基于機會窗口的中國Al芯片行業追趕研究

路嘉明

摘要：在人工智能浪潮的大背景下，本文從機會窗口的視角對中國Al芯片的發展和追趕進行了研究，并在原有的理論基礎上，提出了“產業生態”這—機會窗口，建立了分析模型，旨在分析子機會窗口開啟的條件及其相互作用對整體行業的機會窗口的開啟的影響，接著，基于案例說明中國企業如何對機會窗口進行回應。然后本文對技術追趕的績效、模式進行總結和分析，提出“三部門連接器”模型，并提出相關政策建議。

關鍵詞：機會窗口;追趕;Al芯片

一、引言

中國是世界上最大的芯片消費國，但是中國整個芯片產業發展卻很落后，自給自足率非常低，近年來芯片的進口金額已經超過石油，成為中國第一大進口商品。而繼“中興事件”后，中國深刻意識到了實現芯片產業的追趕是當前最亟待解決的問題之一。另一方面，AI（人工智能）是當前人類所面對的最新也最為重要的社會技術變革，AI技術的創新和發展又對芯片提出了新要求，所以中國企業一邊繼續研發原有芯片的同時，也積極布局AI芯片。近一兩年來，中國涌現出了寒武紀科技、地平線等一批優秀的初創企業，成為了AI芯片行業的“獨角獸”。本文基于“機會窗口”的理論，試圖解釋中國AI芯片為什么和如何實現追趕。

一、文獻回顧和理論框架

（一）文獻回顧

技術追趕一直是經濟學與管理學研究的重要問題之一。技術追趕（technologicalcatch-up）理論，最早由經濟史學家Gerschenkron（1962）提出，該理論認為，后發國家如果引進先進國家花了較高的費用和較長時間所開發的先進技術，便可以跨越一定的經濟發展階段去追趕先進國家的技術并縮短工業化的進程。Perez和Soete（1988）首先提出了機會窗口的概念，即新的技術范式產生的機會窗口可能導致后發國家率先掌握新的技術范式、引領新的技術軌跡。Lee和Malerba（2017）等人總結了三種類型的窗口，即技術、需求和制度。梁中（2018）在此基礎上，基于中國產業按照窗口開啟條件的有利性程度，把窗口細化為不同等級的開啟狀態，并據此提出差異化的、具有內在遞進邏輯的“破窗擴窗鎖窗”響應策略體系。在趕超路徑方面，Lee和Lim（2001）以韓國消費電子、汽車、半導體和移動通信等產業為研究對象，提出了后發企業3種技術追趕模式：①路徑追隨式（path-followingcatch-up）;②階段跳躍式（stage-skippingcatch-up）;③路徑創造式（path-creatingcatch-up），其中后兩種模式屬于技術跨越式技術追趕。

21世紀開始，隨著以中國為代表的新興經濟體的崛起，電信行業受到了學術界的廣泛關注。如Mu和Lee（2005）采用Lee和Lim（2001）根據韓國技術追趕經驗提出的研究框架來分析中國電信行業，指出該行業實現追趕的三大關鍵因素：市場換技術戰略，跨國公司子公司向本土研究聯盟、本土企業的技術擴散，以及政府的產業促進政策。國內學者吳曉波（1995）提出了“二次創新”的概念，即“在技術引進的基礎上進行的，受囿于已有技術范式，并沿既定技術軌跡而發展的技術創新”，定義了在二次創新過程中的四個典型階段：復制性模仿、創造性模仿、利用性創新、探索性創新，這四個階段分別對應于組織發展過程中不同層次的技術能力水平。

但現有關于中國企業技術追趕的大部分研究往往將西方情境或亞洲追趕情境下的研究理論直接運用于中國情境，忽略了對中國情境特殊性的關注。與韓國等新興工業化國家和地區出口導向型后發企業不同，吳東和吳曉波（2013）認為中國后發企業的追趕實踐是在轉型的“所有制制度”、多樣的“技術體制”、多層次的“市場空間”以及新興的“全球網絡”四位一體的情境下開展的。并且AI芯片行業又與汽車、電信等傳統行業有很大區別，不但技術軌跡更為復雜，并且產業生態也大不相同，所以技術追趕通常呈現出更為復雜的演化模式，現有文獻對這些大型新興經濟體后發企業所面臨的獨特情境并沒有給予充分的關注（應瑛等，2015）。

（二）理論框架

根據機會窗口理論，“在成熟的技術上不可能存在追趕機會”和“新技術領域是追趕的第二種機會窗口”這兩個核心論點，亦明確了“新技術”或者說“新的技術范式”是追趕窗口開啟的關鍵條件。當今世界，人工智能掀起了新一輪的技術革命，機器學習、深度學習等顛覆性技術的建立對芯片提出了更高、更廣的要求，原有的CPU已經不能滿足人工智能算力和功耗的要求，GPA、FPGA、ASIC等芯片后來居上，廣泛應用于人工智能領域。在這里我們將運行智能算法并應用于人工智能領域的芯片稱為人工智能芯片（下稱AI芯片）。2017年是AI芯片的元年，各個國家和企業都面對著新市場和新機遇，而根據歷史的經驗來看，每一次技術革命的初始階段都是后發國家實現彎道超車的戰略機遇期。雖然中國在芯片制造領域落后于美國和韓國，但是在芯片設計和封裝領域已經具有一定的實力。除此之外，中國在大數據采集分析、人工智能算法研究方面，以及具體場景應用領域具有強勁實力，這些優勢對AI芯片的發展和技術追趕具有重要的幫助。綜上所述，本文認為人工智能的顛覆性技術革命為中國AI芯片提供一個歷史性的機遇，中國作為世界第二大經濟體和最大的發展中國家，很有可能在這次技術革命中成為重要參與者、創新者，甚至成為領跑者。

本文在Lee和Malerba（2016）的研究框架的基礎上，不但研究中國AI芯片產業在新時代面臨的政策、技術、需求的機會窗口，還基于中國特殊的國情和AI芯片行業的特殊技術軌跡提出了產業生態窗口。本文首先基于四個子窗口對整體機會窗口建立了分析模型（圖1），旨在分析子機會窗口開啟的條件及其相互作用對整體行業的機會窗口的開啟的影響，接著基于案例說明中國企業如何把握機會窗口。然后對技術追趕的績效、模式進行總結和分析，提出“三部門連接器”模型。接著結合實踐對模型進行進一步思考。旨在解釋特殊的中國國情下的工業發展中遇到問題，并提出相關政策建議。

三、中國Al芯片行業的機會窗口

（一）政策機會子窗口

近年來，中國政府對人工智能和半導體芯片行業的重視程度不斷提高，持續從各個方面來支撐和促進這兩個行業的發展和進步，而AI芯片既強調半導體芯片，又強調智能算法。所以集成電路（即芯片）和人工智能領域的政策都會對AI芯片的發展起到正向的促進作用。國家的支持主要分兩個方面，一方面是出臺各項政策，另一方面是建立各項產業投資基金，對人工智能和芯片行業給予資金支持。在政策方面，人工智能和集成電路兩個行業先后被寫入“十三五”規劃中，被提到了前所未有的國家戰略高度。與此同時，國務院和下屬的發改委、科技部、工信部等國家職能機關一方面不斷出臺相應政策，另一方面，通過建立人工智能產業發展聯盟和集成電路產業技術創新戰略聯盟、成立國家科技領導小組、在部委建立相關辦公室等方式完善創新發展體制，以促進這兩個行業的發展。相關重大政策如圖（2）、圖（3）所示。

在產業基金方面，在工信部和財政部的指導下，2014年9月，國家集成電路投資基金正式設立，截至2017年共投資1387億元，2018年大基金第二期募資規模也將超過第一期，保底將達1500億元;2017年，由網信辦和財政部聯合指導成立的互聯網大基金也對人工智能行業進行積極投資。與此同時，各地政府和社會資本也積極進入相關領域。芯片是一個“十年起步，十億打底”的行業，作為后發者則需要更大的投入，原本鮮有社會資本對芯片公司進行投資，行業發展也嚴重受阻，而國家資本的進入無疑是雪中送炭。

綜上所述，我們認為無論從國家的發展規劃、相應的政策來看，還是從產業基金的支持來看，AI芯片政策窗口已經開啟，如果AI芯片企業能抓住政策機會，將會在追趕中處于有利地位。

（二）需求機會子窗口

2016年，隨著谷歌圍棋AIAlphaGo戰勝韓國棋手李世石，人工智能全面爆發，被廣泛應用于各行各業。而隨著人工智能理論和技術的日益成熟，應用范圍不斷擴大，真正意義上的人工智能產業正在逐步落地、不斷豐富。在縱向上，人工智能算法的升級導致智能服務成為新的產業層級，拉長產業鏈，同時也影響其他層級的相關技術和服務向人工智能轉型;在橫向上，多樣化的智能硬件的發展又泛化于各層級技術和服務內容，拓展了人工智能的產業鏈條（圖4）。而這也正是人工智能產業鏈快速發展的原因。全球人工智能核心產業規模也會從370億美元增長至1 300億美元（圖Sa），其中，我國人工智能核心產業規模會從56億美元增長到2020年的220億美元，年均增速接近65%（圖Sb）。在人工智能領域，實現智能的核心是算法，支撐智能的核心是芯片，而隨著產業鏈的縱向加長和橫向拓展，現有的半導體芯片無論是從算力、耗能還是應用場景的特殊需求上都無法滿足其要求，所以，新一代的AI芯片的需求會快速增加，全球市場規模也會在2020年達到125億美元。綜上所述，AI芯片行業已經成為全球發展最快的產業之一，眾多應用場景亟待落地，AI專用芯片也為中國AI芯片行業打開了需求的機會窗口。

（三）產業生態的機會子窗口

目前人工智能面臨的主要挑戰是解決例如識別圖像、識別語音或者識別生物特征等現實場景中的各類問題，這就涉及到將真實信息進行抽象處理從而轉化為計算機可以理解的程序語言。為了實現這一目標，各類方法被提出，其中機器學習和深度學習是各類算法的基礎，而基于此演化而生的場景智能算法對計算能力提出了更高的要求，因此，計算能力更強、功耗更低的AI芯片也就應運而生。不同于傳統行業，人工智能的產業價值鏈可以分為上游數據和基礎算法端、中游AI芯片端和下游應用端，如圖6所示。

因為要實現AI技術真正的商業化需要大量結構化處理后的數據進行訓練，未經訓練的AI技術只能算是紙上談兵，故而人工智能價值鏈的上游是海量數據和基礎算法，中游是由半導體芯片和場景智能算法構成，下游是具體的場景應用，比如語音識別、智能家居、智能安防、無人駕駛等等。

（四）上游數據端促進中游算法優化

進入21世紀以來，全球數據總量經歷了爆發式的增長，全球數據總量在2017年已經超過了13.6ZB，2013至2017的年復合增長率超過了32.6%。中國人工智能產業的上游數據端主要呈現兩個特點，一是數據量大;二是數據獲取便捷，成本低。從數據量上來說，截至2017年4月，中國的智能手機用戶達到7.1億，是美國的三倍，得益于成熟的第三方支付體系，移動支付用戶和次數也是美國的數倍甚至數十倍，無論從數據的總量抑或是數據產生的速度，中國都遠超世界上其他國家。從可獲取性和成本上來說，2018年5月25日，GDPR（通用數據保護條例）正式獲得通過，從任何意義上來說，都堪稱是史上最嚴厲的公民隱私數據保護條例。從當天開始，在歐盟范圍內任何互聯網公司想要收集公民在互聯網上留下的任何個人數據，包括姓名、身份證號、郵箱、位置乃至DNA信息等，都必須經過用戶的明確授權。而另一方面，中國國民隱私保護意識不強，相關法律體系不夠健全，中國互聯網巨頭如BAJT等企業在獲得數據方面如魚得水，成本極低。中國市場的海量數據和低廉的獲得成本，為中游場景智能算法優化提供了得天獨厚的優勢。

（五）下游市場反晡中游技術升級

人工智能產業下游應用主要包括智能機器人、智能金融、智能安防、智能駕駛、智能搜索、智能制造系統及智能人居等產業，這些產業并非新產業，而是由人工智能為傳統產業賦能。中國下游應用層的企業占據了大量的市場份額，比如?？低?、大華集團，不但是全球十大安防企業，而且也正積極布局發展智能安防;新松機器人、云南昆船和北京機科占據國內90%機器人份額，產品也逐步向智能化轉型;阿里巴巴、百度從文本搜索延伸至圖像搜索，積極布局智能搜索;科大訊飛擁有多項核心專利，是全球領先的語音識別公司;在智能手機領域，華為出貨量為世界第二，小米、OPPO、VIVO等緊隨其后。廣闊的下游市場也成為中國AI芯片加速發展的重要原因。細分行業的龍頭企業，如阿里巴巴、海康威視、百度、華為等公司得益于中國經濟的快速發展，積累了大量的資金和人才儲備，隨著人工智能產業的爆發，公司的業務進一步得到拓展，對AI芯片提出了更高的要求。這些公司一方面對AI芯片的初創企業進行投資，另一方面，百度、?？低?、華為等企業也先后投入到AI芯片的自主研發中。

中國形成了上游數據多、獲得易，下游應用市場廣闊，中游場景智能算法快速發展，而半導體芯片業相對弱的“啞鈴型”人工智能的產業生態。在這樣一個特殊產業生態架構下，上游的海量數據以及較低的獲取成本會支撐中游AI芯片的算法快速發展;而在下游，借助國內巨大市場而發展起來的安防、互聯網、手機制造等龍頭企業已經積累了大量的資本、人才儲備，創建了先進的商業模式，這些企業通過戰略投資、資助研發甚至是自主研發等方式反哺AI芯片領域，無論是對中游的算法端還是芯片設計制造端的發展，都起到至關重要的作用。所以我們認為，中國特殊的產業生態結構也會為AI芯片行業的發展打開機會窗口。

四、技術的機會子窗口

根據機會窗口理論，新技術的出現是追趕的第二種機會窗口，人工智能行業的爆發促進了很多新興技術的出現和發展，而對于支撐人工智能的核心AI芯片來說，其技術軌跡也出現了不連續性，這也意味著出現了后發者實現追趕的技術機會窗口。

（一）基礎算法共享，場景應用算法優勢特有

人工智能算法自上世紀被圖靈提出后，經歷了三次發展的浪潮，2012年深度算法實現真正的應用突破后，才真正給人工智能帶來了春天。算法創新是推動本輪人工智能大發展的重要驅動力。不同于其他傳統行業，領先者一般對后來者實行技術封鎖、阻礙后來者的追趕以獲得巨額壟斷利潤，在人工智能領域，學術界是推動基礎算法不斷前進和創新的主要源泉，所取得的成果也以學術期刊和論文的形式被全人類共享。中國進入人工智能領域較晚，基礎算法創新能力較弱，但是一方面，強大的模仿、學習能力使得中國企業對基礎算法的掌握和針對具體應用領域開發場景智能算法的能力和國際巨頭齊頭并進;另一方面，人工智能重要的語義分析技術，需要大量的研發資金和充足的理解能力，而中國語言具有特殊性和高難度的特點，使得同類型的海外企業無法獨立完成，這些都為中國企業提升算法優化和具體場景應用能力創造了不可復制的優勢。也正是因為這個原因，國內企業在語音識別、圖像視頻識別、文本識別等領域的場景智能算法發展迅速，其中科大訊飛、云知聲、曠視科技、商湯科技、漢王科技、百度等企業在所在領域處于世界領先地位?；A智能算法的快速進步和場景應用算法的特有優勢，也為AI芯片行業后發者提供了歷史性的技術追趕機會。

（二）Al芯片技術路徑變化導致機會出現

最早用于人工智能領域的CPU和GPU芯片技術發展路徑比較清晰，英特爾占據了全球CPU市場絕大多數的份額，第二名的企業AMD也是美國企業;而英偉達和AMD則壟斷了全球獨立GPU市場，這些公司利用專利布局筑起了非常高的進入壁壘，后發公司幾乎不可能在這兩個領域實現追趕。在第三次人工智能革命的浪潮中，基于深度學習算法而產生的海量數據處理對芯片的處理能力提出了更高的要求，已有的處理技術和半導體芯片早已經不能滿足其日益增長的需求，AI芯片的技術路徑發生了改變。

主流CPU架構一般需要至少數百甚至上千條指令才能完成一個神經元的處理，卻不能很好地滿足海量數據運算的深度學習的計算需求，其靈活易用性雖然很高，但是功率效率卻十分低，不能成為人工智能的主流解決方案。相比之下，GPU因其并行結構而更加適合大量的重復計算，中端GPU就包含了成百上千個處理單元，這對于多媒體計算中大量的重復處理過程有著天生的優勢，所以被廣泛應用于輔助駕駛、圖像識別、棋牌類博弈等領域，成為目前應用最廣泛的解決方案。但是GPU也并非十全十美，一方面，GPU在處理較小批量數據和管理稀疏數據方面并不擅長，這些數據廣泛用于循環神經網絡（RNN），隨著“上下文”感知和預測的發展，對這一領域的要求越來越高;另一方面，GPU的記憶體管理效率不高，每個Vl00只有16GB的HBM2DRAM。一些大的數據集（lOOsofGB），需要更多的DRAM。更為重要的是，GPU更為通用的代價是較低的功率效率，以應用于特斯拉自動駕駛的GPU TeslaPl00為例，其功耗最高可達250W，伴隨而生的致命問題是器件不能承受之熱，在夏天器件的溫度達到100-200度，嚴重的可導致器件燒毀，系統停運。所以GPU也不是AI芯片的最終解決方案。

因此，FPGA和ASIC芯片逐漸進入人們的視野。FPGA全稱為“可編輯門陣列”（FieldProgrammable Gate Array），它是一種通用型的芯片，設計更接近于硬件底層的架構，其最大特點是可編程。也正是因為這個特點，用戶可以通過更改FPGA的配置文件來實現具體應用場景的高度定制，進而降低功耗，提高性能，所以，使用FPGA芯片來實現工智能的核心是智能算法的設計與編寫。ASIC的全稱為“專用集成電路”（Application Specific Integrated Circuits），它是一種在確定應用場景和具體用戶后，被設計和生產出的專用芯片，也正是因為專業化和定制化，所以這類芯片功耗很低，效率很高，如圖7所示。而原有領先企業，比如英特爾雖然在桌面CPU端一家獨大，但是技術路徑的鎖定也使得其陷入“在位者陷阱”，在新技術領域也成為后發者，公司基本沒有涉足ASIC芯片，只有在以167億美元的高溢價收購Altera后才得以進入FPGA領域。而英偉達則沿著GPU的技術路徑一直前進，雖然產品性能不斷提升，目前在人工智能領域應用最廣，但是和ASIC和FPGA相比，其高能耗的問題一直沒有得到解決。

AI芯片是應用于人工智能領域的芯片，是由半導體芯片和其運行的智能算法兩個部分構成，所以衡量一個AI芯片好壞的標準不應該單單是半導體芯片的制程工藝等技術指標，也應該對其智能算法與AI芯片架構優化結合進行考量。中國雖然在CPU和GPU的設計和制造上基本屬于空白，但是得益于人工智能產業的爆發，一方面，其使用的半導體芯片的技術路徑被重新定義，FPGA和ASIC芯片逐漸成為細分領域的主流解決方案，另～方面，所運行的智能算法也對實際應用起到了至關重要的作用。這兩個重要的技術變革也為中國AI芯片行業的技術追趕打開了技術機會窗口。

五、總體機會窗口的出現

基于成熟的技術領域不存在追趕機會，而新技術領域是追趕的第二種機會窗口這一基本論斷，我們認為快速發展的智能算法和與之相適應的半導體芯片技術路徑的變革打開的技術子窗口是整體機會窗口開啟的必要條件，是AI芯片產業能夠實現追趕最基礎的驅動力。而僅僅技術子窗口的開啟是遠遠不夠的，如表1所示。

例如韓國雖然擁有三星這樣的全球頂尖的芯片廠商，但是因其產業價值鏈上下游的需求以及AI技術的制約，在AI芯片領域的發展反而不如中國。日本雖然占據半導體芯片材料全球份額的一半以上，但是因其工業制造業強而AI領域較弱，導致并沒有真正的開啟技術機會窗口。僅僅其中一到兩個機會窗口的開啟雖然對追趕有一定的幫助，但是卻無法完全打開機會窗口，AI芯片總的機會窗口開啟應是4個子機會窗口共同作用的結果。人工智能作為當今社會最重要的社會技術變革，不但重塑了眾多產業的格局，創造了巨大的新需求，也引發了各國政府高度關注，紛紛出臺政策、給與資金支持，力求在各個維度鼓勵和支持人工智能的發展，搶占技術革命的制高點，中國更是將引領人工智能發展寫入國家規劃中，其巨大的市場、政府強有力政策的出臺以及巨額資金扶持也為AI芯片行業開啟了需求和政策子窗口。更為重要的是，中國人工智能領域專利累計申請數為99264項，美國為48870;在論文發表方面美國為1663篇，中國為1 506篇，雙方不分伯仲。作為世界最大的發展中國家和過去數十年中發展最快的新興經濟體，中國因其特殊的經濟體制和發展道路，又孕育出了特有的產業生態結構，上游數據量大且獲取成本低，促進場景智能算法優化;下游終端應用廣而且部分細分領域強，又反哺中游技術升級，這都對中游的AI芯片行業的發展起到了相當正面的作用，這也是其他國家和其他行業所不具備的產業生態機會子窗口。當四個機會子窗口同時開啟時，也就是圖1中重疊部分A出現時，我們認為中國的AI芯片行業面臨一個歷史性的機遇。

六、中國Al芯片行業追趕路徑

上文分析了各個子機會窗口的出現和總機會窗口的開啟，那么中國的AI芯片企業是如何把握并實現追趕的？下文我們將結合具體案例對回應策略和追趕績效進行說明。

（一）提出世界首款深度學習處理器架構——寒武紀

面對這一歷史機遇，寒武紀創始人選擇了一條從學術到實踐的發展路線。陳天石、陳云霽在創立公司之前都在中科院從事體系架構和人工智能的研究，是典型的學術大牛。哥哥陳云霽19歲進入中科院計算所碩博連讀，并成為當時首個國產通用CPU“龍芯”的研發成員，25歲成為8核龍芯3號的主任架構師。而弟弟陳天石則于2014年公開提出國際首個深度學習處理器學術架構DianNao，同年又公開提出國際首個多核深度學習處理器學術架構DaDianNao，兩論文分獲處理器架構領域頂級國際學術會議ASPLOS 2014和MICR0 2014最佳論文，而這兩篇論文成為AI芯片領域被引用最多的論文。兄弟兩人一人有研發芯片的經驗，一人走在學術領域的前沿，兩人研究的領域又都正好和AI芯片相關，可謂是珠聯璧合。

在掌握了核心技術后，兩兄弟選擇了于2016年成立公司，而這一年又正好趕上人工智能的 全面爆發。大量資金開始進入這個領域，各種政策密集出臺（見圖2、圖3），所以公司一成立就獲得各類資本的瘋狂追捧，2016年4月和8月分別獲得由中科院的千萬級天使投資以及由元禾原點、科大訊飛等的Pre-A輪投資，而公司又在2017年8月完成了由國投創業領投，阿里巴巴、聯想創投等聯合投資的1億美元的A輪投資，并于2018年6月完成了由中國國有資本風險投資基金、國投創業等聯合領投的數億美金的B輪融資，公司估值也達到了20億美元以上?？v觀整個公司的融資史，國有資本一直是主力軍，阿里巴巴、聯想控股等企業的社會資本也緊隨其后，源源不斷地給公司“輸血”。

瞅準了需求、政策、產業生態等機會窗口，公司解決了資金的問題。在技術路徑上，公司避開CPU、GPU等被國外壟斷的較為成熟的技術路徑，而是利用自己的技術優勢，深耕ASIC架構。公司選擇了手機這一具體應用場景，成功于2016年推出世界首款商用深度學習專用芯片“寒武紀1A”并于2017年成功賦能華為麒麟970芯片，先于蘋果All成為世界首款人工智能手機芯片，為華為Matel0、P20等機型插上AI的翅膀?！昂浼o1A”是一款完全自主研發的ASIC芯片，在1GHz主頻下理論峰值性能為每秒5120億次半精度浮點運算，對稀疏化神經網絡的等效理論峰值高達每秒2萬億次浮點運算，在若干關鍵人工智能如計算機視覺、語音識別、自然語言處理應用上實測，“寒武紀1A”達到了傳統的四核通用CPU25倍以上的性能和50倍以上的能效，如表2所示。

在成功實現AI芯片商業化后，公司繼續加大研發投入，又于2017年底面向終端再次推出了三款ASIC芯片：面向低功耗場景視覺應用的“寒武紀1H8”，擁有更廣泛通用性和更高性能，主要用于手機、安防、攝像頭、音箱、機器人等領域智能處理計算的“寒武紀1H16”，以及面向智能駕駛領域的性能十倍于1A的“寒武紀1M”。同時，寒武紀也在云端積極布局，公司還面向云端發布了“寒武紀MLU100”和“寒武紀MLU200”，這兩款芯片面向服務器端的智能處理需求，分別側重于推理和訓練。至此，寒武紀形成了完整的產品線，成為全球第一家成功流片（批量生產實物芯片）并擁有成熟產品的AI芯片行業獨角獸企業。

（二）算法+芯片，“地平線”引領嵌入式Al芯片與解決方案

面對這一歷史機遇，“地平線”并沒有刻意強調芯片，而是選擇走一條強調“算法+芯片”有機結合的發展路徑。算法要取決于數據，而數據是需要本地化的，中國和美國的數據不一樣，這是本土企業的優勢。地平線的芯片方案強調的是在嵌入式智能產品上做智能處理，可以說地平線的發展道路不在于研究單純的芯片，而在于算法和芯片的深度整合優化。這樣的發展道路把握了中國特殊的產業生態帶來的機會，取場景智能算之長，補半導體芯片之短，用較少的投入研發出了高性能的AI芯片。之所以選擇這樣的發展道路，原因在于相比寒武紀純學術出身的背景，地平線的創始人不但以學術見長，在商場也是身經百戰。創始人余凱在人工智能領域發表的研究論文被全球同行廣泛引用，超過14000次;曾獲得2013年國際機器學習大會（ICML）最佳論文銀獎，也是華人學者中第一位率隊在國際主流人工智能競賽中獲得冠軍的學者;CTO吳強，論文曾獲得國際計算機協會（ACM/IEEE）第38屆計算機架構大會（MICR0-38）唯一的一個最佳論文獎。他的科研成果還被美國業內雜志《IEEE Micro》評選為年度最有影響的12個科技成果之一。余凱還一手創立了百度深度學習研究院（IDL）、百度自動駕駛團隊和百度大腦PaddlePaddle，可以說是中國人工智能應用領域的“泰斗”。并且還有多位高管曾在谷歌、NEC Labs、三星集團、德州儀器、摩根士丹利、百度、華為等國際知名公司擔任產品帶頭人和高管等職務。也正是因為這樣經驗豐富的創業團隊和發展路徑，公司更多地吸引了社會資本的進入，在2015年成立之初，公司就已經獲得了晨興、高瓴、紅杉等基金的聯合投資，并于2016年4月獲得硅谷知名投資人Yuri Milner的投資;2016年7月，團隊宣布獲得包括雙湖投資以及原投資在內的新一輪融資，公司還于2017年底完成了由Intel Capital領投的1億美元的A+輪融資。

在具體的技術路徑上，地平線公司選擇了開發自己的獨特架構BPU，首先在FPGA上驗證，然后成功推出“旭日1.0”和“征程1.0”兩款專用ASIC芯片，這兩款AI芯片都采用40nm架構（最先進為7nm制程），但是卻能實現1080P@30fps的視頻輸入，可對每幀圖像中的200個目標進行檢測識別，具有低功耗（典型功耗僅為1.5W）和低延時（小于30ms）的特點，其性能已經達到了世界一流的水平。公司于2017年12月宣布與奧迪集團共同開發自動駕駛，值得一提的是，奧迪在中國一共選擇了兩家合作伙伴，其中一家就是地平線。同時，地平線也是目前中國唯一在世界四大汽車市場（美國、德國、日本和中國）與全球頂級OEMs和Tierls建立合作伙伴關系的涉及自動駕駛的初創企業，成為了名副其實的AI芯片領域的“獨角獸”。

（三）中國Al芯片公司對機會窗口回應策略和績效總結

面對AI芯片產業出現的機會窗口，各大企業選擇了不同的策略進行回應，如表3所示。老牌芯片制造商英特爾選擇在繼續改進CPU基礎上又收購FPGA廠商Altera試圖多路徑布局AI芯片，而英偉達則憑借天然優勢“一招鮮，吃遍天”，深耕GPU，不斷推出高性能的通用AI芯片，一方面這些巨頭起步早，引領著技術路徑的前進，并在該路徑上進行了大量的專利布局，筑起了難以逾越的行業壁壘，有效的阻止了后來者在原有路徑上的追趕;而另一方面這些巨頭也因為在原有技術路徑上有大量的沉沒成本，陷入了不同程度的“在位者陷阱”，對ASIC架構的AI芯片的研發沒有那么重視，這也是中國AI芯片行業能實現追趕的一個重要原因。

AI芯片既強調算法又強調半導體芯片。在算法端，學術界引領基礎算法進步、成果又被全人類共享的這一特點使得中國作為后發國家，與在位國家之間沒有顯著差距，在具體的場景智能算法上甚至處于世界領先的地位。而FPGA和ASIC作為新技術范式的出現，為AI芯片行業開啟了技術的機會窗口，寒武紀和地平線從初創企業發展成為全球頂級的AI芯片公司，一個很重要的原因在于把握住了該技術機會窗口，選擇ASIC架構。在實現追趕的過程中，人工智能市場火爆而產生的對AI芯片的需求，中國政府在企業創立之初就給予的政策、場地和大量資金等相關支持也是必不可少的條件。除此之外，中國特殊的國情、市場體制孕育出的人工智能產業生態結構也開啟了相應的機會窗口，非常有效地促進了中國AI芯片行業的追趕。

在AI芯片領域不只有寒武紀和地平線這兩顆“中國芯”，根據著名市場研究公司CompassIntelligence發布的最新研究報告，全球前24名AI芯片行業排行榜中共有包括華為海思等7家中國企業上榜（含地平線、寒武紀）。在國際著名研究機構Arete Research評定的全球十大AI芯片初創公司里，中國獨占五席。中國的AI芯片行業從無到有，從落后到今天的世界一流，實現了巨大的跨越式進步。

七、總結

（一）追趕模式的總結

很多學者針對后發國家的追趕路徑和模式提出了自己的觀點，但是這些觀點大多基于傳統行業而非新興行業，并且沒有考慮中國特殊的國情和改革開放后形成的特殊產業生態結構，所以無法很好地解釋中國AI芯片等行業的追趕現象。針對此情況，現提出“三部門連接器”模型，如圖8所示。

人工智能行業不同于其他傳統行業，其上游是海量數據和基礎算法，下游是場景應用，中游是AI芯片（包含半導體芯片和場景智能算法），而中國的人工智能行業又具有“兩頭大，中間小”的特殊產業生態結構。中國在上游數據端有優勢，基礎理論、算法掌握牢固，即“源泉”豐富;而下游又呈現“應用市場廣闊”的特點。上游“源泉”豐富就會通過“A通道”為中游AI芯片這一“支柱”中的智能算法優化提供幫助;下游市場巨大導致中國的互聯網行業、安防行業迅猛發展，一些互聯網、科技巨頭如BAT、華為，占據了較大的市場份額，積累了大量資本。而下游人工智能場景市場的進一步發展又必須以中游的“AI芯片”為支柱，于是中國的AI芯片企業在發展的過程中又受到下游BAT、華為等企業的“反哺”（B通道），不但積極給予資金和人才的支持，還幫其對接各種資源。這也形成了上下兩游通過A、B通道合力促進中游的良性產業生態發展模式，即形成了上中下三游有機連接的“三部門連接器”，即上下兩游首先實現追趕，通過“A、B連接器”帶動中游實現追趕的發展模式，而這也從產業生態的角度解釋了為什么中國AI芯片行業能夠涌現出一批優質初創企業和獨角獸、實現彎道追趕的原因。

（二）結合“三部門連接器”模型對實踐的進一步思考

最近美國對中興的制裁和中美貿易戰的打響給中國敲響了警鐘，讓我們更加深刻認識到了中國在工業上的巨大差距。中國沒有趕上兩次工業革命的浪潮，其工業的特點是基礎研究沒有跟上，核心技術沒有掌握，這導致中國工業的發展一直是主要利用環境和人力資源成本低的“代工”的模式，對于一些高端工業產品的思路主要是“造不如買，買不如租”。而中國同時又是最大的發展中國家，人口位居全球第一，GDP世界第二，人口紅利在過去幾十年得以充分釋放，累積了大量的人才和資本。根據上文提出的“三部門連接器”模型，對于汽車、鋼鐵等傳統行業來說上游的“源泉”應是基礎研究，其能力水平主要由科研院所（包含企業研發部門）和高校決定;中游“支柱”應是高端裝備制造企業;下游“應用市場”應是生產具體產品的企業。對應于“三部門連接器”，這些行業的特點表現為作為上游“源泉”的基礎研究雖然逐步追趕，但是A通道沒有打開，高校和科研院所的科技成果轉移轉化效果不理想，沒有為中游注入動力;中游裝備制造業這一“支柱”薄弱，無法支撐起下游市場日益增長對于產品質量、性能、功能的要求;與此同時，下游應用市場大而不強，汽車、手機等行業一味追求市場份額、銷售額，企業十分浮躁，力求“掙快錢，掙容易錢”卻沒有形成核心競爭力，制造設備基本依賴進口，大部分利潤被國外企業拿走，從而無法通過B通道對裝備制造業進行反哺。許多傳統領域沒有形成有機結合的“三部門連接器”，掣肘中國經濟在“新常態”下的高質量發展。

八、政策建議與展望

（一）政策建議

中國的AI芯片行業現在雖然處于世界一流水平，但全球人工智能領域依然屬于“弱人工智能”階段，而隨著人工智能的進一步發展，無論是CPU、GPU還是FPGA、ASIC都可能會被時代淘汰，“類腦芯片”更有可能是人工智能的最終解決方案，所以人工智能最終鹿死誰手還未可知。另一方面，通過進一步結合“三部門連接器”模型對實踐進行思考，我們也發現了一些中國傳統行業面臨的窘境。中國崛起勢不可擋，針對目前遇到的一些問題，我們結合研究成果對政策制定者和企業提出一些建議。

一是要從頂層設計支持基礎研究和高端裝備制造業發展?；A研究是創新和技術發展的源泉，高端裝備制造業則為支柱，如果這兩游不強，那么很有可能造成下游大而不強、沒有核心競爭力的局面。所以要進一步支持科研院所和高校的基礎研究工作，以及對高端裝備制造業進行政策扶持和資金支持。

二是要促進科技成果轉移轉化機制和高校教師評價機制的完善。結合“三部門連接器”模型來看，雖然中國很多大學的科研能力躋身世界一流，高水平研究成果層出不窮，但是科研成果的所有權分配不合理、教授評價指標過多強調論文而不是解決實踐問題，這導致“A通道”沒有實現真正的連通，大學科研機構和教授的研究止于論文而不能應用于實際生產，所以這方面還要繼續完善。

三是下游企業應反哺上中游。得益于人口紅利和政策紅利，中國很多下游企業占據了很大的市場份額，但是并不意味著我們具有了核心競爭力，所以企業應該轉變一味追求產值、市場份額的發展觀念，利用紅利帶來的資本優勢，去反哺裝備制造業，甚至是進一步反哺基礎研究以增強企業內在的創新能力，成為真正的世界500強。

（二）研究展望

本研究以機會窗口為理論基礎，在分析需求、技術、政策的子窗口的基礎上又結合中國AI芯片業的特點，創新性提出了產業生態窗口并進行分析，并進一步提出“三部門連接器”的模型，旨在更好地解釋中國特色的追趕模式。但是“產業生態窗口“和“三部門連接器”模型是否能推廣到全行業還不能確定，這也是我們需要在未來進一步討論的。