AIチップ市場に必要なのは火か氷か？

最近、AIチップ市場は明らかに冷え込んでいます。

チップ市場のリーダーであるNvidiaが先日発表した第1四半期の四半期報告書は、非常に不満足な業績を示した。データによると、2019年4月28日現在、Nvidiaの四半期収益は22億2,000万ドルで、前四半期から1％増加、前年から31％減少しました。粗利益率は58.4％で、前四半期から3.7％ポイント増加、前年から6.1％ポイント減少しました。純利益は3億9,400万ドルで、前四半期から31％減少、前年から68％減少しました。データが公表されれば、AIチップ市場全体の考え方が影響を受けずにはいられなくなるだろう。

Nvidia の収益減少には多くの要因が関係している。ハイエンドチップ設計大手の Nvidia は、初期の Apple が大きな優位性を持っていたのが絶えず追いつかれていたのと同じように、現在、革新できずに優位性を失うというジレンマに陥っている。したがって、同社の利益の減少は、2つのシグナルを示唆している。1. 市場全体の平均が上昇したこと、2. ハイエンドAIチップ市場における製品性能の発展が「停滞」していることである。

状況が変わったことがわかります。

誰でも作れるAIチップ

アプリケーションの観点から見ると、AI チップは主にクラウド、エッジ、エンドで使用されます。その中で、クラウド上で最も一般的な製品はAIアクセラレータであり、主にディープラーニングのトレーニングと推論を加速するために使用されます。エッジとエンド側では、スマートフォン、セキュリティ、自動車などの分野で、さまざまなアプリケーションシナリオに応じてさまざまな種類のAIチップが登場しています。そのうち、クラウドトレーニング需要はAIチップ市場の約50％を占め、クラウド推論需要はAIチップ市場の約25％を占め、エッジ側と端末側は25％を占めています。

データによれば、AIチップ市場規模は今後5年間で10倍に成長し、2022年には35億ドルに達すると予想されており、かなりの市場と言えるでしょう。

しかし、特にアプリケーション面では多くの参入者がいます。もともとセキュリティ、音声セマンティクス、顔認識、クラウドコンピューティングなどの分野でソリューションを提供していた国内企業は、Baidu、Alibaba、AISpeech、Yuntian Lifeiなど、独自のチップの開発を始めています。 2018年に多数のAIアルゴリズム企業がそれぞれの分野でAIチップの研究に着手し始めたのは、もはや驚くべきことではありません。

先駆者は誰でしょうか？テスラのようです。マスク氏がNvidiaのチップを「軽蔑」した後、自動運転用のチップをひそかに開発し、すぐにNvidiaのチップに取って代わって「簡単にできる」という態度を見せたことを、誰もが覚えておくべきだ。

公開データによると、2018年末までに、国内のチップ設計会社の規模は1,700社近くにまで成長しました。経済の影響で成長率は過去2年間ほど速くはありませんが、それでもパイの一部を掴もうとする人はたくさんいます。 AIを背景に、誰もがチップを作れることが当たり前の現象となり、まだ形成されていないこの市場部分での競争も特に熾烈になっています。

2018年は例外的に忙しい年で、Unisound、AIS、Mobvoiなど多くの国内AIスタートアップ企業が独自のチップやモジュールを発売しました。今年初め、Unisoundは第2世代IoT音声AIチップSwift Lite、スマートシティ向けの画像と音声のコンピューティングをサポートするマルチモーダルAIチップDolphin、スマートトラベル向けの自動車グレードのマルチモーダルAIチップLeopardの3つのチップを同時にリリースしました。また、AISpeechはSMICと提携してAI音声チップTAIHANGをリリースしました。このような例はたくさんあります。

特に端末アプリケーションにおいては、チップ設計大手の優位性が徐々に失われつつあることがわかります。

なぜ誰でも AI チップを作れるのでしょうか?

「ニューラルネットワークチップを作るのは難しくない」ザイリンクスの人工知能事業のシニアディレクター、ヤオ・ソン氏は、先日終了したCAISカンファレンスで公に述べた。

これは、ディープラーニングアルゴリズム用の AI チップを開発することは難しくないことを意味します。特定の分野への応用により、専用アーキテクチャ設計はスタートアップにとってもはや敷居が高くありません。CambrianやHorizo​​nなどの初期のスタートアップも、エンジニアリング能力と顧客能力で競争し始めています。

では、なぜ AI チップはこんなに簡単に作れるのでしょうか?

この質問に答えるには、AI チップとは何かという話題に戻る必要があります。

AIチップに関して言えば、それは比較的広い概念であり、今のところ明確な定義はありません。広義では、AI コンピューティング アプリケーション用のチップを AI チップと呼ぶことができます。 GPU、FPGA、ASIC に代表される AI アクセラレーション チップ (従来のチップ アーキテクチャに基づいて、特定の種類の特定のアルゴリズムやシナリオの AI コンピューティングを高速化) に加えて、脳のようなチップ、再構成可能な汎用 AI チップなど、より最先端の研究もあります。

しかし、後者は大規模な商業利用にはまだ程遠く、当面は市場に大きな影響を与えないだろう。したがって、一般的に AI チップについて話す場合、通常は GPU、FPGA、ASIC に代表される AI チップを指します。これらは本質的に AI アクセラレータまたはコンピューティング カード、つまり AI アプリケーションにおける多数のコンピューティング タスクを高速化するために特別に使用されるモジュールです (その他の非コンピューティング タスクは引き続き CPU によって処理されます)。

業界関係者の分析によると、AIチップはコンピューティングに使われるチップであるため、効率が高く、機能が比較的単純で、IPライセンスの問題もないため、汎用チップに比べてリソースを節約でき、敷居も低いため、参入者が多いという。

もちろん、技術そのものに加えて、AIチップ市場の開発の停滞も、参入者に十分な時間を与えている。業界関係者は「昨年は5Gに注力し、今年はAIチップの仕事に戻ったが、あまり変化がないことが分かった」と冗談を飛ばした。

敷居の低さ、専門性が強いこと、AIチップの革新が難しいことなどの要因が、AI企業が独自のAIチップを作る直接的なきっかけになっていることがわかります。

市場の混乱の中で、誰が勝つでしょうか?

従来のチップ市場とは異なり、AIチップは高度に専門化されており、参入障壁が比較的低く、インフラストラクチャの設計に特別な制限はありません。その結果、ハードウェア市場全体が非常に「混沌」しており、リソースが比較的分散しています。

2年間の開発を経て、AIチップ市場は混沌とした状況となり、チップメーカーはもはやパラメータと性能に固執する必要がなくなり、入札ルートを取ることが彼らにとって必要な変化となった。

この問題について話すとき、姚宋氏も明確に賛成の意を表明した。

同氏は、企業がAIチップを作るということは、実際には製品を作るということであり、「使えるかどうか、どれだけ使えるか、ユーザーがそれがなくても生きていけるかどうか」がAIチップを評価する3大基準になっていると考えている。

「基盤となる技術は基礎ですが、市場で勝つかどうかは、やはりソフトウェア サービスやエコシステムに依存します。チップのパフォーマンス パラメータはそれほど重要ではありません。重要なのは、特定のアプリケーションでのパフォーマンスです。」

姚宋氏は例を挙げて、ザイリンクスの最も知られていない自動車分野でも、同社のチップは実際のテストシナリオで優れたパフォーマンスを達成しており、100万個あたり2個未満の欠陥と10^9時間あたり約12個のエラーを達成していると述べた。パラメータもパフォーマンスもなく、顧客とアプリケーションのデータだけがあり、これが***の「音声」です。

実際、Cambrian、Horizo​​n Robotics、Baidu、さらにはNVIDIAなど、市場に早く参入し、多くのチップ製品を持つAIチップ企業は、市場に注力し始めており、同時に、次世代チップの定義と設計において、はるかに慎重かつ冷静になっています。

2019年の市場を一言で表すと、AIチップ業界は比較的落ち着いており、その「熱」がアプリケーション市場に伝わっていました。

AIチップのジレンマ：競争力と差別化

現在、スタートアップ企業であれ、チップ設計大手であれ、プレッシャーは日々高まっています。一般的に言えば、アプリケーションシナリオからのサポート、十分な資金、エンジニアリング能力があれば、AI チップの作成は大きな問題にはなりません。しかし、AIチップの新興市場については、市場レイアウトについて語るにはまだ時期尚早です。これは長期戦になることは誰もが知っており、業界の実際の将来と発展の方向は依然としてイノベーションにかかっています。

現在の市場状況から判断すると、2019年の業界全体の落ち着きは、誰もが機能性を確保するための広範な設計から競争力と差別化を高めるための集中的な作業へと徐々に移行していることを反映していますが、競争力と差別化を実現するのは簡単ではありません。

競争力を高めるには？

前述の通り、顧客を獲得したいのであれば、サービスを提供し、エコシステムを構築することが市場開拓の現状の手段ですが、「ハードウェアは作るのは簡単だが、ソフトウェアは難しい」というのは誰もが考える共通の課題です。

業界関係者の中には、ソフトウェアツールの際限のない最適化が皆に大きな迷惑をかけていると指摘する人もいます。シングルコア、マルチコアからマルチチップ、マルチボード、ニューラルネットワークアルゴリズムと非NNアルゴリズム、異種システム、ソフトウェアとハ​​ードウェアの共同最適化まで、ソフトウェアエンジニアはさまざまな問題に遭遇し、皆の上位層の継続的な深化に抵抗をもたらすでしょう。

最近、台湾はAIチップ開発のための比較的完備したソフトウェア開発環境とエコシステムを共同で構築し、チップの商用化を促進するために「AI on Chip Taiwan Alliance」（AITA）を設立しました。

AI チップ企業にとってはこれが開発の究極の道となるかもしれないが、変化を起こすのはさらに難しい。

特に既存の商用 AI チップに基づく差別化に関しては、業界では AI チップ アーキテクチャの革新が一般的に認識されています。しかし、過去の経験を教訓として、現在の AI チップ アーキテクチャの流行が 30 年前のシステム アーキテクチャの流行の失敗を繰り返さないことを保証できる人は誰もいません。

しかし、業界関係者の意見から判断すると、ユニバーサルな方向への開発が最も簡単に実行できる解決策となっています。 Baidu Kunlunチップの設計者である欧陽建氏は、彼らの研究開発経験を総合して、汎用性がますます重要になると指摘しました。同時に、かつてSpreadtrumを困難な状況から救ったチップ設計エンジニアの李麗友氏は、将来的には汎用クラウドエンドチップは夢ではなく、必然的に既存の市場構造を破壊するだろうと述べました。

***

世界市場カバレッジの観点から見ると、NVIDIAの優位性は徐々に追い抜かれつつあるものの、クラウドトレーニングおよび推論市場はNVIDIAによってほぼ独占されており、エッジおよび端末アプリケーションは主にSamsung、Qualcomm、Intel、NVIDIAなどのメーカーによって占められています。Huaweiを除いて、市場シェアリーダーのリストに登場する国内メーカーはほとんどないのは議論の余地のない事実です。

また、国内トップクラスのAIチップ設計企業が、高性能チップにおいてまだ強い競争力を発揮できていない点も注目すべき点だ。映画を販売することは単なる第一歩に過ぎず、これからの道のりは長く困難なものであることがわかります。

この機会に、マグネトロンは、国内AIチップ業界の現状と発展の方向性について知恵を出し合い、共同で検討するために、8月9日に2019年中国AIチップイノベーターカンファレンスを開催し、業界交流のプラットフォームを提供することで、業界の健全な発展に貢献することを決定しました。