我国半导体行业很多核心的技术还是很落后

ImaginaTIon是苹果手机长期的图形处理技术（GPU）提供方。在2017年4月，苹果宣布将在未来两年内停止使用ImaginaTIon的图形处理IP，并终止专利费支付，致使ImaginaTIon脱离苹果的供应链。而后，中资背景的私募基金Canyon Bridge于2017年9月收购了ImaginaTIon。在近一两年来，在中国海外高科技并购和反并购的对攻中，这是中国资本少有的斩获。Imagination涉足GPU、人工智能（AI）和物联网（IoT）这些热门科技领域，那么在欧美国家的严防死守中，这样的科技企业为什么会落入中国资本之手？

刘国军

图像处理芯片大热，它的应用场景有哪些，它为什么这么重要？

刘国军：除了可以让消费性设备更高质量、更快速度和更低功耗地完成图像与视频的展现、还原和处理，图形处理技术的应用场景的确还有很多。以视觉应用为例就可以发现图形处理技术正在提供更复杂、更有价值的信息处理与计算，包括提高从图像或视频流中提取更高级、更详细信息的能力以及更高的准确性。例如在安全摄像机市场中，摄像头就能够提供人脸识别或者越界报警这样的详细分析，而不需要在后端安装昂贵的服务器来处理回传的大量图像和视频信息，这样还不会增加信息延迟。再举一个实际应用的例子：在一个商店环境中，监控设备能够识别什么时候某人从货架上拿了东西，这个产品是什么，他们看了多久，以及是否把它放在购物车里，或者放回货架上。这种统计数据现场就可以分析出来成为重要的商业和服务数据，亚马逊在美国已经试用了这种技术。

此外，现在图形处理和人工智能密不可分。在对人工智能技术的讨论中，有一点越来越受大家的重视，那就是支撑各类人工智能应用硬件的底层技术。例如，最适合运行谷歌TensorFlow人工智能软件的不是英特尔的X86芯片，而是图形处理器。人工智能技术需要图形处理器而非传统CPU芯片的原因是：图形处理器更适合处理并行任务。一个图形处理器集成有数百个不同的运算内核，训练神经网络要求大量更简单和重复性的步骤，因而更适合在图形处理器上运行。Imagination是全球领先的图形处理器IP供应商，公司一直在更新迭代的PowerVR GPU IP产品，加上新近推出的Series2NX神经网络加速（NNA）可提供人工智能应用所需的性能，帮助开发人员构建下一代手机、监控、智能车联、机器人、无人机、智能零售等众多智能应用中所需的高性能、低功耗芯片产品。

最近华为推出了带有AI功能的芯片，似乎新手机的比拼很大程度上取决于图像处理和AI功能？

刘国军：对。我刚才提到了视觉应用和人工智能，目前大量成熟的应用采用的是数据中心后台并行运算方式。但有个重要趋势是这些处理都将向终端转移，最终的比拼都在终端，手机是非常普遍和重要的终端，所以手机上的图形处理和人工智能是一个新的竞争趋势。图像包含大量的数据，视频流则更多，因此需要处理的数据量非常大。而终端设备由于功耗和带宽的限制，如果用传统的CPU或GPU来处理数据，无法满足人工智能的性能和带宽需求。

图形处理芯片是怎样支撑无人驾驶的？

刘国军：当设计自动驾驶汽车时，汽车必须了解其所处的环境。为了做到这一点，需要通过摄像头观察道路上的各种情况，然后处理这些摄像头所采集的信息，进而对道路环境作出分析，以支撑车辆进行判断来实现自动驾驶。需要采集、处理和反馈的信息包括：其他车辆的位置，街上行人的位置，路牌的内容，道路的标志标线，等等。图形处理芯片是处理这些信息的专用处理器，可以有效地辅助汽车作出正确的行驶决定。

GPU和AI加速对于半导体产业的影响是什么？

刘国军：GPU作为一种与通用处理器架构上完全不同的图形图像专用处理器，已经改变了半导体产业，并推动了整个移动产业和应用的革命，极大的丰富了我们的生活并间接改变了我们的工作方式和习惯。GPU在同时进行大量 *** 作方面非常出色，这对于图形处理非常重要，也适用于其他类型的计算。今天，当用户在最喜爱的相机应用程序中使用滤镜时，采用的就是这种技术。许多AI应用也需要大量的计算，这非常适合GPU。

AI（特别是神经网络）对计算的需求不断增加，尤其对带宽的需求很高。这恰恰是专用的AI加速的价值所在。通过使用专用硬件，可以增加所执行的计算量并优化数据。与GPU相比，可以降低对带宽的需求，从而提供超过100倍的性能提升。从以上两点来看，GPU和AI加速已经是许多独立芯片或者与其他功能集成在一起的芯片的核心功能，而随着越来越多的新应用出现，将推动半导体产业去拓展新的发展空间。

手机制造商如华为、苹果、三星都在开发自己的AI芯片，你们的技术和他们有什么差异？

刘国军：当前的AI硬件设计和构建还处于早期阶段，真正面向最终用户的完整需求、更复杂的性能、以及低功耗和小面积等约束条件的竞争还未全面展开。为了抢进市场，许多手机制造商最初会自己设计解决方案，因为看起来似乎很容易而且便宜。然而，这一领域正在迅速变化，现在的技术已经有些简单了，下一代网络和应用的复杂性正在不断增加，AI的相关设计会越来越复杂。这就需要专门的硬件IP供应商，它们拥有专职工程师团队，全职负责设计和改进我们的视觉和AI硬件产品组合，加上构建复杂硬件系统的专业知识和经验，能够实现符合甚至超越定制的解决方案。我们的优势在于，如果手机制造商想要停止在芯片内部使用他们自己的解决方案，我们可以轻松地更换他们原有的解决方案，并使他们能继续构建差异化且具有竞争力的产品。这是半导体行业的一个共同趋势和发展规律，之前在GPU和CPU的发展演进上就有类似的情况发生，如今只有极少数供应商具有强大的产品发展路线图和技术能力来支撑这种演进。

手机制造商为什么要自己投入巨资和精力去做越来越多的东西？

刘国军：不光是手机制造商，有很多系统厂商，他们要做自己专用的处理器。像华为海思，他们希望能够有自己核心的竞争力，这个核心竞争力就体现在芯片上。另外，他们希望在功能和特性上实现跟别人不一样的差异化，这是最原始的动力。回到AI这个角度，手机厂商或者手机芯片厂商，他们要做自己的AI处理器架构，也和这个有关系，他们想提升自己产品的差异化程度和市场竞争力，希望把核心竞争力掌握在自己手中。另外也有商业方面的考虑，对于有些大厂商，如果用别人的东西，在他们出货量那么大的情况下，巨大的研发投入和其他相关成本势必能够得到摊销。

不过，ICT产业发展总是在一种高度垂直集成和开放资源整合之间找到平衡。大家在过去既看到越来越大的、无所不包企业集团，也看到了许多老牌公司不断拆分出许多新的专业公司，同时还看到许多半导体公司放弃自己的技术架构，而采用市场上更通行的、更有竞争力的技术架构，所以对于手机制造商和其他系统制造商，以及其集团内部或者外部为其提供关键芯片的部门或者公司，采用市场上最优的底层技术和IP永远都是一种选择或者一次超越的机会。

去年你们脱离了苹果供应链，那么手机企业之外你们其他客户在哪里？

刘国军：手机芯片厂商或者手机厂商都是我们的目标客户或者核心客户。我们产品的应用很宽泛，除了手机芯片之外，比如自动驾驶、无人机、视频监控、数字电视、虚拟现实/增强现实（AR/VR）等领域都有客户采用我们的产品。

芯片企业需要具有什么样的能力，才有资源去设计人工智能芯片并在市场中成功？

刘国军：人工智能是一个广阔的领域，除了Imagination之外，还有许多不同的企业、机构和组织涉身其中。人工智能的目标是让我们的世界变得更加智能，有许多不同的辅助技术可以实现人工智能，其中一项重要技术就是机器学习，特别是深度神经网络。这项技术使计算机能够学习，然后将这些知识应用于给定的应用程序去进行下一步的处理，或者推动系统下一步的 *** 作或应用。

专用的人工智能芯片，是针对这些AI应用专门进行优化、设计和构建的芯片。目前的系统设计模式是专用的AI芯片通常与现有的主芯片SoC独立存在并实现互补。但与其他硬件功能的发展模式相似，AI芯片和功能将会很快被集成到主SoC之中。目前在设计最好的AI硬件和芯片方面，大家在解决了有无之后将很快展开一场残酷的比赛，每种设计所采用的不同架构与方法的优劣也将很快显现出来。

随着时间的推移以及这个领域的成熟，很多人会败下阵来，只有技术架构、产品实现、市场应用、专业服务等等综合最好的企业才能生存下来；换言之，我们不能只看到市场导入期时的热闹，而只有那些能够在这个残酷的市场中生存下去的企业才能成功。对于芯片设计企业，选择好的技术合作伙伴也是其经营中重要的一条，从移动GPU发展的早期开始，Imagination Technologies就一直处于这个领域的前沿，我们不仅拥有经验与实力，而且拥有面向各类应用的专业知识，我们不仅将在这种环境中茁壮成长，而且有足够的资源去支持芯片设计公司用户取得成功。AI芯片可以提供数十倍到数百倍的性能提升，同时保持最低的功耗与成本。此外，一直以来，神经网络非常耗费带宽，因此内存的带宽需求会随着神经网络模型规模的增长而增加，这会为SoC设计人员，算法人员及OEM公司在设计系统时带来重大的挑战。这就需要从核心架构上做最优设计，能最小化系统的带宽需求。

Imagination被中国资本并购经历了什么样的过程？

刘国军：半导体行业一直是一个并购不断的行业。有人将芯片称为信息社会的粮食，但是对于中国这样一个全球最大芯片市场，芯片相关的技术都是由别人控制的，所以过去至少二三十年，中国的半导体业者大家都一起做了很大的努力去发展国内的半导体产业。现在随着中国GDP的增长，我们国家持续在半导体方面加大投入，国内半导体行业在过去十年间发展迅速，我们也有不少企业在产业链上做出成绩，如芯片设计、芯片制造、封装测试，还包括华为这种做系统与终端产品的厂商也进入芯片领域，大家进步都很大， 但是我们很多核心的技术还是很落后，或者说我们核心技术基本还是跟在别人后面，或者等着别人提供。

现在有资金，去海外并购一些具有核心技术或特殊技术，以及有研发能力的队伍和公司，是一个很自然和收益很高的事情，这在过去几年也不断发生。但是并购会碰到障碍，个中原因比较多，最大的原因是政治原因。半导体最厉害的国家是美国，其次是在欧洲。这次凯桥基金并购Imagination时，选择回避我们原有的MIPS CPU IP，MIPS的知识产权在美国，所以在并购之前，我们先把这部分业务剥离了。对英国业务部门的并购，公司管理层是乐见其成的。由于苹果的变化，对我们企业的冲击很大，因此公司管理层欢迎来自中国资本的并购，而中国又拥有很大的市场，所以我觉得这是一个非常理智的想法。

其实美国有很多这样的公司，但是由于政府干预，政治原因，并购不顺利。

我认为并购是半导体行业的特征，行业内有各种各样的小公司，同时整个产业链需要不断整合、不断提高，所以并购很正常。

对中国的产业来讲，在核心竞争力上还是落后很多的，一方面我们会加强自己本地的原创，加强研发和投入，另一方面，也会通过资本的方式去购买国外的核心技术，当然这会涉及国家之间的竞争，所以碰到的障碍就多。

就半导体产业而言，好像能买的都买过来了，剩下的买不来的技术该怎么办？

刘国军：按理说，本来企业间并购这个事不应该有障碍，这是个开放的世界。但是从另外一个角度考虑，国家之间存在竞争，还有政治的问题，设置障碍和壁垒也是正常的。到目前这个程度，虽然很难再去购买公司了，但是并不意味着交流就要停止，国家与国家之间的合作，或者说产业之间的、市场和研发之间的关系错综复杂，有各种合作方式，因而交流是肯定要继续下去。此外，我刚才提到了，我们国家这么多年在研发上、在基础研究上也在不断加强、不断提升自己的能力，我们也在创造自己的东西，以做到自主可控，这已经不仅仅是一个方向，很多企业已经实现了自己的研发能力不断提升和各种自有产权的创新。

国内大学的基础研究似乎还不能对产业形成很好的支撑？

刘国军：我也认为国内大学现在的基础研究还远远不能支撑产业的发展，但是要往前走，就会涉及很多其他问题，例如我们与大学、科学研究机构如何合作，他们应该做什么、怎么做，国家应该怎么去支持。这是一个复杂的系统工程，而且这不是一个观点或者一个政策就能解决的问题。再往下谈就会涉及我们的中小学教育了。