曾经备受资本追捧、可谓“遍地黄金”的半导体赛道，几经波折之后，迎来资本市场寒冬。

“看不清、不敢投、没钱了”一度成为贯穿行业的基调，半导体“盲投也能挣钱”的时代宣告结束。

资本市场的风向，变了！

众所周知，半导体是一个前期投资巨大、回笼资金漫长的行业，资本对其发展异常重要。而如今资本市场的转向，对于芯片初创企业，尤其是那些不断靠融资输血，自我造血能力不足的企业来讲，或将是一场“厄运”。

芯片企业淘汰赛，加速！

资本寒冬，往往意味着行业洗牌，芯片企业接连倒闭。

2023年，前有哲库3000多人团队就地解散、时代芯存资不抵债放弃挣扎，后续摩星半导体、复睿微电子等国内芯片创业公司相继曝出倒闭传闻。

此前，曾立志成为“中国高通”的诺领科技、Arm CPU初创企业启灵芯等芯片企业也早已相继消失。

究其原因，除了技术路线偏差、战略失误或核心人员变动等因素外，融资难+亏损大+盈利差，成为压到公司的最大一根稻草。

半导体具有三大特性：大投资、长周期、高风险。

真正的研发需要高投入长周期和相当大的风险，企业要想保持长期持续稳定发展，除了先进的技术和成熟的产品外，还必须要有稳定的收入、利润和现金流。否则，一旦没有大量资金输血的话，很难有半导体企业可以走到最后。

因此，在当前资本市场遇冷的现状下，芯片淘汰赛加速上演。

根据企查查的数据，2022年中国吊销、注销芯片相关企业超过5700家，同比增长了近70%。而在2023年，破产及注销的企业数量更是超过了10000家，增幅达到90%，增长趋势明显。

除了数量激增之外，这次芯片淘汰赛波及的范围也更加广泛，不仅包括国内初创企业，也有具备一定技术研发实力的国际初创明星企业。

其中，AI新星Wave Computing破产关闭的消息还历历在目；前不久，美国GaN初创新星NexGen Power Systems也突然宣布倒闭；前脚刚退出中国市场的英国AI芯片独角兽Graphcore，近日又传出出售的传闻...

资金流动性的减少、创新步伐的放缓，以及消费者信心的衰退，都在很大程度上制约了这些初创公司的成长。

尤其是在下行周期下，由于供需平衡被打破，此前的卖方市场转变成买方市场，为了回收现金流，保持和抢占更多市场份额，很多厂家不得不选择降价促销。但即便如此，在需求疲软下，很多公司销量依然不见起色，并且在收入端出现了量价齐跌的情况。

而在支出端，集成电路属于典型的资金密集型、技术密集型和人才密集型行业，一家芯片厂商想要在市场上拥有一定的竞争力，往往需要投入大量的研发和生产资金。而且，芯片行业的技术更新换代非常快，需要不断地进行技术研发和产品升级。因此，芯片行业的投资成本非常高，导致很多企业无法承受这些成本压力。

长期入不敷出的结果，体现在经营数据上就是业绩大幅下降甚至亏损。

以往，在资本市场火热时，其实这些都不是问题。因为只要故事讲得好，有一定的技术和产品落地能力，总有大把资金愿意为此买单。而如今，在行业下行情况下，资本热度也在同步降温。大家不约而同收紧了口袋，资金不再像以前那么充裕，缺乏生命力的公司逐渐融不到下一轮。

因此，在内部自我造血能力不足，外部融资热度下降的大环境下，使得一些初创企业很有可能面临被淘汰出局的局面。

Atomic管理合伙人兼首席执行官杰克·亚伯拉罕发出警告：“有三分之二的初创企业最多还能生存不到一年时间，我们即将进入一个初创企业大规模消亡的时代。”


留下来的都是劲敌？

Cerebras是一家“一鸣惊人”的公司，该公司因为芯片大，而捕获了行业的眼球。英伟达的A100 GPU已经相当大了，差不多826平方毫米。但Cerebras的新型芯片WSE-2 芯片，面积为 45,225平方毫米，几乎覆盖了8英寸硅晶圆的整个表面。自2016年成立以来它已筹集了7.3亿美元。根据CB Insights全球独角兽俱乐部的数据，该公司目前估值为 40 亿美元。目前，Cerebras已经与阿布扎比G42合作建造了九台人工智能超级计算机中的第一台，这台超级计算机的造价超过1亿美元。Cerebras也正在朝着生成式AI领域奋进，虽然它已经证明了其CS-2在GPT模型中训练的速度，但是其仍没有获得大型厂商的采用。

Cerebras研究人员在AI硬件公司中首次在Andromeda AI 超级计算机上训练了一系列七个 GPT 模型，参数分别为 111M、256M、590M、1.3B、2.7B、6.7B 和 13B

Tenstorrent也是业界很看好的一家初创公司，由顶级芯片设计师Jim Keller于2016年所创立。截止目前，该公司已经融资了近3.35亿美元，最近的一次投资者中包括三星和现代，目前估值约为10亿美元。Tenstorrent将利用RISC-V和Chiplet技术打造AI CPU，以此来挑战英伟达的AI主导地位。最近，Tenstorrent刚与三星达成生产合作的协议，计划使用三星的4nm工艺来生产芯片。

该公司拥有全面的路线图（如下图所示），其中包括基于 RISC-V 的高性能 CPU 小芯片以及先进的 AI 加速器小芯片，有望为机器学习提供强大的解决方案。目前，Tenstorrent有两款产品：一种名为Grayskull的机器学习处理器，可提供约315 INT8 TOPS的性能，可插入PCIe Gen4插槽；另一种是联网Wormhole ML处理器，可提供约350 INT8 TOPS的性能并使用GDDR6内存子系统，一个 PCIe Gen4 x16 接口，并具有与其他机器的 400GbE 连接。今年他们将推出其 Black Hole独立ML计算机芯片。该公司的重头戏"Grendel "将于2024年推出，这是一种高配置、高性能的ML芯片设计，将CPU芯片与专用的 ML/AI 芯片相结合，与英伟达的GH200和 Grace/Hopper超级芯片的实现方式类似。

成立于2017年的SambaNova已成为AI芯片创业领域中资金最雄厚的公司之一。截至目前，该公司已成功筹集了高达10亿美元的融资，投资方包括如软银和英特尔等知名机构。这使SambaNova不仅成为融资额最高的AI芯片初创公司，也被视为英伟达最有力的新兴竞争者之一，公司估值达到了50亿美元。

SambaNova最近推出了其最新的第四代SN40L处理器。这款处理器拥有超过1,020亿个晶体管，采用了台积电的5nm工艺，其计算速度高达638 teraflops。独特的三层内存系统（包括片上内存、高带宽内存和高容量内存）旨在处理与AI工作负载相关的庞大数据流。SambaNova宣称，一个只有8个此类芯片组成的节点就能够支持多达50万亿参数的模型，这几乎是OpenAI的GPT-4 LLM报告规模的三倍。该公司的首席执行官Rodrigo Liang表示，使用标准的GPU来执行相同任务将需要数百个芯片，这意味着总成本只有使用标准方法的1/25。然而，SambaNova并不直接将芯片销售给其他公司。相反，它提供对其定制技术栈的访问权限，其中包含了为运行最大型AI模型而专门设计的专有硬件和软件。


避免与之正面竞争，会否是AI芯片初创公司的新出路？

尽管英伟达在人工智能计算领域占据主导地位，但该公司并没有牢牢锁定该领域，市场机会仍然有很多。如果按照英伟达的冯·诺依曼架构+HBM+先进工艺+互联这样的路线，可能将无人能敌英伟达，而且GPU价格和功耗一直在上涨，这对于人工智能行业本身来说是不可持续的。所以一些AI芯片公司选择不与英伟达正面竞争，另辟蹊径，走出一些差异化的路线，试图在市场中分一杯羹。


d-Matrix：存内计算芯片

d-Matrix公司也是一家AI芯片初创公司，该公司认为，随着生成式人工智能的爆发，当前的基础设施无法维持成本和需求，生成式人工智能需要变革性的计算范式。所以d-Matrix

设计的芯片具有数字“内存计算”功能，使人工智能计算机代码能够更有效地运行。d-Matrix 宣称可以将TCO降低十倍，并在性能和延迟方面具有二十倍的优势。

据The Register的报道，这家初创公司的最新芯片名为Jayhawk II，将采用通过高速结构连接的八个小芯片，总共 2GB 的 SRAM，而且只需要350瓦就能提供大约 2,000 TFLOPs 的 FP8 性能和多达 9,600 TOPs 的 Int4 或块浮点数学性能。

该芯片可帮助ChatGPT等生成型AI应用提供支持。不过该公司所针对的仅是人工智能的推理部分，训练部分则不涉猎。也就是说他们讲不与英伟达正面竞争，而是发力在3-600亿参数模型领域。对于这种尺寸的模型，在人工智能推理方面，英伟达的H100不一定是最经济的选择。运行这些模型的大部分成本都归结于快速高带宽内存的使用。相比之下，d-Matrix 加速器中使用的SRAM更快、更便宜，但容量也有限。

d-Matrix已经在微软的支持下融资1.1亿美元，微软已承诺在明年推出该芯片时对其自用进行评估。d-Matrix预计两年内年收入将超过 7000 万至 7500 万美元，并实现收支平衡。


Ceremorphic：模拟计算AI芯片

Ceremorphic正在设计一款采用台积电5nm工艺的超低功耗超级计算芯片，利用其自己的专利技术和多线程处理架构ThreadArch®。该公司的创始人兼首席执行官Venkat Mattela，此前他所创立的Redpine Signals于2020年3月以3.14亿美元的价格出售给了Silicon Labs。Ceremorphic所研发的芯片的核心在于数字电路之下的模拟电路，在芯片功能的层次结构的最低层进行模拟计算，更高层次上则不做模拟计算。该公司的创始人兼首席执行官Venkat Mattela认为，模拟乘法将比数字乘法更有效地利用电压，更好的实现低功耗。

该公司的主要技术包括可靠、低能耗和安全的机器学习、图形神经处理器、抗量子和硅高效安全处理器、高性能模拟电路、可靠的时序电路和系统级互连，使产品能够针对不同的细分市场进行扩展。右图描绘了 Ceremorphic的技术组合，涵盖当前和未来的计算需求。