AI芯片是人工智能领域的热门赛道，自2017年开始一直受资本青睐。有信息显示，寒武纪已以20亿美元估值完成新一轮融资；去年10月，地平线完成近亿美元A轮融资，深鉴科技获得4000万美元融资。36氪从业内获得的信息显示，目前还有不少投资机构正在或者意向投资这一赛道。
AI芯片赛道的投资逻辑，我们也很好奇。北极光举办的“AI芯片媒体沟通会”上，董事总经理杨磊、投资副总裁张黎、投资经理赵顾也谈了他们在这一赛道的投资逻辑——强调半导体行业的经验，强调基于芯片的全栈解决方案，重度孵化项目，聚焦不广撒网。我们认为这些观点可能对行业也有参考价值，于是也做了梳理。
AI芯片并不是新鲜事，近几年不少企业在做。这些公司多是学院派创业，强调AI算法，团队发展至今多是100多人左右，但还少有企业做出实际在大规模出售成熟的芯片。
北极光董事总经理杨磊回忆，其实北极光此前也吃过亏这方面的亏，交过学费；当时也见过这些企业，很犹豫，但是基本没有投，后面反而布局了一些其他AI芯片企业。这些公司与市面上常见的AI芯片公司有明显不同：创始人多少半导体行业出身，有半导体行业的创业经验，经过了多个半导体行业的周期，创业时团队多是成建制，一般都是70-80人出来一起做。
这些企业自然也很贵，北极光投资天使轮，也基本是达到了市面上A轮以后的价格。比如登临，最开始是希望投资350万美元天使轮，最后2100万美元同时交割天使轮加A轮。
这也与当前市面上常见的AI芯片投资逻辑有明显不同，36氪简单概括为：
① 投资有产业经验的创始人和团队；
② 团队需要有核心竞争力和技术创新；
③ 项目未来需要有想象力；
④ 北极光会对项目深度孵化，持续加码，而不广撒网。
这种不同的投资策略，与北极光对行业的判断有关。
1、AI对计算计算架构的影响可能远大于云计算
在北极光看来，AI对计算架构的影响远大于AI对于计算架构的影响，针对AI的计算架构应用而生。中国在这次变革中，需要建立自己的生态系统，从而降低对国外产品的依赖。
AI时代，计算架构的变化首先是体现在底层基础变化，由CPU变成了GPU、TPU。在此之上，中间件、PaaS、系统级软件都会发生变化。比如，数据库的架构就会变化，未来任何一家医院可能都会有自己的数据库。未来，在某些应用场景的边缘计算有可能会因此崛起。
未来AI芯片很可能既不是TPU也不是GPU，Google的TPU非常僵硬不灵活，但是功耗低，GPU功耗太高，但灵活性特别好，这其实是两个极端。创业公司真正的机会在两个极端中间，但是需要找到中间态的平衡点。
2、端的数量以几何级增长，但两极分化会加剧
北极光认为，AI时代，端的数量会以几何级增长。硅麦为代表的声音相关传感器，CMOS、LiDAR、毫米波雷达、X-ray、红外、紫外为代表的图像相关传感器会是最重要的传感器。
而这些端的两极分化会进一步加剧，要么更简单化，要么更智能化。所谓的简单化体现在更低成本，更低功耗。更智能化，主要是嵌入式的AI芯片，以声音和图像为主，可能会涉及到AI的推断功能。
未来，智能从云向端迁移在很多场景下不可避免。但是未来很可能并不只是芯片，现在的一种新趋势是“芯片即模组”，在一个芯片上实现多个功能。一般来说，SOC才是稳定的产品形态。
3、看好几类AI相关芯片公司
到2016年时，北极光11年投了10家半导体公司，平均每年不到1个项目，是偏谨慎的投资风格。截至2016年时，共有3家公司上市（展讯、炬力、兆易创新），2家公司被并购，几乎全部公司基本都至少获得了新一轮融资。
在AI相关芯片方向，北极光投资的核心IP目前包括了传感器方面的BlueX、CISTA、雷神智能，处理器方面的Spreadtrum、OURS，DSA（Domain-Specific Architecture）方面的登临、黑芝麻科技、亿智科技等，存储方面的Crossbar, 音频领域的GMEMS。
这里可以概括几个特点：一是计算之外强调了存储；二是强调终端算力；三是强调解决方案。
存储方面，北极光投资了Crossbar。上图中涉及的公司基本都是华人在中国创办的公司，Crossbar则是其中唯一一个例外，是一家纯硅谷的公司。杨磊解释，这是产业链里必须要有的一个布局。解决AI的瓶颈需要有新的存储器件，今天AI的问题在于I/O问题，既CPU与GPU交互之间交互的问题，形象来说就是解决CPU与GPU之间通信的速度问题。
据媒体2017年初介绍，其芯片比NAND芯片性能更强，密度比DRAM内存高40倍，读取速度快100倍，写入速度快1000倍，耐久度高1000倍，单芯片（200mm2左右）即可实现TB级存储，还具备结构简单、易于制造等优点。
终端算力方面，北极光创投投资副总裁张黎分析，一个大的产业如果成熟，很多节点都会是标准化的，后面会是一批非标方向的机会；在AI产业链很可能亦是如此，云端有一部分算法可以标准化，适合巨头；一部分的算法会到边缘计算；最后是有一部分非标的产品和应用机会，会在端侧。
对初创公司来说，有三类端的机会：①极致低成本低功耗的芯片；②AI运算部分移植到端的芯片 ；③结合领先传感技术的智能传感芯片。其中，第一个方向需要低成本低功耗的相关技术 ，第二个需要算法和架构能力 ，第三个需要结合传感技术。但做端的垂直市场，需要有自己的独门绝技 ，才有希望持续发展成系列 ，否则只是离某个市场近， 做一两款产品，持续的竞争力也会有问题。
张黎告诉36氪，北极光投资的Bluex的射频 、GMEMS的MEMS芯片及算法 、光鉴的世界级的光电子技术、 黑芝麻科技的ISP、OURS基于RSIC-V ISA的芯片架构能力，其技术、AI算法、芯片架构能力复合形成了产品的差异化和公司的核心竞争力。
与单纯投资芯片不同，北极光更喜欢“交钥匙的解决方案”。如GMEMS、亿智科技虽然都有芯片技术，但最后都会结合场景，提供全栈交付场景AI方案。
4、芯片产业链长，流程复杂，变现难
这种AI投资的逻辑，很可能与芯片行业的特性有关。芯片产业链长，流程复杂，变现难，芯片设计、生产、制造都有不小的复杂度。
半导体行业的发展是18个月提升一倍。因此，创业公司做芯片，必须要在找准市场方向和平衡点的基础上，比竞品做到好10倍，否则两年之后很可能就没有吸引力了。半导体行业一般性能差5%未来可能就很难有用户。
做芯片的复杂度，可能超过很多人的想象。今天的芯片一般都是40层，大概是40层金属连接。如果以北京的四环路作为一层，大概相当于垂直叠加40层路。好的芯片是说这40层都可以道路通畅，“堵车”反应在芯片上就是功耗高。当前，Intel最新的芯片至少有节点300亿个节点，这很可能相当于全球的公路节点。芯片好坏的一个差别就在于秩序，AI芯片做到高性能并不容易。
做出芯片还远不够，还需要保证良品率。北极光创投投资经理赵顾告诉36氪，一般来说，产业要求95%以上的良率，否则一款芯片可能很难商用、赚钱。
芯片生产、制造不得不考虑时间成本和金钱成本。赵顾分析，一般来说，设计一款新品至少需要18个月的时间。到中芯国际这样的芯片厂商生产一般至少需要3个月时间。以当前的16nm为例，在台积电流片一次的成本在750万美元左右。如果需要考虑库存，还往往需要支付几百万美元的费用。
这期间还需要支付团队人力成本。一般来说，要做出一款芯片，团队可能需要有100多个人。芯片行业依靠经验，工程师至少需要5年，这些工程师过去可能都交过几百万元人民币的“学费”。因此，北极光认为，从这个角度来说，学院派做成AI芯片的难度很高，往往学院派只能招到二流的产业派工程师，投资全建制的团队可能更“经济”。
5、赚过大钱的创始人可能不会轻易卖公司
符合北极光投资策略的公司，具备技术创新和领先性、有创业成功的经验和半导体行业的经验，“价格”自不会太便宜。
杨磊告诉36氪，北极光投资时虽然是天使轮，但很多时候给到了接近A轮的估值和资金规模，比如登临，最开始是希望投资350万美元天使轮，最后2100万美元同时交割天使轮加A轮；对创业者来说，可以一次性拿到更多的钱和更高的估值，很多团队都很乐意。
这往往意味着团队在早期就引入了一个占股比例高的外部投资人。不少创业者为了保证未来独立发展的可能性往往都会避免出现外部大股东。在杨磊看来，北极光提供的深度孵化使得公司获得了更高的成功率，几乎所有北极光投资的芯片项目，都在北极光的辅导下改变了最初的创业的方向，而一般芯片行业一个市场定位错误往往要付出18个月时间和相应的金钱成本。
这种策略对于投资人来说，也基本意味着只能通过团队被并购或者独立上市才能完成退出。而在半导体行业，公司被并购十分常见。杨磊分析，很多时候公司如果再坚持一年，可能会获得更高的收购价格，一般赚过大钱的创始人可能不会轻易卖公司，会更倾向于把公司做大。
,
