头图｜视觉中国
本期“AI内参”的焦点议题：在算力需求持续增长的背景下，半导体产业有哪些值得关注的宏观方向与微观视角？如何看待英特尔的年度投资者会议？英伟达收购 ARM 失败之后的未来增长点会在哪里？
本期还将关注：
巨头：AWS 亚太地区新产品布局、Google Cloud 新客户；
市场：新 AI 投资基金、五角大楼 2 亿+美元的 AI 合同、两笔超过 1 亿美元的新融资；
政策：“东数西算”项目启动；
焦点
算力需求增长背景下的机遇与挑战
一个几乎是“定律”的事实：人类社会对计算能力的需求会持续增加。
这个定律支撑了过去 60 多年全球信息产业发展，并让数字经济成为全球经济的重要增长点，特别是在过去两年，突发的疫情放大了数字经济的价值，同时也让各国经济发展重心悄然变化，无论是半导体领域的地缘政治博弈还是中国上周启动的“东数西算”，围绕算力的争夺，将成为 2020 年代甚至未来三十年的不变命题。
看两组数字，市场分析机构 Gartner 给出了下面的基本盘预测：
另一组数字来自半导体行业协会：
2021 年全球芯片销售总额 5559 亿美元，同比增长 26.2%，预计 2022 年将保持 8.8% 的涨幅；
汽车芯片的需求最为旺盛，同比增长 34% 至 264 亿美元；
中国是最大的市场，同比增长 27.1% 至 1925 亿美元。
汽车芯片需求与中国自动驾驶行业的快速发展形成呼应，下图展示了未来十到二十年中国道路上汽车类型的变化，其对应的也是芯片需求与类型的变化。
正如 FT 的一篇文章所指，由于缺少自给能力，中国自动驾驶的未来发展，都将受限于美国公司，包括但不限于英伟达、高通、英特尔（Mobileye）等芯片公司以及围绕芯片产业链的其他美国公司。
由此也不难理解，为何华为旗下投资主体哈勃的半导体投资，会如此受到业界关注，据不完全统计，截止到 2022 年 2 月 14 日，哈勃投资已经发起 70 多笔投资，其中绝大多数都是半导体相关公司。
宏观趋势之外，我们再来看看企业层面。英特尔上周召开了一年一度的投资者会议，这场会议也是一场“宣誓”大会，英特尔公布了主要业务部门的产品路线图，其中的两个关键点：
从 2022 年第一季度开始，未来三年陆续交付面向数据中心的多款处理器，分别基于 Intel 7 和 Intel 3 工艺；
组建专门的汽车芯片代工团队，全面推进英特尔的代工业务；
这意味着，英特尔既要攻克芯片制程工艺的技术难题，还要争取更多代工业务客户。投资者会议期间，英特尔宣布以 54 亿美元收购以色列芯片制造公司 Tower，此举对于提升英特尔芯片代工业务意义重大。
科技媒体 Protocol 援引 Jefferies 分析师 Mark Lipacis 的数据称，英特尔投资者大会上的这些承诺，需要在未来三年花费 850 亿美元，与之相对的，则是英特尔最新一季财报里的数字，季度营收 205 亿美元，净利润 46.23 亿美元。
换句话说，未来三年，英特尔需要筹措到更多资金，包括但不限于各国/地区的补贴、卖掉部分业务，当然，还会牺牲部分利润。
也是在上周，英伟达发布新一季财报，季度营收 76.4 亿美元，同比增长 53%。其中，数据中心业务同比增长 71% 至 32.6 亿美元，而游戏业务在增长 37% 之后来到了 34.2 亿美元。
在机器学习的推动下，无论是自建平台还是采用公有云的 AI 服务，英伟达 GPU 都是无法绕开的选项，这也构成了英伟达数据中心业务持续增长的根本动力，过去的这个季度，Meta（Facebook）成为英伟达数据中心芯片的新大客户。
数据中心业务之外，摆在英伟达面前的，还有两个值得关注的方向。
其一，汽车芯片业务如何发展？财报显示，本季汽车业务下降了 14%，营收只有 1.25 亿美元，英伟达将原因归结于汽车厂商需求下滑，但这个市场后续的竞争会越发激烈。
一方面，随着汽车需要处理的数据越来越多，专属的汽车芯片，特别是 AI 汽车芯片的需求也会上涨，未来汽车的核心竞争力之一就是算力，也就是“CPU+ AI 专属芯片”带来的数据处理能力，高通、英特尔会成为英伟达的重要挑战者；
另一方面，英伟达已经在这个领域拥有了一些生态伙伴，上月，图森未来宣布将使用英伟达的汽车芯片，用于支撑其在自动驾驶领域的软件研发，而路虎捷豹也在近期成为英伟达的大客户。
其二，在收购 ARM 失败之后，英伟达如何思考物联网？英伟达收购 ARM 当然不是为了物联网市场，但 ARM 在物联网领域的技术积累的确可以弥补英伟达在边缘设备、物联网设备上的产品能力。
但随着收购的失败，这个领域的市场格局不仅没有朝着有利于英伟达的方向发展，相反，在英特尔宣布加入 RISC-V 基金会之后，我们有理由相信一点：围绕物联网算力的争夺战，ARM 和 RISC-V 将是主角，而英特尔对 RISC-V 架构的支持力度（比如代工），以及 RISC-V 架构背后的一群中国公司，会让这个领域的未来变得足够复杂。
更进一步去看，当越来越多的公司开始踏入元宇宙，各种沉浸式体验、VR 游戏等需要极大的计算与图形渲染能力，这显然是当下无法完全应对的计算需求，从而也为接下来半导体产业的持续发展做了注脚。
巨头
AWS
AWS 上周宣布将在全球增加 22 个本地区域（Local Zones），其中亚太地区为 10 个，分布在澳大利亚、泰国、越南、菲律宾以及印度。利用本地区域（Local Zones），AWS 可以将大量的云产品部署到距离客户更近的地方，满足客户对于计算延迟、数据安全性的需求。
与此同时，AWS 上周与 Salesforce 共同推出一个面向企业流媒体服务的解决方案，利用 AWS 的基础设施与 Salesforce 的营销产品能力，帮助企业快速上线一个流媒体产品服务。
Google Cloud
Google Cloud 上周与邓白氏签署一项为期十年的云计算合同，WSJ 披露，邓白氏将把 Google Cloud 作为首选云服务商，推动其基础设施的云化，该合作首先将从如何优化供应链数据库开始。具体的交易金额并未透露。
Deep Mind
Deep Mind 又一项研究登上《自然》杂志，利用强化深度学习的算法，Deep Mind 的模型可以控制核反应堆里的过热等离子体，换句话说，DeepMind 成功使用 AI 控制了核聚变。
这是一个非常值得关注的研究进展，也再次让业界看到了强化学习算法解决真实世界问题的能力，你可以在《自然》杂志的官网获取 Deep Mind 的论文。
产业
中国“东数西算”工程正式启动
上周国内财经、科技媒体重点报道了这则消息。它是一个顶层设计的大数据、云计算、数据中心产业格局规划，将东部地区的（大数据）计算能力向西部迁移，或者说，未来中国的数据中心建设将大量迁移到西部地区。
发改委给出了这项工作背后的意义：
有利于提升国家整体算力水平，通过全国一体化的数据中心布局建设，扩大算力设施规模，提高算力使用效率，实现全国算力规模化集约化发展。
有利于促进绿色发展，加大数据中心在西部布局，将大幅提升绿色能源使用比例，就近消纳西部绿色能源，同时通过技术创新、以大换小、低碳发展等措施，持续优化数据中心能源使用效率。
有利于扩大有效投资，数据中心产业链条长、投资规模大、带动效应强。通过算力枢纽和数据中心集群建设，将有力带动产业上下游投资。
有利于推动区域协调发展，通过算力设施由东向西布局，将带动相关产业有效转移，促进东西部数据流通、价值传递，延展东部发展空间，推进西部大开发形成新格局。
某种意义上，这项政策可以理解为“新基建”的细化政策，在当局最高层限定的“新基建”项目里，数据中心建设俨然又是重中之重。一方面，数据中心是数字基础设施的“基础设施”，其战略意义重大；另一方面，数据中心不仅是一门关于投资的生意，更是一个展示新技术研发能力与产业链整合能力的舞台。
不过，过去两年，“新基建”的政策红利，也将数据中心变成了另一种房地产式的生意，此次发改委出台的政策，或许可以部分戳破这个泡沫。
一支致力于解决 AI 基础难题的基金
Google 前 CEO 埃里克·施密特上周宣布成立一支 1.25 亿美元的基金，用于投资“（AI 领域）棘手问题”的研究，比如算法偏见、技术滥用、地缘政治等等。
根据 FT 的报道，这支名为“AI 2050”基金的另一位主席为 Google 新任技术与社会关系主管詹姆斯·曼伊卡，不过他会以“个人身份”担任该职务。
值得注意的是，埃里克·施密特此前曾担任美国国家 AI 安全委员会主席，也是美国 AI 公司与白宫之间的重要沟通渠道，此前他曾多次警告，中国将很快超过美国，成为 AI 第一大国。
五角大楼的 AI 合同
科技媒体 Protocol 披露了五角大楼近期的几个 AI 合同，多家 AI 公司分享了一笔总额达到 2.49 亿美元的合同，这些公司包括：
机器学习模型优化公司 Arthur
AI 平台公司 Data Robot
无代码计算机视觉公司 CrowdAI
企业 AI 技术服务商 Veritone
自动驾驶公司 Waabi 推出自动驾驶仿真模拟工具 Waabi World
TechCrunch 这篇文章给出了一些技术细节，但我依然没有看出这个产品与其他公司类似工具的差别，而且这家公司至今也没有一辆真正在公共道路上进行测试的车辆。
一份 AI 监管难题的分析报告
由英格兰银行和英国金融管理局共同发布的这份报告展示了围绕数据、模型监管的困难，虽然报告也提出了一些潜在解决方案，但鉴于整个产业还在高速发展之中，很多方法可能会随时失效。
如上图所示，这份报告提供了一个 AI 监管难题的理解框架，特别是对金融 AI 落地场景的风险分析，很值得一读。你可以在这里免费获取这份 46 页的报告。
一亿人民币的融资可以让芯片创业公司烧多久？
这个问题的答案其实并不重要，但透过探索答案的过程，你可以真正感受到芯片产业到底有多烧钱。
最后看看两个值得关注融资
前 Google Brain 团队成员 Aidan Gomez 等创立的 Cohere 上周完成一笔 1.25 亿美元的 B 轮融资，投资机构包括 Tiger、Index 基金等多家知名投资公司。
Cohere 公司的产品基于 Transformer 模型构建，面向开发者和企业提供开箱即用的 NLP 应用，帮助企业快速将 NLP 部署到自己的产品之中。
面向企业市场提供对话智能与自动化的 Uniphore 日前完成 4 亿美元的 E 轮融资，融资完成后，这家公司的估值达到 25 亿美元。
Uniphore 的产品整合了诸如对话式 AI、工作流自动化以及 RPA，并打包成为面向客户的软件产品，这家总部位于加州的公司，已经在该领域耕耘了 14 年。
评论