巨头造芯的这些年赚钱了吗？都做出了哪些名堂？

2022-09-01 15:59:28  信息编号：K223384  浏览次数：82

后疫情时代，不造两颗芯片似乎都不好意思叫大厂。最近，字节和快手也加入了造芯群聊。

字节的芯片团队划出了服务器芯片、AI芯片、视频云芯片三大类。快手发布了视频云服务品牌StreamLake，推出云端智能视频处理SoC芯片SL200。据其官方介绍，这款芯片视频压缩速率是“世界上最快的”。

钞能力大厂的加入直接推高了芯片设计人才的薪酬待遇，去年，百度的3个芯片相关人才被截胡，据HR部门透露，原因是“他们给的太多了”。

千方百计转行的集成电路专业学生，突然发现自己成为了大厂香饽饽。这让吃瓜群众多少有些猝不及防，硬科技的大旗怎么说扛就扛了？

一、大厂都在造什么芯？

早在2013年，谷歌就开始研发用于AI场景的TPU芯片，解决公司内部日益庞大运算需求与成本问题。

当时，谷歌旗下已经有图像搜索、谷歌照片、云视觉API、谷歌翻译等和AI挂钩的业务，在这之后又收购了知名AI独角兽企业DeepMind，要支撑这么多产品和服务，数据中心的算力恐怕得再翻一倍。

2017年的乌镇围棋峰会，强化版AlphaGo2.0以碾压式优势三比零全胜，对弈结束后柯洁放声痛哭，靠的就是TPU芯片。

亚马逊也在2013年推出了Nitro1芯片，同样是服务自身业务。时至今日，亚马逊已经坐拥网络芯片、服务器芯片和人工智能机器学习芯片三条产品线，8年倒腾出9颗芯。

几年后，这股造芯热传递到国内，大厂陆续加入群聊。

2017年，百度和老牌半导体公司赛灵思合作了一款XPU芯片，并在此基础上自研了云端全功能AI芯片“昆仑”。

昆仑1经由三星代工成功量产，在百度搜索引擎及云计算上已经部署了两万片。2021年，智能芯片及架构部门干脆被拆分出来独立融资，估值130个亿，同时昆仑2进入量产。

阿里巴巴则全资收购了中天微（拥有大陆唯一自主嵌入式CPU IP Core），把它和达摩院芯片团队合并，成立全资子公司“平头哥半导体”。

目前平头哥共有玄铁（处理器IP）、羽阵（RFID芯片）、倚天（ARM服务器芯片）和含光（高性能AI推理芯片）四个产品系列。据称玄铁系列处理器出货量已超20亿，超过200家企业在用。

腾讯去年一口气发布了AI推理芯片“紫霄”、视频转码芯片“沧海”、智能网卡芯片“玄灵”三款产品。还先后入股了国产DRAM厂商长鑫储存、DPU独角兽云豹智能、芯片新秀光舟半导体等，还高薪收编造芯人才。

抛开大厂在产业链上的投资，单纯看自研芯片，它们的特点非常相似：大部分都是通用性不高的专用芯片。

举例来说，所谓通用芯片，如英伟达的GPU，可以胜任游戏、渲染、AI、挖矿等多个场景；而专用芯片大多仅用于某个非常细分的场景，比如世纪初曾诞生过一类名为PPU（Physics processing Unit）的芯片，独立于CPU和GPU之外，专门处理3D游戏中对物理效果的模拟。

平头哥自研的“含光800”就专门服务于淘宝的按图识别商品的功能“拍立淘”，5分钟就能完成10亿张“拍立淘”商品图的识别，而传统的GPU处理需要1小时。

比如淘宝的按图识别商品功能“拍立淘”，这是阿里决战购物节的法宝之一。用上平头哥的AI推理专用芯片“含光800”后，5分钟就能完成10亿张“拍立淘”商品图的识别，而传统的GPU处理却需要1小时。

简单来说，专用芯片牺牲了通用性，强化了某一特定功能。英伟达做芯片的时候，既要服务谷歌、亚马逊，也要服务特斯拉和蔚来，还要考虑广大游戏玩家和矿老板，这就是“通用性”。

而放在专用芯片上，研发AI推理芯片，不会考虑做AI训练这个场景。阿里给淘宝业务做芯片，也不会考虑拼多多用着顺不顺手。

由于极度专精，专用芯片的技术门槛相对有限。在设计这一环上，用在边缘侧、还有终端的很多芯片，干脆采用ARM和RISC-V等精简架构，指令集都是开源的；而一些专用性比较强的芯片，甚至完全可以采用自研架构。

所以，互联网公司自研芯片，最大的目的恰恰是他们目前正在做的事情：降本增效。

二、造芯是为了省钱

今年4月，谷歌发布了自研视频处理芯片Argos VCU，替换掉了数千万个英特尔CPU，一举为谷歌节省了200亿人民币的资本开支。亚马逊通过自研芯片处理Alexa语音助手的运算，成功替代了英伟达的芯片，降低了30%的成本。

自有芯片推出一年时间内，亚马逊云服务全年降价次数超过9次，成功带动下游客户一块降本增效。

所以，性价比才是大厂造芯的第一动力。比如，腾讯的“玄灵”就是把虚拟化这种不太重要的功能，让自研的专用芯片处理，那么成本更高的CPU就可以腾出精力，处理更重要的事情。

腾讯、字节和快手都在投入音视频云处理专用芯片，追求在更高压缩率、更小带宽下传输内容，要知道大厂们的带宽支出常年占比近10%，快手的带宽量级已经接近上百TB，有了专用芯片帮忙可以省不少钱。

简单来说，在流媒体播放、语音识别等特定场景中，可以用CPU/GPU这类通用芯片处理，代价就是效率不高、成本不低。因此，当业务量大到一定程度后，自研的专用芯片就是性价比更好的选择了。

在独立自主语境下，舆论期待大厂们和高通/AMD这类通用芯片设计公司硬碰硬，但这并不符合商业逻辑。

即便是苹果这样的公司，他们研发M1芯片的时候，也是从一些细分场景入手，比如突出剪辑、视频处理等特定场景上的更强表现，以及和macOS的适配，而不是全方位“吊打英特尔”。

虽然苹果声称新的M1芯片对比此前的处理器性能有数倍提升，但芯片刚问世时，MacBook Pro只有低配版采用了M1芯片；高配版仍然搭载英特尔i5-1038NG7处理器，并且价格贵得多。在Mac mini上也类似，其高配版仍在使用第八代的英特尔六核i5处理器。

以苹果的体量，尚且要避开锋芒差异化竞争，以卵击石的后果可想而知。

小米曾经高调进入SoC的开发，外界盛传，小米重注押宝的SoC澎湃S2在多次流片试产后以失败告终，保守估计烧掉了三亿人民币的研发费用。

另一个典型的失败案例是三星，2015年，三星首次推出猫鼬M1架构，并在部分旗舰GalaxyS7和Note7中采用，矛头直指苹果的A系列SoC。

猫鼬架构一路迭代到了M5，但性能一直落后于高通和苹果，最终在2019年被彻底放弃。

国内绝大多数的芯片设计公司，发展策略都是瞄准一个细分场景，从通用性不高的芯片开始做，比如壁仞科技、天数智芯、沐曦等国内初创GPU企业，大多都绕道瞄准B端\G端数据中心的GPGPU需求，**掉了数据中心里并不需要的图形处理功能，在一些垂直领域足够和巨头杀几个来回了。

对这些公司来说，从专用芯片做起是一条更实际的路径，一上来就高举高打，在通用场景里和巨头硬碰硬并不明智。事实上，英伟达的GPU一开始也是游戏场景里的专用芯片，然后扩展到了AI、虚拟货币等场景。

互联网公司的确很有钱，但造芯片的花销更大，先进制程芯片尤甚。

7nm工艺芯片流片一次需要3000万美元，5nm的流片成本更是达到4725万美元，就这还没有计入前期购买芯片IP的成本、购买芯片设计软件EDA的成本、动辄百万年薪的芯片设计人才的工资成本等等一系列投入。

对造芯来说，一年花一个亿，只够在新手村练级。

通常情况下，只有苹果、华为这样的公司，能依靠产品的庞大出货量覆盖研发CPU等通用芯片的成本。而对缺乏终端产品的互联网公司来说，再财大气粗，恐怕也算不清通用芯片这笔越滚越大的账。

三、与芯片巨头竞争有限产能

科技巨头所谓的“造芯”，仅局限于芯片设计环节，实力强如苹果，也要仰仗全球最大芯片代工商台积电来为它生产芯片。

要冲向更高的性能，不仅需要出色的设计，也离不开能在同等面积塞进更多晶体管的先进制程工艺技术。由于全球先进制程赛道的玩家仅剩台积电、三星、英特尔几家，英特尔的对外代工业务才刚刚开张，先进制程工艺技术的产能资源相当有限。

选择自研芯片的科技公司，必然要与英特尔、英伟达、高通等现有顶尖芯片开发商争夺产能。

根据International Business Strategies（IBS）、贝恩咨询公司（Bain & Co.）等市场研究机构的数据，一款5nm芯片的设计成本约为5亿美元，3nm芯片的设计费用约达5-15亿美元，而采用28nm等更成熟生产技术设计芯片的成本约为5000万美元。

当然，相比许多小型芯片企业，科技巨头显然“不差钱”，考虑这条充满风险的道路，往往是看到更长远的投资价值。正如前文所言，几家超大型云服务商都坐拥大量的数据中心服务器集群，研发芯片的厂商的出货量在业界都是翘楚，当芯片大规模应用，将有望为他们更大的经济回报。

但难点在于，科技巨头如何说服芯片代工商，在大量的需求面前将其订单摆在更靠前的位置。

当然啦，苹果是不必为此担心的，产能再紧缺，台积电也会优先供给其第一大客户苹果。其他科技巨头则需展示出足够大的规模和可持续发展的潜力，来说服代工厂商们为它早点排期。

四、造芯下海，靠To B上岸

就大厂所造芯片而言，如何寻找合适的应用场景始终是难题。

以2019年问世的玄铁910为例，虽说开源的RISC-V也是国产替代的一大去处，由于采用诞生于2010年的架构，版本生态方面尚不成熟，直至今年初才实现能流畅的在安卓10系统上运行。

清华大学长聘教授刘雷波曾对媒体表示：“边做边找落地场景，这在互联网行业里非常常见，即使没有需求也要靠自己把需求引导出来。半导体行业不太一样，我不认为哪个应用领域可以真的拉动半导体技术的发展。”

不过，造芯终究不是表面文章，想要真正创造价值，最终还是要落到实处。更何况国际形势风云变幻，谁也不能保证自己就能长期处于安定状态，应用成为了关键。

“首先你得去用国产芯片，不管是做各种研究还是拿去跑业务什么的，才能得到反馈，推进第二代、第三代芯片直到真正符合市场的需求。所以不仅是行业从业者，包括资本与市场也得团结起来，给国产芯片机会去用它。”益阳解释道。

知之非艰，行之惟艰，谁会为这些芯片买单呢？

“芯片是硬件中最核心的部分，也是产业互联网最核心的基础设施。”腾讯数字生态大会上，腾讯高级执行副总裁、云与智慧产业事业群CEO汤道生一语道破。

产业互联网，正是B端的时代，也是当下互联网企业仅存的增量空间之一，尽管B端用户量级不及C端，但其纵深需求却远超普通用户。除自用部署外，将所造芯片配置到To B业务似乎成为了大厂专用芯片唯一的出路。

To B战场作为兵家必争之地，各路玩家较量的除了技术能力，还有着诸多考虑因素。

刘戈告诉光子星球：“某些企业利润本就微薄，可能无法负担产业互联网的成本，所以还是需要市场机制的调和。比如某某技术会带给企业何种变化，创造多少价值？成本仅需3元便能创造10元的价值，企业当然乐意去做，但如果创造10元价值背后的成本就要200元，那产业互联网肯定搞不成。”

某证券行业技术负责人小东也在同光子星球的交流中，报以类似观点。在他眼里，有的技术是好用，可成本确实太高。

“证券行业受监管要求，客户数据不能传至公有云，而行业云往往集中在交易时段使用，不像公有云可以互相错开，所以还不如自己买设备建虚拟化环境，成本反而更低一些。”小东坦言。

因此，即使是主打技术的To B板块，企业考虑的永远也是成本与效益的统一，这便为大厂造芯留足了空间。

对此，硬件工程师李晓谈到：“过去几年，通用芯片迭代非常频繁，每代产品相较上代都有着很大的效能提升，所以如果一味将业务铺在上面，未来升级成本很可能覆盖过去所有的提效成本，并不划算。因此对于大规模业务，专用芯片几乎是必须的。”

作为产业互联网的服务方，互联网企业想要俘获更多市场，依靠自造芯片降本增效成为了关键。因此，翻看近几年大厂所设计的芯片，尽管用途各不相同，但却有着业务强相关的共性。

可见，大厂自研芯片大多自身业务高度耦合，正如阿里云智能总裁、达摩院院长张建锋所言，阿里做芯片并不是为了进军半导体，而是聚焦、完善云计算业务。价值得以体现，大厂们苦于落地的芯片似乎也将由此靠岸。

结语：造芯并不是一门好生意。

专业派玩家，也面临着持续亏损的压力，更何况跨界的互联网大厂，就算自研芯片上了岸，也很难赚到钱。

不过，这并不意味着大厂造芯就是噱头与伪命题，毕竟钱也并非**的价值尺度。拿倚天710来说，虽不外售，但却标志着阿里造芯逐渐从专用芯片过渡为通用芯片，道路已经开始向外蔓延。

大厂造芯这是一种很好的方式，总比不理睬芯片要好，关注半导体总归是件好事。

而另一方面，一番番反哺与反噬的互联网旧事也无时不刻地刺激着大厂们，毕竟没有人想成为下一个联想。

因此，互联网巨头下场造芯，或许少了几分狡诈，而多了些许馈还的意味。