研发费用大幅增加，寒武纪的坚守能否换来回报？

2021-06-10 来源：财华网& 金融界

4456

6月10日消息，人工智能芯片领域代表企业之一的寒武纪何时出现利润拐点？这或许是许多投资者都想知道的问题。

　　但这个问题真的那么重要吗？

　　恰巧笔者最近看的一本关于‘超级强势股’的书中，作者肯尼斯L费雪做了这样的故事分享：

　　‘osbone公司首先发现个人电脑市场上的商业机会。从设计、研发到面向客户，不到4个月的时间，osbone公司就推出了自己的第一款个人电脑osbone1.该款电脑一经面试就给osbone公司带来了丰厚的利润，很快个人电脑市场就刮起了以osbone1为首的个人电脑风。Osbone1没有经过更好的研发，它的面世只经过了短暂的4个月。Osbone1公司只是具有对未来市场需求的准确把握，也正是这种对市场需求的敏锐洞察力使公司在最初的两年里得到了丰厚的回报。

　　随着个人电脑市场的进一步成熟，osbone公司依然想依靠企业家的市场洞察力对产品的需求趋势进行分析，但这一次它没有想到个人电脑的下一步进步方向是个人电脑的兼容性，这首先被ibm所发现。Osbone公司对市场把握的偏离使得其对另外两个品牌vixen和executive1的研发投入变得没有任何价值，也使得自己的公司没有任何价值。1983年9月，osbone公司被迫缩小生产规模，公司员工的数量从最多的1000人骤减到80人。Osbone公司面临倒闭的风险。’

　　那么这个故事对于研究寒武纪这家公司的启示是，巨额的研发投入是不是存在浪费的问题？这涉及两个方面，一个是现有产品研发投向的竞争，一个是未来产品研发投向的竞争。

　　从结果来看，2019年、2020年，寒武纪的终端智能处理器ip授权业务出现了一定的危机，营收占比从2017年的98.33%下降至2020年的2.4%。

　　这一危机造成的原因，源自寒武纪1a和寒武纪1h两款产品的终端客户也就是华为，其旗下的华为海思也进行了手机终端智能芯片的研制，同时，在云端也就是服务器智能芯片领域，寒武纪的思元290在市场中面临的竞争对手包括英伟达的a100和v100 gpu，以及华为海思的ascend910。

　　因此，从这个角度来说，寒武纪在此期间（17-20）所大笔投向的研发资金0.29亿元、2.4亿元、5.43亿元、7.68亿元，是否存在着部分浪费呢？因为至少，对应手机终端产品的研发投入并没有产生持续的回报。

　　同时，近2年来，为寒武纪支撑门面的还不是终端、云端及边缘端的智能芯片，而是智能计算集群系统，这个系统的主要客户是南京科技创新投资公司，搜索这家企业的相关信息，根据官网的介绍，该公司为广大玩家提供一个正规化的电竞训练平台，致力寻找到最佳的电竞人才。

　　这一点，似乎与笔者对于寒武纪的畅想有些遥远。那么对于寒武纪的投资，唯一可以期待的只有更多的市场增量，只有这样，它才能避免与有着（手机）终端、云端（华为云）、边缘端（华为基站等通信设备）布局的华为展开正面竞争。但即便如此，寒武纪目前的市场价格也是令人难以承受的。

寒武纪

　　当初寒武纪天价发行的支撑理由除了赶上了市场对于半导体板块炒作的最高峰值这个时间点以外，还与它讲着一个激动人心的故事有关。

　　‘历史上，每一次新的应用浪潮都会有新的巨头公司崛起，intel和arm分别抓住了个人电脑和移动终端两次行业变革式的发展，当前人工智能应用的兴起，对处理器芯片提出了新的设计架构要求，给芯片设计行业带来了新的发展基于。

　　传统龙头公司也意识到了人工智能相关应用的巨大潜力，通过并购方式收购了大量新兴的人工智能芯片设计公司，例如intel收购habana、nervana、mobileye，xilinx收购深鉴科技。’

　　回看intel和arm的股价历史回报，想想就令人激动，再加上这么一个股票消费市场，给出这么一个天价也就可以理解了。

　　那么从现实来看，人工智能芯片对于传统芯片譬如cpu、gpu、dsp、fpga的优势在哪？

　　先看cpu。理论上，利用终端中原有的通用cpu运行人工智能算法，也可在功能上实现相关应用。但对实时性要求较高的场景（如智能驾驶等），对响应的延时极为敏感，基于cpu作人工智能计算远不能满足实时性要求，必须引入专门的人工智能处理器。而在手机、平板电脑、音箱、ar/vr眼镜、机器人等对散热、能耗敏感的消费类电子终端场景，采用cpu支撑人工智能算法，不仅性能不理想，计算的能耗亦不能满足相关场景下的可可限制，同样需要采用专门的人工智能处理器提升性能降低能耗。

　　而gpu，最初为图形显示与渲染等任务设计，主要用于个人电脑、游戏机、工作站，而人工智能领域，其多用于服务器与数据中心，终端应用较少；fpga虽然可以通过硬件重构方式灵活实现适合人工智能应用的架构，但它的成本和能效与实现相同架构的非fpga芯片有很大的差距。

　　因此，在选择上，人工智能芯片是新需求下的最优解，那么这个需求受到下游几个重点领域发展的影响。

　　云计算方面，随着全球范围内云数据中心、超级数据中心的建设速度不断加快，人工智能算法的不断普及和应用，和高性能计算能力的需求增长导致全球范围内数据中心对于计算加速硬件的需求不断上升。

　　边缘端方面，由于云端受限于延时性和安全性，不能满足部分对数据安全性和系统及时性要求较高的用户需求，这些用户的需求推动大量数据存储向边缘端转移。在运营商边缘机房智能化改造的大背景下，能够解决5g网络对于低时延、高带宽、海量物联的部分要求。

　　（手机）终端方面，人工智能相关应用虽然可以在传统的手机处理器芯片上运行，但在流畅度和能耗方面表现不够理想而且用户体验不佳，引入人工智能处理器增加手机芯片的运算能力逐渐成为主流。

　　新兴领域方面，智能汽车能够为用户提供自动驾驶、影音娱乐、车辆互联等多样化服务，实现车辆行驶过程中完全自动化与智能化。而智能驾驶系统的核心是芯片，汽车的新能源化和互联化进程必将要求底层硬件能够支撑高速运算的同时保持低功耗与逻辑控制。

　　这4大方面的需求共同推升了人工智能芯片的增长，但是这个增长也给寒武纪带来了更大的挑战。

　　比如，当前以深度学习为代表的人工智能技术对于底层芯片计算能力的需求一直在飞速增长，其增速已经大幅超过了摩尔定律的速度。例如google于2019年提出的efficientnetb7深度学习模型，每完成1次前向计算即需要3.61*1010次基本运算，是7年前同类模型（alexnet）运算需求的50倍。

　　这样的一个发展速度，使得企业必须的加快固定资产的迭代，才能够生产具有更快运算能力的芯片。当然这里除了固定资产的折旧费用，还有材料费、芯片流片费、研发人工费用，综合起来是一笔非常大的开支。

　　竞争、需求、费用，是寒武纪这家企业经营的主要矛盾，而在这个矛盾之外，还有一个核心矛盾，即市场出价。

　　接着开头L费雪所分享的故事，它的后续是，ibm确实是一家辉煌过很长时间的公司。

　　Ibm公司的股票在1932年最低价是52.5美元每股，自此以后一直高涨到117美元每股。1933年，从75.75美元涨到153.25美元每股。之后长期徘徊在这个价格左右，直到1936年涨到194美元每股，1939年，这只股票的价格突破了195.75美元每股，但之后随即下跌、在此之后一直没有涨到195美元每股，直到1945年达到另一稳定价格250美元每股。随后在20世纪50年代，一直在这个价格水平之下徘徊。1956年，达到了这30年统计中的最高峰550美元/股。

　　假设你有这样的好运气。在这24年里，你每年的总回报率仅仅只有10%。很难达到20世纪30年代神话中的预期值。