【觀察】研發費用大幅增加，寒武紀的堅守能否換來回報？

原創

日期：2021年6月8日 下午3:09作者：周治玮編輯：lala

人工智能芯片領域代表企業之一的寒武紀何時出現利潤拐點？這或許是許多投資者都想知道的問題。

但這個問題真的那麽重要嗎？

恰巧筆者最近看的一本關於‘超級強勢股’的書中，作者肯尼斯L費雪做了這樣的故事分享：

‘osbone公司首先發現個人電腦市場上的商業機會。從設計、研發到面向客戶，不到4個月的時間，osbone公司就推出了自己的第一款個人電腦osbone1.該款電腦一經面試就給osbone公司帶來了豐厚的利潤，很快個人電腦市場就刮起了以osbone1為首的個人電腦風。Osbone1沒有經過更好的研發，它的面世只經過了短暫的4個月。Osbone1公司只是具有對未來市場需求的準確把握，也正是這種對市場需求的敏銳洞察力使公司在最初的兩年里得到了豐厚的回報。

隨著個人電腦市場的進一步成熟，osbone公司依然想依靠企業家的市場洞察力對產品的需求趨勢進行分析，但這一次它沒有想到個人電腦的下一步進步方向是個人電腦的兼容性，這首先被ibm所發現。Osbone公司對市場把握的偏離使得其對另外兩個品牌vixen和executive1的研發投入變得沒有任何價值，也使得自己的公司沒有任何價值。1983年9月，osbone公司被迫縮小生產規模，公司員工的數量從最多的1000人驟減到80人。Osbone公司面臨倒閉的風險。’

那麽這個故事對於研究寒武紀這家公司的啓示是，巨額的研發投入是不是存在浪費的問題？這涉及兩個方面，一個是現有產品研發投向的競爭，一個是未來產品研發投向的競爭。

從結果來看，2019年、2020年，寒武紀的終端智能處理器ip授權業務出現了一定的危機，營收佔比從2017年的98.33%下降至2020年的2.4%。

這一危機造成的原因，源自寒武紀1a和寒武紀1h兩款產品的終端客戶也就是華為，其旗下的華為海思也進行了手機終端智能芯片的研制，同時，在雲端也就是服務器智能芯片領域，寒武紀的思元290在市場中面臨的競爭對手包括英偉達的a100和v100 gpu，以及華為海思的ascend 910。

因此，從這個角度來說，寒武紀在此期間（17-20）所大筆投向的研發資金0.29億元、2.4億元、5.43億元、7.68億元，是否存在著部分浪費呢？因為至少，對應手機終端產品的研發投入並沒有產生持續的回報。

同時，近2年來，為寒武紀支撐門面的還不是終端、雲端及邊緣端的智能芯片，而是智能計算集群系統，這個系統的主要客戶是南京科技創新投資公司，搜索這家企業的相關信息，根據官網的介紹，該公司為廣大玩家提供一個正規化的電競訓練平台，致力尋找到最佳的電競人才。

這一點，似乎與筆者對於寒武紀的暢想有些遙遠。那麽對於寒武紀的投資，唯一可以期待的只有更多的市場增量，只有這樣，它才能避免與有著（手機）終端、雲端（華為雲）、邊緣端（華為基站等通信設備）佈局的華為展開正面競爭。但即便如此，寒武紀目前的市場價格也是令人難以承受的。

寒武紀

當初寒武紀天價發行的支撐理由除了趕上了市場對於半導體板塊炒作的最高峰值這個時間點以外，還與它講著一個激動人心的故事有關。

‘歷史上，每一次新的應用浪潮都會有新的巨頭公司崛起，intel和arm分别抓住了個人電腦和移動終端兩次行業變革式的發展，當前人工智能應用的興起，對處理器芯片提出了新的設計架構要求，給芯片設計行業帶來了新的發展基於。

傳統龍頭公司也意識到了人工智能相關應用的巨大潛力，通過並購方式收購了大量新興的人工智能芯片設計公司，例如intel收購habana、nervana、mobileye，xilinx收購深鑒科技。’

回看intel和arm的股價歷史回報，想想就令人激動，再加上這麽一個股票消費市場，給出這麽一個天價也就可以理解了。

那麽從現實來看，人工智能芯片對於傳統芯片譬如cpu、gpu、dsp、fpga的優勢在哪？

先看cpu。理論上，利用終端中原有的通用cpu運行人工智能算法，也可在功能上實現相關應用。但對實時性要求較高的場景（如智能駕駛等），對響應的延時極為敏感，基於cpu作人工智能計算遠不能滿足實時性要求，必須引入專門的人工智能處理器。而在手機、平板電腦、音箱、ar/vr眼鏡、機器人等對散熱、能耗敏感的消費類電子終端場景，採用cpu支撐人工智能算法，不僅性能不理想，計算的能耗亦不能滿足相關場景下的可可限制，同樣需要採用專門的人工智能處理器提升性能降低能耗。

而gpu，最初為圖形顯示與渲染等任務設計，主要用於個人電腦、遊戲機、工作站，而人工智能領域，其多用於服務器與數據中心，終端應用較少；fpga雖然可以通過硬件重構方式靈活實現適合人工智能應用的架構，但它的成本和能效與實現相同架構的非fpga芯片有很大的差距。

因此，在選擇上，人工智能芯片是新需求下的最優解，那麽這個需求受到下遊幾個重點領域發展的影響。

雲計算方面，隨著全球範圍内雲數據中心、超級數據中心的建設速度不斷加快，人工智能算法的不斷普及和應用，和高性能計算能力的需求增長導致全球範圍内數據中心對於計算加速硬件的需求不斷上升。

邊緣端方面，由於雲端受限於延時性和安全性，不能滿足部分對數據安全性和系統及時性要求較高的用戶需求，這些用戶的需求推動大量數據存儲向邊緣端轉移。在運營商邊緣機房智能化改造的大背景下，能夠解決5g網絡對於低時延、高帶寬、海量物聯的部分要求。

（手機）終端方面，人工智能相關應用雖然可以在傳統的手機處理器芯片上運行，但在流暢度和能耗方面表現不夠理想而且用戶體驗不佳，引入人工智能處理器增加手機芯片的運算能力逐漸成為主流。

新興領域方面，智能汽車能夠為用戶提供自動駕駛、影音娛樂、車輛互聯等多樣化服務，實現車輛行駛過程中完全自動化與智能化。而智能駕駛系統的核心是芯片，汽車的新能源化和互聯化進程必將要求底層硬件能夠支撐高速運算的同時保持低功耗與邏輯控制。

這4大方面的需求共同推升了人工智能芯片的增長，但是這個增長也給寒武紀帶來了更大的挑戰。

比如，當前以深度學習為代表的人工智能技術對於底層芯片計算能力的需求一直在飛速增長，其增速已經大幅超過了摩爾定律的速度。例如google於2019年提出的efficientnet b7深度學習模型，每完成1次前向計算即需要3.61*1010次基本運算，是7年前同類模型（alexnet）運算需求的50倍。

這樣的一個發展速度，使得企業必須的加快固定資產的叠代，才能夠生產具有更快運算能力的芯片。當然這里除了固定資產的折舊費用，還有材料費、芯片流片費、研發人工費用，綜合起來是一筆非常大的開支。

競爭、需求、費用，是寒武紀這家企業經營的主要矛盾，而在這個矛盾之外，還有一個核心矛盾，即市場出價。

接著開頭L費雪所分享的故事，它的後續是，ibm確實是一家輝煌過很長時間的公司。

Ibm公司的股票在1932年最低價是52.5美元每股，自此以後一直高漲到117美元每股。1933年，從75.75美元漲到153.25美元每股。之後長期徘徊在這個價格左右，直到1936年漲到194美元每股，1939年，這只股票的價格突破了195.75美元每股，但之後隨即下跌、在此之後一直沒有漲到195美元每股，直到1945年達到另一穩定價格250美元每股。隨後在20世紀50年代，一直在這個價格水平之下徘徊。1956年，達到了這30年統計中的最高峰550美元/股。

假設你有這樣的好運氣。在這24年里，你每年的總回報率僅僅只有10%。很難達到20世紀30年代神話中的預期值。

總結

總體來說，首先你不確定寒武紀是不是一家劃時代的企業，但即便它最終成為了這樣的企業，由於部分參與者的躁狂症，你很難獲得持續的超額回報，那麽更多的回報只能產生於階段性的交易/投資之中，這就是ibm留給投資者的遺產。

By周治玮