AI加速卡面临禁售国内医疗AI们会被卡脖子吗( 四 ) _为什么淘宝上a卡销量惨淡

数据显示，2021年国内AI芯片行业投融资事件109起，总金额达到396.36亿元。全球范围来看，AI芯片初创公司的投融资事件数量在170起，累计投资金额约为99亿美元，是上年同期的三倍之多。AI芯片受资本的热捧可见一斑。
不过，目前国内AI芯片刚刚发布，仅从公布的理论算力上较GPU加速仍然有着数量级的差距。此外，目前还没有见到在医疗AI上实际落地的应用，其具体应用效果如何还有待观察。
除了基于专有ASIC的AI芯片方案，配合专用算法的FPGA因其较为灵活的可配置特性和特定环境不逊于GPU的性能成为了AI公司的另外一个选择。简单来说，在写入软件前FPGA具有胜于CPU的通用性，在写入软件后则有类似ASIC的表现。
某知名AI企业的研发人员向动脉网介绍到，人工智能目前的技术领域主要分为深度学习和机器学习。深度学习在医疗领域主要是通过CV技术实现辅助影像诊断和病理分析，近年来，深度学习也开始在新药研发和分子预测等应用落地。目前，深度学习主要运用GPU实现模型训练。
另外一类则是机器学习，它可以实现辅助病情诊断，比如慢性病筛查和风险评估等，机器学习可以通过学习过往慢性病患者数据预测未来患病风险。这类场景受限于数据等因素，不如影像AI落地那么广泛。不过，这类场景受到基于GPU的加速卡的影响不大，国产FPGA加速卡完全可以实现模型训练和推理效能的提升。
即使在国外巨头占据绝对优势的GPU领域，国产替代概念也在近年迅速兴起。当然，这些产品的理论性能尚只能达到相当入门的阶段，此外，真实的落地性能究竟如何也有待观察。
“我们一直在探索可替代的方案，产品端对性能的要求不是特别高，我们至少有两种以上的替代方案。研发端的话，我们之前建设的超算中心算力一直是足够的，暂时也就不存在替代的问题。”宋捷介绍道。
不难看出，尽管有几种可替代的技术路线，但国内替代方案的进展还远未成熟，仍然需要时间。若未来几年仍不能有成熟的替代方案，且面临进一步的技术限制时，或将对行业产生不利的影响。
与此同时，面对美国政府的限制，英伟达也在设法采取措施。毕竟，中国区是英伟达三大主要市场之一，没有人会和钱过不去。与此同时，主力收入来源之一的游戏显卡的库存高企营收不佳、股价低迷等种种负面影响都对英伟达的经营产生了巨大的压力。
据路透社报道，英伟达CEO黄仁勋在9月21日GTC后的新闻发布会上提到，早些时候披露的芯片限制对于芯片性能、芯片连接其他芯片有关能力上都有特定的门槛，英伟达仍然拥有大量产品可以销往国内。合理利用规则，通过提供在限制范围内的架构兼容产品，仍然可以保证英伟达产品在国内的“市场空间” 。
一个现实的方式是通过更多满足限制的较低性能的产品的堆叠，或者基于现有产品精准开发“特供版”产品，实现与限制产品同等的算力。当然，这或许还涉及到一系列配套解决方案的分拆供应。尽管较为繁琐，且需要付出额外的代价，但理论上并非无法实现。
另一个方式在半导体行业多少有点源远流长。偶尔会出现一些只需要通过软件或者硬件的简单改动就可将一款产品变为另一款产品的情况。早些时候，一个简单的硬件跳线或者驱动更改都可以让数百元的游戏显卡摇身变为上万元的专业显卡。
与此同时，被定位在其他领域的产品未必就不能用于AI加速。举例而言，前两年原本用于游戏市场的显卡反而成为了“矿工”手中的“挖矿”利器，使得原本2000元级别的游戏显卡被炒出接近万元的天价。