學院出身，喊話英偉達，技術驚豔，框架開源，融資激進……劇本是否似曾相識，套用在那些響噹噹的明星 AI 芯片公司身上似乎都能對號入座，但是很不幸，先驅已經倒在了退潮期的沙灘上。
過分追求性能、功耗等參數上的優越性很大程度上將造成在實際應用上脫節——編程困難和不可移植，很難在實際應用中發揮效果，更難建立生態。
換句話說，產品再好，但客戶用不上。
撰文 | 徐丹、吳昕
編輯 | 四月
2020 年，第一家 AI 芯片公司倒在了黎明前。
美國 AI 芯片公司 Wave Computing 接近倒閉，已申請破產保護，中國區工廠全部關閉。儘管 Wave Computing 負責人第一時間向媒體解釋，公司並非倒閉，只是申請破產保護，進行資產重組。但顯然並不能改變什麼。
Wave Computing，2010 年成立於美國加利福尼亞坎貝爾，公司願景是「數據追蹤」，定位雲計算市場，從數據中心到邊緣雲，對客戶的數據進行深度學習訓練。核心產品是基於 dataflow 技術架構的芯片 DPU，每項技術都處在行業研究前沿，在加速神經訓練上甚至能夠超越 GPU 1000 倍。可以稱得上最早的一批 AI 芯片公司。
Wave 早期團隊與學院派出身的 MIPS 淵源頗深，甚至說脫胎於 MIPS 也不為過——Wave 的七位高管有四位都曾任職 MIPS，其中 CEO Derek Meyer 曾經是 MIPS 銷售與營銷副總裁。而作為最早最早的商業化 RISC 架構芯片之一的 MIPS，比 ARM 早了數年進入市場，在中高性能的嵌入式設備和通訊市場大放光彩，曾與 ARM、x86 一同譽為全球三大主流架構。
這家明星公司一度被譽為全球最有前途的 AI 公司之一，從資本市場中共獲得超過 2 億美元投資。在最高光的 2018 年，先後被評為「機器學習行業技術創新領導者」，「25 大人工智能供應商」之一，又入選全球半導體聯盟 (GSA）「最受尊敬的私營半導體公司」獎，坐擁超過 400 餘項專利。
一 DPU 的挫敗：「AI 芯片的核心競爭力是生態」
2017 年的高性能芯片峰會 Hot Chips 上，Wave Computing 一鳴驚人。其 CTO Dr. Chris Nicol 在大會上公開表示，他們的 DPU 產品「在加速神經網絡訓練上能夠超越 GPU 1000 倍」。
考慮到 GPU 在目前深度學習市場的地位，剛成立 5 年的 wave 發出這樣的宣言實在是藝高人膽大。「超越 GPU」，這一產品的最初定位也成了他們走錯的第一步。雖然如今這已成為 AI 芯片宣傳的慣用套路，但回到 2017 年，仍然稱得上「驚世駭俗」。
傳統的 CPU、GPU 有一些不足的地方，使用馮諾依曼（von Neumann）架構，提供各個精度的高並行的科學運算，數據輸送流程繁複。但深度學習算法往各個領域滲透時卻只需要低精度的累乘加運算，無法在 GPU 上獲得很好的性能功耗比。
Wave Computing 正式看準了這個市場，推出獨創的基於 DataFlow 技術架構芯片 DPU，欲出售給正在尋找 GPU 替代產品的大型互聯網數據中心和企業。
從技術角度看，DPU 無論在哪個維度都非常驚豔。它採用了採用非馮諾依曼（von Neumann）架構的軟件可動態重構處理器 CGRA（Coarse grain reconfigurable array/accelerator）技術，數據驅動執行，全異步電路，以及數十萬核的靜態調度工具鏈，每一項都是業界最前沿的研究方向。
DPU 晶片具有 16000 個處理元件、8000 個以上的運算單位及獨特的自定時機制，使用粗粒可重組式架構 (coarse grained reconfigurable architecture)，有（16nm，160K PEs，400mm^2，200W）的超低功耗和（6.7GHz）的超高效率頻。
中國區總經理熊大鵬博士曾在採訪中表示，DPU 的解決方案相比傳統 GPU 更適用於邊緣計算，價格功耗相同的情況下，DPU 在能效、可擴展性和性價比方面更有優勢。
正是因為這些無與倫比的性能參數，Wave Computing 一直都是資本的寵兒。2017 年 D 輪融資，投資方包括三星電子和 Tallowed Venture，2018 年 E 輪融資，領投公司為 Oakmout Corporation，目前為止總投資已經超過領 2 億美元。
但與資本市場高歌猛進的態勢相反，Wave Computing 的市場表現很慘淡，一直沒能做出相應的成績。
Wave Computing DPU
對此，研究機構 Tirias Research 首席分析師 Kevin Krewell 猜測，「可能是因為 Wave 的 AI 數據流處理器並沒有對英偉達或者 Graphcore 造成多少實質性的威脅。」
DPU 在參數上的確可以勝過 GPU，但是對 AI 來說，核心競爭力並不是這顆芯片真正的性價比怎麼樣，而是生態環境。
Wave Computing 無法對英偉產生實質性威脅，其中的關鍵是無法挑戰龐大的 CUDA（Compute Unified Device Architecture）生態，CUDA 是一種由英偉達推出的通用並行計算架構，具有極強的靈活性和可編程性，可為不同領域做定製化的高效率加速，CUDA 在消費級市場、科研市場和金融市場等都有非常廣泛的應用。目前 CUDA 已開發到第 10 代，在全球擁有超過 50 萬開發者使用。
再回頭看，像 Wave Computing 一樣的公司其實是犧牲了通用性來獲得某個領域的專用加速，Google，百度，阿里都在很短時間裡組建了自己的硬件設計團隊並推出了各自的加速器和編程框架。在各家的宣傳中，對 GPU 的性能可以說都是數十倍的提升。
專用於某個特定領域的芯片犧牲通用性完全沒有問題，但對 Wave Computing 來說，過分追求性能、功耗會造成在實際應用上的編程困難和不可移植，很難在實際應用中發揮效果，更難建立生態。
換句話說，DPU 再好，但客戶用不上。
二 加速墜落：一樁事先張揚的收購案
2018 年 6 月，Wave Computing 做了一件震驚 AI 屆的事情——收購硅谷老前輩 MIPS。並於 12 月正式啟動 MIPS Open 項目，免費開源 MIPS 架構，2019 年 3 月發佈了 32/64 位指令集 Release 6 版本。
對於一家只有 100 多名員工的初創企業收購另一家規模相當的老前輩的行為，當時很多業內人士認為非常冒險。
但是站在 Wave Computing 的角度，在 DPU 產品在市場萎靡不振的情況下，收購 MIPS 或許是可以拯救他們的最後一搏，並且，Wave Computing 和 MIPS 還有內在的「血緣關係」，多達 7 位高管都來自 MIPS，在內部磨合方面應該會更輕鬆。
說到 MIPS 就不得不提及他的歷史，這是一家頗具傳奇性又命運多舛的公司。
MIPS 架構流水線
MIPS 全名為「無內部互鎖流水級的微處理器」（Microprocessor without interlocked piped stages），是基於精簡指令集（RISC）的衍生架構之一。
它曾是安卓系統支持的三大處理器之一，一度比 ARM 還要火，比 ARM 誕生還早六年，算是他的同門師兄。
早期 MIPS 公司是對標英特爾，面向中高端市場輸出產品，設計多被用來遊戲機、路由器、計算機等終端設備上。
不過，在後輩英特爾果斷踏入移動時代的大門並迅速完善生態時，MIPS 卻固守在高清盒子、打印機等原來的市場，錯失了 2007-2017 移動手機發展的黃金十年，在生態較量中鎩羽而歸。後來在 Silicon Graphics、英特爾、Imagination Techologies、Tallwood Capital 手上幾經輾轉，業績一直處於虧損狀態。
或許是幾度賣身長期寄人籬下削減了它的鋒芒，MIPS 兵敗如山倒，再也沒能恢復往日的輝煌。
2012 年 MIPS「賣身」給 Imagination 時收購價高達一億美元。可惜，收購併沒給 Imagination 帶來預期的效果，反而還拖累了業績。去年 5 月，Imagination 開始出售 MIPS，在不到五年的時間內價值從 1 億美元縮水到 6500 萬美元。到 Wave Computing 接手時，雖然具體價格未披露，但想必是在 6500 基礎上又縮了水。
即便如此，Imagination 還是有其獨特的價值，在一些多線程技術上，MIPS 甚至比 ARM 所能提供的更為先進。並且它還能在一些實時、功率敏感的應用中發揮重要作用，例如 LTE、人工智能 (AI) 和物聯網 (IoT)。
對於 Wave Computing 來說，MIPS 作為一個成熟的計算方案，可為其提供「從邊緣到數據中心」的數據流處理技術，為全球客戶提供解決方案，使 Wave Computing 成為一個「可拓展、統一的 AI 平臺」，執行整個 AI 工作，而無需 CPU 干預或消耗 CPU 資源，更加高效。
另外，借 MIPS 在網通設備上的影響力，Wave Computing 也可以強化自己的終端大計，從中心雲進入到邊緣雲市場。
前兩任 CEO Derek Meyer 對於 MIPS 寄予了厚望，他多次談到將人工智能從數據中心推向邊緣的願望，表示「開源 MIPS 是這一戰略最關鍵的一環」。
可惜的是，不到一年的時間 MIPS OPEN 計劃就宣佈失敗，給客戶的郵件中說：
「Wave Computing，inc. 及其附屬公司 (『 Wave』) 遺憾地宣佈關閉 MIPS 開源計劃，並自 2019 年 11 月 14 號起生效。從現在開始，Wave 將不再提供免費下載 MIPS Open 組件的服務，這些組件包括 MIPS 架構、核心、工具、 IDE、模擬器、 FPGA 包，以及 / 或與之相關的任何軟件代碼或計算機硬件。」
開源失敗可以說是壓死 Wave Computing 的最後一根稻草。一方面耗費了大量的現金流，另一方面去年 Wave Computing 的硬件峰會也宣佈取消，資本市場開始對其產生懷疑，Wave Computing 可能很難再靠技術和戰略故事融資。
三 連續出走的 CEO 和掌權的「門外漢」
如果最後一搏成功，Wave Computing 的故事可能還會繼續講下去，為什麼這個野心勃勃的開源計劃不到一年就夭折了？
從 IP 市場來看，MIPS 開源「外患」不小，面臨著 ARM 和 RISC-V 的雙重夾擊。
往前看，吃到智能手機紅利的 ARM 已經擁有全球性的生態，基本壟斷全球移動芯片市場，並且在一步步往終端市場攻城略地，ARM 白皮書稱，「將在物聯網模塊和數據服務上花費 1 萬億美元」。
往後看，同樣開源的 RISC-V 發展迅速，咄咄逼人。相比 ARM，RISC-V 具備精簡、靈活、模塊化、可配置、沒有歷史包袱等特性，在發展領域上同樣標準了邊緣或終端市場，且二者技術沒有明顯差異，未來會不可避免的進行競爭。誰能取勝就要看政策、商業模式、管理等其他因素。
很不幸，MIPS Open 的內部管理機制非常混亂，比「外患」更嚴重的是「內憂」。
2019 年 Wave Computing 經歷了兩次換帥，現任 CEO 為 Sanjai Kohli，於 2019 年從只任職 4 個月的 Art Swift 手中接任 CEO 一職。
現任 CEO 為當時 EE Times 採訪了 Art Swift，問及為什麼這麼快就離開 Wave Computing，Swift 拒絕透露詳情，只回應稱：「我在短期籌資策略上與董事會意見不一致。」
Art Swift
頻繁變動公司高層變動會對開源產生很大的影響，因為有效的管理對於確保 MIPS 客戶開發工具、應用程序和 MIPS 開放生態系統提供的其他增值特性和服務都至關重要。
事實上，經歷過這兩次變動後，Wave Computing 內部也幾乎沒有人能帶領 MIPS 開源計劃。正如 Krewell 所說，「Swift 走後，Wave Computing 內部已經沒有偏愛 MIPS 的人了。」
開源原本是前兩任 CEO Derek Meyer 的計劃，他同時也是 MIPS 的資深人士，自收購 MIPS 以來一直在悄悄推動開源。
Meyer 走後，Swift 接替其成為 MIPS 授權業務總裁，他也十分熟悉 MIPS，曾在該公司擔任營銷和業務開發副總裁四年。
同時，Swift 還是 prpl 基金會的主席，prpl 基金會成立於 2015 年，是一個開源的、社區驅動的聯盟，專注於實現嵌入式設備的安全性和互操作性，例如客戶端設備，物聯網和家庭網關係統，Arris Technology，英特爾，沃達豐，高通等都在其會員名單內。
所以 Swift 在社區管理方面很有自己的見解，而 MIPS 未來的成功在很大程度上取決於社區的努力，「我們能夠建立一個多麼有活力、多麼繁榮的社區，這是關鍵。走開源不僅僅是一句空話。」
可惜，Swift 最後因為內部不合選擇出走，MIPS 開源計劃就此損失了一員大將，也幾乎斷了 Wave Computing 於 MIPS 之間的血脈。
新來的 Sanjai Kohli 別說對 MIPS，甚至在人工智能方面都是一個「門外漢」，Kohli 曾是多家初創公司的創始人和 CTO，包括 SiRF、WirelessHome，TruSpan 和 Inovi。但據熟悉他的人表示，Kohli 在 GPS 和電信方面有很深的造詣，但在人工智能領域卻沒有太多令人信服的成就。
內憂外患之下，MIPS 開源失敗也就不足為奇。
四 馬太效應下，初創企業退潮裸泳
「應該會有不少企業去他那裡搶人吧。」
Wave Computing 倒閉之後，有一些業內人士發出了這樣的感慨。調侃背後，也有對這家昔日明星公司的惋惜，畢竟它有獨創性的技術，也曾被譽為 AI 創業公司的標杆。
而它倒下的背也反應出了一些行業性焦慮。對於廣大的 AI 創業公司來說，或許，Winter is coming，凜冬已至。
就國內市場來說，據艾媒諮詢 2019 年數據，2015-2017 年是 AI 芯片公司迅速增長的階段，到 2018 年新增企業數量減少，融資事件同比增長 32%，但整體投融資額金額驟減，與此同時，頭部企業在 2018 年依然持續獲得投資人青睞，多家企業創估值新高。
這些現象表明，AI 芯片行業「馬太效應」現象越來越明顯，頭部企業佔有資金、技術、生態等種種優勢，最終會強者愈強，一步步蠶食市場，給創業公司發展帶來的巨大的壓力。
從下游市場來說，在巨頭的擠佔下，初創型 AI 芯片公司落地場景非常有限。據艾媒諮詢，目前 AI 芯片落地市場主要可分為雲計算和邊緣計算。雲計算市場前文已提及，幾乎被英偉達壟斷，沒有強大的生態很難與其較量。
邊緣計算也是的應用場景主要有三塊：智慧安防、移動互聯網、自動駕駛。這個市場也是 Wave Computing 後期想重點發力的市場，但它的情況同樣不容樂觀。
智慧安防領域主要是智能攝像頭的應用，但由於攝像頭任務相對單一，產品同質化嚴重，行業競爭激烈。從英偉達等一線廠商到地平線等創業公司，再到國科威等傳統安防半導體都在行業中有佈局，激烈慘烈，要想出圈只能靠整體解決方案。
移動互聯網市場主要是智能手機，由於圖像是 AI 領域最成熟的方向，並且可以很明顯的提升手機攝像和識別的效果，因此各廠商都有動力開發這樣的專用加速器，並且是各自開發來保證差異性和控制力。這一市場基本被蘋果、華為、三星、高通等廠家瓜分，並且處於「各玩各的」狀態。
自動駕駛領域倒是一個增量市場龐大，但技術發展還很不成熟。4 月 22 日阿里剛剛發佈首個 L5 階段等自動駕駛測試平臺，據美國汽車工程師協會等分級，L4、L5 階段還只能是在封閉園區的商用車平臺上實現落地。自動駕駛汽車出現在道路上可能還要等到 2025-2030。在這個賽道落地需要有打持久戰的準備。
所以，就市場發展情況來看，AI 芯片初創企業可能已經到了「退潮裸泳」的階段，光憑藉技術和前景就能拿到投資的時代已經不再。
吸取 Wave Computing 的教訓和市場現狀，有業內人士分析，初創公司的破局之路或許在於，找準一個具體的痛點，技術與行業解決方案並重，慢慢的佈局生態。
總之，Wave 倒下了，這個資本與技術並重的行業還在等待一個「攪局者」來打破僵局。
