焦点：半导体的「百年之大变局」？

「百年之大变局」是目前的一个流行语，当然把这句话用在半导体领域并不完全合适，毕竟这个领域满打满算也不到 70 年时间，但半导体领域目前的阶段，的确符合这个词所代表的意义。

其一，如果说 2010 年代的半导体技术进步来自于智能手机，那么 2020 年代开始，整个行业的技术突破变得越发多元化，这并不是说移动设备的创新不再，事实上，上月亮相的苹果 A14 与华为麒麟 9000，已经将智能手机处理器竞争推到了 5 纳米制程，在 5G 的场景里，更多的数据以及更多实时数据的处理，还将进一步推动智能手机上的芯片创新。

而在更广大的领域，从大型的汽车到或大或小的物联网设备，从超大规模的 NLP 模型到移动终端的 AI 推理模型，计算需求变得多样化，同时又对计算能力提出了新的需求。

所有这些，也意味着曾「左右」半导体发展的摩尔定律已失效，或者说正在进化。

其二，并购。2020 年半导体领域的并购潮不断，过去 10 个月里，已经有四起超过 100 亿美元的并购：

• 7 月，Analog Devices 209 亿美元收购 Maxim；
• 9 月，英伟达 400 亿美元收购 ARM；
• 10 月，AMD 350 亿元收购 Xilinx，Marvell 即将以约 100 亿美元收购模拟芯片及光学芯片厂商 Inphi；

事实上，早在今年 9 月，半导体领域的并购金额已经成为过去七年里第二高的年份，现在计算一下，2020 年已经第一了。

这些动辄百亿美元的并购，也将半导体行业推入赢家通吃的新阶段，由于研发费用的不断上涨以及快速变化的市场趋势，这个领域传统意义上的增长基本停滞，并购成为巨头们全新的增长方式，包括英伟达、AMD 在内的巨头通过收购扩大自身产品线，快速构建更具覆盖性的产品组合，满足不同客户的需求。

具体到英伟达收购 ARM 的案例里，还有一个非常奇特的景象。ARM 的特殊性——几乎所有的英伟达竞争对手都需要 ARM——使得即便是英伟达的竞争对手，站在行业发展的角度，也「真心希望」英伟达可以尽快完成收购并实现更好的产品整合，而在公司竞争的角度去看，整个半导体行业都不想看到这笔交易可以成功，这必然将造成英伟达一家独大的行业地位，进一步挤压其他竞争对手的生存空间。

但也需要注意一点，随着地缘政治越发影响到科技行业，半导体领域的并购显然已经被纳入到国家竞争的重要环节，2016 年，高通宣布以 440 亿美元收购荷兰公司恩智浦，但中国监管部门并没有批准该交易，最终也使得这笔巨额收购不了了之，而在 2020 这个特殊年份，英伟达、AMD、Marvell 的收购还有诸多变数。

第三，中美技术对抗下的中国半导体行业成为新变量。我在上一期「AI Insider」里讨论过这个议题，除了正视中国当下的行业位置，还要尊重这个领域的发展规律。历史上看，上世纪 70 年代到 90 年代，同为东亚地区的日本、韩国、台湾地区快速抓住半导体领域的变革机遇，通过政府、企业与研究机构的通力合作，实现专利、技术与产业链的突破，「钛禾产业观察」在一篇复盘文章里如是写道：

在全球产业链的融汇中，企业发展出自主创新的核心技术能力，在政府的统筹布局下，进行持续稳定且有建设性的资本投入；在与技术发源地美国的激烈角逐中，孵化并成长起来具有竞争力的企业；在官产研一体的磨合中，磨炼出技术和管理的领军人物和成熟团队……

《华尔街日报》本周也在讨论半导体供应链的生产制造环节变化，未来十年，亚洲地区，特别是中国，将迎来巨大发展，下图是根据多个数据源做的预测：

补充一个华为芯片的新消息，FT 的独家报道称，华为在上海筹备一个半导体工厂，将全部采用国产技术和设备生产可用于 5G 通讯设备的芯片，预计到明年底实现 28 纳米制程的产能，2022 年年底达到 20 纳米制程。

2020 年还有不到两个月就结束了，上述三个方面所释放的产业变革信号，也才刚刚开始。

医疗·AI

疫情之下的医疗 AI 应用与研究一直是我关注的焦点议题。在上周举行的 WSJ Pro AI 在线会议上，机器学习资深从业者 Gary Marcus 谈到了 AI 无法承担抗疫重任的几个原因：（医疗）数据稀缺、技术（特别是 NLP 技术）不足、数据隐私。

本期我会梳理一些近期的发现与观察。

两个「抗疫」机器学习模型。MIT 的一支研究团队展示了一个机器学习模型，通过对咳嗽声音样本的分析，快速识别哪些是无症状患者，哪些是确诊患者。测试结果显示，可以 100% 诊断无症状患者，确诊患者的诊断率为 98.5%。

根据其论文，用户只需每天登录这个服务，然后使用手机录制自己咳嗽的声音，即可完成检查，相关的研究已经发表在 《IEEE 医学与生物学工程杂志》。

牛津大学在识别咽拭子流程中引入机器学习模型，识别时间可以缩短到 5 分钟。研究人员正在加快产品研发，最快将在 6 个月里获得政府批准，从而可以在机场、企业办公场所进行大规模应用。

你可以通过这篇论文进一步了解这个方法。

机器学习在医疗应用中的最大障碍到底是什么。就像上面两个机器学习模型所展示的强大能力，我们常常在各种新闻里了解到机器如何比人类医生更精准诊断，但这些数字更多还是停留在实验室环境，或者是单一的测试环境。

2018 年 11 月到 2019 年 8 月期间，Google 与泰国 11 家医疗诊所合作，大规模部署了一个 AI 诊断视网膜病变的系统，却出现了一系列问题，但这些问题并不是 AI 系统不够精确，而是因为现实环境，比如医院网络条件不足，还包括护士操作不当，比如不按要求的方法提取病人眼部数据，所有这些都使得 AI 系统无法发挥真正的作用。

更进一步，即便是在一家医院可以取得如实验室一样的成绩，换一家医院或者换一批操作人员，这个诊断系统的精准度还是会下降。

Google 研究者们在一篇论文里列举了之前的例子，在将 CAD 相关技术引入到放射科之后，医生的工作并没有显著减少，而是增加了，原因在于这些技术并没有与医生的工作流程整合在一起，从而使得新技术变成了工作负担。从这个角度出发，机器学习模型如何与医生以及医院现有流程结合在一起，对于拓展 AI 医疗应用有重要意义。

科技公司进入到医疗领域。FT 的一篇报道指出，2019 年年底，世卫组织举办了一场关于数字健康的会议，包括中国百度、腾讯在内的科技公司成为座上宾。

而在疫情中，科技公司的影响力更大。支付宝与微信的健康码成为居住在中国的「通行证」，欧美卫生部门很长一段都寄希望于苹果、Google 可以在各自手机操作系统中提供「追踪式 API」，这些消费科技公司的产品，构成了医疗发展的新景观。

另一方面，当科技公司以抗疫的名义获取大量数据，特别是在东亚的部门国家和地区，利用手机基站获取的用户数据几乎最基础的操作，这些数据的获取、保存与分析，其权利与义务如何区分，都是一个亟需思考的议题。

GPT-3 在医疗领域的实验，业界对于 GPT-3 的兴趣还是很浓，这一次是围绕医疗场景构建问答体系，结果其实也在意料之中，很多测试结果非常正确，但一些测试结果「非常错误」，这在医疗领域是无法容忍的结果，同时测试者也无从知晓为何会有这样错误的答案。

产业观察：云计算的丰收季

随着亚马逊、Alphabet 相继公布截至到 2020 年 9 月 30 日的第三季度财报，美国三大云计算公司的财报数字全部出炉：

• AWS：季度营收 116 亿美元，同比增长 29%，营业利润 35.4 亿美元，同比增长 56%；
• 微软：其智能云营收 130 亿美元，同比增长 20%，其中公有云业务 Azure 增长 45%，具体营收数字未透露；
• Google Cloud：季度营收 34.4 亿美元，同比增长 45%；

从数字上看，这的确又是一个丰收季。正如微软 CFO Amy Hood 对路透记者所言，疫情催生的「远程服务持续需求继续推动业绩增长」。

Gartner 资深分析师 Daryl Plummer 指出，疫情对所有云服务商都有好处，疫情让众多原本「走得很慢的云客户」加快步伐。IDC 的一份调查显示，预计到 2021 年底，80% 的企业将建立起向云服务的迁移机制，这一速度是疫情前的两倍。

另一方面，疫情如何影响云计算巨头们的客户，这也是亚马逊财报分析师会议上的一个议题，面对美林证券分析师 Justin Post 的这个问题，亚马逊 CFO Brian Olsavsky 谈到了几个趋势：

其一，大部分公司都在思考减少开支的方法，而上云是一个很好的途径；

其二，由于需求下滑，企业更关注云计算的短期成本，因此在减少某些云产品采购，这对包括 AWS 在内的云计算公司来说不一定是个坏消息，以 AWS 为例，他们推出更多细分的产品，满足客户的特殊需求。

值得一提的是，阿里巴巴将在周四晚间发布新一季财报，阿里云营收也是重要看点，我会在下周的邮件通讯里做进一步探讨。

行业：收购、市场数据与新产品

收购。上周，英特尔宣布收购位于旧金山的创业公司 SigOpt，这家公司提供复杂系统调参以及机器学习模型优化，英特尔预计会将该公司的产品整合到自己 AI 业务线里。

这笔交易的具体条款并未透露，根据科技媒体 VB 的报道，SigOpt 公司的两位创始人将加入英特尔机器学习团队。

本周，英特尔又收购了一家来自以色列的 AI 创业公司 Cnvrg.io，后者是一家面向企业市场提供端到端机器学习的公司，包括 AWS 的 Sagemaker 都是其竞争对手，该公司此前表示其产品可以有效提升企业训练、部署机器学习模型的效率。

具体的交易金额并未透露，TechCrunch 认为，英特尔这笔收购的逻辑与上周对 SigOpt 的收购类似，英特尔正在重新将芯片（特别是 AI 芯片）作为未来发展的核心战略，在此基础上，向企业客户提供更多可运行在英特尔芯片上的 AI 工具和服务将成为英特尔的重要产品方向。

苹果公司的一笔 AI 领域收购也被披露，Apple Insider 称，苹果已完成对一家西班牙创业公司的收购，这家位名为 Vilynx 的公司位于巴塞罗那，专注于计算机视觉内容的识别与处理，对于苹果的照片、Siri 等产品的提升将有重要价值，这笔收购的金额在 5000 万美元左右。目前大约 50 名 Vilynx 员工已经开始为苹果工作。

另外，Vilynx 公司的相关技术也能够增强苹果设备的搜索能力，FT 上周也在一篇独家报道中表示，苹果内部的确在加快搜索产品的研发，不排除未来「Apple Search」出现在 iOS/iPadOS 以及 macOS 上。

过去几年，苹果已经在 AI 领域收购了多家明星创业公司：

• 2015 年，收购图像 AI 创业公司 Perceptioin；
• 2016 年，收购机器学习（偏预测分析与推荐引擎）创业公司 Turi 以及印度创业公司 Tuplejump；
• 2017 年，收购德国的眼球追踪创业公司 SensoMotoric；
• 2019 年，收购内容发现创业公司 Laserlike；

根据苹果一贯以来的收购策略，当一家创业公司被收购后，苹果会将其关闭，所有技术和人员整合到苹果现有部门里。

机器学习已成为苹果近几年暗暗发力的领域，我们也在其操作系统以及硬件产品上感受到苹果对于机器学习的思考，今年 8 月的时候，Ars Technica 采访了苹果机器学习负责人 John Giannandrea 以及苹果产品营销副总裁 Bob Borchers，展现了苹果特有的机器学习战略，值得一看。

「AI 芯片第一股」寒武纪新一季财报。上周发布的 2020 年第三季度财报显示，营收 7032.65 万元，净亏损 1.07 亿元，同比缩小 80.6%。2020 年前三季度，寒武纪营业收入为 1.58 亿元，同比增长 42.97%；净亏损为 3.1亿元。

目前寒武纪的产品线包括：

• 云端智能芯片及加速卡（目前的核心业务）
• 边缘智能芯片及加速卡
• 基础系统软件平台

正如寒武纪在财报预测中所言，其所有的产品线都是重研发投入的领域，对比前三季度 4.33 亿元的研发费用与 1.58 亿元的营收，也可以感受到 AI 芯片这门生意是多么的艰难。

更进一步去看，尽管 AI 芯片的需求在显著上升，但整个领域的竞争也变得空前激烈，技术、产品之外，销售、服务与品牌的竞争也会被放大。

依图科技向科创板提交招股书申报稿。作为曾经的「计算机四小龙」，依图科技现在对于自己的定位是「一家世界领先的人工智能公司，以人工智能芯片技术和算法技术为核心，研发及销售包含人工智能算力硬件和软件在内的人工智能解决方案」。

招股书的几个细节可以作为观察 AI 创业公司的重要角度，其一，营收增长迅速，但依然处在亏损状态。

其二，从行业营收的分类来看，「智能公共服务」是支撑依图营收的重要来源，这部分主要是和政府部门合作的「智能城市/社区」以及医疗场景的解决方案。

其三，以下是该公司的五大客户及各自占比。

你可以在上交所官网获取这份招股书。

浪潮 AI 服务器市场占有率 53.5%。数据来自 IDC，在这份《2020H1中国AI加速计算报告》里，2020 年上半年，浪潮 AI 服务器销售额 6.88 亿美元，市场份额占比达 53.5%，同比增长 3.3%。

所谓 AI 服务器，简单来说就是针对机器学习、深度学习的特殊场景，提供更适合并行计算的 GPU 服务器或其他异构形式服务器。

公开资料显示，包括阿里、百度都是浪潮的客户，IDC 的这份报告也指出，互联网是 AI 服务器的主要应用领域，占比高达 57.9%，其次是政府，占比为 12.6%。

微软发布「No Code」机器学习平台。这个名为 Lobe 的平台也是微软两年前收购的一家创业公司的名字，此次发布的这个平台支持 Windows 与 macOS 两大桌面平台，用户下载后无需联网，直接可以在本地运行。

目前 Lobe 只支持图像分类，微软表示未来将提供更多模型，覆盖更多机器学习领域。

尽管现在看起来 Lobe 的功能还非常局限，但其所代表的「AI 民主化」与「No Code」的行业大趋势不容忽视，越来越多的公司开始关注这个领域的发展，通过将复杂的算法、模型封装为可调用的接口以及可拖拽的模块，并将之前只有云上的模型训练能力下沉到设备侧，极大降低了机器学习模型开发与应用的门槛，这对于推动机器学习的普及意义重大。

霍尼韦尔推出量子计算机服务，面向企业市场。这个名为「System Model H1 」的服务拥有 10 个完全连接的量子比特，以 Cloud API 的形式，向企业提供量子计算订阅服务，所谓「qubits-as-a-service，简称 QaaS」。

沃尔玛不再继续部署货架巡视机器人。2017 年的时候，沃尔玛与 Bossa Nova 公司合作，逐步开始在全美的超市门店部署货架巡视机器人，利用机器视觉快速扫描货架上的货品销售情况，帮助超市工作人员决定何时补货。但在本周，《华尔街日报》报道称，沃尔玛已经取消了这项合作，原因包括几个方面，比如疫情催生了巨大的线上销售需求，人类员工不得不在处理订单的时候前往货架查看库存，这也使得机器人的使用没有价值。

另一方面，消息人士告诉《华尔街日报》，该货架巡视机器人的模样，如下图所示，一定程度上会影响到到店顾客的体验。

去年，《华盛顿邮报》也关注到这个机器人的样子，该报记者采访了多位顾客，他们的反应都是「惊慌」。