 , 而百度的第一代昆仑芯片在去年初已经量产 。
第二类是小米、华米、格力、小鹏汽车这类泛电子化、数字化消费品企业 。 小米今年发布了首款自研的手机影像相关芯片 , 格力也在前段时间表示自研芯片已经得到量产验证 , 而华米作为可穿戴厂商 , 早在2018年就发布了首颗自研芯片“黄山1号” , 小鹏汽车早先表示已在中美两地同步进行自研芯片项目 。
第三类是依图科技、四维图新等AI算法类公司 。 2019年依图发布了首款自研云端AI芯片“求索” , 而在今年2月 , 四维图新发行定增的目标之一就是自研智能网联汽车芯片 。
可以发现 , 跨界自研芯片的企业都有一个共同点:都有涉及AI技术的硬件业务 。 像BAT这样的巨头 , 多是云计算和汽车相关的业务需要自研芯片 , 而小米这类智能硬件企业 , 多是自家的产品需要自研芯片 , 依图这些算法和软件公司 , 则更多地以第三方供应商角色来自研芯片 。
自研门槛不高
在手机行业 , 先进制程芯片的自研难度是超越想象的 , 目前国内厂商也只有华为、联发科具备芯片设计能力 , 抛开制造 , 可以说具备一定的自研能力 。
但上面提到的玩家自研芯片为何呈现扎堆现象 , 客观原因就在于这些领域和手机不同 , 芯片设计和制造的难度都要小不少 , 也就是门槛更低 。
不同领域对芯片制程的要求相差较大 。 手机领域 , 目前的骁龙、联发科 , 还有麒麟等芯片厂商 , 最先进的制程一般在7nm之内 , 而汽车芯片目前主流产品的制程很多在14nm、28nm , 另外40nm规格的芯片目前也广泛应用在储存、通信等领域 。
制程越先进 , 设计和制造的难度就越大 。 而汽车、云服务器、非手机类电子消费品相关芯片由于对制程要求普遍更低 , 所以设计和制造的难度就更低 。
另外在产业链方面 , 像7nm、5nm这些先进制程芯片对应的产能也更小 , 只有极少数的头部厂商掌握了相关的生产设备和技术 , 而28nm、40nm制程的芯片由于技术和设备门槛更低 , 所以具备生产能力的厂商更多 , 产能自然也更多 。
总体来看 , 汽车、云服务器相关产品的芯片由于对制程要求没有手机那么高 , 所以设计和生产起来都更加容易 。 基于这个前提 , 自研芯片对巨头们来说 , 其实就是时间和钱的问题 , 而这些恰好又是他们的优势 , 所以自研芯片很容易就上手了 。
自研的商业原动力
虽然客观环境对部分领域的自研芯片比较友好 , 但是真正驱使这些头部玩家去自研芯片的原因还是商业层面的考量 。
第一 , 自研芯片环节完全可控 , 减少被“卡脖子”的风险 。 华为的禁令事件是一个警钟 , 对于BAT这些巨头来说 , 强竞争的先进技术和产品领域 , 仍然可能存在类似的突发阻碍 , 而自研芯片的设计研发环节可以由自己控制 , 所以就免去了可能发生的“黑天鹅”事件 。
第二 , 芯片自研 , 效率可能更高 , 成本可能更低 。 芯片设计制造出来 , 最终还是要和软件、硬件一块服务于某一个完整产品的 , 拿手机领域来说 , 手机厂商能不能用到最新的芯片 , 还是要看高通、联发科、三星这些芯片厂商的进度 , 而且在拿到芯片后 , 厂商还要就具体的产品和需求对芯片和手机进行适配优化 。
【汽车|BAT们跨界玩芯片】而自研的好处是可以根据自己的需求设计一套功能对应的芯片 , 无需多方对接和磨合 , 业务和项目推进的效率要快得多 , 最终量产应用的成本也可能比找第三方要低得多 。
第三 , 自研芯片是核心竞争力的重要来源 。 在汽车、家电这些加速电子化和数字化发展的行业 , 芯片的优劣已经很大程度上影响到产品的最终体验 。 比如在汽车领域 , 自动驾驶芯片和自动驾驶能力是密切挂钩的 , 算力算法更强 , 自动驾驶的体验往往也会更好 。
如果企业的算法能力很强 , 那么自研芯片就可以将这些能力整合进去 , 既可以用到自己的产品里 , 还可以以第三方芯片产品供应商的角色来服务于其他玩家 , 增强变现能力和行业话语权 。
芯片自研也有陷阱
从目前诸多自研芯片成功的案例来看 , 这样的业务模式很应该会在越来越多的领域中成为现实 , 尤其是汽车、家电、服务器这些走在智能化高速发展阶段的行业 。
但需要注意的是 , 自研芯片难度低、门槛低主要还是头部企业可以享受的客观环境优势 。 国内自研芯片模式也有不少失败案例 , 其中原因往往是研发周期太长 , 技术门槛太高 。 因而中小企业 , 或者没有长期充足现金流的企业 , 要自研芯片 , 风险可能会持续放大 , 甚至会走上一条死胡同 。
当然有钱且有一定技术的头部企业也不是就完全零风险 。 芯片自研模式可能带来的一个最明显但也最容易被忽略的陷阱 , 就是市场过低的容纳度 。 通俗地说 , 就是自研芯片的最终回报不一定能够覆盖之前的成本 , 而且最终应用的范围和规模很小 。
举个例子 , 某厂商花了2年时间自研芯片用在自家汽车产品上 , 虽然效率更高 , 成本更低 , 但最终汽车销量却不尽人意 , 芯片自研的优势未能在商业价值上得到充分体现 , 这就是失败 。
目前很多自研芯片玩家的主要目的还是用在自己的产品上 , 虽然说自研模式可以控制成本 , 但是最终自研芯片省下来的成本是否能够覆盖掉研发成本 , 也是一个需要好好按计算器的问题 。
此外 , 自研芯片的时间成本和资金成本都非常高 , 尤其是芯片升级迭代的阶段 , 自研成本可能会因为技术壁垒而翻倍 , 如果业务的长期利润无法对此进行覆盖 , 那么这种模式就是一种慢性病 。
总之 , 在芯片研发费时费力费钱的的背景下 , 任何玩家都不能轻视自研模式可能带来的反噬风险 。
刘旷公众号 , ID:liukuang110
推荐阅读
- 硬件|汽车之家年底裁员,员工称多个职能部门已被撤销
- 人工智能|聚焦车载人工智能计算芯片研究 推进汽车产业高质量发展
- IT|全球汽车行业价值两年突增至3万亿美元 中国电动车企立大功
- Tesla|特斯拉因两处安全缺陷召回近50万辆电动汽车 承诺免费修复
- IT|新能源汽车年底卖爆 展车都被抢购 咋回事?
- Tesla|特斯拉在美国召回约47.5万辆汽车 接近其去年全球交付总量
- Tesla|网传特斯拉等新能源汽车保费上涨超50% 多家车险公司回应不实
- 最新消息|汽车之家回应裁员传闻:系正常业务结构优化、涉及人员不到5%
- 人物|俄罗斯网络博主为吸引流量 闹市炸毁汽车 结果够“刑”
- 智能汽车|瞄准2022的靶心 智能汽车还要深挖潜力