電子發燒友網報道（文/周凱揚）作為補上機器學習算力空缺的芯片另一大主力軍，這幾年間涌現的初創AI芯片初創公司們紛紛推出新品，力求以更快的公司速度填補這個窟窿。這也讓AI在飛速發展的面臨5年內吸引到了不少投資，可令不少人困惑的芯片是，除了AIoT、初創自動駕駛市場這些初創企業有掀起一點浪花外，公司其他AI市場的面臨格局似乎并未因他們的出現產生任何變化，甚至連他們自己也都危機纏身。芯片
產品和人才問題
AI芯片初創公司面臨的初創最大問題之一就是產品的可用性，與那些年年都能推出新品的公司大廠不同，這些初創公司的面臨發布節奏就要慢多了。由于設計流片昂貴、芯片周期長等等原因，初創不少公司哪怕已經脫離了stealth階段，公司也遲遲沒有公開產品面世。這些公司的官網也往往十分簡單，比如對其技術的一大串文字描述，在研芯片的概念渲染圖等等，供外界獲取的信息少之又少。
哪怕真正公布了產品，離大規模量產和開箱即用也還有很大的差距。正因如此，此前行業大佬才會放話說“雖然現在不少AI初創公司都在打造AI芯片，卻遲遲沒有可用的產品。”而且這個問題困擾的不僅是AI芯片初創公司，那些想要自行設計AI芯片的互聯網廠商也都面臨著這樣的問題。
其次是AI硬件行業的“一超”局面實在壓得有些AI芯片公司喘不過氣，英偉達的GPU占據了絕對的優勢地位，對于AI產業所需的硬件和軟件，都被英偉達做到了極致。靠AI芯片初創公司的實力，要想從中撕開一個口子，可以說是難于登天。
別說商用AI了，就連AI研究方面，英偉達的GPU也是不折不扣的霸主。在Zeta Alpha的統計數據中，2022年AI論文中英偉達GPU的提及使用次數達到21452次，遠超其他的ASIC、FPGA硬件，其V100也成了最受歡迎的型號，就連RTX 3090這樣的消費GPU也有3663次的提及。
產品競爭力不夠的另一大原因源自人才，從表面上看去，尤其是創始人團隊，這些初創公司的陣容都不差。有為大廠設計了多款SoC的行業老將，機器學習算法領域的大神，但在總人數和整體實力上還是略顯遜色的，這些大佬定下架構后還需要各個環節的設計工程師協作，并由軟件工程師進行優化，才能打造出完美的AI芯片。很明顯，從這些初創公司一直擺著的職位清單來看，人才無疑是他們的痛點。
資金和收購問題
今年針對半導體初創企業的VC融資有了一個明顯的下滑，根據PitchBook統計的數據，總金額只有78億美元，這與去年相比有了46%的下滑。但在這種種挑戰面前，資本市場其實仍未丟失對AI芯片的青睞，甚至你不把AI這個詞放在自己的產品描述里，成功融資的可能性都會減少。
最近AI芯片初創企業完成的融資也不少，比如剛完成3500萬美元A輪融資的以色列企業NeuReality、完成2700萬美元A輪融資的荷蘭企業Axelera，還有完成了6700萬美元B1輪融資的SiMa.ai等等。
但初期的投資只夠這些初創公司維持短暫的時間，在半導體這個研發揮金如土的行業中，如果在產品正式售賣前沒有穩定的資金投入，很快就會陷入絕境。比如美國模擬AI芯片廠商Mythic，就陷入了資金鏈斷裂的危機中。
在AI芯片這個較為碎片化的市場中，被大廠商收購是再稀松平常不過的一件事，比如前些年英特爾花重金收購的Habana Labs等。話雖如此，近兩年大廠收購AI初創公司的動作越來越少了，他們更愿意先投資，而不是直接下手。所以現在這個階段，除非產品已經做得小有起色，或是技術與這些大廠特別匹配（尤其是在服務器領域），成功把自己“賣”出去也不容易。
小結
可能會更讓AI芯片初創公司難過的莫過于現在的經濟下行趨勢了，無論是汽車還是服務器，似乎都有了一些下滑與砍單的跡象。如果不能撐過這一段時間，AI硬件市場肯定會迎來又一輪的洗牌。
